SQL Server 查詢性能優(yōu)化——?jiǎng)?chuàng)建索引原則（一）

   索引是什么？索引是提高查詢性能的一個(gè)重要工具，索引就是把查詢語句所需要的少量數(shù)據(jù)添加到索引分頁中，這樣訪問數(shù)據(jù)時(shí)只要訪問少數(shù)索引的分頁就可以。但是索引對于提高查詢性能也不是萬能的，也不是建立越多的索引就越好。索引建少了，用WHERe子句找數(shù)據(jù)效率低，不利于查找數(shù)據(jù)。索引建多了，不利于新增、修改和刪除等操作，因?yàn)樽鲞@些操作時(shí)，SQL SERVER除了要更新數(shù)據(jù)表本身，還要連帶地立即更新所有的相關(guān)索引，而且過多的索引也會(huì)浪費(fèi)硬盤空間。因此要建得恰到好處，這就需要經(jīng)驗(yàn)了。

     索引的基本目的是在大量數(shù)據(jù)中找尋少量數(shù)據(jù)。你可以想像一下，若一本書有700頁，就像數(shù)據(jù)表有700個(gè)數(shù)據(jù)頁，而索引卻有600個(gè)索引頁，你會(huì)想用索引來查詢書籍的內(nèi)容嗎？

     索引字段的值重復(fù)性越低越好，假設(shè)書籍中如“的”“了”這些在文章中重復(fù)性極高的字，每頁都有一大堆，你會(huì)先翻索引頁某個(gè)位置有“的”，翻回該頁讀取了“的”之后，再索引看下一個(gè)“的”，結(jié)果是在先前同一頁的不同位置，又翻回書籍原頁查看下一個(gè)“的”。

     那么怎么理解索引是從大量數(shù)據(jù)中尋找少量數(shù)據(jù)呢？下面我們舉個(gè)例子來說明。

     如果一個(gè)數(shù)據(jù)表的記錄平均長度為400字節(jié)，則100萬條記錄需要5萬個(gè)數(shù)據(jù)頁，其計(jì)算公式如下：

　　1000000/（8060/400）=50000

　　如果該數(shù)據(jù)表建立聚集索引，鍵值為4個(gè)字節(jié)長度，而ID的數(shù)據(jù)長度為13個(gè)字節(jié)，因此索引結(jié)構(gòu)每條記錄為20個(gè)字節(jié)。

　　4（聚集索引鍵值）+13（ID鍵值）+3（管理信息）=20

　　以ID字段所建立的索引，100%填充率，則總分頁數(shù)約為2482頁，其計(jì)算方式如下：

　　1000000/(8060/20)

　　即使是使用80%的填充率來計(jì)算也只有3106頁。其計(jì)算方式如下：

　　1000000/((8060*0.8)/20)

　　從上面可以看出如果是第一種情況，則索引頁只占到總數(shù)據(jù)頁的5%：

　　2482/50000=0.04964 

　　即使考慮取每頁只填充80%的索引數(shù)據(jù)，第二種情況，索引頁也只是占總數(shù)據(jù)頁的6%：

　　3106/50000=0.06212 

　　再說如果查詢條件中的字段建立索引，則由于索引鍵值數(shù)據(jù)都是以B-Tree有順序的擺放，所以可采用二分查找找數(shù)據(jù)。也就是2的N次方大于記錄數(shù)，就可以找到該條數(shù)據(jù)。而2的20次方大于100萬，因此最多找尋20次就可以找到該條記錄。由于比較次數(shù)少，數(shù)據(jù)結(jié)構(gòu)也小，節(jié)省訪問硬盤與內(nèi)在的資源，索引將大幅提升找尋數(shù)據(jù)的效率。SQL SERVER為提高訪問與查找對比的效率，用來作索引的數(shù)據(jù)域鍵值愈小愈好，也就是要讓分頁盡量存更多的鍵值記錄。

 注：

　　如果未使用 UNIQUE 屬性創(chuàng)建聚集索引，數(shù)據(jù)庫引擎將向表自動(dòng)添加一個(gè) 4 字節(jié)的 uniqueifier 列。必要時(shí)，數(shù)據(jù)庫引擎將向行自動(dòng)添加一個(gè) uniqueifier 值以使每個(gè)鍵唯一。此列和列值供內(nèi)部使用，用戶不能查看或訪問。

　　在 SQL Server 中，索引是按 B 樹結(jié)構(gòu)進(jìn)行組織的。如下圖。

          　　

　　您也可以把索引理解為一種特殊的目錄。微軟的SQL SERVER提供了兩種索引：聚集索引（clustered index，也稱聚類索引、簇集索引）和非聚集索引（nonclustered index，也稱非聚類索引、非簇集索引）。下面，舉例來說明一下聚集索引和非聚集索引的區(qū)別：

