从性能的角度谈SQL Server聚集索引键的选择

简介

    在SQL Server中，数据是按页进行存放的。而为表加上聚集索引后，SQL Server对于数据的查找就是按照聚集索引的列作为关键字进行了。因此对于聚集索引的选择对性能的影响就变得十分重要了。本文从旨在从性能的角度来谈聚集索引的选择，但这仅仅是从性能方面考虑。对于有特殊业务要求的表，则需要按实际情况进行选择。

g-聚集索引所在的列或列的组合最好是唯一的

    这个原因需要从数据的存放原理来谈。在SQL Server中，数据的存放方式并不是以行(Row)为单位，而是以页为单位。因此，在查找数据时，SQL Server查找的最小单位实际上是页。也就是说即使你只查找一行很小的数据，SQL Server也会将整个页查找出来，放到缓冲池中。

    每一个页的大小是8K。每个页都会有一个对于SQL Server来说的物理地址。这个地址的写法是 文件号：页号(理解文件号需要你对文件和文件组有所了解).比如第一个文件的第50页。则页号为1：50。当表没有聚集索引时，表中的数据页是以堆(Heap)进行存放的,在页的基础上，SQL Server通过一个额外的行号来唯一确定每一行，这也就是传说中的RID。RID是文件号:页号：行号来进行表示的，假设这一行在前面所说的页中的第5行，则RID表示为1:50:5，如图1所示。

    图1.RID的示例

    从RID的概念来看，RID不仅仅是SQL Server唯一确定每一行的依据，也是存放行的存放位置。当页通过堆（Heap）进行组织时，页很少进行移动。

    而当表上建立聚集索引时，表中的页按照B树进行组织。此时，SQL Server寻找行不再是按RID进行查找，转而使用了关键字,也就是聚集索引的列作为关键字进行查找。假设图1的表中，我们设置DepartmentID列作为聚集索引列。则B树的非叶子节点的行中只包含了DepartmentID和指向下一层节点的书签(BookMark)。

    而当我们创建的聚集索引的值不唯一时，SQL Server则无法仅仅通过聚集索引列（也就是关键字）唯一确定一行。此时，为了实现对每一行的唯一区分，则需要SQL Server为相同值的聚集索引列生成一个额外的标识信息进行区分，这也就是所谓的uniquifiers。而使用了uniquifier后，对性能产生的影响分为如下两部分：

    下面我们进行测试，创建一个测试表，创建聚集索引。插入10万条测试数据，其中每2条一重复，如图2所示。

    图2.插入数据的测试代码

   此时，我们来查看这个表所占的页数,如图3所示。

    图3.插入重复键后10万数据占了359页

    我们再次插入10万不重复的数据，如图4所示。

    图4.插入10万不重复的建的代码

    此时，所占页数缩减为335页,如图5所示。

    图5.插入不重复键后缩减为335页

     因此，推荐聚集索引所在列使用唯一键。

最好使用窄列或窄列组合作为聚集索引列

    这个道理和上面减少页的原理一样,窄列使得键的大小变小。使得聚集索引的非叶子节点减少，而非聚集索引的书签变小，从而叶子节点页变得更少。最终提高了性能。