索引的概念

索引的用途：我们对数据查询及处理速度已成为衡量应用系统成败的标准，而采用索引来加快数据处理速度通常是最普遍采用的优化方法。

索引是什么：数据库中的索引类似于一本书的目录，在一本书中使用目录可以快速找到你想要的信息，而不需要读完全书。在数据库中，数据库程序使用索引可以重啊到表中的数据，而不必扫描整个表。书中的目录是一个字词以及各字词所在的页码列表，数据库中的索引是表中的值以及各值存储位置的列表。

索引的利弊：查询执行的大部分开销是I/O，使用索引提高性能的一个主要目标是避免全表扫描，因为全表扫描需要从磁盘上读取表的每一个数据页，如果有索引指向数据值，则查询只需要读少数次的磁盘就行啦。所以合理的使用索引能加速数据的查询。但是索引并不总是提高系统的性能，带索引的表需要在数据库中占用更多的存储空间，同样用来增删数据的命令运行时间以及维护索引所需的处理时间会更长。所以我们要合理使用索引，及时更新去除次优索引。

数据表的基本结构

一个新表被创建之时，系统将在磁盘中分配一段以8K为单位的连续空间，当字段的值从内存写入磁盘时，就在这一既定空间随机保存，当一个 8K用完的时候，数据库指针会自动分配一个8K的空间。这里，每个8K空间被称为一个数据页（Page），又名页面或数据页面，并分配从0-7的页号,每个文件的第0页记录引导信息，叫文件头（File header）；每8个数据页（64Ｋ）的组合形成扩展区（Extent），称为扩展。全部数据页的组合形成堆（Heap）。

SQLS规定行不能跨越数据页，所以，每行记录的最大数据量只能为8K。这就是char和varchar这两种字符串类型容量要限制在8K以内的 原因，存储超过8K的数据应使用text类型，实际上，text类型的字段值不能直接录入和保存，它只是存储一个指针，指向由若干8K的文本数据页所组成 的扩展区，真正的数据正是放在这些数据页中。?

页面有空间页面和数据页面之分。??

当一个扩展区的8个数据页中既包含了空间页面又包括了数据或索引页面时，称为混合扩展（Mixed Extent）,每张表都以混合扩展开始；反之，称为一致扩展（Uniform Extent），专门保存数据及索引信息。?

表被创建之时，SQLS在混合扩展中为其分配至少一个数据页面，随着数据量的增长，SQLS可即时在混合扩展中分配出7个页面，当数据超过8个页面时，则从一致扩展中分配数据页面。??

空间页面专门负责数据空间的分配和管理，包括：PFS页面（Page free space）：记录一个页面是否已分配、位于混合扩展还是一致扩展以及页面上还有多少可用空间等信息；GAM页面（Global allocation map）和SGAM页面(Secodary global allocation map)：用来记录空闲的扩展或含有空闲页面的混合扩展的位置。SQLS综合利用这三种类型的页面文件在必要时为数据表创建新空间；??

数据页或索引页则专门保存数据及索引信息，SQLS使用4种类型的数据页面来管理表或索引：它们是IAM页、数据页、文本/图像页和索引页。?

在WINDOWS中，我们对文件执行的每一步操作，在磁盘上的物理位置只有系统（system）才知道；SQL SERVER沿袭了这种工作方式，在插入数据的过程中，不但每个字段值在数据页面中的保存位置是随机的，而且每个数据页面在“堆”中的排列位置也只有系统 （system）才知道。??

这是为什么呢？众所周知，OS之所以能管理DISK，是因为在系统启动时首先加载了文件分配表：FAT（File Allocation Table），正是由它管理文件系统并记录对文件的一切操作，系统才得以正常运行；同理，作为管理系统级的SQL SERVER,也有这样一张类似FAT的表存在，它就是索引分布映像页：IAM（Index Allocation Map）。??

IAM的存在，使SQLS对数据表的物理管理有了可能。??

IAM页从混合扩展中分配，记录了8个初始页面的位置和该扩展区的位置，每个IAM页面能管理512,000个数据页面，如果数据量太 大，SQLS也可以增加更多的IAM页，可以位于文件的任何位置。第一个IAM页被称为FirstIAM,其中记录了以后的IAM页的位置。??

页分裂

一半的数据将保留在老页面，而另一半将放入新页面，并且新页面可能被分配到任何可用的页。所以，频繁页分裂，后果很严重，将使物理表产生大量数据碎片，导致直接造成I/O效率的急剧下降，最后，停止SQLS的运行并重建索引将是我们的唯一选择!