　　其實(shí)，新華字典的正文本身就是一個(gè)聚集索引。比如，我們要查“按”字，就會(huì)很自然地翻開字典的前幾頁，因?yàn)?ldquo;按”的拼音是“an”，而按照拼音排序的新華字典是以英文字母“a”開頭并以“z”結(jié)尾的，那么“按”字就自然地排在字典的前部。如果您翻完了所有以“a”開頭的部分仍然找不到這個(gè)字，那么就說明新華字典中沒有這個(gè)字；同樣的，如果查“招”字，那也會(huì)將新華字典翻到最后部分，因?yàn)?ldquo;招”的拼音是“zhao”。也就是說，新華字典的正文部分本身就是一個(gè)目錄，您不需要再去查其他目錄來找到您需要找的內(nèi)容。我們把這種正文內(nèi)容本身就是一種按照一定規(guī)則排列的目錄稱為“聚集索引”。

　　如果您碰到一個(gè)不認(rèn)識的字，不知道它的發(fā)音，這時(shí)候，您就不能按照剛才的方法找到您要查的字，而需要去根據(jù)“偏旁部首”查到您要找的字，然后根據(jù)這個(gè)字后的頁碼直接翻到某頁來找到您要找的字。但您結(jié)合“部首目錄”和“檢字表”而查到的字的排序并不是真正的正文的排序方法，比如您查“張”字，我們可以看到在查部首之后的檢字表中“張”的頁碼是672頁，檢字表中“張”的上面是“馳”字，但頁碼卻是63 頁，“張”的下面是“弩”字，頁面是390頁。很顯然，這些字并不是真正的分別位于“張”字的上下方，現(xiàn)在您看到的連續(xù)的“馳、張、弩”三字實(shí)際上就是他們在非聚集索引中的排序，是字典正文中的字在非聚集索引中的映射。我們可以通過這種方式來找到您所需要的字，但它需要兩個(gè)過程，先找到目錄中的結(jié)果，然后 再翻到您所需要的頁碼。我們把這種目錄純粹是目錄，正文純粹是正文的排序方式稱為“非聚集索引”。

通過以上例子，我們可以理解到什么是“聚集索引”和“非聚集索引”。進(jìn)一步引申一下。

　　聚集索引指的是數(shù)據(jù)表本身就是索引的一部分，就是指數(shù)據(jù)表本身就是聚集索引的子葉層，整個(gè)數(shù)據(jù)表的擺放順序是按照你選定的鍵值由小到大排序，SQL SERVER  2000 之后的版本可指定數(shù)據(jù)由大到小排序。

　　整個(gè)數(shù)據(jù)表按照鍵值字段由小到大排序，再搭配由鍵值字段加上指針的上層索引結(jié)構(gòu)，也就是根節(jié)點(diǎn)和非子葉層級，形成整個(gè)聚集索引。因?yàn)閿?shù)據(jù)表內(nèi)實(shí)際擺放數(shù)據(jù)的方式只能遵循一種順序，所以一個(gè)數(shù)據(jù)表只能有一個(gè)聚集索引。在指定聚集索引時(shí)，數(shù)據(jù)域本身并不需要唯一，或指定為唯一的聚集索引，SQL SERVER內(nèi)部會(huì)自動(dòng)為重復(fù)的鍵值建立4個(gè)字節(jié)的唯一標(biāo)識。

　　如果你的數(shù)據(jù)表有一列常常用來排序，另一列常常用來 范圍查詢，還有一列重復(fù)性非常高，則該用哪一列來做聚集索引。正確答案是依據(jù)哪個(gè)查詢最重要，最常被用戶執(zhí)行。例如：你的老板一小時(shí)內(nèi)多次執(zhí)行某個(gè)查詢當(dāng)然比一個(gè)月執(zhí)行一兩次的查詢來得重要。 

　　表（堆）創(chuàng)建聚集索引或刪除和重新創(chuàng)建現(xiàn)有聚集索引時(shí)，要求數(shù)據(jù)庫具有額外的可用工作區(qū)來容納數(shù)據(jù)排序結(jié)果和原始表或現(xiàn)有聚集索引數(shù)據(jù)的臨時(shí)副本。 

　　當(dāng)堆或聚集表具有多個(gè)分區(qū)時(shí)，每個(gè)分區(qū)都有一個(gè)堆或 B 樹結(jié)構(gòu)，其中包含該指定分區(qū)的行組。例如，如果一個(gè)聚集表有 4 個(gè)分區(qū)，那么將有 4 個(gè) B 樹，每個(gè)分區(qū)一個(gè)。

