位图索引适合低基数字段，用位向量表示值存在性，支持高效位运算过滤，空间小、批量查询快，但要求低写入频次、数据库原生支持，不适用于高并发OLTP场景。
位图索引适合低基数字段（如性别、状态、是否启用等只有几个固定取值的列），它用紧凑的位向量表示每行在某个值上的存在性，查询时可通过位运算快速完成 AND/OR 过滤，尤其利于星型模型中的事实表与维度表关联场景。
位图索引的核心优势
相比B树索引，位图索引在低基数字段上空间更小、批量过滤更快。例如：一个 1000 万行的订单表中 order_status 字段只有 'pending'、'shipped'、'cancelled' 三个值，位图索引为每个值维护
一个长度为 1000 万的二进制串，1 表示该行取此值，0 表示不取。多条件组合（如 status IN ('pending','shipped') AND is_paid = 1）可转为位图 OR + AND 运算，效率远高于多次B树索引回表。
适用前提与常见误区
位图索引不是万能加速器，需满足几个关键条件：
- 字段值种类少（一般建议 ≤ 20 个不同值），且分布相对均匀
- 表以读为主，写操作（INSERT/UPDATE/DELETE）频次低——因为每次修改都需更新多个位图，锁粒度和维护开销较大
- 数据库引擎支持位图索引（Oracle、PostgreSQL 13+、Greenplum、ClickHouse 原生支持；MySQL 和 SQL Server 不直接支持，需靠表达式索引或物化视图间接模拟）
- 避免在高并发 UPDATE 的 OLTP 核心交易字段上使用，容易引发锁争用和性能下降
实际优化操作建议
以 PostgreSQL 为例，开启位图扫描并创建位图友好结构：
- 确保 enable_bitmapscan = on（默认开启），并通过 EXPLAIN ANALYZE 观察执行计划中是否出现 Bitmap Index Scan + Bitmap Heap Scan
- 对低基数字段单独建 B树索引通常无效，但可配合部分索引或表达式索引增强效果，例如：CREATE INDEX idx_orders_status_paid ON orders ((order_status, is_paid));
- 若使用分区表，优先在分区键和低基数字段组合上设计分区裁剪，再辅以位图扫描，效果更佳
- 定期运行 VACUUM（尤其在批量更新后），避免位图映射因死元组堆积而膨胀失效
替代方案参考
当无法使用原生位图索引时，可考虑轻量级替代：
- 用枚举类型（ENUM）约束取值范围，配合普通 B树索引，提升统计信息准确性，帮助优化器更好选择执行路径
- 建立物化视图预计算高频低基数组合结果，如按 status + region 分组统计数量，减少实时聚合压力
- 在应用层缓存热点低基数维度值的 ID 映射（如 status_code → status_name），减少 JOIN 次数
一个长度为 1000 万的二进制串，1 表示该行取此值，0 表示不取。多条件组合（如 status IN ('pending','shipped') AND is_paid = 1）可转为位图 OR + AND 运算，效率远高于多次B树索引回表。