测试的版本：SQL Server 2017
内存优化表上可以创建三种类型的索引，分别是：Hash Index、内存优化非聚集（NONCLUSTERED）索引和聚集（CLUSTERED）列存储索引。
本文着重分享非聚集索引和哈希索引，这两个索引适用的场景是：
- 非聚集索引 如果查询中包含order by子句、或者包含 where index_column > value等范围扫描操作 ，推荐使用非聚集索引。
- 哈希索引 如果查询中包含点查找（point lookup），例如 where index_column = value，而不是范围扫描，推荐使用哈希索引。
一，创建内存优化表的索引
在创建内存优化表的索引时，第一种方式是在创建表时定义索引，第二种方式是先创建内存优化表，然后通过alter table命令修改表结构，向表中添加索引，而表级别的索引语法如下所示：
<table_index> ::=
INDEX index_name
{ [ NONCLUSTERED ] HASH (column [ ,... n ] ) WITH (BUCKET_COUNT = bucket_count)
| [ NONCLUSTERED ] (column [ ASC | DESC ] [ ,... n ] ) [ ON filegroup_name | default ]
}
举个例子，修改表结构，向表中添加哈希索引，在定义索引时必须设置bucket_count的数量：
ALTER TABLE table_name
ADD INDEX idx_hash_index_name HASH (index_key) WITH (BUCKET_COUNT = 64);
二，内存非聚集索引的内在结构
内存非聚集索引类似于B-Tree结构，称作Bw-Tree，是一个新型的B-Tree结构。从高层次上来看，Bw-Tree可以理解为按照Page ID组织的页面映射。
在Bw-Tree结构中，每个索引Page具有一组有序键值（该结构类似于普通的B树），键值是按照大小顺序排列的，并且索引中包含层次结构，父级别指向子级别，叶级别指向数据行。
差异是Bw-Tree可以把多个数据行连接在一起，级别中的页面指针是逻辑页面的ID，这个逻辑页面的ID实际上是页面映射表的偏移量，该映射表具有每个页面的物理地址，通过偏移量找到每个页面在内存中实际的物理地址。
在内存非聚集索引中，没有索引页的就地更新（in place update），为了实现该目的，引入了新的更新机制：
- 在更新页时，不需要latch 和lock
- 索引页不是固定的大小
在非叶子级别中，父级别的页面中存储的键值是它指向的子级页面中的键值的最大值，并且每一行还包含该页面逻辑页ID（偏移量）。叶级数据页不仅包含键值，还包含页面的物理地址。
三，哈希索引的内部结构
哈希索引包含一个由指针构成的数组，数组中的每个元组叫做一个hash bucket：
- 每个hash bucket占用8Bytes，用于指向key entry构成的链式列表
- 每个entry主要由索引键的值、对应的数据行的地址和指向下一个entry的指针构成
- 每个entry有一个指针，用于指向链中下一个entry，通过这种方式，entry构成链式结构
hash bucket的数量必须在索引定义时指定：
- 哈希索引的hash bucket的最大数量是 1,073,741,824
- 较短的链式列表比较长的链式列表性能更好
- hash bucket的数量与表中唯一值的数量的比值越低，每个hash bucket指向的链式列表的长度越长，性能越差。因此，应该适当增加hash bucket的数量。
- 理想情况下，hash bucket最好是表中唯一值数量的1到2倍。
参考文档：
原文地址：https://www.cnblogs.com/ljhdo/p/10533688.html