|
我们每天都在使用数据库，我们部门使用最多的关系数据库有Sqlserver，Oracle，有没有想过这些数据库是怎么存放到操作系统的文件中的？
有时候为了能够设计出最优的表结构，写出高性能的Sqlserver脚本，处理海量数据并发，我们必须解底层原理。
由于个人兴趣最近研究了下Sqlserver的文件存储，下面只讲解Sqlserver的最小存储单元——页。
什么是页
为什么会有一个页的概念。我们知道对于操作系统来说，文件可以认为是一个很大的线性空间，如果按地址空间顺序分配容量（也就是按段式存储），则有可能造成很多的外部碎片，导致很多的容量很难再次使用，只有移动合并空间才能腾出更多的空间。
例如：如下表所示，如果我现在要申请1024B字节的空间，显然下面的两个空间空间单个计算不够，合起来却是够用的的，只能移动合并空间。
|
8KB
512B
12KB
512B
8KB
已分配空间
空闲
已分配空间
空闲
已分配空间
为了能够更好的利用磁盘空间，Sqlserver借鉴了操作系统的虚拟内存的概念，人为的将文件划分为了N个8KB的存储空间。
这样每次分配时，都是按照8KB空间申请，就解决了外部碎片的问题。
换句话说，页是Sqlserver?中数据存储的基本单位，每一页的大小为8KB。
实际数据
5kB
12KB
1KB
xxKB
分配的页单元
8KB
8KB
8KB
8KB
空闲
另外，每页的开头是96个字节的标头，存储了页的相关信息，包括：页码、页类型、页的可用空间以及拥有该页对象的分配单元ID等。
上述的例子分配就成为下表所示:这样就解决了外部碎片问题。
什么是区
为什么会有区的概念，已经有了页的单位难道不够吗？
主要是为了更好的管理这些空间，
Sqlserver
将每
8
个页划分为一个区（如下表所示）。
就像百元大钞代表着
100
个
10
元人民币一样，出去买很多东西时，用百元大钞比用100张
1
元纸币要方面。
一个分区
页1
页2
页3
页4
页5
页6
页7
页8
?
行是怎么在页中存储的？
数据库中的数据到底是以什么样的形式存储的呢？
Sqlserver是以“物理行”为单位存储的数据，也就是说表(Table)中的每条记录(Record，逻辑行)都是顺序存放在页中的。
一个物理行的宽度是8064字节，一个逻辑行的宽度不能超过这个值。
因此，一个物理行可以包括多个逻辑行。
那么怎么找到逻辑行？即如何找到一条记录的开始地址和结束地址。
Sqlserver在每页的末尾存放了每条记录的开始地址，这样我们就可以定位到某条记录的起始地址，通过下一条记录的开始位置能够知道该条记录的结束位置。
每一个这样的记录地址都占用2个字节。
如图所示，如果我想取第二条数据，那么先将一页数据都读到内存中，然后从最后读取偏移为第3开始读取2个字节，怎么可以找到行2的开始位置，同理可以读取出行2的结束位置。
假设现在有一个表，表的结构是：
CREATE TABLE test(
? a INT,
? b INT
)?
?
他在1:100这个页面上存储数据(1是数据文件ID--FileID，100 是页面ID--PageID)。
?
这个页面结构大致如下图
?
?
在页头部分，会记录页面属性，包括页面编号等，还会记录当前页面空闲部分的起始位置在哪里 ?www.2cto.com ?
?
这样SQLSERVER在要插入新数据的时候，就能够很快地找到开始插入的位置，而页尾的偏移量
?
记录了每一条数据行的起始位置。这样SQLSERVER在找每一条记录的时候，就能很快找到不会
?
把前一条记录和后一条搞混。在图例这一页里现在有两条记录:（1,100）和（2,200）第一条
?
记录的开始位置是96，第二条记录的开始位置是111，从126开始，是空闲的空间
?
当页面里的数据行发生变化的时候，SQLSERVER不但要去修改数据本身，还要修改这些偏移量的值，
?
以保证SQLSERVER能够继续准确地管理数据页面里的每一行。
列在页中是怎么存储的？
现在我们已经读取到行了并且已经在内存里了，接下来怎么解析出一行中的所有列？也就是这些列是怎么存放的？数据库表中的列无非就两种情况：定长列、变长列。
首先假设只有定长列，那么很容易想到一样中的每列的之顺序存放就行了，因为是定长的，完全可以将每列的偏移放到另外一个地方单独存储，如果要取某个特定的列，每个列的位置很容易定位:如下表所示:
2字节
3字节
6字节
10字节
3字节
2字节
1
23
55
A
C
D
如果要取红色的数据，那么它的
?开始位置=（行开始位置）+?2字节+3字节+6字节+10字节。
?结束位置=?开始位置?+?3字节。
其中每个列的长度完全可以用另一张表存放
列
1
2
3
4
5
6
长度（字节）
2
3
6
10
3
2
具体行结构的详细信息如下：
?
假如设计的表结构为?:
Col1
Col2
Col3
Col4
Char(5)(not?null)
Int?(null)
Char(3)(null)
Char(6)(not?null)
在数据库中存放数据为:
Col1
Col2
Col3
Col4
‘ABCDE’
‘123’
‘null’
‘ccc?‘
则数据在数据库文件中数据以如下形式存在:
?
?
如果其中有变长列呢，这个结构又是怎么存储的？有变长列最大的不同就是每个列的长度是不定的（同一列，每行长度都不一样），也就是不能用另外一张表存放。那么我们只能把列的长度放在行内了。这样就解决了实际长度定位的问题，上面已经说过，sqlserver有一个行偏移矩阵。
如果我们定义的表结构如下：
Col1
Col2
Col3
Col4
Col5
Char(2)(not?null)
Varchar(250)(not?null)
Varchar(5)(null)
Varchar(20)(not?null)
Small?int?(null)
表-8
假如这行数据为：
Col1
Col2
Col3
Col4
Col5
‘AAA’
RELICATE(‘X’,250)
null
‘ABC’
123
表-9
则数据在数据库中实际的存放形式为:
?
结论：
1.数据库列中尽量不用可空类型，当值为空时，实际不占用位置，并且也不能作为索引的键值。导致where语句中含有?is?null?或者?is?not?null?时只能进行全表扫描，并且可空类型也容易导致空引用异常。
2．在设计列时，只有列长度确定的才用定长，比如身份证。其他情况基本上应该用varchar边长类型，不但节省空间的同时，一个页存放的数据会变多。导致同样的数据量读取页的次数变少，减少I/O，提高性能。
3.如图-1所示，聚簇索引不是按物理顺序存放的，是按逻辑物理顺序存放的（大多数人在这里会有误解。）
4.正常情况下不要使用varchar(max),因为这个列的数据肯定放不在一个页里，为了解决这个问题，sqlserver在列里只存放了一个指针。真正的数据放在了其他多个页里。每读取一行中的列都会至少多一次I/O，影响性能。
附注,参考资料：
(1)?Microsoft?SQL?Server?2005技术内幕：存储引擎(中文)
(2)微软MSDN:?http://msdn.microsoft.com/zh-cn/library/ms190969(v=sql.105).aspx
（编辑：李大同）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
