索引概述

Apache Doris 提供多种索引来加速查询。本文帮助你判断是否需要、以及需要哪一种索引，并提供各索引的详细链接。

从这里开始

每张表都已经拥有两种由 Doris 自动构建和维护的索引：

• 前缀索引：建立在排序键上，可加速对前导 Key 列的过滤。将你最频繁的过滤列设计为前导 Key 列即可利用它。
• ZoneMap 索引：建立在每一列上，可跳过不满足范围或等值过滤条件的数据块。

仅当上述索引无法覆盖某种查询模式时，才需要添加手动索引：

你的查询模式	推荐索引	使用频率
在最高频的列上过滤	将其设为前导 Key 列（前缀索引）	总是优先设计
在非 Key 列上做等值或范围过滤	倒排索引	经常
文本 LIKE 子串匹配	NGram BloomFilter 索引	有时
等值过滤且更看重索引体积而非灵活性	BloomFilter 索引	很少；通常更推荐倒排索引
全文检索：关键词、短语或多字段	倒排索引	需要文本检索时
向量相似度（Top-K 最近邻）	向量索引（ANN）	用于 RAG、语义搜索、推荐、多媒体检索

如果查询慢于预期，可用 QueryProfile 查看各索引过滤掉了多少数据、耗时多少。详见各索引的专题文档。

各类索引的工作原理

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：Doris 按排序键有序存储数据，并每隔 1024 行创建一个稀疏前缀索引。每个索引项记录所在组第一行的排序列值。当查询按排序列过滤时，Doris 定位到对应的行组并从那里开始扫描。
• 倒排索引：Doris 构建一张倒排表，把每个值映射到包含它的行。等值查询时，先查到匹配的行，再只读取这些行，避免全表扫描并减少 I/O。倒排索引也能加速范围过滤和文本关键词检索；算法更复杂，但思路相同。

备注

BITMAP 索引已被倒排索引取代。

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：Doris 自动为每一列维护统计信息（最小值、最大值、是否有 NULL），按数据文件（Segment）和数据块（Page）记录。对于等值、范围、IS NULL 过滤，Doris 用这些统计判断某个文件或数据块是否可能包含匹配行。若不可能，则跳过该文件或数据块，减少 I/O。
• BloomFilter 索引：Doris 将列的取值存入 BloomFilter，这种结构能以很小的存储判断某个值是否存在。等值查询时，若该值不在 BloomFilter 中，Doris 跳过对应文件或数据块，减少 I/O。
• NGram BloomFilter 索引：加速文本 LIKE 查询。原理与 BloomFilter 索引类似，但存入的是文本的 NGram 分词，而非完整取值。LIKE 查询时，Doris 对 pattern 做同样的分词，逐个检查 token 是否在过滤器中。只要有一个 token 缺失，该文件或数据块就无法匹配，Doris 直接跳过。

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“从这里开始”中的决策表进行索引选择和测试。