一、引言
對資料庫索引的關注從未淡出我的們的討論，那麼資料庫索引是什麼樣的？聚集索引與非聚集索引有什麼不同？希望本文對各位同仁有一定的幫助。有不少存疑的地方，誠心希望各位不吝賜教指正，共同進步。[最近首頁之爭沸沸揚揚，也不知道這個放在這合適麼，苦勞？功勞？……]
二、B-Tree
我們常見的資料庫系統，其索引使用的資料結構多是B-Tree或者B+Tree。例如，MsSql使用的是B+Tree，Oracle及Sysbase使用的是B-Tree。所以在最開始，簡單地介紹一下B-Tree。
B-Tree不同於Binary Tree（二叉樹，最多有兩個子樹），一棵M階的B-Tree滿足以下條件：
1）每個結點至多有M個孩子；
2）除根結點和葉結點外，其它每個結點至少有M/2個孩子；
3）根結點至少有兩個孩子（除非該樹僅包含一個結點）；
4）所有葉結點在同一層，葉結點不包含任何關鍵字資訊；
5）有K個關鍵字的非葉結點恰好包含K+1個孩子；
1）每個結點至多有M個孩子；
2）除根結點和葉結點外，其它每個結點至少有M/2個孩子；
3）根結點至少有兩個孩子（除非該樹僅包含一個結點）；
4）所有葉結點在同一層，葉結點不包含任何關鍵字資訊；
5）有K個關鍵字的非葉結點恰好包含K+1個孩子；
另外，對於一個結點，其內部的關鍵字是從小到大排序的。以下是B-Tree（M=4）的樣例：
對於每個結點，主要包含一個關鍵字陣列Key[]，一個指標陣列（指向兒子）Son[]。在B-Tree內，查找的流程是：使用順序查找（陣列長度較短時）或折半查找方法查找Key[]陣列，若找到關鍵字K，則返回該結點的地址及K在Key[]中的位置；否則，可確定K在某個Key[i]和Key[i+1]之間，則從Son[i]所指的子結點繼續查找，直到在某結點中查找成功；或直至找到葉結點且葉結點中的查找仍不成功時，查找過程失敗。
接著，我們使用以下圖片演示如何生成B-Tree（M=4，依次插入1~6）：
從圖可見，當我們插入關鍵字4時，由於原結點已經滿了，故進行分裂，基本按一半的原則進行分裂，然後取出中間的關鍵字2，升級（這裡是成為根結點）。其它的依類推，就是這樣一個大概的過程。
從圖可見，當我們插入關鍵字4時，由於原結點已經滿了，故進行分裂，基本按一半的原則進行分裂，然後取出中間的關鍵字2，升級（這裡是成為根結點）。其它的依類推，就是這樣一個大概的過程。
三、資料庫索引
1．什麼是索引
在資料庫中，索引的含義與日常意義上的“索引”一詞並無多大區別（想想小時候查字典），它是用於提高資料庫表資料存取速度的資料庫物件。
A）索引可以避免全資料表掃描。多數查詢可以僅掃描少量索引頁及資料頁，而不是遍歷所有資料頁。
B）對於非聚集索引，有些查詢甚至可以不訪問資料頁。
C）聚集索引可以避免資料插入操作集中於表的最後一個資料頁。
D）一些情況下，索引還可用於避免排序操作。
A）索引可以避免全資料表掃描。多數查詢可以僅掃描少量索引頁及資料頁，而不是遍歷所有資料頁。
B）對於非聚集索引，有些查詢甚至可以不訪問資料頁。
C）聚集索引可以避免資料插入操作集中於表的最後一個資料頁。
D）一些情況下，索引還可用於避免排序操作。
當然，眾所周知，雖然索引可以提高查詢速度，但是它們也會導致資料庫系統更新資料的性能下降，因為大部分數據更新需要同時更新索引。
2.索引的存儲
一條索引記錄中包含的基本資訊包括：鍵值（即你定義索引時指定的所有欄位的值）+邏輯指標（指向資料頁或者另一索引頁）。
當你為一張空表創建索引時，資料庫系統將為你分配一個索引頁，該索引頁在你插入資料前一直是空的。此頁此時既是根結點，也是葉結點。每當你往表中插入一行資料，資料庫系統即向此根結點中插入一行索引記錄。當根結點滿時，資料庫系統大抵按以下步驟進行分裂：
A）創建兩個兒子結點
B）將原根結點中的資料近似地拆成兩半，分別寫入新的兩個兒子結點
C）根結點中加上指向兩個兒子結點的指標
A）創建兩個兒子結點
B）將原根結點中的資料近似地拆成兩半，分別寫入新的兩個兒子結點
C）根結點中加上指向兩個兒子結點的指標
通常狀況下，由於索引記錄僅包含索引欄位值（以及4-9位元組的指標），索引實體比真實的資料行要小許多，索引頁相較資料頁來說要密集許多。一個索引頁可以存儲數量更多的索引記錄，這意味著在索引中查找時在I/O上占很大的優勢，理解這一點有助於從本質上瞭解使用索引的優勢。
3．索引的類型
