SQL లో ఇండెక్స్ అంటే ఏమిటి? మీరు దానిని ఎప్పుడు ఉపయోగించాలి మరియు ఎప్పుడు ఉపయోగించకూడదు?

Question

Accepted Answer

**ఇండెక్స్** అనేది ఒక డేటా స్ట్రక్చర్ (సాధారణంగా **B-tree**), ఇది డేటాబేస్ **మొత్తం టేబుల్‌ను స్కాన్ చేయకుండా** వరుసలను త్వరగా కనుగొనడానికి సహాయపడుతుంది — పుస్తకం యొక్క ఇండెక్స్ వలె. ఇది ఇండెక్స్ చేయిన నిలువు వరుస(ల)పై శోధనలు, ఫిల్టర్‌లు, జాయిన్‌లు మరియు సార్ట్‌లను చాలా గతిస్వరంగా పెంచుతుంది, అదనపు నిల్వ మరియు నెమ్మదిగా రాయడం ఆస్తిపై.

## ఇండెక్స్ ఎలా సహాయపడుతుంది

```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
```

ఇండెక్స్ లేకుండా, డేటాబేస్ **పూర్తి టేబుల్ స్కాన్** చేస్తుంది (ప్రతి వరుసను తనిఖీ చేస్తుంది). ఒకటితో, ఇది B-tree ను నావిగేట్ చేస్తుంది లాగరిథమిక్ సమయంలో సరిపోలిన వరుసలను కనుగొనడానికి — లక్షల వరుసలను స్కాన్ చేయడం మరియు కొన్ని శోధనల మధ్య వ్యత్యాసం.

## ఇండెక్స్‌లను ఎప్పుడు ఉపయోగించాలి

```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
```

## ఇండెక్స్‌లను ఎప్పుడు ఉపయోగించకూడదు (ట్రేడ్-ఆఫ్‌లు)

```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
```

ఇండెక్స్‌లు ఉచితం కాదు: అవి **నిల్వను వినియోగిస్తాయి** మరియు **రాయడాన్ని నెమ్మదిస్తాయి** (ప్రతి సవరణ ఇండెక్స్‌లను అప్‌డేట్ చేయాలి). అతిశయ-ఇండెక్సింగ్ రాయడం పనితీరిని నష్టపరుస్తుంది.

## సమ్మిళిత మరియు ఇతర ఇండెక్స్ రకాలు

```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
```

## ఇది ఎందుకు ముఖ్యమైనది

ఇండెక్స్‌లు డేటాబేస్ పనితీరులో చాలా ముఖ్యమైన విషయాలలో ఒకటి — ఇవి ప్రశ్నలను వేగవంతం చేయడానికి ప్రాథమిక సాధనం, మరియు వాటిని ఎప్పుడు మరియు ఎలా ఉపయోగించాలో అర్థం చేసుకోవడం డేటాబేస్‌లతో పనిచేసే ఎవరికైనా అත్యవసర జ్ఞానం.

ప్రధాన విలువ నాటకీయం: ఇండెక్స్‌లు లేకుండా, నిలువు వరుసపై ఫిల్టర్ చేసే, జాయిన్ చేసే లేదా సార్ట్ చేసే ప్రశ్నలకు **పూర్తి టేబుల్ స్కాన్‌లు** అవసరమవుతాయి (ప్రతి వరుసను తనిఖీ చేయడం — డేటా వృద్ధి చెందడంతో వినాశకరమైనది), అయితే ఇండెక్స్‌లు ఈ ఆపరేషన్‌లను వేగవంతమైన లాగరిథమిక్ శోధనలకు మారుస్తాయి — తరచుగా ప్రశ్న మిల్లీసెకన్లు తీసుకునే వాటికి సెకన్ల లేదా నిమిషాల నుండి తేడా.

**ఎప్పుడు ఇండెక్స్ చేయాలో** అర్థం చేసుకోవడం (తరచుగా-ఫిల్టర్ చేయిన WHERE నిలువు వరుసలు, JOIN/విదేశీ-కీ నిలువు వరుసలు, ORDER BY నిలువు వరుసలు, అధిక-ఎంపిక నిలువు వరుసలు) ప్రశ్న పనితీరుకు ప్రాథమికమైనది.

సమానంగా ముఖ్యమైనది **ట్రేడ్-ఆఫ్‌లు మరియు ఎప్పుడు ఇండెక్స్ చేయకూడదో** అర్థం చేసుకోవడం: ఇండెక్స్‌లు నిల్వను వినియోగిస్తాయి మరియు, కీలకంగా, **రాయడాన్ని నెమ్మదిస్తాయి** (ప్రతి INSERT/UPDATE/DELETE అన్ని ఇండెక్స్‌లను అప్‌డేట్ చేయాలి), కాబట్టి అతిశయ-ఇండెక్సింగ్ రాయడం పనితీరిని నష్టపరుస్తుంది, మరియు ఇండెక్స్‌లు చిన్న టేబుల్‌లు లేదా తక్కువ-ఎంపిక నిలువు వరుసలపై కొద్దీ విలువ జోడిస్తాయి.

ఈ సమతుల్యత — ఎక్కడ ప్రశ్నలు చేయబడతాయో ఇండెక్స్ చేయడం అయితే అతిశయ-ఇండెక్సింగ్ కాకుండా — ఒక ముఖ్య నైపుణ్యం.

**సమ్మిళిత ఇండెక్స్‌ల** గురించి తెలుసుకోవడం (బహుళ-నిలువు వరుస, ఇక్కడ నిలువు వరుస క్రమం వాటి సహాయపడే ప్రశ్నల కోసం ముఖ్యమైనది) ఆచరణాత్మక ఇండెక్స్ జ్ఞానాన్ని పూర్తి చేస్తుంది.

ప్రశ్న పనితీరు రియల్ అప్లికేషన్‌ల కోసం విమర్శనాత్మకమైనందున, మరియు సరైన ఇండెక్సింగ్ (సరైన ఇండెక్స్‌లు సరైన నిలువు వరుసలపై, రీడ్ వేగం రాయడం ఖర్చు మరియు నిల్వకు సమతుల్యమైనది) అత్యంత ప్రభావవంతమైన డేటాబేస్ ఆప్టిమైజేషన్ కాబట్టి, ఇండెక్స్‌లను ప్రావీణ్యం చేయడం — అవి ఎలా పనిచేస్తాయి, వాటిని ఎప్పుడు ఉపయోగించాలి, రాయడం/నిల్వ ట్రేడ్-ఆఫ్‌లు, మరియు సమ్మిళిత ఇండెక్స్‌లు — నిరూపయోగమైన డేటాబేస్‌ల కోసం ప్రధాన, అధిక-విలువ జ్ఞానం మరియు సాధారణంగా పరీక్షించిన డేటాబేస్ విషయాలలో ఒకటి.