SQLServer海量数据处理 - 1 索引

最近开发一套大数据系统，用的是SQLServer数据库，大概每天能产生一百多万数据，表数据是按月存储的，就是说每个月产生一个表。运行过程中，每月前几天的时候速度都还是可以的，但到下半月后，系统每天都要卡死在那。20号，用count(*)一查，九百多万数据，但关查数量这语句就花了4分钟时间，My GOD，这样的系统还卖的出去吗？ 

于是在网络上浏览一些海量数据处理的方法，先重建了索引，发现有一个查询命令一下从5分钟提升到了3秒，大部分查询命令速度也都有了很大的提升。以下是收集的一些关于索引的内容：

简单索引操作（SQL Server）：

--创建表
create table table_name_1 (id int not null, name varchar, column_name3 varchar(255))
GO
--创建索引
CREATE INDEX index_name1 on table_name_1 (id, name, column_name3);
GO
--修改索引
alter index index_name1 on table_name_1 REBUILD;
GO
--删除索引
drop index index_name1 on table_name_1;
GO
--添加主键索引
alter table table_name_1
add constraint PRIMARY_KEY primary key(id)
--删除主键索引
alter table table_name_1
drop constraint PRIMARY_KEY

　　建立“适当”的索引是实现查询优化的首要前提。

　　索引（index）是除表之外另一重要的、用户定义的存储在物理介质上的数据结构。当根据索引码的值搜索数据时，索引提供了对数据的快速访问。事实上，没有索引,数据库也能根据SELECT语句成功地检索到结果，但随着表变得越来越大，使用“适当”的索引的效果就越来越明显。注意，在这句话中，我们用了“适当”这个词，这是因为，如果使用索引时不认真考虑其实现过程，索引既可以提高也会破坏数据库的工作性能。

　　（一）深入浅出理解索引结构

　　实际上，您可以把索引理解为一种特殊的目录。微软的SQLSERVER提供了两种索引：聚集索引（clustered index，也称聚类索引、簇集索引）和非聚集索引（nonclustered index，也称非聚类索引、非簇集索引）。下面，我们举例来说明一下聚集索引和非聚集索引的区别：

　　其实，我们的汉语字典的正文本身就是一个聚集索引。比如，我们要查“安”字，就会很自然地翻开字典的前几页，因为“安”的拼音是“an”，而按照拼音排序汉字的字典是以英文字母“a”开头并以“z”结尾的，那么“安”字就自然地排在字典的前部。如果您翻完了所有以“a”开头的部分仍然找不到这个字，那么就说明您的字典中没有这个字；同样的，如果查“张”字，那您也会将您的字典翻到最后部分，因为“张”的拼音是“zhang”。也就是说，字典的正文部分本身就是一个目录，您不需要再去查其他目录来找到您需要找的内容。

　　我们把这种正文内容本身就是一种按照一定规则排列的目录称为“聚集索引”。

　　如果您认识某个字，您可以快速地从自动中查到这个字。但您也可能会遇到您不认识的字，不知道它的发音，这时候，您就不能按照刚才的方法找到您要查的字，而需要去根据“偏旁部首”查到您要找的字，然后根据这个字后的页码直接翻到某页来找到您要找的字。但您结合“部首目录”和“检字表”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“张”字，我们可以看到在查部首之后的检字表中“张”的页码是672页，检字表中“张”的上面是“驰”字，但页码却是63页，“张”的下面是“弩”字，页面是390页。很显然，这些字并不是真正的分别位于“张”字的上下方，现在您看到的连续的“驰、张、弩”三字实际上就是他们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。我们可以通过这种方式来找到您所需要的字，但它需要两个过程，先找到目录中的结果，然后再翻到您所需要的页码。

我们把这种目录纯粹是目录，正文纯粹是正文的排序方式称为“非聚集索引”。

　　通过以上例子，我们可以理解到什么是“聚集索引”和“非聚集索引”。

　　进一步引申一下，我们可以很容易的理解：每个表只能有一个聚集索引，因为目录只能按照一种方法进行排序。

（二）何时使用聚集索引或非聚集索引

　　下面的表总结了何时使用聚集索引或非聚集索引（很重要）。

动作描述                           使用聚集索引 使用非聚集索引