Mikä on indeksi SQL:ssä? Milloin sitä tulisi ja milloin ei pitäisi käyttää?

Question

Accepted Answer

**Indeksi** on tietorakenne (yleensä **B-puu**), jonka avulla tietokanta löytää rivit nopeasti **ilman koko taulukon skannaamista** — kuten kirjan sisällysluettelo. Se nopeuttaa huomattavasti hakuja, suodatuksia, liitoksia ja lajitteluja indeksoiduilla sarakkeilla, lisävarastotilan ja hitaamman kirjoitusnopeuden kustannuksella.

## Kuinka indeksi auttaa

```sql
-- without an index on email, this scans EVERY row (slow on a big table) — O(n)
SELECT * FROM users WHERE email = 'ann@x.com';

-- create an index → the database can find the row directly — O(log n)
CREATE INDEX idx_users_email ON users(email);
-- now the same query uses the index → dramatically faster
```

Ilman indeksiä tietokanta suorittaa **täyden taulukon skannauksen** (tarkistaa jokaisen rivin). Indeksin avulla se navigoi B-puuta ja löytää vastaavat rivit logaritmisessa ajassa — ero miljoonien rivien skannaamisesta ja muutamien hakujen välillä.

## Milloin käyttää indeksejä

```text
✓ Columns in WHERE clauses (frequently filtered)
✓ Columns used in JOINs (foreign keys especially)
✓ Columns in ORDER BY (sorting can use the index)
✓ Columns with high SELECTIVITY (many distinct values — email, id)
✓ Primary keys (auto-indexed) and unique constraints
```

## Milloin EI käyttää indeksejä (kompromissit)

```text
✗ Columns rarely queried — wasted storage and write overhead
✗ Small tables — a full scan is already fast; an index adds no benefit
✗ Low-selectivity columns (e.g. a boolean with 2 values) — index barely helps
✗ Write-heavy columns — EVERY INSERT/UPDATE/DELETE must also update the indexes
  → too many indexes SLOW DOWN writes significantly
```

Indeksit eivät ole ilmaisia: ne **kuluttavat varastotilaa** ja **hidastavat kirjoituksia** (jokainen muutos täytyy päivittää indeksit). Liian monta indeksiä heikentää kirjoitussuoritusta.

## Yhdistelmäindeksit ja muut indeksityypit

```sql
CREATE INDEX idx_users_country_name ON users(country, name);   -- COMPOSITE (multi-column)
-- helps WHERE country = ? AND name = ?, and WHERE country = ? (leftmost prefix)
-- but NOT WHERE name = ? alone (order matters!)

CREATE UNIQUE INDEX ...      -- enforces uniqueness
-- also: partial indexes, covering indexes, GIN/GiST (Postgres) for special data
```

## Miksi tämä on tärkeää

Indeksit ovat yksi tietokantasuorituksen tärkeimmistä aiheista — ne ovat ensisijainen työkalu kyselyjen nopeuttamiselle, ja ymmärtäminen siitä, milloin ja miten niitä käytetään, on olennaista tietoa kaikille, jotka työskentelevät tietokantojen kanssa suuressa mittakaavassa.

Perusarvo on dramaattinen: ilman indeksejä kyselyt, jotka suodattavat, liittävät tai lajittelevat saraketta, vaativat **täyden taulukon skannauksen** (jokaisen rivin tarkistaminen — katastrofaalisesti hidas tietojen kasvaessa), kun taas indeksit muuttavat nämä nopeiksi logaritmisiksi hakuiksi — usein ero kyselyn kestävyyden välillä millisekunnista sekunteihin tai minuutteihin.

Ymmärtäminen siitä, **milloin indeksoida** (usein suodatetut WHERE-sarakkeet, JOIN/viiteavainten sarakkeet, ORDER BY -sarakkeet, korkean selektiivisyyden sarakkeet), on perustavaa laatua oleva kyselysuorituksen kannalta.

Yhtä tärkeää on ymmärtäminen **kompromisseista ja milloin EI indeksoida**: indeksit kuluttavat varastotilaa ja ratkaisevasti **hidastavat kirjoituksia** (jokainen INSERT/UPDATE/DELETE täytyy päivittää kaikki indeksit), joten liian monta indeksiä heikentää kirjoitussuoritusta, ja indeksit lisäävät vähän arvoa pienissä taulukoissa tai matalan selektiivisyyden sarakkeissa.

Tämä tasapaino — tarvittavien sarakkeiden indeksointi ilman yliindeksointia — on keskeinen taito.

Tieto **yhdistelmäindekseistä** (monisarakkeisista, joissa sarakkeen järjestys vaikuttaa siihen, mitä kyselyitä ne auttavat) täydentää käytännöllistä indeksitietoa.

Koska kyselysuoritus on kriittinen todellisille sovelluksille ja koska oikea indeksointi (oikeat indeksit oikeilla sarakkeilla, tasapainottaen lukusuoritusta kirjoituskulujen ja varastotilan kanssa) on vaikuttavain tietokannan optimointi, indeksien hallitseminen — miten ne toimivat, milloin niitä käytetään, kirjoitus- ja varastokompromissit sekä yhdistelmäindeksit — on ydintieto, jolla on korkea arvo suorituskykyisille tietokannoille ja yksi tärkeimmistä ja yleisimmin testattavista tietokantojen aiheista.