前一陣無意中和同事討論過一個SQL相關的題(通過一個小問題來學習SQL關聯查詢)，很慚愧一個非常簡單的問題由於種種原因居然沒有回答正確，數據庫知識方面我算不上技術好，談起SQL知識的學習我得益於2008年進的一家公司，有幾個DBA技術相當專業，正好手上有一個項目遇到了一些數據庫查詢性能問題，就試着想辦法優化，於是自己將相法和DBA溝通后，居然得到了他們的贊同，讓我信心大增，后來一段時間我又主動找他們聊了一些其它的知識，所以在數據庫索引這塊我算是相對一般的.net程序員要更加有見解一些。當時我們部門由於分工的不同，部門20多人基本上工作中從來不和SQL打交道，后台的接口都由其它部門來完成了，我們注意的 業務邏輯，所以有一些完全不懂SQL的程序員。之后的四年我大部分都是做一些通用平台架構方面的工作，也比較少直接接觸SQL，直到后來換了公司，特別是去年開始由於項目性質的變化，我開始慢慢又開始接觸SQL。
工作時間的長短在某種程度上能決定一個人的技術水平，但往往技術水平和實際工作的產出不一定成正比。比如我上面提到那個SQL問題，很多有經驗的程序員在第一個答案中往往回答錯誤，但他確實能將項目做好，因為大家平時觀注的還是結果，只要結果出來了比什么都強，至於為什么出這樣的結果一般也就不會多做分析研究。這種形式呢，對那些對技術提升沒有強烈要求的人來講，已經夠用了，多試幾次，只要最終能出結果也就萬事大吉了，做的多了，后續遇到類似的問題也就輕車熟路了，這就是所謂的經驗，只知道這樣做就能出結果。
其實這種工作學習方式呢，有一個比較顯著的問題，就是對自己寫出來的東西沒有足夠的信心，因為靠的是以往的經驗。是出現錯誤之后通過不斷的嘗試來取得的經驗，有一種探索的味道，在工作效率上會存在問題，因為總有你以前沒有遇到過的場景，這樣你可能對第一方案做多次嘗試才找到正解，反之的話，第一個方案可能花的時間稍長一些，但后續反復修改的次數會相當較少。
SQL索引目錄
借這次機會呢，將SQL索引的理解整理出來，供大家一起學習提高，這是我的學習筆記，有錯誤的地方，歡迎大家批評指正。下面是預計的目錄：
- 索引基礎知識
- 聚集索引
- 非聚集索引
- 認識執行計划
- 靈活設計數據庫
頁和區
要想做好索引優化，知道索引的存儲結構是至關重要的。談到存儲就需要了解SQL中的頁和區的概念:
- SQL中存儲數據的基礎單位就是頁，一個頁大小為8K，數據庫可以將數據從邏輯上分成頁，磁盤的I/O操作就是在頁級執行。頁包信三項內容：
- 96字節大小的標頭，存儲統計信息，包括頁碼、頁類型、頁的可用空間以及擁有該頁的對象的分配單元 ID。頁類型我們知識如下三項基本就夠用：
- 數據頁，除了大型對象的數據列之外的數據存儲頁，比如int,float,varchar等。
- 索引頁，存放索引的條目。
- 大型對象數據類型，比如text,image,nvarchar(max)等。
-
- 數據行
- 行偏移量
- 一個區包含8個頁,它是管理空間的單位，分為如下兩類
- 統一區，由單個對象所有。
- 混合區，最多可由八個對象共享。
- 一般情況下，給表或者索引申請新的空間時，從混合區分配，當這個表或者索引的空間超過8個頁大小時，會將原本在混合區的頁轉移到統一區管理。
表存儲結構
知識了區以及頁的概念，再看下數據表和這兩者之間的聯系, 表包含一個或多個分區，每個分區在一個堆或一個聚集索引結構中包含數據行。從下圖的結構中，我們就看到了索引的重要結構B-樹了。
聚集索引結構
索引中的底層節點稱為葉節點。根節點與葉節點之間的任何索引級別統稱為中間級。在聚集索引中，葉節點包含基礎表的數據頁。根節點和中間級節點包含存有索引行的索引頁。每個索引行包含一個鍵值和一個指針，該指針指向 B -樹上的某一中間級頁或葉級索引中的某個數據行。每級索引中的頁均被鏈接在雙向鏈接列表中。
非聚集索引結構
非聚集索引與聚集索引之間的顯著差別在於以下兩點：
- 基礎表的數據行不按非聚集鍵的順序排序和存儲。
- 非聚集索引的葉層是由索引頁而不是由數據頁組成。
問題：
- 索引的結構到底分多少層？
我們先看下B-樹，這種索引結構有一個重要的參數n，它決定了索引存儲頁的布局，每個存儲頁需要存放n個節點，以及n+1個指針。 這里我們來做個計算：比如我們的索引是一個整形數字，4個字節，指針需要8個字節，這里不考慮索引頁標頭信息的占用，算下最大的n，公式： 4n+8(n+1)<=8*1024 ，這個值是680，即最大可存放680個鍵，再按B-樹充滿度來取75%等於510,根結點有510個，那么它會有510*510個葉結點，這些葉結點會有510*510*510個指向最終記錄的指針。這個數據足以說明絕多數情況下，只要三層就能夠用。
- 什么是稠密索引？
索引中的鍵順序與數據文件中的排序順序相同，所以我們的索引結構中，葉級均采用稿密索引。
- 什么是稀疏索引？
它只為每個存儲塊設計鍵-指針對，比稿密索引節約空間，出現在葉級之上的結構中。
- 索引結構中會出現如下情況嗎？
要想回答這個問題，就需要了解索引在維護過程中對於B-樹的調整，SQL會通過一定的算法將B-樹的充滿度達到一定的平衡，這里就會涉及的節點的拆分以及合並，所以一般情況下無論對數據做怎樣的更新，也不會出現下圖中如此不平衡的情況。
注：如果問重建索引的好處時，如果你回答是為了平衡B-樹，那么要謹慎回答。
總結：
數據存儲的基礎知識，索引結構對於我們后續理解聚集索引以及非聚集索引都非常重要，也才有可能快速准確的做出優化方案。
參考：http://technet.microsoft.com/zh-cn/library/ms180978(v=sql.105).aspx