分布式数据库中的索引与传统数据库中的索引具有相同的核心目的：通过减少查询期间扫描的数据量来加速数据检索。 然而，在数据被分区到多个节点的分布式系统中，索引还必须解决网络延迟、数据局部性和一致性等挑战。 一个设计良好的索引允许数据库有效地定位特定记录或过滤结果，而无需对所有节点进行全面扫描。 例如，像“查找来自客户 X 的所有订单”这样的查询将受益于客户 ID 列上的索引，从而使数据库能够精确定位存储该客户数据的相关节点。
在分布式系统中，索引通常被分区或复制，以与数据的分布方式保持一致。 例如，Apache Cassandra 中的全局二级索引跨越所有节点，允许查询定位到特定分区，而无需知道其物理位置。 相反，本地二级索引（如 DynamoDB 中的索引）与特定分区键相关联，限制了其范围，但避免了跨节点查找。 某些数据库使用基于哈希或基于范围的分区来索引以匹配底层数据分布。 例如，如果数据按用户 ID 范围分片，则注册日期上的索引可能会以类似的方式进行分区，以避免将查询分散到所有节点。 索引也可以与数据共存于同一位置（例如，在 Google Spanner 中），以最大限度地减少查询执行期间的网络跃点。
然而，分布式数据库中的索引引入了权衡。 在更新期间维护跨节点的一致性会产生开销，尤其是在具有最终一致性的系统中。 例如，在一个节点中更新记录可能需要在其他节点上异步更新索引，从而存在读取旧数据的风险。 开发人员还必须平衡读取性能与写入延迟：添加更多索引可以提高查询速度，但会增加写入成本。 Apache HBase 等工具使用块级索引来优化扫描密集型工作负载，而 CockroachDB 等其他工具则采用区域感知索引来减少跨区域流量。 最终，索引策略的选择取决于工作负载模式、一致性要求和数据库的架构。