填充因子

索引的一个特性，定义该索引每页上的可用空间量。FILLFACTOR（填充因子）适应以后表数据的扩展并减小了页拆分的可能性。填充因子是从0到100的百分比数值，设为100时表示将数据页填满。只有当不会对数据进行更改时(例如 只读表中)才用此设置。值越小则数据页上的空闲空间越大，这样可以减少在索引增长过程中进行页分裂的需要，但这一操作需要占用更多的硬盘空间。填充因子指定不当，会降低数据库的读取性能，其降低量与填充因子设置值成反比。

索引的分类

SQL SERVER中有多种索引类型。

按存储结构区分：“聚集索引（又称聚类索引，簇集索引）”，“分聚集索引（非聚类索引，非簇集索引）”

按数据唯一性区分：“唯一索引”，“非唯一索引”

按键列个数区分：“单列索引”，“多列索引”。

聚集索引

聚集索引是一种对磁盘上实际数据重新组织以按指定的一列或多列值排序。像我们用到的汉语字典，就是一个聚集索引，比如要查“张”，我们自然而然就翻到字典的后面百十页。然后根据字母顺序跟查找出来。这里用到微软的平衡二叉树算法，即首先把书翻到大概二分之一的位置，如果要找的页码比该页的页码小，就把书向前翻到四分之一处，否则，就把书向后翻到四分之三的地方，依此类推，把书页续分成更小的部分，直至正确的页码。

由于聚集索引是给数据排序，不可能有多种排法，所以一个表只能建立一个聚集索引。科学统计建立这样的索引需要至少相当与该表120%的附加空间，用来存放该表的副本和索引中间页，但是他的性能几乎总是比其它索引要快。

由于在聚集索引下，数据在物理上是按序排列在数据页上的，重复值也排在一起，因而包含范围检查（bentween,<,><=,>=）或使用group by 或order by的查询时，一旦找到第一个键值的行，后面都将是连在一起，不必在进一步的搜索，避免啦大范围的扫描，可以大大提高查询速度。

非聚集索引

sqlserver默认情况下建立的索引是非聚集索引，他不重新组织表中的数据，而是对每一行存储索引列值并用一个指针指向数据所在的页面。他像汉语字典中的根据‘偏旁部首’查找要找的字，即便对数据不排序，然而他拥有的目录更像是目录，对查取数据的效率也是具有的提升空间，而不需要全表扫描。

一个表可以拥有多个非聚集索引，每个非聚集索引根据索引列的不同提供不同的排序顺序。

创建索引

语法

CREATE [UNIQUE] CLUSTERED| NONCLUSTERED ]
INDEX index_name ON { table | view } ( column  ASC | DESC ,...n ] )
with[PAD_INDEX][[,]FILLFACTOR=fillfactor]
]IGNORE_DUP_KEY]
]DROP_EXISTING]
]STATISTICS_NORECOMPUTE]
]SORT_IN_TEMPDB]
]
 ON filegroup ]   

CREATE INDEX命令创建索引各参数说明如下：

UNIQUE：用于指定为表或视图创建唯一索引，即不允许存在索引值相同的两行。

CLUSTERED：用于指定创建的索引为聚集索引。

NONCLUSTERED：用于指定创建的索引为非聚集索引。

index_name：用于指定所创建的索引的名称。

table：用于指定创建索引的表的名称。

view：用于指定创建索引的视图的名称。

ASC|DESC：用于指定具体某个索引列的升序或降序排序方向。

Column：用于指定被索引的列。

PAD_INDEX：用于指定索引中间级中每个页（节点）上保持开放的空间。

FILLFACTOR = fillfactor：用于指定在创建索引时，每个索引页的数据占索引页大小的百分比，fillfactor的值为1到100。

IGNORE_DUP_KEY：用于控制当往包含于一个唯一聚集索引中的列中插入重复数据时SQL Server所作的反应。

DROP_EXISTING：用于指定应删除并重新创建已命名的先前存在的聚集索引或者非聚集索引。

STATISTICS_NORECOMPUTE：用于指定过期的索引统计不会自动重新计算。

SORT_IN_TEMPDB：用于指定创建索引时的中间排序结果将存储在 tempdb 数据库中。

ON filegroup：用于指定存放索引的文件组。

例子：

管理索引

SELECT index_type_desc,alloc_unit_type_desc,avg_fragmentation_in_percent,fragment_count,avg_fragment_size_in_pages,page_count,record_count,avg_page_space_used_in_percent
FROM sys.dm_db_index_physical_stats(DB_ID('AdventureWorks'),OBJECT_ID('test_tb2'),NULL,'Sampled')

