Когда полное сканирование набора данных выгоднее доступа по индексу?

Полное сканирование (Sequential Scan) выгоднее доступа по индексу (Index Scan), когда суммарная стоимость одноблочных чтений через индекс превышает стоимость многоблочного последовательного чтения всей таблицы.

Механика сравнения

Когда полное сканирование выгоднее

• Низкая селективность предиката — запрос возвращает значительную долю таблицы (ориентир: более 5-15% строк, зависит от СУБД)
• Слабая кластеризация данных — строки, отобранные индексом, разбросаны по разным страницам диска
• Маленькая таблица — целиком помещается в несколько блоков
• Нет подходящего индекса — запрос по неиндексированному столбцу
• Покрывающий индекс недоступен — после Index Scan нужен дополнительный переход к таблице (Heap Fetch)

Как оптимизатор принимает решение

Оптимизатор СУБД оценивает стоимость каждого плана на основе:

• Статистики таблиц (количество строк, распределение значений)
• Фактора кластеризации (correlation в PostgreSQL)
• Стоимости sequential I/O vs random I/O
• Размера буферного пула (shared_buffers)

-- PostgreSQL: посмотреть план запроса
EXPLAIN ANALYZE SELECT * FROM orders WHERE status = 'active';

-- Если оптимизатор выбирает Seq Scan, значит он считает его дешевле

Практический пример

Таблица orders: 1 000 000 строк, 90% имеют status = 'completed'.

-- Индекс НЕ используется (90% строк — полное сканирование дешевле)
SELECT * FROM orders WHERE status = 'completed';

-- Индекс используется (2% строк — высокая селективность)
SELECT * FROM orders WHERE status = 'refunded';

На собеседовании: интервьюер проверяет понимание работы оптимизатора. Ключевая мысль: random I/O дороже sequential I/O, и при большой доле возвращаемых строк накопленная стоимость одноблочных чтений превышает стоимость одного последовательного прохода. Частая ошибка — не упомянуть фактор кластеризации.