SQL Server 索引结构

索引是数据库的基础，只有先搞明白索引的结构，才能搞明白索引运行的逻辑

本文通过 索引表、数据页、执行计划、IO统计、B+Tree 来尽可能的介绍 SQL 语句中 WHERE 部分，和 SELECT 部分 的运行逻辑

名词介绍

B+Tree：一种数据结构

数据页：数据库保存数据的最小单位。(SQL Server一个数据页的大小是 8K，一个表中所有的数据都被保存到一个个的数据页中)

索引组织表：大白话一张表有聚集索引就是索引组织表（把表中的数据页以 B+Tree 的方式组织起来）

索引表：一个索引对应一张索引表，索引表中每条数据都对应一张数据页。

通过 DBCC IND(数据库, 表名, 索引Id) 命令可以获取到表中指定索引的索引表信息

通过 DBCC PAGE(数据库, 1, 数据页Id, 3) 命令可以获取到某个数据页中的数据

B+Tree结构

准备数据

DROP TABLE Org_User
-- 创建测试表
CREATE TABLE Org_User(Id INT,UserName NVARCHAR(50),Age INT)
-- 创建聚集索引和非聚集索引
CREATE CLUSTERED INDEX Org_User_Id ON Org_User(Id)
CREATE NONCLUSTERED INDEX Org_User_Name ON Org_User(UserName)

CREATE TABLE #Temp(Id INT)
INSERT INTO #Temp VALUES(1)
INSERT INTO #Temp VALUES(2)
INSERT INTO #Temp VALUES(3)
INSERT INTO #Temp VALUES(4)
INSERT INTO #Temp VALUES(5)
INSERT INTO #Temp VALUES(6)
INSERT INTO #Temp VALUES(7)
INSERT INTO #Temp VALUES(8)
INSERT INTO #Temp VALUES(9)
INSERT INTO #Temp VALUES(10)

-- 批量插入10W条数据
INSERT  INTO dbo.Org_User
SELECT T1.Id, 'UserName_' + CONVERT(NVARCHAR(20), T1.Id) AS 'UserName', T1.Id + 10 AS 'Age' FROM
(
    SELECT TOP 100000 Id = ROW_NUMBER() OVER (ORDER BY T1.Id)
    FROM #Temp AS T1
    CROSS JOIN #Temp AS T2
    CROSS JOIN #Temp AS T3
    CROSS JOIN #Temp AS T4
    CROSS JOIN #Temp AS T5
    ORDER BY T1.Id
) AS T1

SELECT name, index_id,type_desc FROM SYS.INDEXES WHERE object_id = OBJECT_ID('Org_User');

SELECT  index_id ,
        index_type_desc ,
        index_depth ,
        page_count
FROM    sys.dm_db_index_physical_stats(DB_ID('Core2022'), OBJECT_ID('Org_User'), NULL, NULL, NULL)

在 sys.dm_db_index_physical_stats 这张系统表中

index_depth 表示索引的深度 （对应上图B+Tree就是树的高度）

page_cout 表示索引数据页的数量 （对应上图B+Tree就是叶子节点的数量）

这里获取索引信息主要是为了 index_id

索引表

DBCC IND(Core2022, Org_User, 1)

DROP TABLE dbcc_ind
-- 创建一张表用来保存索引表信息
CREATE TABLE dbcc_ind
(
    PageFID NUMERIC(20),
    PagePID NUMERIC(20),
    IAMFID NUMERIC(20),
    IAMPID NUMERIC(20),
    ObjectID NUMERIC(20),
    IndexID NUMERIC(20),
    PartitionNumber NUMERIC(20),
    PartitionID NUMERIC(20),
    iam_chain_type VARCHAR(100),
    PageType NUMERIC(20),
    IndexLevel NUMERIC(20),
    NextPageFID NUMERIC(20),
    NextPagePID NUMERIC(20),
    PrevPageFID NUMERIC(20),
    PrevPagePID NUMERIC(20)
)

--DROP PROC proc_dbcc_ind
-- 创建存储过程
CREATE PROC proc_dbcc_ind
AS
DBCC IND(Core2022,Org_User,1)

-- 把索引表中的数据批量插入到 dbcc_ind 中
INSERT INTO dbcc_ind
EXEC proc_dbcc_ind

SELECT
    PagePID, -- 改行数据对应的数据页
    IndexLevel, -- 表示改行数据的级别 0叶子节点，1分支节点，=2根节点，仅限该Demo
    NextPagePID, -- 当前节点的后继节点 （后面的那个数据页）
    PrevPagePID -- 当前节点的前驱节点 （前面的那个数据页）
FROM dbcc_ind