ALTER INDEX idx_text_tb2_EmployeeID ON test_tb2 REBUILD

UPDATE STATISTICS 表名

　　CREATE CLUSTERED
　　INDEX Index_Name ON Person(Id)　　--建立Id列聚集索引

　　再执行查询语句：

　　留意到同样的语句，返回已经改变。可以聚集索引是表的顺序，会影响到top语句。

　　5、导航树

　　在SQL Server中甚至索引也是存储在平衡树中，在理论上，平衡树在作为树分支的每个可能方向上总是具有一般的剩余信息。聚集索引的平衡树形式如下图所示。

?　　在这里，执行对数字158-400的范围查询(聚集索引非常擅长的事情)，只需要导航到第一个记录，并且包含在该页上的所有剩余记录。之所以知道需要该页的剩余部分，是因为来自于上一级节点的信息也需要来自一些其他页的数据。因为这是有序表，所以可以确信它是连续的-这意味着如果下一页有符合条件的记录，那么这个页的剩余部分必须被包含。无需任何验证。

　　首先导航到根节点。SQL Server能够给予Sys.indexes系统元数据视图中保存记录项定位根节点。

　　光说不练，纯属诈骗，下面以一个1万行的PersonTenThousand表来说明B树结构对数据页读取的提升。

　　表的内容大致如下：

　　一开始这张表并没有任何索引：

　　由于此表上没有索引，因此只能够通过堆表扫描获得所需数据，因此，无论是检索Id，还是Name列，都要整张表扫描一次。因此预读，逻辑读都要读取所有的数据页。

　　下面在该表的Id列建立一个聚集索引：

　　再来执行相同的查询：

　　我们看到，由于ID列是聚集索引，因此根据ID查找，B树结构的优点就充分发挥了出来，只需要2次物理读就能够定位到数据。

　　而Name列上没有索引，因此还是需要预读838次(还是聚集表扫描)才能定位到数据。

　　以上例子充分说明了B-树结构的优点。

　　6、非聚集索引

　　6.1 非聚集索引优点:

　　1、因为在SQL Server中一页只是8K，页面空间有限，所以一行所包含的列数越少，它能保存的行就越多。非聚集索引通常不包含表中所有的列，它一般只包含非常少数的列。因此，一个页上将能包含比表行(所有的列)更多行的非聚集索引。因此，同样读取一页，在非聚集索引中可能包含200行，但是在表中可能只有10行，具体数据有表行的大小以及非聚集列的大小确定。

　　2、非聚集索引的另一个好处是，它有一个独立于数据表的结构，所以可以被放置在不同的文件组，使用不同的I/O路径，这意味着SQL Server可以并行访问索引和表，使查找更快速。

　　下面说明一下，非聚集索引的好处：

　　假设有一个单列的表，共有27行，每一页上存了3行。没有顺序，假如我们要从中查找值为5的行，那么需要的读次数为9，因为它必须扫描到最后一页，才能够确定所有页都不存在值为5的行了。

　　假如建立了非聚集索引：

　　再次查找值为5的行，那么需要的读次数为2，为什么？因为非聚集索引是有顺序的，当SQL Server读取到值为6的那一行时，就知道不必再读下去了。那么如果要读取值为25的页呢？还是需要9个读操作。因为它刚巧就在最后一页。恰好这个东西，可以通过B树结构来优化。B树算法最小化了定位所需的键值访问的页面数量，从而加速了数据访问过程。

　　6.2 非聚集索引的开销

　　索引给性能带来的好处有一定的代价。有索引的表需要更多的存储和内存空间容纳数据页面之外的索引页面。数据的增删改可能会花费更长的时间，需要更多的处理时间以维护不断变化的表的索引。如果一个INSERT语句添加一行到表中，那么它也必须添加一行到索引结构中。如果索引是一个聚集索引，开销可能会更大，因为行必须以正确的顺序添加到数据页面(当然分int聚集列和string聚集列会不同)。UPDATE和DELETE类似。

　　虽然索引对增删改有一定的影响，但是别忘了，要UPDATE或DELETE一行的前提是必须找到一行，因此索引实际上对于有复杂WHERE条件的UPDATE或DELETE也是有帮助的。在使用索引定位一行的有效性通常能弥补更新索引所带来的额外开销。除非索引设计不合理。

　　7、堆上的非聚集索引

　　在这里要说明一点，无论是在堆上还是在聚集列上，非聚集索引都是排序后存储的。按非聚集索引列排序。

　　堆上的非聚集索引和聚集索引在大多数方面以类似的方式工具。其差别如下:

