index 结构

index是一种以B-树组织的数据库对象,设计合理的index能提高查询性能,但是,如果设计的不合理,index会增加db维护的成本。

1,index的类型

index 分为两种类型,clustered和nonclustered,两种类型的区别是很大的。

1.1 Clustered index

在一个table上,只能创建一个clustered index,因为table按照clustered index来组织data的物理存储。创建clustered index的代码如下

create clustered index idx_clustered_code on dbo.test(code)

按照code组织index结构,在物理上,table的data按照code的顺序进行存储。就是说,逻辑上code连续的,在物理存储上是连续的,如果不连续,可能的原因是index fragment或换页。

1.2 Clustered index的结构

如果在一个table上创建了Clustered index,那么这个Clustered index的 leaf node就是数据本身,non-leaf node是index的结构。Clustered index 需要额外的空间来存储index的结构,在每次更新data的时候,都要更新index。

时间: 2024-10-07 03:05:05

index 结构的相关文章

MongoDB 使用Index

Index 能够提高查询的性能,如果没有Index,MongoDB必须扫描整个collection,从collection的第一个doc开始,直到最后一个doc,即使第一个doc之后的所有doc都不满足查询条件.如果在Collection上有合适的Index,例如,unique index,那么MongoDB在按照index key查找到一个doc之后,就不会继续对其他doc查询,极大地提高查询性能. MongoDB的 Index 结构跟关系型DB的NonClustered Index相似,都是

学习 Hash Index

一,Hash Index的结构 Hash Index 由buckets集合构成,Index Key 经过 Hash 函数的映射,产生Hash Value,填充到相应的bucket中,每个bucket的Hash Value不同.SQL Server 提供一个hash 函数,用于将 index key 隐射到相应的bucket中.该hash函数是确定性的,对于相同的index key,Hash函数产生hash value是固定的,隐射到相同的bucket上. A hash index consist

In-Memory:Hash Index

SQL Server 2016支持哈希查找,用户可以在内存优化表(Memory-Optimized Table)上创建Hash Index,使用Hash 查找算法,实现数据的极速查找.在使用上,Hash Index 和B-Tree索引的区别是:Hash Index 是无序查找,Index Key必须全部作为Filter,而B-Tree索引是有序查找,不需要Index Key都作为Filter,只需要前序字段存在即可:在存储结构上,Hash Index使用Hash Table实现,存在Hash 冲

Block的引用循环问题 (ARC & non-ARC)

Block实现原理 首先探究下Block的实现原理,由于Objective-C是C语言的超集,既然OC中的NSObject对象其实是由C语言的struct+isa指针实现的,那么Block的内部实现估计也一样,以下三篇Blog对Block的实现机制做了详细研究: A look inside blocks: Episode 1 A look inside blocks: Episode 2 A look inside blocks: Episode 3 虽然实现细节看着头痛,不过发现Block果然

开源大数据处理系统/工具大全

本文一共分为上下两部分.我们将针对大数据开源工具不同的用处来进行分类,并且附上了官网和部分下载链接,希望能给做大数据的朋友做个参考.下面是第一部分. 查询引擎 一.Phoenix 贡献者::Salesforce 简介:这是一个Java中间层,可以让开发者在Apache HBase上执行SQL查询.Phoenix完全使用Java编写,代码位于GitHub上,并且提供了一个客户端可嵌入的JDBC驱动. Phoenix查询引擎会将SQL查询转换为一个或多个HBase scan,并编排执行以生成标准的J

kafka系列教程2(设计构造及原理1)

kafka采用了一些非主流(unconventional)并经过实践的设计使其高效和可扩展.在实际使用中kafka显示出了相对于常见流行的消息系统的优越性.并且每天能够处理上百GB的新的数据. 类似收集实时数据来获得查询.推荐.广告方感兴趣的内容时,需要计算大量细粒度的点击率,还包括那些没有点击的页面.在facebook 大约6TB日志记录用户行为事件,中国移动大约生成5-8TB日志为通话记录.早期处理这些数据都是将日志离线获取并抓取日志(scraping log)后进行处理.最近一些分布式的日

深入理解block

2010年WWDC发布iOS4时Apple对Objective-C进行了一次重要的升级:支持Block.说到底这东西就是闭包,其他高级语音例如Java和C++已有支持,第一次使用Block感觉满简单好用的,但是慢慢也遇到很多坑.本文聊聊ARC和non-ARC下Block使用中的引用循环问题,最近遇到了好几次这种问题,还是深入记录下.先来套题目热热身,貌似能够全部答对的人蛮少的 Block实现原理 首先探究下Block的实现原理,由于Objective-C是C语言的超集,既然OC中的NSObjec

大数据工具集详

查询引擎 一.Phoenix 贡献者::Salesforce 简介:这是一个Java中间层,可以让开发者在Apache HBase上执行SQL查询.Phoenix完全使用Java编写,代码位于GitHub上,并且提供了一个客户端可嵌入的JDBC驱动. Phoenix查询引擎会将SQL查询转换为一个或多个HBase scan,并编排执行以生成标准的JDBC结果集.直接使用HBase API.协同处理器与自定义过滤器,对于简单查询来说,其性能量级是毫秒,对于百万级别的行数来说,其性能量级是秒. Ph

索引优化之:创建、填充和查找

在做性能优化时,经常需要创建索引,维护索引,或重建,或重组:在创建索引时,索引的数据页有时需要填充满,有时需要预留一定比例的空闲空间:在分析查询的执行计划之后,推荐创建覆盖索引(covering index),优化查询语句,使用执行计划通过Index Seek来获取少量数据等,这些都是索引优化不得不知的要点. 一,索引的重组(Reorganize)和重建(Rebuild) 在SQL Server中,索引(Index)是B-Tree(balance tree)结构,每个Page之间都有双向指针链接