SQL Server2008存储结构之聚集索引

SQL Server 2008 连载之存储结构—— 聚集索引

聚集索引即基于数据行的键值在表内排序和存储这些数据行。每个表只能有一个聚集索引，因为数据行本身只能按一个顺序存储。

从某种程度上，聚集索引即数据，这句话是有道理的；但正如同其他索引一样，聚集索引也是按 B 树结构进行组织的。既然是 B 树组织，那么就有叶子结点和非叶子节点之分。聚集索引 B 树的顶端节点称为根节点；聚集索引中的底层节点称为叶节点。在根节点与叶节点之间的任何索引级别统称为中间级。在聚集索引中，叶节点包含基础表的数据页。根节点和中间级节点包含存有索引行的索引页。每个索引行包含一个键值和一个指针，该指针指向 B 树上的某一中间级页或叶级索引中的某个数据行。每级索引中的页均被链接在双向链接列表中。

因此可以这么说，聚集索引的叶子结点存储的是按聚集索引顺序排列的数据本身，而中间结点和根节点则在维护索引和其层级。

对于某个聚集索引， sys.system_internals_allocation_units 中的 root_page 列指向该聚集索引某个特定分区的顶部。 SQL Server 将从索引中向下移动以查找与某个聚集索引键对应的行。为了查找键的范围， SQL Server 将在索引中移动以查找该范围的起始键值，然后用向前或向后指针在数据页中进行扫描。为了查找数据页链的首页， SQL Server 将从索引的根节点沿最左边的指针进行扫描。

 

 

 

drop table testUniqueCluster drop table testNonUniqueCluster CREATE TABLE testUniqueCluster (   name     CHAR ( 900),   remark   CHAR ( 1100) ) CREATE UNIQUE CLUSTERED INDEX ix_testUniqueCluster     ON testUniqueCluster ( name ) INSERT INTO testUniqueCluster VALUES ( 'B' , 'BBB1' ) INSERT INTO testUniqueCluster VALUES ( 'A' , 'AAA1' )   CREATE TABLE testNonUniqueCluster (   name     CHAR ( 900),   remark   CHAR ( 1100) ) CREATE CLUSTERED INDEX ix_testNonUniqueCluster     ON testNonUniqueCluster ( name )   INSERT INTO testNonUniqueCluster VALUES ( 'B' , 'BBB2' ) INSERT INTO testNonUniqueCluster VALUES ( 'B' , 'BBB1' )      INSERT INTO testNonUniqueCluster VALUES ( 'A' , 'AAA1' )   SELECT c . name , a . type_desc,        total_pages , used_pages , data_pages ,        testdb . dbo . f_get_page ( first_page ) first_page_address ,        testdb . dbo . f_get_page ( root_page ) root_address ,        testdb . dbo . f_get_page ( first_iam_page ) IAM_address   FROM sys . system_internals_allocation_units a , sys . partitions b , sys . objects c   WHERE a . container_id = b . partition_id and b . object_id = c . object_id    AND c . name in ( 'testUniqueCluster' , 'testNonUniqueCluster' )       TRUNCATE TABLE tablepage ; INSERT INTO tablepage EXEC ( 'DBCC IND(testdb,testUniqueCluster,1)' ); INSERT INTO tablepage EXEC ( 'DBCC IND(testdb,testNonUniqueCluster,1)' ); SELECT   b . name table_name ,   CASE WHEN c . type = 0 THEN ' 堆 '        WHEN c . type = 1 THEN ' 聚集 '         WHEN c . type = 2 THEN ' 非聚集 '        ELSE ' 其他 '   END index_type ,     c . name index_name ,   PagePID , IAMPID , ObjectID , IndexID , Pagetype , IndexLevel ,   NextPagePID , PrevPagePID   FROM tablepage a , sys . objects b , sys . indexes c   WHERE A . ObjectID = b . object_id    AND A . ObjectID = c . object_id    AND a . IndexID = c . index_id

 

Name	Type_desc	Used_pages	Data_pages	First_page_address	Root_address	IAM_Address
testUniqueCluster	IN_ROW_DATA	2	1	1:233	1:233	1:234
testNonUniqueCluster	IN_ROW_DATA	2	1	1:235	1:235	1:236

 

