Index trong SQL là gì? Khi nào nên và không nên dùng?

Question

Accepted Answer

**Index** là một cấu trúc dữ liệu (thường là **B-tree**) cho phép cơ sở dữ liệu tìm các hàng nhanh chóng **mà không cần quét toàn bộ bảng** — giống như mục lục của một cuốn sách. Nó tăng tốc đáng kể cho việc tra cứu, lọc, join và sắp xếp trên (các) cột được đánh index, đổi lại là tốn thêm dung lượng lưu trữ và làm chậm các thao tác ghi.

## Index giúp ích như thế nào

```sql
-- không có index trên email, truy vấn này quét MỌI hàng (chậm trên bảng lớn) — O(n)
SELECT * FROM users WHERE email = 'ann@x.com';

-- tạo một index → cơ sở dữ liệu có thể tìm hàng trực tiếp — O(log n)
CREATE INDEX idx_users_email ON users(email);
-- giờ cùng truy vấn đó dùng index → nhanh hơn đáng kể
```

Không có index, cơ sở dữ liệu thực hiện một **full table scan** (kiểm tra mọi hàng). Có index, nó duyệt một B-tree để tìm các hàng khớp trong thời gian logarit — sự khác biệt giữa việc quét hàng triệu hàng và một vài lần tra cứu.

## Khi nào nên dùng index

```text
✓ Các cột trong mệnh đề WHERE (thường được lọc)
✓ Các cột dùng trong JOIN (đặc biệt là foreign key)
✓ Các cột trong ORDER BY (việc sắp xếp có thể tận dụng index)
✓ Các cột có ĐỘ CHỌN LỌC cao (nhiều giá trị phân biệt — email, id)
✓ Primary key (tự động được đánh index) và ràng buộc unique
```

## Khi nào KHÔNG nên dùng index (các đánh đổi)

```text
✗ Cột hiếm khi được truy vấn — lãng phí dung lượng và phụ phí khi ghi
✗ Bảng nhỏ — full scan vốn đã nhanh; index không mang lại lợi ích gì
✗ Cột có độ chọn lọc thấp (vd: một boolean với 2 giá trị) — index gần như không giúp ích
✗ Cột ghi nhiều — MỖI INSERT/UPDATE/DELETE đều phải cập nhật cả các index
  → quá nhiều index sẽ LÀM CHẬM thao tác ghi một cách đáng kể
```

Index không miễn phí: chúng **tiêu tốn dung lượng lưu trữ** và **làm chậm thao tác ghi** (mọi thay đổi đều phải cập nhật các index). Đánh index quá mức gây hại cho hiệu năng ghi.

## Composite index và các loại index khác

```sql
CREATE INDEX idx_users_country_name ON users(country, name);   -- COMPOSITE (nhiều cột)
-- giúp ích cho WHERE country = ? AND name = ?, và WHERE country = ? (tiền tố trái nhất)
-- nhưng KHÔNG giúp WHERE name = ? đơn lẻ (thứ tự cột quan trọng!)

CREATE UNIQUE INDEX ...      -- thực thi tính duy nhất
-- ngoài ra: partial index, covering index, GIN/GiST (Postgres) cho dữ liệu đặc biệt
```

## Tại sao điều này quan trọng

Index là một trong những chủ đề quan trọng nhất về hiệu năng cơ sở dữ liệu — chúng là công cụ chính để làm cho truy vấn nhanh, và hiểu khi nào cũng như cách dùng chúng là kiến thức cốt yếu cho bất kỳ ai làm việc với cơ sở dữ liệu ở quy mô lớn.

Giá trị cốt lõi rất ấn tượng: không có index, các truy vấn lọc, join hoặc sắp xếp trên một cột đòi hỏi **full table scan** (kiểm tra mọi hàng — chậm thảm họa khi dữ liệu lớn lên), trong khi index biến chúng thành những lần tra cứu logarit nhanh — thường là sự khác biệt giữa một truy vấn mất vài mili giây so với vài giây hoặc vài phút.

Hiểu **khi nào nên đánh index** (các cột WHERE thường được lọc, cột JOIN/foreign-key, cột ORDER BY, cột có độ chọn lọc cao) là nền tảng cho hiệu năng truy vấn.

Quan trọng không kém là hiểu các **đánh đổi và khi nào KHÔNG nên đánh index**: index tiêu tốn dung lượng và, then chốt hơn, **làm chậm thao tác ghi** (mọi INSERT/UPDATE/DELETE đều phải cập nhật tất cả index), nên đánh index quá mức gây hại cho hiệu năng ghi, và index mang lại ít giá trị trên các bảng nhỏ hoặc cột có độ chọn lọc thấp.

Sự cân bằng này — đánh index những gì được truy vấn trong khi không đánh index quá mức — là một kỹ năng then chốt.

Biết về **composite index** (nhiều cột, nơi thứ tự cột quyết định truy vấn nào được hưởng lợi) hoàn thiện kiến thức thực tế về index.

Vì hiệu năng truy vấn là yếu tố then chốt cho các ứng dụng thực tế, và vì đánh index đúng cách (đúng index trên đúng cột, cân bằng tốc độ đọc với chi phí ghi và lưu trữ) là tối ưu hóa cơ sở dữ liệu có tác động lớn nhất, việc thành thạo index — cách chúng hoạt động, khi nào dùng, các đánh đổi về ghi/lưu trữ, và composite index — là kiến thức cốt lõi, giá trị cao cho các cơ sở dữ liệu hiệu năng cao và là một trong những chủ đề cơ sở dữ liệu quan trọng nhất và hay được kiểm tra nhất.