　　聚集索引（ Clustered Index）

　　·        聚集索引的葉節(jié)點(diǎn)就是實(shí)際的數(shù)據(jù)頁

　　·        在數(shù)據(jù)頁中數(shù)據(jù)按照索引順序存儲

　　·        行的物理位置和行在索引中的位置是相同的

　　·        每個(gè)表只能有一個(gè)聚集索引

　　·        聚集索引的平均大小大約為表大小的 5%左右

　　要使用索引來更有效地排序查詢數(shù)據(jù)，最直接的方式就是在你要排序的字段上建立聚集索引。在建立聚集索引之后，SQL SERVER會(huì)重新組織數(shù)據(jù)頁，讓其中的數(shù)據(jù)行按照聚集索引中鍵值的順序存儲。SQL SERVER不需要在硬盤上的數(shù)據(jù)一定要實(shí)際按照聚集索引排序，但在建立聚集索引時(shí)，會(huì)嘗試在邏輯上排序數(shù)據(jù)的同時(shí)，也會(huì)在物理上讓數(shù)據(jù)盡可能地排序。在索引子葉層級中的每個(gè)數(shù)據(jù)頁都有一個(gè)指針指向索引分頁的前一頁與后一頁，形成雙向鏈接串行，在內(nèi)部的系統(tǒng)數(shù)據(jù)表包含了各索引子葉層第一個(gè)分頁的地址，為了保證數(shù)據(jù)在邏輯上是依照聚集索引的順序存放的，SQL SERVER 只需要由第一個(gè)分頁開始，并依照其連接串行一個(gè)接著一個(gè)依序?qū)ふ覕?shù)據(jù)即可。如下圖。

         

注：聚集表是有聚集索引的表。

 　　非聚集索引是完全獨(dú)立于數(shù)據(jù)表之外的結(jié)構(gòu)，所以不會(huì)影響數(shù)據(jù)行的順序，其子葉層包含索引行。每個(gè)索引行包含非聚集鍵值、行定位符和任意包含列或非鍵列。行定位符中存入的數(shù)據(jù)有兩種類型：書簽（BOOKMARK）或聚集索引的鍵值。如果數(shù)據(jù)表上建立了聚集索引，則行定位符中存入的數(shù)據(jù)就是聚集索引的鍵值。如果數(shù)據(jù)表沒有建立聚集索引，則行定位符中存入的數(shù)據(jù)就是書簽，即指向數(shù)據(jù)表中記錄具體位置的ROWID，也就是文檔編號、分頁編號與頁內(nèi)記錄編號（稱之為SOLT編號）所組合成的值。通過該ROWID 在數(shù)據(jù)表內(nèi)獲取數(shù)據(jù)就稱為書簽查找 BOOKMARK LOOKUP。所以，一般通過非聚集索引查找到符合的鍵值后，還會(huì)搭配書簽查找。

　　當(dāng)非聚集索引從結(jié)構(gòu)中找到符合的記錄時(shí)，雖然在子葉層該鍵值是由小到大排序，因此可能在一個(gè)分頁上就有全部符合查詢條件的鍵值，但因?yàn)閿?shù)據(jù)表中數(shù)據(jù)行的擺放是沒有按順序的（或是說沒有按照該非聚集索引的鍵值順序擺放），所以真正符合記錄的數(shù)據(jù)是散布在文檔各處的，而SQL SERVER每次讀取數(shù)據(jù)都是以數(shù)據(jù)頁為單位，因此，找到一條記錄所在位置后，要先將存放該條記錄的分頁讀到內(nèi)存中，再從該頁讀出記錄。

　　因?yàn)锽OOKMARK LOOKUP是進(jìn)行隨機(jī)的I/O操作，當(dāng)符合查詢的記錄很多時(shí)，通過非聚集索引訪問將導(dǎo)致數(shù)據(jù)頁讀取非常頻繁，就算兩條記錄在同一個(gè)分頁，該分頁也會(huì)被重復(fù)讀兩次，因此或符合的記錄有N條，就需要讀取數(shù)據(jù)表內(nèi)的分頁N頁，雖然大部分的讀取操作都是針對內(nèi)存中的高速緩存，但記錄數(shù)過多時(shí)一樣沒有效率，還不如數(shù)據(jù)表掃描，全部掃描一遍，把符合條件數(shù)據(jù)找出來。

　　雖然 SQL 2005 以后的版本中已經(jīng)不在提 BOOKMARK LOOKUP了(但實(shí)際上卻是換湯不換藥)，我們的很多搜索都是使用如下的搜索過程：先在非聚集中找，然后再在聚集索引中找。如下圖。

         

　　非聚集索引 （ Unclustered Index）  

　　·        非聚集索引的頁，不是數(shù)據(jù)，而是指向數(shù)據(jù)頁的頁。

　　·        若未指定索引類型，則默認(rèn)為非聚集索引

　　·        葉節(jié)點(diǎn)頁的次序和表的物理存儲次序不同

　　·        每個(gè)表最多可以有 249個(gè)非聚集索引（一般認(rèn)為每個(gè)表不應(yīng)該超過10個(gè)索引）

　　·        在非聚集索引創(chuàng)建之前創(chuàng)建聚集索引（否則會(huì)引發(fā)索引重建）

　　今天就普及一下索引的一些基本知識，明天來說明怎么選擇要?jiǎng)?chuàng)建索引的列，條件是什么，方法是什么。