前言

作为阿里云自研的自研数据平台，TableStore有可靠、海量存储以及易于扩展等特点。但是由于数据模型的限制，原生的TableStore只能基于主键做查询。如果有其他查询分析需求用户也只能借助如Dataworks、Data Lake Analytics。

基于上面的痛点，TableStore在2018年末推出了两大在线索引功能：GlobalIndex（全局二级索引）与SearchIndex（多元索引），这两个功能大大地弥补了原先TableStore查询方式单一的缺点。但是用户在选型的时候也会有所迷惑，两个功能都包含了“索引”二字，那么又有什么区别呢？本文将针对这个问题做详细剖析。

查询场景

原生TableStore

对于一个三主键的表，假设三列主键分别为X、Y、Z，对于这种设计我们可以使用的查询功能相对比较简单：

1. 精确查询，指定X、Y、Z的值

2. 范围查询，必须遵循最左匹配原则

   1. 指定X的值，Y与Z为范围  
   2. 指定X与Y的值，Ｙ为范围
   3. X、Y、Z均为范围  

全范围值指(MIN~MAX)。

对于原生的TableStore提供的查询功能，优缺点整理如下：

但是在很多场景下，需要查询非主键列的属性列，这个时候上述主表结构就不能满足需求了，为了解决这个问题，我们开发了类似于关系型数据库的二级索引（GlobalIndex）。

GlobalIndex

GlobalIndex使用的是额外的一张TableStore表来实现的，所以索引表的数据模型与TableStore的表完全一致。用户可以指定任意列（原表的主键列或属性列）作为索引表的主键。
如我们原表有以下的几列：

• 一列主键X。
• 三列属性列Q、W、E

我们创建的索引的主键为：Q、X（这里加上原表主键X是为了防止Q列的重复，因为属性列Q不一定唯一，但是Q与X的组合是一定是唯一的），则我们通过索引表可以完成的查询组合为：

• Q范围查询，X范围查询
• 指定Q的值，X为范围
• 指定Q和X的值

创建了索引表后，在原先只能通过主键进行查询的基础上，扩充了查询的多样性。

为了不影响用户数据写入延迟，我们采用了异步同步数据的方式。也就是说用户在将数据写入原表成功后，是立刻返回的，而数据则是通过我们内部的同步链路同步到索引表。所以说数据写入成功后到索引数据可见，是有一定的延迟的，这个延迟一般为毫秒级别。

GlobalIndex的优缺点总结如下：

GlobalIndex在原有TableStore表的基础上，为用户提供了更多的查询选择，并且索引的性能与原生的TableStore表相当，比较适合索引需求相对简单并且对性能要求很高的用户。

多元索引（SearchIndex）

GlobalIndex虽然查询能力上有所增强，但是在某些查询功能上还是无法满足需求，比如分词查询、多字段自由组合查询、模糊查询、地理位置查询等，为了支持更多的查询能力，我们为TableStore增加了多元索引，下面我们来看一下多元索引。

与GlobalIndex不同，SearchIndex底层使用的是自研索引引擎，使用了倒排索引、行存、列存等技术来优化查询。在数据组织方面与TableStore类似，SearchIndex底层也是使用“分片”的形式将数组织在一起，但是与GlobalIndex不同的是，默认的话写入的数据时通过原表主键来确定分区的。也就是说如通过一个条件查询完整结果的话，需要对所有“分片”进行查询并合并结果。
虽然查询性能上，特别是一些简单条件查询SearchIndex是要比GlobalIndex要差，但是其优势在于查询功能的强大。如果用户需要对索引列进行多种组合查询，或这一些更高级的功能，如：GEO地理位置查、分词查询等，都只需要创建一个索引就可以完成。
在查询方面，SearchIndex比较适合如下的一些场景：

• 需要对查询做任意组合
• 需要有or的查询，如X=a OR X=b的场景
• 需要GEO地理位置查询
• 需要对字符串分词查询

与GlobalIndex类似，数据同步到SearchIndex也是异步的。由于SearchIndex内部实现的原因，数据写入到SearchIndex有一个索引构建的过程。所以除了同步链路的延迟，还需要加上索引构建的延迟，整个延迟的话在秒级别。

SearchIndex的优缺点整理如下：

与GlobalIndex相比，SearchIndex在查询功能的多样性上要略胜一筹，但是在一些特定的场景，如大范围扫描索引、简单条件匹配以及对同步延迟敏感的情况下，GlobalIndex性能更佳。在数据延迟方面由于内部实现的原因，SearchIndex数据延迟为秒级别，而GlobalIndex则为毫秒级别。

总结

我们将两种索引的不同点与各自的优缺点整理成如下的表，共大家参考。