SQLServer中的文件及索引组织重点分析.pptVIP

B+树 聚集索引 以B+树方式实现 聚集索引叶节点是实际的数据页page 在数据页中数据按照索引search key的顺序存储 行的物理位置和行在索引中的位置是相同的 每个表只能有一个聚集索引 聚集索引的平均大小大约为表大小的5%左右 非聚集索引 非聚集索引的页，不是数据，而是指向数据页的页。 若未指定索引类型，则默认为非聚集索引 叶节点页的次序和表的物理存储次序不同 每个表最多可以有249个非聚集索引 在非聚集索引创建之前创建聚集索引，否则会引发索引重建 数据文件组织为堆文件、聚集索引文件 非聚簇索引的叶节点仍然是索引节点，指向对应的数据块 非聚集索引 E.g 见下图 1. 数据文件：堆文件 Page704,705,706,707, 808,709; 2. 索引文件 1) 非叶结点：Page 12, 37, 28 2) 叶结点：Page41, 51, 61, 71 3. 索引叶结点存储索引项keyvalue, RID 1) keyvalue: customername 2) RID: 记录的物理地址，file#:page#:RowID SQL Server平台下三种文件DB访问方法 表扫描: table scan 表组织为堆文件，对堆文件中的每个记录，依次扫描，判断是否满足where查询条件 e.g. where branch=‘Perryridge’ 索引扫描: index scan 索引查找: index seek 基于B+树的顺序文件组织 表内容变化?索引重组 使用索引是否一定能提高select查询速度？——未必 ！！ 索引查询成本m + n ＜ 无索引查询成本k ？？ 基于索引的查询： Step1. 根据search key，访问索引文件，获得数据对象物理地址 —— input m blocks (e.g. pages in SQL Server) from 索引文件 Step2. 根据物理地址，访问数据文件，获取查询结果 —— input n blocks from数据文件 I/O csots: m + n 无索引查询 直接扫描数据文件，获取查询结果 —— input k blocks from 数据文件 I/O csots: k Database System Concepts - Chapter 11 Storage and File Structures - SQL Server平台下 DB文件组织 堆 (heap) 文件 （聚集索引）顺序文件 B+/B树结构 聚集/非聚集索引实现机制 SQL语句中的索引使用 DB文件组织 教科书 四类文件组织 heap, sequential, hash, clustering do not allow records to cross block boundaries SQL Server中 堆文件 基于聚集索引的顺序文件 对关系表中的元组/行/记录，按照数据输入顺序，i.e. insert顺序，DBMS依次从DB空间中获取存放空闲存储块——SQL Server中的page/extent，存放 any record can be placed anywhere in the file where there is space for the record DB文件中的记录一般没有特定顺序 一般以纪录的输入顺序为序，决定了文件中记录顺序 纪录的存储顺序与记录中的主键无关 堆文件 堆文件account file 关系表account：9行，依次insert into 数据库； 数据库文件：9个记录，是乱序的！！ 记录顺序与属性accountnumber、branchname、balance无关，没有按属性取值有序（小到大，大到小）排列 SQL Server堆文件中，数据页（data page）和数据页中数据没有按照特定的顺序存储，也没有链接在一起??。数据页之间唯一的逻辑链接是通过IAM页中记录来实现的??。 预先定义的主键、聚集索引，DB文件记录按照主属性、索引属性上的取值有序排列 Records are logically ordered by search-keys, that is, records are stored in sequential order, based on the value of the search key of each record it is desirable that the records are also phys