第6/24周 聚集索引

上个星期我向你介绍了堆表（heap tables）。我们说过，在SQL Server表可以是堆表（Heap Table）或者聚集表（Clustered Table）——一个在它上面有聚集索引（Clustered Index）定义的表。今天我们来谈论聚集索引（Clustered Index）的更多细节，还有如何选择正确的聚集键（Clustered Key）。

每次你在SQL Server创建一个主键约束（PRimary Key constraint），这个约束（默认情况）是通过唯一聚集索引（Unique Clustered Index）来执行的。这意味着你选择的那列（或多列，当你定义复合主键（composite primary key）时）必须是唯一值。作为一种副作用，你的表数据是按那列（或那些列）物理排序的。让我们一起看下在SQL Server里聚集索引（Clustered Index）的优点和缺点。

聚集表最大的优点是，数据是在你的存储子系统里是按聚集键（Clustered Key）物理排序的。你可以拿传统电话本与聚集表（Clustered Table）做比较：电话本是按姓来聚合排序的，这意味着Aschenbrenner排在Bauer之前，Bauer排在Meyer之前。因此聚集表（Clustered Table）和堆表（heap tables）完全不一样，堆表没有物理上的排序顺序。

你可以从聚集表（Clustered Table）获得真正的巨大受益。想象下你在便利查找一条具体的记录，在WHERE语句里那列是你用来限制你数据的主键（Clustered Key）。在那个情况下，SQL Server在执行计划里会选择聚集索引（Clustered Index Seek）查找运算符。查找运算符会非常，非常高效，因为SQL Server使用B-tree结构来找相关的数据。这个查找运算符的复杂度总是O（log N）。如果你想学习更多关于B+tree在内部是如何使用的，你可以观看我关于这个话题的SQL Server Quickie。在过去的2010年里，我也写了关于这个话题的很多博客帖子。

当你在电话本找名为Aschenbrenner的号码是一样的，你知道那个名只能在电话本的开头部分找到，因为电话本是按这个数据（名）排序的。因此你可以避免整个电话本的扫描，而SQL Server可以避免在叶子节点聚集索引（Clustered Index）的完全扫描。

只要在你的聚集索引（Clustered Index）里没有索引碎片（index fragmentation），当你使用扫描运算符访问聚集索引时，你会使用循序存取（sQQuential I/O）。索引碎片（index fragmentation）指的是你在叶节点里的页，逻辑上和物理上的排列顺序是不一样的。你可以通过Index Rebuild和Index Reorganized操作来修复索引碎片（index fragmentation）。在第24周，当我们涉及数据库维护时，我们会谈到这2个操作间的区别。

是否有索引碎片取决于你选择的聚集键（Clustered Key）列。只要你使用自增长值（像 INT IDENTIY,或订单日期（OrderDate）列），记录插在聚集索引（Clustered Index）的末端。这意味着在你索引里，碎片不会被引入。因为SQL Server只在你聚集索引（Clustered Index）末端追加数据。但在一些极少的情况下，也会产生索引碎片（index fragmentation）。因此我们现在会谈到聚集索引（Clustered Index）拥有的缺点，还有聚集键（Clustered Key）的错误选择。

数据只插在聚集索引（Clustered Index）的末端会引入被称为最后页插入加锁竞争（Last Page Insert Latch Contention）的问题，因为在你的聚集索引（Clustered Index）的末端你只有一个热区（hotspot），那里各个查询在遍历（traversing through）B-tree结构时互相竞争。下图演示了这个现象。

为了克服这个问题，你可以选择随机聚集键（random Clustered Key）作为你的聚集索引（Clustered Index），那样的话，你就可以把插入的数据散步到聚集索引（Clustered Index）里各个不同地方。但是随机聚集键（random Clustered Key）会引入被称为硬页分裂（Hard Page Splits）的问题，因为SQL Server需要把新数据页分配到在聚集索引（Clustered Index）叶子级别之内的一些地方。硬页分裂（Hard Page Splits）同样也有在事务日志（transaction log）性能上的负面影响，因为相比在你聚集索引（Clustered Index）末端记录一个普通的INSERT（被称为软页分裂（Soft Page Splits）），记录一个硬页分裂（Hard Page Splits）需要更多的工作。

作为一个副作用，随机聚集键（random Clustered Key）会引入索引碎片（index fragementation），因为你的逻辑和物理排列顺序已经不再一样。随机存取（random I/O)会扼杀你在传统的旋转存储的扫描操作性能，因为当读取各个数据页的时候，磁头必须在硬盘的盘片上前后移动。

聚集索引（Clustered Index）伸缩性（scale）很好，因为它内部采用了B-tree数据结构。当在你表进行索引查找（index seek）运算符时，SQL Server可以很高效的利用这个结构。但是选择一个正确并合适的聚集键（Clustered Key）是个很耗时的工作，因为你要考虑每个情况下所有优点和缺点（什么时候用增值型（increasing value），什么时候用随机值型（random value））。

了解聚集索引的更多细节信息，可以看下索引深入浅出：聚集索引的B树结构。

下星期我会谈论SQL Server里非聚集索引（Non-Clustered Indexes）的更多信息。你会学到什么是非聚集索引（Non-Clustered Indexes），还在聚集索引（Clustered Indexe）里定义的聚集键（Clustered Key），非聚集索引（Non-Clustered Indexes）与它有怎样的依赖关系。好好享受接下来的7天，到时候我们会再次见面。