高基数字段是否建索引关键看选择性（满足条件行数/总行数），理想值趋近0；一般＜5%适合索引，＞20%优化器常弃用；需结合查询模式、统计信息准确性和分布倾斜度综合判断。
高基数字段是否值得建索引，不能只看“唯一值多”，关键要看选择性（Selectivity）——即查询时能过滤掉多少数据。选择性越高，索引效率越明显；反之，即使字段唯一值上百万，若常用查询条件匹配大量行，索引可能被优化器弃用。
什么是选择性？怎么算？
选择性 = 满足条件的行数 / 表总行数（理想值趋近于 0，越小越好）。例如：用户表 1000 万行，user_id 是主键，查单个 ID 的选择性是 1/10000000 ≈ 0.0000001；而 status 字段有 3 个值且分布均匀，查 status = 'active' 的选择性约为 0.33。
- 一般认为选择性 < 0.05（5%） 才较适合走索引
- 超过 0.2（20%）时，全表扫描往往更快，优化器大概率忽略该索引
- 计算示例：
SELECT COUNT(*) FILTER (WHERE status = 'pending') * 1.0 / COUNT(*) FROM users;（PostgreSQL）或用子查询兼容 MySQL
别只看全局基数，要看实际查询模式
一个字段整体唯一值很多（如订单号、设备 ID），但业务查询常带时间范围或状态前缀，真实过滤效果取决于组合条件下的有效选择性。
- 比如
order_no全局唯一，但查询WHERE order_no LIKE '202410%'可能命中上万条——此时单独对order_no建索引无意义 - 更优做法：把高频过滤字段（如
created_at）放在联合索引左侧，再加order_no，让索引能快速定位时间窗口内的数据 - 用
EXPLAIN ANALYZE看执行计划中Rows Removed by Filter占比，比理论值更真实
统计信息要准，否则评估会失真
优化器依赖表和列的统计信息估算选择性。如果 ANALYZE（PostgreSQL）或 UPDATE STATISTICS（SQL Server）长期未执行，或采样率过低，可能导致误判。
- 检查统计信息新鲜度：
pg_stat_all_tables.last_analyze（PG）；sys.dm_db_stats_properties（SQL Server） - 对高基数字段，建议提高采样率（如 PG 中
ALTER TABLE t ALTER COLUMN c SET STATISTICS 1000） - 避免在
WHERE中对字段做函数操作（如YEAR(created_at) = 2024），这会让统计失效，也使索引无法使用
用直方图+NDV交叉验证更可靠
仅靠 COUNT(DISTINCT) 不够——它不反映分布倾斜。比如用户地区字段有 200 个唯一值，但 80% 数据集中在 3 个省份，查其余 197 个值的选择性极好，查那 3 个却很差。
- 查看列直方图（PostgreSQL 的
pg_stats表、MySQL 的information_schema.COLUMN_STATISTICS）了解值分布 - 结合
ndv（Number of Distinct Values）和常见值频次，识别“长尾”还是“尖峰”分布 - 对倾斜字段，可考虑分区 + 局部索引，或为高频值建覆盖索引，低频值走默认路径
