索引

索引是提高查询性能的关键组件。Database AI 支持多种索引类型，用于加速等值/范围查询、全文检索、JSON 集合查询、向量相似度搜索与分析型扫描等。

索引分类

索引的分类可从数据分布、存储格式和索引结构三个维度来理解。

按数据分布分类

索引数据分布决定索引分区与基表分区的对应关系：

• 局部索引：索引分区与基表分区一一对应、绑定存储。
• 全局索引：索引与基表分区独立，可跨分区组织。

按存储格式分类

索引存储格式决定索引表自身的数据组织方式：

• 行存索引：索引按行组织，利于点查与随机访问。
• 列存索引：索引按列组织（通过 WITH COLUMN GROUP (each column) 等语法指定），利于分析型扫描与聚合，适用于 HTAP 场景下的宽表扫描和分析型查询，能显著提升大规模数据下的检索与分析性能。

详见 列存 与 创建索引（MySQL 模式）— 列存索引。

按索引结构分类

在上述两个维度的基础上，按索引结构可分为以下几类：

• B-tree 索引（普通索引）：默认的索引结构，包括 唯一索引、非唯一索引 和 函数索引，适用于等值查询、范围查询、排序和点查。B-tree 索引既可以是局部索引或全局索引，也可以采用行存或列存格式——列存格式的 B-tree 索引即常说的列存索引，适用于 HTAP 场景下的分析型扫描。详见 索引简介、创建索引（MySQL 模式）、列存。
• 全文索引：基于倒排索引与分词，对 CHAR/VARCHAR/TEXT 列建立关键词映射，适用于日志分析、文档检索与相关性排序。仅支持局部索引。详见 全文索引。
• JSON 多值索引：可在 JSON 数组或集合上创建索引，提高 JSON 数组元素搜索的查询效率，适用于标签分类、多对多关联及 MEMBER OF()、JSON_CONTAINS()、JSON_OVERLAPS() 等谓词（仅 MySQL 模式）。仅支持局部索引。详见 多值索引 与 创建索引（MySQL 模式）。
• 空间索引：用于地理空间数据与 GIS 场景，可快速检索坐标范围内的数据。仅支持局部索引。
• 向量索引：在 Vector 类型列上建立，包含稠密向量索引（如 HNSW、IVF）与稀疏向量索引，支持 L2、内积、余弦等距离计算，适用于向量相似度检索。具有独立的索引结构，仅支持局部索引。详见 向量索引概述。

实践指引

• AP 场景下的列存索引、行存基表 + 列存索引等组合：参见 AP 场景下的数据表设计与查询优化实践 中的 HTAP 场景下优化查询。
• 全文索引、JSON 多值索引、空间索引、向量索引等特殊索引选型：参见 JSON 多值索引与全文索引实践。
• 更多语法与实现细节：参见 索引简介。