索引概述

Apache Doris 提供多种索引以加速不同的查询场景。本文将从查询场景出发，帮助你快速理解各类索引的原理、适用范围以及选择策略。

快速选型指南

在深入了解索引细节前，可以参考以下原则快速做出选型：

1. 最频繁使用的过滤条件：将其指定为 Key 列，自动建立前缀索引。前缀索引过滤效果最好，但每个表只能有一个，因此要用在最高频的过滤条件上。
2. 非 Key 字段需要过滤加速：首选倒排索引，它适用面广、支持多条件组合。如果有特殊需求可选用以下两种：
   • 字符串 LIKE 匹配需求：增加 NGram BloomFilter 索引
   • 对索引存储空间敏感：使用 BloomFilter 索引替代倒排索引
3. 文本全文检索：使用倒排索引，配合分词器实现关键词匹配、短语查询、多字段联合检索等能力。
4. 向量相似度检索：使用向量索引（ANN 索引），加速 RAG、语义搜索、推荐、图像/音视频检索等近似最近邻查询。
5. 性能不及预期：通过 QueryProfile 分析索引过滤掉的数据量和消耗的时间，详见各个索引的专题文档。

按查询场景选择索引

Apache Doris 针对不同查询场景提供四类索引：点查索引、跳数索引、全文检索索引 与 向量索引。

场景一：满足条件的行较少（点查索引）

适用场景：精确匹配少量数据，例如根据主键查询、根据用户 ID 拉取明细。

加速原理：通过索引直接定位到满足 WHERE 条件的行，并读取这些行，避免逐行扫描。

Apache Doris 提供两种点查索引：

• 前缀索引：Apache Doris 按照排序键以有序方式存储数据，并每隔 1024 行创建一个稀疏前缀索引。索引中的 Key 是当前 1024 行中第一行的排序列值。当查询涉及已排序列时，系统会找到相关的 1024 行组的第一行并从那里开始扫描。
• 倒排索引：对建立倒排索引的列，构建每个值到对应行号集合的倒排表。等值查询时，先从倒排表中查到行号集合，然后直接读取对应行的数据，避免逐行扫描，从而减少 I/O 加速查询。倒排索引还能加速范围过滤、文本关键词匹配，算法更加复杂但基本原理类似。

备注

之前的 BITMAP 索引已被功能更强的倒排索引取代。

场景二：满足条件的行较多（跳数索引）

适用场景：分析类查询，需要过滤大批量数据，例如时间范围聚合、维度筛选等。

加速原理：通过索引判断哪些数据块不满足 WHERE 条件，跳过这些数据块，只读取可能满足条件的数据块，再做一次逐行过滤得到最终结果。

Apache Doris 提供三种跳数索引：

• ZoneMap 索引：自动维护每一列的统计信息，为每一个数据文件（Segment）和数据块（Page）记录最大值、最小值、是否有 NULL。对于等值查询、范围查询、IS NULL，可以通过最大值、最小值、是否有 NULL 判断数据文件和数据块是否可能包含满足条件的数据，如果不包含则跳过对应文件或数据块，减少 I/O 加速查询。
• BloomFilter 索引：将索引列的可能取值存入 BloomFilter 数据结构。BloomFilter 可以快速判断一个值是否存在，且存储空间占用很低。对于等值查询，如果判断该值不在 BloomFilter 中，就可以跳过对应的数据文件或数据块，减少 I/O 加速查询。
• NGram BloomFilter 索引：用于加速文本 LIKE 查询。基本原理与 BloomFilter 索引类似，区别在于存入 BloomFilter 的不是原始文本值，而是对文本进行 NGram 分词后的每个词。对于 LIKE 查询，将 LIKE 的 pattern 也进行 NGram 分词，判断每个词是否在 BloomFilter 中，如果某个词不在则对应的数据文件或数据块就不满足 LIKE 条件，可以跳过这部分数据，减少 I/O 加速查询。

场景三：文本全文检索（倒排索引）

适用场景：日志分析、内容搜索、客服工单挖掘等需要在文本字段中按关键词、短语、模式匹配查找的场景。

加速原理：将文本通过分词器切分成词项（Term），对每个词项构建到对应行号的倒排表。查询时先对检索词做同样的分词，再从倒排表中取出包含这些词的行号集合，并按 AND/OR/NOT 等关系合并，最终直接读取这些行，避免对原文逐行扫描和正则匹配。

