橫向比較資料庫中不同的索引機制(1)

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？叢集索引與非叢集索引有什麼不同？希望本文對各位同仁有一定的協助。有不少存疑的地方，誠心希望各位不吝賜教指正，共同進步。

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；

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-TreeM=4)的範例：

對於每個結點，主要包含一個關鍵字數組Key[]，一個指標數組指向兒子)Son[]。在B-Tree內，尋找的流程是：使用順序尋找數組長度較短時)或折半尋找方法尋找Key[]數組，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]所指的子結點繼續尋找，直到在某結點中尋找成功；或直至找到葉結點且葉結點中的尋找仍不成功時，尋找過程失敗。

接著，我們使用以片示範如何產生B-TreeM=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。

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訪問速度的資料庫物件。

A)索引可以避免全表掃描。多數查詢可以僅掃描少量索引頁及資料頁，而不是遍曆所有資料頁。

B)對於非叢集索引，有些查詢甚至可以不訪問資料頁。

C)叢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效能下降，因為大部分資料更新需要同時更新索引。

2.索引的儲存

一條索引記錄中包含的基本資料包括：索引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)。

當你為一張空表建立索引時，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)建立兩個兒子結點

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。一個索引頁可以儲存數量更多的索引記錄，這意味著在索引中尋找時在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)叢集索引，表資料按照索引的順序來儲存的。對於叢集索引，葉子結點即儲存了真實的資料行，不再有另外單獨的資料頁。

B)非叢集索引，表資料存放區順序與索引順序無關。對於非叢集索引，葉結點包含索引欄位值及指向資料頁資料行的邏輯指標，該層緊鄰資料頁，其行數量與資料表行資料量一致。

在一張表上只能建立一個叢集索引，因為真實資料的物理順序只可能是一種。如果一張表沒有叢集索引，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．叢集索引

在叢集索引中，葉結點也即資料結點，所有資料行的儲存順序與索引的儲存順序一致。

1)叢集索引與查詢操作

如，我們在名字欄位上建立叢集索引，當需要在根據此欄位尋找特定的記錄時，資料庫系統會根據特定的系統資料表尋找的此索引的根，然後根據指標尋找下一個，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)。這裡的尋找可能是從磁碟讀取(Physical Read)或是從緩衝中讀取(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衝中被找到。所以真正的IO可能小於上面的情況。

2)叢集索引與插入操作

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，則需要拆分資料頁頁面分割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盡量減少頁面分割的次數，通常是通過為每頁預留空間來實現)：

A)在該使用的資料區段extent)上分配新的資料頁，如果資料區段已滿，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)如果表還有非叢集索引，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，其中之一用來儲存新記錄，另一儲存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儲存於相同的頁中。

C)類似於自增列為叢集索引的，資料庫系統可能並不拆分資料頁，頁只是簡單的新添資料頁。

3)叢集索引與刪除操作

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“索引合并”。

5．非叢集索引

非叢集索引與叢集索引相比：

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儲存一個“鍵-指標”對

C)葉子結點中還儲存了一個指標位移量，根據頁指標及指標位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，儲存的也是類似的內容，只不過它是指向下一級的索引頁的。

叢集索引是一種稀疏索引，資料頁上一級的索引頁儲存的是頁指標，而不是行指標。而對於非叢集索引，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儲存一條索引記錄。