　　叶级不是数据-相反，它是一个可从中获得指向该数据的指针的级别。该指针以RID的形式出现（堆上一RID出现，聚集表上以聚集键出现），这种RID由索引指向的特定行的区段、页以及行偏移量构成。即叶级不是实际的数据，使用叶级也仅仅比使用聚集索引多一个步骤。因为RID具有行的位置的全部信息，所以可以直接到达数据。

　　差了一个步骤，实际上差别的系统开销是很大的。

　　使用聚集索引，数据在物理上是按照聚集索引的顺序排列的。这意味着，对于一定范围的数据，当找到在其上具有数据范围起点的行时，那么很可能有其他行在同一页上(也就是说，因为他们存储在一起，所以在物理上已几乎到达下一个记录)。

　　使用堆，数据并未通过除索引外的其他方法连接在一起。从物理上看，绝对没有任意种类的排序。这意味着从物理读取的角度看，系统不得不从整个文件中检索记录。实际上，很可能最终多次从同样的页中取出数据。SQL Server没有方法指导它将需要回到该物理位置，因为在数据之间没有连接。因此，堆上的非聚集索引的工作方式是：通过扫描堆上的非聚集索引，找到(Row_Number行号)，每找到一个RID，再通过RID取得数据。如果搜索是返回多个记录，则性能可能比不上扫描全表。下图显示用堆上的非聚集索引执行与上面聚集索引相同的查询：

　　主要通过索引导航，一切都按以前的方式工作，以相同的根节点开始，，并且遍历数，处理越来越集中的页。直到到达索引的叶级。这里有了区别。以聚集索引的方式，能够正好在这里停止，而以非聚集索引的方式，则需要做更多的工作。如果索引是在堆上，那么只要在进入一个级别，获得来自叶级页的RID，并且定位到该RID-直到这时才可以直接获得实际的数据。

　　8、聚集表上的非聚集索引

　　使用聚集表上的非集群索引时，还有一些类似性-但同样也有区别。和堆上的非集群索引一样，索引的非叶级及诶单的工作与使用聚集索引时几乎一样。区别出现在叶级。

　　在叶级，与使用其他两种索引结构所看到的内容有相当明显的区别。聚集表上的非集群索引有另外一个索引来查找。使用聚集索引，当到达叶级时，可以找到实际的数据，当使用堆上的非集群索引，不能找到实际的数据，但是可以找到能够直接获得数据的标识符(仅仅多了一步)。使用聚集表上的非聚集索引，可以找到聚集键。也就是说，找到足够的信息继续并利用聚集索引。

　　以上理解，说白了就是，当使用非聚集索引时，就是遍历非聚集索引找到聚集索引，最后多次采用聚集索引找到数据。

　　最终结果如下图所示：

?　　首先是一个范围搜索。在索引中执行一次单独的查找，并且可以浏览非聚集索引以找到满足条件(T%)的连续数据范围。这种能够直接到达索引中的特定位置的查找被称为seek。

?　　然后第二个查找-使用聚集索引查找，第二种查找非常迅速：问题在于它必须执行多次。可以看到。SQL Server从第一个索引中查找检索列表(所有名字以"T"开始的列表)，但是该列表在逻辑上并没有以任意连续的方式与聚集键相匹配-每个记录单独地查找。图下图所示：

　　自然，这种多个查找的情况比一开始仅能使用聚集索引引入了更多的系统开销。第一个索引查找-通过非聚集索引的方法-只需要非常少的逻辑读操作。

　　注意上图，使用聚集表上的非聚集索引，找到的是一个聚集索引键的列表。然后用这个列表，逐个使用聚集索引查找到所需的数据。

?　　注意，如果表没有聚集索引，建立了非聚集索引，那么非聚集索引使用的是行号，如果此时你又添加了聚集索引，那么所有的非聚集索引引用的RID都要改为聚集索引键。这对性能的消耗是非常大的，因此最好先建立聚集索引，在建立非聚集索引。

关于索引的几个要点：

?

1. 群集索引通常比非群集索引快(书签)。
2. 仅在将得到高级别选择性的列(90%以上)上放置非群集索引。
3. 所有的数据操作语言(DML:INSERT、UPDATE、DELETE、SELECT)语句可以通过索引获益，但是插入、删除和更新会因为索引而变慢。
4. 索引会占用空间。
5. 仅当索引中的第一列和查询相关时才使用索引。
6. 索引的负面影响和它的正面影响一样多 - 因此只建立需要的索引。
7. 索引可为非结构化XML数据提供结构化的数据性能，但是要记住，和其他索引一样，会涉及到系统开销。

（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!