sqlserver彙總索引(clustered index) / 非彙總索引(nonclustered index)的理解

標籤：精益   限制   最大   資料   cluster   pos   datetime   漢語   更新   

1. 什麼是彙總索引(clustered index) / 什麼是非彙總索引(nonclustered index)? 

可以把索引理解為一種特殊的目錄。微軟的SQL SERVER提供了兩種索引：叢集索引（clustered index，也稱聚類索引、簇集索引）和非叢集索引（nonclustered index，也稱非聚類索引、非簇集索引）。下面，我們舉例來說明一下叢集索引和非叢集索引的區別：

其實，我們的漢語字典的本文本身就是一個叢集索引。比如，我們要查"安"字，就會很自然地翻開字典的前幾頁，因為"安"的拼音是"an"，而按照拼音排序漢字的字典是以英文字母"a"開頭並以"z"結尾的，那麼"安"字就自然地排在字典的前部。如果您翻完了所有以"a"開頭的部分仍然找不到這個字，那麼就說明您的字典中沒有這個字；同樣的，如果查"張"字，那您也會將您的字典翻到最後部分，因為"張"的拼音是"zhang"。也就是說，字典的本文部分本身就是一個目錄，您不需要再去查其他目錄來找到您需要找的內容。      

我們把這種本文內容本身就是一種按照一定規則排列的目錄稱為"叢集索引"。

如果您認識某個字，您可以快速地從自動中查到這個字。但您也可能會遇到您不認識的字，不知道它的發音，這時候，您就不能按照剛才的方法找到您要查的字，而需要去根據"偏旁部首"查到您要找的字，然後根據這個字後的頁碼直接翻到某頁來找到您要找的字。但您結合"部首目錄"和"檢字表"而查到的字的排序並不是真正的本文的排序方法，比如您查"張"字，我們可以看到在查部首之後的檢字表中"張"的頁碼是672頁，檢字表中"張"的上面是"馳"字，但頁碼卻是63頁，"張"的下面是"弩"字，頁面是390頁。很顯然，這些字並不是真正的分別位於"張"字的上下方，現在您看到的連續的"馳、張、弩"三字實際上就是他們在非叢集索引中的排序，是字典本文中的字在非叢集索引中的映射。我們可以通過這種方式來找到您所需要的字，但它需要兩個過程，先找到目錄中的結果，然後再翻到您所需要的頁碼。      

我們把這種目錄純粹是目錄，本文純粹是本文的排序方式稱為"非叢集索引"。  

通過以上例子，我們可以理解到什麼是"叢集索引"和"非叢集索引"。      
進一步引申一下，我們可以很容易的理解：每個表只能有一個叢集索引 ，因為目錄只能按照一種方法進行排序。   

2. 彙總索引和非彙總索引有什麼區別? 

2.1何時使用叢集索引或非叢集索引      

下面的表總結了何時使用叢集索引或非叢集索引（很重要）。        
   
動作描述                        使用叢集索引                       使用非叢集索引     
   
列經常被分組排序              應                                       應     

返回某範圍內的資料          應                                       不應        

一個或極少不同值           不應                                     不應     

小數目的不同值                應                                       不應     

大數目的不同值              不應                                      應     

頻繁更新的列                 不應                                      應     

外鍵列                            應                                        應     

主鍵列                            應                                        應     

頻繁修改索引列             不應                                       應  

事實上，我們可以通過前面叢集索引和非叢集索引的定義的例子來理解上表。如：返回某範圍內的資料一項。比如您的某個表有一個時間列，恰好您把彙總索引建立在了該列，這時您查詢2004年1月1日至2004年10月1日之間的全部資料時，這個速度就將是很快的，因為您的這本字典本文是按日期進行排序的，聚類索引只需要找到要檢索的所有資料中的開頭和結尾資料即可；而不像非叢集索引，必須先查到目錄中查到每一項資料對應的頁碼，然後再根據頁碼查到具體內容。  

 

2.2 結合實際，談索引使用的誤區   

理論的目的是應用。雖然我們剛才列出了何時應使用叢集索引或非叢集索引，但在實踐中以上規則卻很容易被忽視或不能根據實際情況進行綜合分析。下面我們將根據在實踐中遇到的實際問題來談一下索引使用的誤區，以便於大家掌握索引建立的方法。      

1、主鍵就是叢集索引      

這種想法是極端錯誤的，是對叢集索引的一種浪費。雖然SQL SERVER預設是在主鍵上建立叢集索引的。      

通常，我們會在每個表中都建立一個ID列，以區分每條資料，並且這個ID列是自動增大的，步長一般為1。我們的這個辦公自動化的執行個體中的列Gid就是如此。此時，如果我們將這個列設為主鍵，SQL SERVER會將此列預設為叢集索引。這樣做有好處，就是可以讓您的資料在資料庫中按照ID進行物理排序，但筆者認為這樣做意義不大。      

