Dataindexering

Dataindexering is het proces waarbij aanvullende datastructuren worden gemaakt om snelle toegang tot gegevens mogelijk te maken. Doel is het terugvinden van rijen of documenten zonder door hele tabellen of bestanden te hoeven bladeren. Indexen worden veel toegepast in databases, zoekmachines en dataopslagsystemen en kunnen de uitvoering van queries aanzienlijk versnellen.

Er bestaan verschillende soorten indexen. In relationele databases zijn veelgebruikte indexen B-trees of varianten daarvan, met onderscheid tussen clustering en niet-clustering (welk type volgorde de fysieke opslag bepaalt). Composite of multicolumn indexen koppelen meerdere kolommen aan één index. Voor tekstzoekopdrachten zijn inverted indexes gangbaar: ze koppelen zoektermen aan de documenten waarin ze voorkomen. Geospatiale queries maken vaak gebruik van R-tree- of vergelijkbare indexen. In NoSQL- en search-achtige systemen spelen ook speciale indexen een rol die afgestemd zijn op de opslag- en zoekpatronen van die systemen.

Werking en kosten: een index bevat sleutelwaarden en verwijzingen naar de bijbehorende gegevens. De query-optimizer kan een index kiezen als deze sneller is dan een volledige scan. Indexen verbeteren leesoperaties maar brengen extra opslagruimte en overhead met zich mee bij schrijven, bijwerken en verwijderen. Regelmatig onderhoud, zoals herindexering of reorganisatie, kan nodig zijn om fragmentatie te beperken.

Best practices en overwegingen: indexeer gericht op kolommen die vaak in where-, join- of order-by-clausules voorkomen en met voldoende selectiviteit. Vermijd overmatige indexering, omdat dit de schrijftijd en het opslaggebruik verhoogt. Gebruik statische statistieken en queryplannen om de juiste typen en combinaties van indexen te kiezen.