【翻译】SQL Server索引进阶：第二级，深入非聚集索引

我们先来介绍一些理论，了解一些索引的内部信息，帮助我们解释理论，然后执行一些查询。这些查询会在包含和不包含索引的两种情况被执行，开启性能报告，我们可以看到索引产生的影响。

我们继续使用AdventureWorks 数据库的部分表，主要集中在Contact表。我们将只是用一个索引，在上一级中使用的FullName索引，来证明我们的观点。为了确保我们很好的控制Contact表的索引，我们将做两份拷贝，一份建立FullName索引，一份不建立索引。

 

1. IF EXISTS ( 
2.  
3.     SELECT * 
4.  
5.         FROM sys.tables 
6.  
7.         WHERE OBJECT_ID = OBJECT_ID('dbo.Contacts_index')) 
8. DROP TABLE dbo.Contacts_index; 
9. GO 
10. IF EXISTS ( 
11.  
12.     SELECT * 
13.  
14.         FROM sys.tables 
15.  
16.         WHERE OBJECT_ID = OBJECT_ID('dbo.Contacts_noindex')) 
17.  
18.     DROP TABLE dbo.Contacts_noindex; 
19. GO 
20. SELECT * INTO dbo.Contacts_index 
21.  
22.     FROM Person.Contact; 
23. SELECT * INTO dbo.Contacts_noindex 
24.  
25.     FROM Person.Contact; 

非聚集索引

在Contacts_index 表建立非聚集索引

   
 

1. CREATE INDEX FullName 
2.  
3.         ON Contacts_index 
4.  
5. ( LastName, FirstName ); 

请记住，非聚集索引顺序存储索引键，通过标记来访问表中真正的数据。你可以把标签看做一种指针。将来的级别中会描述标签的格式，标签的用法，标签的细节。

另外，SQL Server的非聚集索引的入口还有一些内部使用的头信息，还有一些可选的数据值。这些在后面的文章中都会有介绍，现在都不是重点内容。

到目前为止，我们只需要知道，键使得SQL Server找到合适的索引入口，入口的标签使得SQL Server访问表对应的行数据。

索引入口有序的好处

索引的入口是有序的，因此SQL Server可以快速的定位入口。扫描可以从头部开始，可以从尾部开始，也可以从中间开始。

因此，如果一个查询，请求所有LastName以S开头的Contact用户（where lastname like 's%'）。SQL Server会快速定位到第一个S开头的记录，然后通过索引，使用标签访问数据行，直到第一个T开头的记录。

如果选择的列都包含在索引中，上面的查询会执行的更快。如果我们执行

 

1. SELECT FirstName, LastName 
2.  
3.     FROM Contact 
4.  
5.     WHERE LastName LIKE 'S%'; 

SQL Server快速的导航到S入口，然后通过索引，忽略标签，直接从索引的入口返回数据，直到第一个T入口。在关系数据库的名词中，叫做查询全覆盖索引。

很多SQL的操作都可以从索引中受益，包括：ORDER BY, GROUP BY, DISTINCT, UNION( not UNION ALL ), JOIN ... ON 。

谨记从左到右的键顺序的重要性。我们建立的索引对于lastname=“ashton”很管用，但是对于firstname=“ashton”作用会小很多，甚至没有用。

测试一些简单的查询

如果你要执行下面的查询，确保你执行了前面的脚本，创建了contact_index和contact_noindex表，而且也在contact_index表创建了LastName, FirstName索引。

开启统计

 

1. SET STATISTICS io ON 
2.  
3. SET STATISTICS time ON 

因为contact表中的数据只有19972行，很难得到有意义的统计时间。大部分的查询都显示CPU time： 0 毫秒，因此我们可以关闭time统计，只显示io统计。如果你需要一张大表来统计真实的time信息，可以用文章后面的脚本构建一个百万行数据的contact表。下面的测试都以19972行的表为测试对象。

测试一个完全覆盖的查询

第一个查询是一个覆盖索引的查询，获取contact表中lastname以S开头的记录的一部分列。下面是执行的信息。

 

测试一个非完全覆盖的查询

我们修改一下查询，还是相同的查询，只是获取的列包含了一些没有建立索引的列，下面是执行的结果。

 

测试一个非完全覆盖的查询，但是提供更多的条件

我们修改一下查询，还是相同的查询，只是缩减了查询结果的范围，增加使用索引的好处，下面是执行的结果。

 

测试一个完全覆盖的聚合查询

最后一个例子是一个聚合查询，包含了count计算。

 

测试一个非完全覆盖的聚合查询

我们修改一下查询，还是相同的查询，只是获取的列包含了一些没有建立索引的列，下面是执行的结果。

 

结论

当目前位置，我们知道非聚集索引有下面的一些好处：

• 是一些有序的入口集合。
• 表中的每一行都有一个入口。
• 包含一个索引键和一个标签。
• 用户负责创建的。
• SQL Server来维护。
• SQL Server用来最小化查询尝试，来满足客户的请求。

通过一些例子，我们看到SQL Server通过索引可以满足查询的请求，也有一些查询会完全忽略索引，还有一些会部分的使用索引。基于这个原因，我们来更新一下在第一级中的一个结论。

当一个请求到达数据库的时候，SQL Server只有三种访问数据的方式：

1. 访问非聚集索引，避免访问表。这只发生在索引包含了请求中的所有数据。
2. 通过索引键访问非聚集索引，然后使用标签访问表中的行数据。
3. 忽略非聚集索引，扫描表找到请求的行数据。

通常来说，第一种是理想的，第二种要比第三种好。在之前的介绍中，我们知道了如何增加索引的使用可能性，如何决定更高效的使用非聚集索引。但是我们需要知道更多的索引内部的细节。

在我们知道细节之前，我们还需要介绍其他类型的SQL Server索引：聚集索引。

代码下载

• NonClustered.SQL
• Level 2 - NonClustered.sql 
• Level2_MillionRowContactTable.sql

本文转自 virusswb 51CTO博客，原文链接：http://blog.51cto.com/virusswb/984780，如需转载请自行联系原作者