海量數(shù)據(jù)庫的查詢優(yōu)化及分頁算法方案

　　實(shí)際上，您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：聚集索引（clustered index，也稱聚類索引、簇集索引）和非聚集索引（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聚集索引和非聚集索引的區(qū)別：

　　其實(shí)，我們的漢語字典的正文本身就是一個聚集索引。比如，我們要查“安”字，就會很自然地翻開字典的前幾頁，因?yàn)?ldquo;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”開頭并以“z”結(jié)尾的，那么“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，那么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后部分，因?yàn)?ldquo;張”的拼音是“zhang”。也就是說，字典的正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(nèi)容。

　　我們把這種正文內(nèi)容本身就是一種按照一定規(guī)則排列的目錄稱為“聚集索引”。

　　如果您認(rèn)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(rèn)識的字，不知道它的發(fā)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(jù)“偏旁部首”查到您要找的字，然后根據(jù)這個字后的頁碼直接翻到某頁來找到您要找的字。但您結(jié)合“部首目錄”和“檢字表”而查到的字的排序并不是真正的正文的排序方法，比如您查“張”字，我們可以看到在查部首之后的檢字表中“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，這些字并不是真正的分別位于“張”字的上下方，現(xiàn)在您看到的連續(xù)的“馳、張、弩”三字實(shí)際上就是他們在非聚集索引中的排序，是字典正文中的字在非聚集索引中的映射。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(jié)果，然后再翻到您所需要的頁碼。

　　我們把這種目錄純粹是目錄，正文純粹是正文的排序方式稱為“非聚集索引”。通過以上例子，我們可以理解到什么是“聚集索引”和“非聚集索引”。

　　進(jìn)一步引申一下，我們可以很容易的理解：每個表只能有一個聚集索引，因?yàn)槟夸浿荒馨凑找环N方法進(jìn)行排序。

　　（二）何時使用聚集索引或非聚集索引

　　下面的表總結(jié)了何時使用聚集索引或非聚集索引（很重要）。

　　動作描述
　　使用聚集索引
　　使用非聚集索引

　　列經(jīng)常被分組排序
　　應(yīng)
　　應(yīng)

　　返回某范圍內(nèi)的數(shù)據(jù)
　　應(yīng)
　　不應(yīng)

　　一個或極少不同值
　　不應(yīng)
　　不應(yīng)

　　小數(shù)目的不同值
　　應(yīng)
　　不應(yīng)

　　大數(shù)目的不同值
　　不應(yīng)
　　應(yīng)

　　頻繁更新的列
　　不應(yīng)
　　應(yīng)

　　外鍵列
　　應(yīng)
　　應(yīng)

　　主鍵列
　　應(yīng)
　　應(yīng)

　　頻繁修改索引列
　　不應(yīng)
　　應(yīng)

　　事實(shí)上，我們可以通過前面聚集索引和非聚集索引的定義的例子來理解上表。如：返回某范圍內(nèi)的數(shù)據(jù)一項(xiàng)。比如您的某個表有一個時間列，恰好您把聚合索引建立在了該列，這時您查詢2004年1月1日至2004年10月1日之間的全部數(shù)據(jù)時，這個速度就將是很快的，因?yàn)槟倪@本字典正文是按日期進(jìn)行排序的，聚類索引只需要找到要檢索的所有數(shù)據(jù)中的開頭和結(jié)尾數(shù)據(jù)即可；而不像非聚集索引，必須先查到目錄中查到每一項(xiàng)數(shù)據(jù)對應(yīng)的頁碼，然后再根據(jù)頁碼查到具體內(nèi)容。

生活不易，碼農(nóng)辛苦
如果您覺得本網(wǎng)站對您的學(xué)習(xí)有所幫助,可以手機(jī)掃描二維碼進(jìn)行捐贈