A）聚集索引，表資料按照索引的順序來存儲的。對於聚集索引，葉子結點即存儲了真實的資料行，不再有另外單獨的資料頁。
B）非聚集索引，表資料存儲順序與索引順序無關。對於非聚集索引，葉結點包含索引欄位值及指向資料頁數據行的邏輯指標，該層緊鄰資料頁，其行數量與資料表行資料量一致。
B）非聚集索引，表資料存儲順序與索引順序無關。對於非聚集索引，葉結點包含索引欄位值及指向資料頁數據行的邏輯指標，該層緊鄰資料頁，其行數量與資料表行資料量一致。
在一張表上只能創建一個聚集索引，因為真實資料的物理順序只可能是一種。如果一張表沒有聚集索引，那麼它被稱為“堆集”（Heap）。這樣的表中的資料行沒有特定的順序，所有的新行將被添加的表的末尾位置。
4．聚集索引
在聚集索引中，葉結點也即資料結點，所有資料行的存儲順序與索引的存儲順序一致。
1）聚集索引與查詢操作
如上圖，我們在名字欄位上建立聚集索引，當需要在根據此欄位查找特定的記錄時，資料庫系統會根據特定的系統表查找的此索引的根，然後根據指標查找下一個，直到找到。例如我們要查詢“Green”，由於它介於[Bennet,Karsen]，據此我們找到了索引頁1007，在該頁中“Green”介於[Greane, Hunter]間，據此我們找到葉結點1133（也即資料結點），並最終在此頁中找以了目標資料行。
此次查詢的IO包括3個索引頁的查詢（其中最後一次實際上是在資料頁中查詢）。這裡的查找可能是從磁片讀取(Physical Read)或是從緩存中讀取(Logical Read)，如果此表訪問頻率較高，那麼索引樹中較高層的索引很可能在緩存中被找到。所以真正的IO可能小於上面的情況。
2）聚集索引與插入操作
最簡單的情況下，插入操作根據索引找到對應的資料頁，然後通過挪動已有的記錄為新資料騰出空間，最後插入資料。
如果資料頁已滿，則需要拆分數據頁（頁拆分是一種耗費資源的操作，一般資料庫系統中會有相應的機制要儘量減少頁拆分的次數，通常是通過為每頁預留空間來實現）：
A）在該使用的資料段（extent）上分配新的資料頁，如果資料段已滿，則需要分配新段。
B）調整索引指標，這需要將相應的索引頁讀入記憶體並加鎖。
C）大約有一半的資料行被歸入新的資料頁中。
D）如果表還有非聚集索引，則需要更新這些索引指向新的資料頁。
A）在該使用的資料段（extent）上分配新的資料頁，如果資料段已滿，則需要分配新段。
B）調整索引指標，這需要將相應的索引頁讀入記憶體並加鎖。
C）大約有一半的資料行被歸入新的資料頁中。
D）如果表還有非聚集索引，則需要更新這些索引指向新的資料頁。
特殊情況：
A）如果新插入的一條記錄包含很大的資料，可能會分配兩個新資料頁，其中之一用來存儲新記錄，另一存儲從原頁中拆分出來的資料。
B）通常資料庫系統中會將重複的資料記錄存儲於相同的頁中。
C）類似於自增列為聚集索引的，資料庫系統可能並不拆分數據頁，頁只是簡單的新添資料頁。
A）如果新插入的一條記錄包含很大的資料，可能會分配兩個新資料頁，其中之一用來存儲新記錄，另一存儲從原頁中拆分出來的資料。
B）通常資料庫系統中會將重複的資料記錄存儲於相同的頁中。
C）類似於自增列為聚集索引的，資料庫系統可能並不拆分數據頁，頁只是簡單的新添資料頁。
3）聚集索引與刪除操作
刪除行將導致其下方的資料行向上移動以填充刪除記錄造成的空白。
如果刪除的行是該資料頁中的最後一行，那麼該資料頁將被回收，相應的索引頁中的記錄將被刪除。如果回收的資料頁位於跟該表的其它資料頁相同的段上，那麼它可能在隨後的時間內被利用。如果該資料頁是該段的唯一一個資料頁，則該段也被回收。
對於資料的刪除操作，可能導致索引頁中僅有一條記錄，這時，該記錄可能會被移至鄰近的索引頁中，原索引頁將被回收，即所謂的“索引合併”。
5．非聚集索引
非聚集索引與聚集索引相比：
A）葉子結點並非資料結點
B）葉子結點為每一真正的資料行存儲一個“鍵-指標”對
C）葉子結點中還存儲了一個指標偏移量，根據頁指標及指標偏移量可以定位到具體的資料行。
D）類似的，在除葉結點外的其它索引結點，存儲的也是類似的內容，只不過它是指向下一級的索引頁的。
A）葉子結點並非資料結點
B）葉子結點為每一真正的資料行存儲一個“鍵-指標”對
C）葉子結點中還存儲了一個指標偏移量，根據頁指標及指標偏移量可以定位到具體的資料行。