SELECT
    PagePID,
    IndexLevel,
    NextPagePID,
    PrevPagePID
FROM dbcc_ind
WHERE IndexLevel = 0
ORDER BY NextPagePID

对 DBCC IND 中的数据进行一个总结

通过观察叶子节点的数据可以得到，每个节点都有一个前驱指针和后继指针，构成了一个双向链表

通过 IndexLevel 这个字段区分 根节点、分支节点、叶子节点

通过 NextPagePID 和 PrevPagePID 两个字段把相同深度的节点构成了一个双向链表

数据页

DBCC TRACEON(3604) — 打开跟踪标记，不打开的话 DBCC PAGE 只能查看分支节点中的数据，不能查看叶子节点中的数据

根节点

分支节点

叶子节点

非聚集索引的叶子节点

对索引表和根节点对应的数据页，分支节点对应的数据页，叶子节点对应的数据页进行总结

聚集索引

　　叶子节点中保存的是 Org_User 表中的数据

　　根节点和分支节点中保存的是指向下一级节点的条件

　　索引表中同级的节点都有一个前驱和后继指针，这两个指针把同级的节点构建成了一个双向链表

非聚集索引

　　根节点和分支节点与聚集索引一直，都是指向下一级节点的条件

　　叶子节点有区别包含 创建非聚集索引是指定的Key、指向该行数据实际地址的Key、保证索引唯一的Key

　　　　UserName 就是创建索引时指定的，如果创建时指定多个，这里也会有多个

　　　　Id 这个是指向这行数据真实地址的指针表结构不同这个Key也不一样

　　　　　　索引组织表：这个Key就是创建聚集索引时指定的 Key

　　　　　　堆表：就值这个行数据所在堆表的地址

　　　　UNIQUIFIER 如果创建索引时指定该索引时唯一索引，那么这里就不会有这个字段，否则就会有这个字段用来区分重复的数据

通过索引表，找到 Id = 66666 的这行数据所在的数据页　　　　

对上图进行解释

拿着 66666 从根节点指向的数据页开始找

66666 > 36017 所以就跳转到 491 这个数据页

66511 < 66666 ≤ 66669 所以就跳转到 2755 这个数据页

因为 2755 这个数据页已经是叶子节点了，直接在里面搜索 66666

就找到了这一行数据

SET STATISTICS IO ON
SELECT * FROM Org_User WHERE Id = 66666

回表

因为这条SQL返回的字段是 Select *

非聚集索引里面没有 Age 这个字段

因此根据 UserName_66666 从非聚集索引中找到这条数据之后，根据 Id 到聚集索引里面在查一次，找到 Age 这个字段

覆盖索引

Select Id,UserName 非聚集索引里面这两个字段都有，所以就没有必要在查询聚集索引了

举一个例子

SET STATISTICS IO ON
SELECT * FROM [Org_User] WHERE Id >= 1 AND Id <= 10
SELECT * FROM [Org_User] WHERE Id IN (1,2,3,4,5,6,7,8,9,10)

-- 上面这两个SQL只有在 Id 为 Int 类型的时候才等价，在等价的前提下
-- 第一个SQL的效率要远超于第二个SQL

/*
SET STATISTICS IO ON (开启后输出的内容)
(10 行受影响)
表 'Org_User'。扫描计数 1，逻辑读取 3 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。

(10 行受影响)
表 'Org_User'。扫描计数 10，逻辑读取 30 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。

很明显 第一个SQL只有3次逻辑读，而第二个有30次逻辑读

*/

只有搞明白了索引运行的逻辑，结合执行计划等工具，才能搞明白什么情况下那些SQL更好

谣言：

　　COUNT(*) 和 COUNT(列) 谁快，谁慢

　　首先这两种写法都不等价 COUNT(*) 是所有的数据 COUNT(列) NULL值不参与运算，所以如果COUNT的某一列中包含了NULL值算出来的数据可能就有问题了

　　查询速度

　　　　COUNT(*) 更块

　　　　COUNT(列) 会受偏移量和字段中数据的大小影响

　　　　　　（通过 SET STATISTICS TIME ON 可以非常简单的得出结论）

　　SQL语句 大表写前面，小表写后面

　　　　当前数据库都会对SQL进行优化，所以无所谓谁在前，谁在后

　　IN 与 EXISTS 谁好谁坏

　　　　当前数据库都会对SQL进行优化，所以无所谓谁好，谁坏

　　这些坑人的谣言还有很多，有些在老版本的数据库是对的，在当前的数据库中已经过时了。