顯而易見，叢集索引的優勢是很明顯的，而每個表中只能有一個叢集索引的規則，這使得叢集索引變得更加珍貴。      

從我們前面談到的叢集索引的定義我們可以看出，使用叢集索引的最大好處就是能夠根據查詢要求，迅速縮小查詢範圍，避免全表掃描。在實際應用中，因為ID號是自動產生的，我們並不知道每條記錄的ID號，所以我們很難在實踐中用ID號來進行查詢。這就使讓ID號這個主鍵作為叢集索引成為一種資源浪費。其次，讓每個ID號都不同的欄位作為叢集索引也不符合"大數目的不同值情況下不應建立彙總索引"規則；當然，這種情況只是針對使用者經常修改記錄內容，特別是索引項目的時候會負作用，但對於查詢速度並沒有影響。      

在辦公自動化系統中，無論是系統首頁顯示的需要使用者簽收的檔案、會議還是使用者進行檔案查詢等任何情況下進行資料查詢都離不開欄位的是"日期"還有使用者本身的"使用者名稱"。      

通常，辦公自動化的首頁會顯示每個使用者尚未簽收的檔案或會議。雖然我們的where語句可以僅僅限制目前使用者尚未簽收的情況，但如果您的系統已建立了很長時間，並且資料量很大，那麼，每次每個使用者開啟首頁的時候都進行一次全表掃描，這樣做意義是不大的，絕大多數的使用者1個月前的檔案都已經瀏覽過了，這樣做只能徒增資料庫的開銷而已。事實上，我們完全可以讓使用者開啟系統首頁時，資料庫僅僅查詢這個使用者近3個月來未閱覽的檔案，通過"日期"這個欄位來限制表掃描，提高查詢速度。如果您的辦公自動化系統已經建立的2年，那麼您的首頁顯示速度理論上將是原來速度8倍，甚至更快。      

在這裡之所以提到"理論上"三字，是因為如果您的叢集索引還是盲目地建在ID這個主鍵上時，您的查詢速度是沒有這麼高的，即使您在"日期"這個欄位上建立的索引（非彙總索引）。下面我們就來看一下在1000萬條資料量的情況下各種查詢的速度表現（3個月內的資料為25萬條）：      

（1）僅在主鍵上建立叢集索引，並且不劃分時間段：      

Select gid,fariqi,neibuyonghu,title from tgongwen  用時：128470毫秒（即：128秒）      

（2）在主鍵上建立叢集索引，在fariq上建立非叢集索引：     

select gid,fariqi,neibuyonghu,title from Tgongwen where  fariqi> dateadd(day,-90,getdate())   用時：53763毫秒（54秒）      

（3）將彙總索引建立在日期列（fariqi）上：     

select gid,fariqi,neibuyonghu,title from Tgongwen where  fariqi> dateadd(day,-90,getdate()) 用時：2423毫秒（2秒）      

雖然每條語句提取出來的都是25萬條資料，各種情況的差異卻是巨大的，特別是將叢集索引建立在日期列時的差異。事實上，如果您的資料庫真的有1000萬容量的話，把主鍵建立在ID列上，就像以上的第1、2種情況，在網頁上的表現就是逾時，根本就無法顯示。這也是我摒棄ID列作為叢集索引的一個最重要的因素。     

得出以上速度的方法是：在各個select語句前加：declare @d datetime set @d=getdate()      

並在select語句後加：     

select [語句執行花費時間(毫秒)]=datediff(ms,@d,getdate())     

2、只要建立索引就能顯著提高查詢速度      

事實上，我們可以發現上面的例子中，第2、3條語句完全相同，且建立索引的欄位也相同；不同的僅是前者在fariqi欄位上建立的是非彙總索引，後者在此欄位上建立的是彙總索引，但查詢速度卻有著天壤之別。所以，並非是在任何欄位上簡單地建立索引就能提高查詢速度。      

從建表的語句中，我們可以看到這個有著1000萬資料的表中fariqi欄位有5003個不同記錄。在此欄位上建立彙總索引是再合適不過了。在現實中，我們每天都會發幾個檔案，這幾個檔案的發文日期就相同，這完全符合建立叢集索引要求的："既不能絕大多數都相同，又不能只有極少數相同"的規則。由此看來，我們建立"適當"的彙總索引對於我們提高查詢速度是非常重要的。      

3、把所有需要提高查詢速度的欄位都加進叢集索引，以提高查詢速度      

上面已經談到：在進行資料查詢時都離不開欄位的是"日期"還有使用者本身的"使用者名稱"。既然這兩個欄位都是如此的重要，我們可以把他們合并起來，建立一個複合索引（compound index）。      