D）類似的，在除葉結點外的其它索引結點，存儲的也是類似的內容，只不過它是指向下一級的索引頁的。
聚集索引是一種稀疏索引，資料頁上一級的索引頁存儲的是頁指標，而不是行指針。而對於非聚集索引，則是密集索引，在資料頁的上一級索引頁它為每一個資料行存儲一條索引記錄。
對於根與中間級的索引記錄，它的結構包括：
A）索引欄位值
B）RowId（即對應資料頁的頁指標+指針偏移量）。在高層的索引頁中包含RowId是為了當索引允許重複值時，當更改資料時精確定位資料行。
C）下一級索引頁的指標
A）索引欄位值
B）RowId（即對應資料頁的頁指標+指針偏移量）。在高層的索引頁中包含RowId是為了當索引允許重複值時，當更改資料時精確定位資料行。
C）下一級索引頁的指標
對於葉子層的索引物件，它的結構包括：
A）索引欄位值
B）RowId
A）索引欄位值
B）RowId
1）非聚集索引與查詢操作
針對上圖，如果我們同樣查找“Green”，那麼一次查詢操作將包含以下IO：3個索引頁的讀取+1個資料頁的讀取。同樣，由於緩存的關係，真實的IO實際可能要小於上面列出的。
2）非聚集索引與插入操作
如果一張表包含一個非聚集索引但沒有聚集索引，則新的資料將被插入到最末一個資料頁中，然後非聚集索引將被更新。如果也包含聚集索引，該聚集索引將被用於查找新行將要處於什麼位置，隨後，聚集索引、以及非聚集索引將被更新。
3）非聚集索引與刪除操作
如果在刪除命令的Where子句中包含的列上，建有非聚集索引，那麼該非聚集索引將被用於查找資料行的位置，資料刪除之後，位於索引葉子上的對應記錄也將被刪除。如果該表上有其它非聚集索引，則它們葉子結點上的相應資料也要刪除。
如果刪除的資料是該數所頁中的唯一一條，則該頁也被回收，同時需要更新各個索引樹上的指標。
由於沒有自動的合併功能，如果應用程式中有頻繁的隨機刪除操作，最後可能導致表包含多個資料頁，但每個頁中只有少量資料。
6．索引覆蓋
索引覆蓋是這樣一種索引策略：當某一查詢中包含的所需欄位皆包含於一個索引中，此時索引將大大提高查詢性能。
包含多個欄位的索引，稱為複合索引。索引最多可以包含31個欄位，索引記錄最大長度為600B。如果你在若干個欄位上創建了一個複合的非聚集索引，且你的查詢中所需Select欄位及Where,Order By,Group By,Having子句中所涉及的欄位都包含在索引中，則只搜索索引頁即可滿足查詢，而不需要訪問資料頁。由於非聚集索引的葉結點包含所有資料行中的索引列值，使用這些結點即可返回真正的資料，這種情況稱之為“索引覆蓋”。
在索引覆蓋的情況下，包含兩種索引掃描：
A）匹配索引掃描
B）非匹配索引掃描
A）匹配索引掃描
B）非匹配索引掃描
1）匹配索引掃描
此類索引掃描可以讓我們省去訪問資料頁的步驟，當查詢僅返回一行資料時，性能提高是有限的，但在範圍查詢的情況下，性能提高將隨結果集數量的增長而增長。
針對此類掃描，索引必須包含查詢中涉及的的所有欄位，另外，還需要滿足：Where子句中包含索引中的“引導列”（Leading Column），例如一個複合索引包含A,B,C,D四列，則A為“引導列”。如果Where子句中所包含列是BCD或者BD等情況，則只能使用非匹配索引掃描。
2）非配置索引掃描
正如上述，如果Where子句中不包含索引的導引列，那麼將使用非配置索引掃描。這最終導致掃描索引樹上的所有葉子結點，當然，它的性能通常仍強於掃描所有的資料頁。
[參考]
[1]http://manuals.sybase.com/onlinebooks/group-asarc/asg1200e/aseperf/@Generic__BookTextView/3358
[2] http://publib.boulder.ibm.com/infocenter/idshelp/v10/index.jsp?topic=/com.ibm.adref.doc/adref235.htm
[1]http://manuals.sybase.com/onlinebooks/group-asarc/asg1200e/aseperf/@Generic__BookTextView/3358
[2] http://publib.boulder.ibm.com/infocenter/idshelp/v10/index.jsp?topic=/com.ibm.adref.doc/adref235.htm
沒有留言:
張貼留言