详细用法见倒排索引。Apache Doris 倒排索引支持：

• 关键词检索：MATCH_ANY（任意一个词命中）、MATCH_ALL（多个词都命中）。
• 短语查询：MATCH_PHRASE 支持顺序敏感的短语匹配，可指定词距 slop；MATCH_PHRASE_PREFIX 支持短语 + 末词前缀匹配；MATCH_REGEXP 支持对分词后词项做正则匹配。
• 多语言分词：内置 english、chinese、unicode、icu、basic、ik 等多种分词器，覆盖中英文、混合文本与多语言场景。
• 多列联合检索：通过 multi_match 函数对多个字段做 OR/AND/短语/前缀检索。
• 与普通过滤组合：与等值、范围、IN 等条件以及其他索引任意 AND/OR/NOT 组合，复用同一份倒排索引完成查询。

场景四：向量相似度检索（向量索引）

适用场景：RAG（检索增强生成）、语义搜索、推荐系统、图像 / 音频 / 视频检索等需要按向量相似度查找 Top-K 最近邻或基于距离阈值过滤的场景。

加速原理：传统方式需要将查询向量与每条数据计算一次距离，代价随数据量线性增长。向量索引（ANN，Approximate Nearest Neighbor）通过预先在向量集合上构建图（如 HNSW）或聚类（如 IVF）结构，把搜索空间限制在少量候选向量上，从而以可控的精度损失换取数量级的查询提速。

详细用法见向量索引。Apache Doris 自 4.0 版本起支持 ANN 索引，主要能力包括：

• 多种索引算法：支持 hnsw、ivf、ivf_on_disk，分别适用于内存高 QPS、内存受限、超大规模磁盘场景。
• 多种距离度量：支持 l2_distance（欧氏距离）和 inner_product（内积），对向量做 L2 归一化后可等价实现 Cosine 相似度。
• TopN / 范围 / 组合查询：通过 l2_distance_approximate、inner_product_approximate 实现 ANN TopN，也支持基于距离阈值的范围搜索，以及在同一 SQL 中组合 TopN 与 Range 条件。
• 与标量过滤混合检索：可与倒排索引等二级索引联动，先用结构化条件（如 MATCH_ANY 'music'）过滤候选集，再在候选集上做 ANN TopN，实现“带过滤条件的向量检索”。
• 向量量化：支持 flat、sq8、sq4、pq 等量化方式，在召回率与内存 / 磁盘占用之间灵活权衡。

索引管理方式

根据是否需要用户手动管理，Apache Doris 的索引可分为两类：

管理方式	索引类型	说明
自动维护	前缀索引、ZoneMap 索引	Apache Doris 内建智能索引，无需用户管理
手动创建	倒排索引、BloomFilter 索引、NGram BloomFilter 索引、向量索引	用户根据查询场景自行选择，并手动创建、删除

索引特点对比

下表汇总了各类索引的优势与局限，便于快速选型：

类型	索引	优点	局限
点查索引	前缀索引	内置索引，性能最好	一个表只有一组前缀索引
点查索引 / 全文检索	倒排索引	支持分词和关键词匹配，任意列可建索引，多条件组合，持续增加函数加速	索引存储空间较大，与原始数据相当
跳数索引	ZoneMap 索引	内置索引，索引存储空间小	支持的查询类型少，只支持等于、范围
跳数索引	BloomFilter 索引	比 ZoneMap 更精细，索引空间中等	支持的查询类型少，只支持等于
跳数索引	NGram BloomFilter 索引	支持 LIKE 加速，索引空间中等	支持的查询类型少，只支持 LIKE 加速
向量索引	ANN 索引	支持向量相似度 TopN / 范围 / 组合检索，可与标量过滤联动；支持多种量化方式平衡召回与资源	仅适用于 Array<Float> 列且要求 NOT NULL，仅支持 DUPLICATE KEY 表模型

索引对运算符与函数的支持

下表列出各类索引对常用运算符和函数的加速支持情况：

运算符 / 函数	前缀索引	倒排索引	ZoneMap 索引	BloomFilter 索引	NGram BloomFilter 索引
=	YES	YES	YES	YES	NO
!=	YES	YES	NO	NO	NO
IN	YES	YES	YES	YES	NO
NOT IN	YES	YES	NO	NO	NO
>, >=, <, <=, BETWEEN	YES	YES	YES	NO	NO
IS NULL	YES	YES	YES	NO	NO
IS NOT NULL	YES	YES	NO	NO	NO
LIKE	NO	NO	NO	NO	YES
MATCH, MATCH_*	NO	YES	NO	NO	NO
array_contains	NO	YES	NO	NO	NO
array_overlaps	NO	YES	NO	NO	NO
is_ip_address_in_range	NO	YES	NO	NO	NO

索引设计原则

数据库表的索引设计与优化跟数据特点和查询模式密切相关，需根据实际场景测试和调优。虽然没有“银弹”，Apache Doris 仍持续降低用户使用索引的难度。在实际设计时，可参考前文“快速选型指南”中的三条原则进行索引选择和测试。