很多人認為只要把任何欄位加進叢集索引，就能提高查詢速度，也有人感到迷惑：如果把複合的叢集索引欄位分開查詢，那麼查詢速度會減慢嗎？帶著這個問題，我們來看一下以下的查詢速度（結果集都是25萬條資料）：（日期列fariqi首先排在複合叢集索引的起始列，使用者名稱neibuyonghu排在後列）      

（1）select gid,fariqi,neibuyonghu,title from Tgongwen where  fariqi>‘2004-5-5‘  查詢速度：2513毫秒      

（2）select gid,fariqi,neibuyonghu,title from Tgongwen where  fariqi>‘2004-5-5‘ and neibuyonghu=‘辦公室‘   查詢速度：2516毫秒      

（3）select gid,fariqi,neibuyonghu,title from Tgongwen where  neibuyonghu=‘辦公室‘   查詢速度：60280毫秒      

從以上實驗中，我們可以看到如果僅用叢集索引的起始列作為查詢條件和同時用到複合叢集索引的全部列的查詢速度是幾乎一樣的，甚至比用上全部的複合索引列還要略快（在查詢結果集數目一樣的情況下）；而如果僅用複合叢集索引的非起始列作為查詢條件的話，這個索引是不起任何作用的。當然，語句1、2的查詢速度一樣是因為查詢的條目數一樣，如果複合索引的所有列都用上，而且查詢結果少的話，這樣就會形成"索引覆蓋"，因而效能可以達到最優。同時，請記住：無論您是否經常使用彙總索引的其他列，但其前置列一定要是使用最頻繁的列。      

 

（四）其他書上沒有的索引使用經驗總結    

 1、用彙總索引比用不是彙總索引的主鍵速度快      

下面是執行個體語句：（都是提取25萬條資料）      

select gid,fariqi,neibuyonghu,reader,title from Tgongwen  where fariqi=‘2004-9-16‘ 使用時間：3326毫秒      

select gid,fariqi,neibuyonghu,reader,title from Tgongwen  where gid<=250000 使用時間：4470毫秒      

這裡，用彙總索引比用不是彙總索引的主鍵速度快了近1/4。      

2、用彙總索引比用一般的主鍵作order by時速度快，特別是在小資料量情況下     

select gid,fariqi,neibuyonghu,reader,title from Tgongwen  order by fariqi 用時：12936      

select gid,fariqi,neibuyonghu,reader,title from Tgongwen  order by gid  用時：18843     

這裡，用彙總索引比用一般的主鍵作order by時，速度快了3/10。事實上，如果資料量很小的話，用叢集索引作為排序列要比使用非叢集索引速度快得明顯的多；而資料量如果很大的話，如10萬以上，則二者的速度差別不明顯。      

3、使用彙總索引內的時間段，搜尋時間會按資料占整個資料表的百分比成比例減少，而無論彙總索引使用了多少個      

select gid,fariqi,neibuyonghu,reader,title from Tgongwen  where fariqi>‘2004-1-1‘ 用時：6343毫秒（提取100萬條）     

select gid,fariqi,neibuyonghu,reader,title from Tgongwen  where fariqi>‘2004-6-6‘ 用時：3170毫秒（提取50萬條）      

select gid,fariqi,neibuyonghu,reader,title from Tgongwen  where fariqi=‘2004-9-16‘     

用時：3326毫秒（和上句的結果一模一樣。如果採集的數量一樣，那麼用大於符號和等號是一樣的）      

select gid,fariqi,neibuyonghu,reader,title from Tgongwen  where fariqi>‘2004-1-1‘ and fariqi<‘2004-6-6‘ 用時：3280毫秒      

4 、日期列不會因為有分秒的輸入而減慢查詢速度      

下面的例子中，共有100萬條資料，2004年1月1日以後的資料有50萬條，但只有兩個不同的日期，日期精確到日；之前有資料50萬條，有5000個不同的日期，日期精確到秒。      

select gid,fariqi,neibuyonghu,reader,title from Tgongwen  where fariqi>‘2004-1-1‘ order by fariqi 用時：6390毫秒      

select gid,fariqi,neibuyonghu,reader,title from Tgongwen  where fariqi<‘2004-1-1‘ order by fariqi 用時：6453毫秒     

 

（五）其他注意事項    

 "水可載舟，亦可覆舟"，索引也一樣。索引有助於提高檢索效能，但過多或不當的索引也會導致系統低效。因為使用者在表中每加進一個索引，資料庫就要做更多的工作。過多的索引甚至會導致索引片段。      

所以說，我們要建立一個"適當"的索引體系，特別是對彙總索引的建立，更應精益求精，以使您的資料庫能得到高效能的發揮。      

當然，在實踐中，作為一個盡職的資料庫管理員，您還要多測試一些方案，找出哪種方案效率最高、最為有效。 

sqlserver彙總索引(clustered index) / 非彙總索引(nonclustered index)的理解