索引的原理及索引建立的注意事项

索引的原理及索引建立的注意事项 聚集索引，数据实际上是按顺序存储的，数据页就在索引页上。就好像参考手册将所有主题按顺序编排一样。一旦找到了所要搜索的数据，就完成了这次搜索，对于非聚集索引，索引是安全独立于数据本身结构的，在索引中找到了寻找的数据，然后通过指针定位到实际的数据。 SQL Server中的索引使用标准的B-树来存储他们的信息，如下图所示，B-树通过查找索引中的一个关键之来提供对于数据的快速访问，B-树以相似的键记录聚合在一起，B不代表二叉(binary),而是代表balanced（平衡的），而B-树的一个核心作用就是保持树的平衡。同伙向下遍历这棵树以找到一个数值并定位记录。因为树是平衡的，所以寻找任何记录都只需要等量的资源，而且获取的速度总是一致的—因为从根索引叶索引都具有相同的深度。 索引的中间层次是根据表的行数一级索引行的大小而变化的，如果使用一个较长的键（KEY）来创建索引，一个分页上就只容纳较少的条目，因而索引就需要更多分页（或者说更多层），页越多那么查找就需要话费相对较长的时间来找到所需要的信息，索引就可能不太有用了。 聚集索引 聚集索引的叶级别不仅包含了索引键，还包含了数据页。另一种说法数据本身也是聚集索引的一部分，聚集索引基于键值保持表中的数据有序，表中的数据页是通过一个被称作页链（page chain）的双向链接表来维护的，由于实际的数据页的页链只能按一种方式排序，因此一张表只能拥有一个聚集索引。 这里可能有一个误区，有很多介绍SQL Server索引的文档会告诉读者：聚集索引按照排序顺序（sorted order）物理地存储数据。如果以为物理存储就是磁盘本身的话就会产生误解。试想如果聚集索引需要按照特定顺序在实际的磁盘上维护数据的话，那么任何修改操作都将会产生相当高昂的代价。当一个页变满了需要一分为二的时候，所有后续页面上的数据都必须向后移动。聚集索引中的排序顺序（sorted order）仅仅表示数据页链在逻辑上是有序的。 大多数表都应该需要一个聚集索引。优化器非常倾向于采用聚集索引，因为聚集索引能够直接在叶级别找到数据。由于定义了数据的逻辑顺序，聚集索引能够特别快的访问针对范围值的查询，查询优化器能够发现只有某一段范围的数据页需要扫描。 非聚集索引 对于非聚集索引，叶级别不包含全部的数据。除了键值之外，每个叶级别（树的最底层）中的索引行包含了一个书签（bookmark），告诉SQL Server可以在那里找到与索引键相应的数据行。一个书签可能有两种形式。如果表上存在聚集索引，书签就是相应的数据行的聚集索引键。如果彪是堆（heap）结构，书签就是一个行表示（row identifier，RID），以“文件号：页号：槽号”的格式来定位实际的行。 主键（PRIMARY KEY）与聚集索引（CLUSTER INDEX） 严格来说，主键与聚集索引没有任何关系，如果要说有话，那就是表中没有聚集索引的时候，创建的主键默认就是聚集索引（除非有特别设置为NOCLUSTER）。 在主键与聚集索引的处理方面，注意以下事项： 1、主键不与聚集索引分离 2、聚集索引键列尽量避免使用int之外的数据类型 3、尽量避免使用复合主键 创建索引时的注意事项 1、始终包含聚集索引 当表中不包含聚集索引时，表中的数据是无序的，这会降低数据检索效率。即使通过索引缩小了数据检索的范围，但由于数据本身是无序的，当从表中提取实际数据时，会产生频繁的定位问题，这也使得SQL Server基本上不会使用无聚集索引表中的索引来检索数据。 2、保证聚集索引唯一 由于聚集索引是非聚集索引的行定位器，如果它不唯一，则会使行定位器中包含辅助数据，同时也导致从表中提取数据时，需要借助行定位器中的辅助数据来定位，这会降低处理效率。 3、保证聚集索引最小 每个聚集键值都是所有非聚集索引的叶结点记录，它越小，意味着每个非聚集索引的索引叶包含的有效数据越多，这对于提升索引效率很有好处。 4、覆盖索引 覆盖索引是指索引中的列包含了数据处理中涉及的所有列，覆盖索引相当原始表的一个子集，由于这个子集中包含了数据处理涉及的所有列，因此操作这个子集就可以满足数据处理需要。一般而言，如果大多数处理都只涉及某个大表的某些列，可以考虑为这些列建立覆盖索引。 覆盖索引的建立方法是将要包含的列中的关键列做为索引键列，将其他列做为索引的包含列（使用索引创建语句中的INCLUDE子句）。 5、适量的索引 当数据发生变化时，SQL Server会同步维护相关索引中的数据，过多的索引会加影响数据变更的处理效率。因此，只应该在经常使用的列上建立索引。 适量的索引还体现在对索引列的组合方式的控制上。例如，如果有两个列col1和col2，这两个列的组合会产生三种使用情况：单独使用col1、单独使用col2及同时使用col1和col2。如果有为每种情况都建立索引，则需要建立三个索引。但也可以只建立一个复合索引（col1, col2），这样能够依次满足col1+col2、col1、col2这三种方式的查询，其中，col2利用这个查询会比较勉强（还要配合单独的统计），可以视实际情况确定是否需要为col2建立单独的索引。 特别注意： 不要建立重复索引，目前最常见的重复索引是单独为某个列建立主键和聚集索引 与直接从表中提取数据相比，根据索引检索数据，多了一个索引检索的过程，这个过程要求能够尽量缩小数据检索范围，并且使用最少的时间，这样才能真正保证能够通过索引提高数据检索效率。 实现上述目的，对于索引键列的选择，应该遵循如下原则： 选择性原则 选择性是满足条件的记录占总记录数的百分比，这个比率应该尽可能低，这样才能保证通过索引扫描后，只需要从基础表提取很少的数据。 如果这个比率偏高，则不应该考虑在此列上建立索引。 数据密度原则 数据密度是指列值唯一的记录占总记录数的百分比，这个比率越高，则说明此列越适合建立索引。 在考虑数据密度的时候，还要注意数据分布的问题，只有经常检索的密度高时，才适合建立索引。例如，如果一张表有10万记录，虽然某个列不重复的记录有9万条，但如果经常检索的2万条记录，其不重复的列值才几十条的话，这个列是不太适合建立索引的。另一种情况是，整体数据密度不大，但经常检索的数据的密度大，例如订单的状态，一般来说，订单的状态就几种，但已经Close的订单往往占整个数据的绝大部分，但数据处理的时候，基本上都是检索未Close的订单，这种情况下，为订单的状态列建立索引还是比较有效的（SQL Server 2008中，可以为这种列建立具有更佳效果的筛选索引）。 6、索引键列大小 一般不宜为超过100Byte的列建立索引。 7、复合索引键列顺序 在索引中，索引的顺序主要由索引中的每一个键列确定，因此，对于复合索引，索引中的列顺序是很重要的，应该优先把数据密度大，选择性列，存储空间小的列放在索引键列的前面。