下面我们用 dbcc 命令介绍一下聚集索引的构造。

DBCC TRACEON ( 3604)   DBCC PAGE ( testDB , 1, 233, 1) m_type = 1 5E3BC060:   1000d407 42202020 20202020 20202020 ?....B       ....             5E3BC3E0:   20202020 20202020 42424231 20202020 ?        BBB1             ... 5E3BC830:   20202020 0200fc 10 00d407 41 20202020 ?    .......A             ... 5E3BCBB0:   20202020 20202020 20202020 20202041 ?               A         5E3BCBC0:   41413120 20202020 20202020 20202020 ?AA1                      ... 5E3BD000:   20202020 20202020 20202002 00fc 0000 ?            .....           OFFSET TABLE: Row - Offset                         1 (0x1) - 96 (0x60)                  0 (0x0) - 2103 (0x837)                 DBCC PAGE ( testDB , 1, 235, 1) 5E3BC060:   1000d407 42202020 20202020 20202020 ?....B      ...               5E3BC3E0:   20202020 20202020 42424232 20202020 ?        BBB2             ... 5E3BC830:   20202020 0300f 8 30 00d407 42 20202020 ?    ...0...B             ... 5E3BCBB0:   20202020 20202020 20202020 20202042 ?               B         5E3BCBC0:   42423120 20202020 20202020 20202020 ?BB1                      ... 5E3BD000:   20202020 20202020 20202003 00f80100 ?           .....         5E3BD010:   df070100 0000 1000 d407 4120 20202020 ?..........A              ... 5E3BD390:   20202020 20202020 20202020 20204141 ?              AA         5E3BD3A0:   41312020 20202020 20202020 20202020 ?A1                       ... 5E3BD7E0:   20202020 20202020 20200300 f 8 000021 ?          .....!           OFFSET TABLE: Row - Offset                         2 (0x2) - 2103 (0x837)               1 (0x1) - 96 (0x60)                  0 (0x0) - 4118 (0x1016)

其中红颜色的部分为每行的行头部分，蓝颜色部分为每行的结尾部分。

大家可以看到 m_type=1 即数据页面，大家应该很奇怪吧，为什么明明是聚集索引，却是数据页面呢？正如上面所提到，聚集索引的叶子页面即数据页面。因为这个表只有 2~3 条记录，所以 root 页面还达不到需要分为 B 树的程度，所以该 root 页面也是叶子页面。

我们首先来看一下 1000d407 的行头部如何解释

第 0 位	第1-3 位	第4 位	第5 位	第6-7 位	1 个字节	2 个字节
0	000	1	0	00	00	d407
10					00	2004
始终为 0	0 表示主记录 3 表示索引记录 5 表示幻影索引记录	存在NULL 位图	存在变长字段	保留	状态B 保留	字段长度

即该行为不存在变长字段的主记录，且字段长度为 2004 个字节。

那 30 00d407 该如何解释呢？即 00001100 即存在变长字段的主记录，我们的 testNonUniqueCluster 怎么会存在变长字段呢？

在该非唯一聚集索引表中，我们首先插入记录 B 、 BBB2 记录，再插入 B 、 BBB1 记录，这个时候对于非唯一索引如何去识别呢？ SQL Server 在重复行的行尾增加了 8 个额外的字节，稍后我们再分析行尾。

在 testUniqueCluster 表中正常的行尾为 0200fc ，其解释如下 0200 表示该表有 2 个字段， fc 则为 1111 1100 ，即前 2 个字段不为空。

而对于 testNonUniqueCluster 表正常的行尾应为 0300 f8 ，其解释如下 0300 表示该表有 3 个字段， f8 则为 1111 1000 ，即前 3 个字段不为空；很显然 SQL Server 把非唯一索引的标识符也当做字段了；但的的确确因为 B 、 BBB2 和 A 、 AAA1 在插入的时候是唯一的，所以不需要这个字段。

我们接下来看看 B 、 BBB1 行的尾部 03 00f8 0100 df070100 0000 ， 0300f 8 解释同上， 0100 即 1 表示该表一共有 1 个变长字段， df07 即 2015 变长字段结束的位置，最后四个字节 0100 0000 为非唯一索引的标识符，换算成 10 进制即 1 。

从页面中记录的顺序我们其实可以看得出来，聚集索引的行的物理顺序与行的实际存储没有太大关系，而是与记录槽的顺序的有关。

既然我们再谈论聚集索引，那就不能不说聚集索引的中间节点和根节点了，

为了简化处理，我们使用 testUniqueCluster 来做进一步的研究。

该表包含 2 个定长字段，合计 2000 字节，加上相应的头部的 4 个管理字节和尾部的 3 个管理字节，共计 2007 个字节，页头还需要 96 个字节，每行的偏移量需要 2 个字节，所以单页 8192 字节只能容纳大概 4 条记录。也就是说当我们完成第五条记录时就应该产生分页现象了。

INSERT INTO testUniqueCluster VALUES ( 'C' , 'CCC1' ) INSERT INTO testUniqueCluster VALUES ( 'D' , 'DDD1' ) INSERT INTO testUniqueCluster VALUES ( 'E' , 'EEE1' ) TRUNCATE TABLE tablepage ; INSERT INTO tablepage EXEC ( 'DBCC IND(testdb,testUniqueCluster,1)' );   SELECT   b . name table_name ,   CASE WHEN c . type = 0 THEN ' 堆 '        WHEN c . type = 1 THEN ' 聚集 '        WHEN c . type = 2 THEN ' 非聚集 '        ELSE ' 其他 '   END index_type ,     c . name index_name ,   PagePID , IAMPID , ObjectID , IndexID , Pagetype , IndexLevel ,   NextPagePID , PrevPagePID   FROM tablepage a , sys . objects b , sys . indexes c   WHERE A . ObjectID = b . object_id    AND A . ObjectID = c . object_id    AND a . IndexID = c . index_id

以下为该表的详细页面分布

index_name	PagePID	IAMPID	IndexID	Pagetype	IndexLevel	NextPagePID	PrevPagePID
…	234	NULL	1	10	NULL	0	0
…	233	234	1	1	0	248	0
…	239	234	1	2	1	0	0
…	248	234	1	1	0	0	233

我们再用 sys.system_internals_allocation_units 来看一下该表的页面概要信息。

name	total_pages	used_pages	data_pages	first_address	root_address	IAM_address
testUniqueCluster	4	4	2	1:233	1:239	1:234

从以上两个表格，我们可以看出 IAM 页面未发生变化，仍旧是第 234 页面。

根节点页面发生了变化，现在是第 239 页面， pagetype=2 ，即索引页面，新增加了一个数据页面第 248 页面，第 233 页面仍继续存在；同时在第 248 和 233 个页面之间存在着互链的关系。

同时观察一下数据，发现在第 233 页中存在 A 、 AAA1 ； B 、 BBB1 ； C 、 CCC1 ； D 、 DDD1 等 4 条记录，而第 248 页中则存在 E 、 EEE1 记录，也就是说对于 SQL Server 来说索引的分裂应该是以最小代价进行，而不是完全均衡策略。

再让我们用 DBCC PAGE(1,testDB,239,3) 观察一下根节点的内容。

FileId	PageId	Row	Level	ChildFileId	ChildPageId	name (key)	KeyHashValue
1	239	0	1	1	233	NULL	(6f4251ce1f81)
1	239	1	1	1	248	E	(201c8aeace10)

因为这是个索引的非叶子节点，所以连表现形式都简化了。

FieldId 为当前页面的文件 ID

PageId 为当前页面的页面 ID

Row 表示为当前的 slot 槽

Level 为 1 表示为当前为非叶子节点

ChildFieldId 表示为插槽号指向的页面的文件 ID

ChildPageId 表示为插槽号指向的页面的页面 ID

Name 表示为当前索引的键值

KeyHashValue 为 SQL Server 键值的内部表示的 hash 值。

即 E 右侧的数据指向第 248 页面，而左侧的则指向第 233 页面。

那么再让我们插入 4 条记录看看根页面的变化。

INSERT INTO testUniqueCluster VALUES ( 'C' , 'CCC1' ) INSERT INTO testUniqueCluster VALUES ( 'D' , 'DDD1' ) INSERT INTO testUniqueCluster VALUES ( 'E' , 'EEE1' ) DBCC PAGE(1,testDB,239,3)

 

FileId	PageId	Row	Level	ChildFileId	ChildPageId	name (key)	KeyHashValue
1	239	0	1	1	233	NULL	(6f4251ce1f81)
1	239	1	1	1	248	E	(201c8aeace10)
1	239	2	1	1	249	I	(201cbd800c11)

现在我们可以看到在根节点上又增加了一个新的键值 I ，凡是大于等于 I 的记录均指向第 249 页；结合前面的描述，我们可以得到下面的索引结构变化示意图。