測試的版本：SQL Server 2017
內存優化表上可以創建哈希索引（Hash Index）和內存優化非聚集（NONCLUSTERED）索引，這兩種類型的索引也是內存優化的，稱作內存優化索引，和基於硬盤的傳統索引有很大的區別：
- 索引結構存儲在內存中，沒有索引碎片和填充因子
- 對索引所作的更新不會寫入事務日志文件，這導致索引的更新操作性能非常高
一，創建內存優化索引
在創建內存優化表的索引時，第一種方式是在創建表時定義索引，第二種方式是先創建內存優化表，然后通過alter table命令修改表結構，向表中添加索引，而表級別的索引語法如下所示：
<table_index> ::= INDEX index_name { [ NONCLUSTERED ] HASH (column [ ,... n ] ) WITH (BUCKET_COUNT = bucket_count) | [ NONCLUSTERED ] (column [ ASC | DESC ] [ ,... n ] ) [ ON filegroup_name | default ] }
舉個例子，修改表結構，向表中添加哈希索引，在定義索引時必須設置bucket_count的數量：
ALTER TABLE table_name ADD INDEX idx_hash_index_name HASH (index_key) WITH (BUCKET_COUNT = 64);
二，內存優化索引的性能優化
內存優化索引適用的場景是：
- 非聚集索引 如果查詢中包含order by子句、或者包含 where index_column > value等范圍掃描操作 ，推薦使用非聚集索引。
- 哈希索引 如果查詢中包含點查找（point lookup），例如 where index_column = value，而不是范圍掃描，推薦使用哈希索引。
1，哈希索引性能優化
哈希索引是指SQL Server引擎應用哈希函數F(x)，把索引鍵值（Index Key）轉換為哈希表（哈希索引）。當哈希值相同，而索引鍵不同時，稱作產生一個哈希沖突。把哈希值相同的索引鍵鏈接在一起，組成一個鏈式結構（chain），也稱作沖突鏈。在查找時，需要遍歷沖突鏈來查找數據，因此，沖突鏈變長，會降低哈希查找的性能。
哈希沖突是不可避免的，以下兩種情況，會產生較多的哈希沖突：
- 如果索引鍵存在大量的重復值，
- 當hashbucket的數量較少時
這兩種情況導致哈希沖突鏈變長，降低哈希查找的性能，用戶可以通過降低索引鍵的重復值、增加hashbucket的數量來減少哈希沖突。
哈希索引只能點查找（point lookup），並且要求在where子句中應用index key的所有字段、等值條件和與邏輯，例如，哈希索引鍵是colA和colB，在where子句中必須滿足：同時出現所有索引鍵、等值條件和與邏輯，也就是：where colA= value1 and colB=value2，只有這樣，才能使用哈希索引進行點查找，否則無法應用哈希索引。
2，內存優化非聚集索引的優化
內存優化非聚集索引的結構是Bw-Tree，在結構上類似於B-Tree結構，具有樹形結構、鍵值是有序的等特點。
從性能上來看，Bw-Tree索引有三個主要特點：
- 通過無鎖（Lock-Free）的方式來操作Bw-Tree樹，提升了隨機讀和范圍讀的性能。
- 索引按照前序字段進行排序，在查找時，索引鍵的前序字段非常重要，前序字段必須出現在where/on 子句的條件斷言中。
- 適合范圍查找，只適用於按照索引定義的排序方向的查找，而不能用於逆向排序的查找
- 通過Log-Structed Storage方式寫數據，傳統的checkpoint寫數據的方式是隨機寫，而Log-Structed Storage是順序寫，提高寫操作的性能。
- 對數據的更新采用Delta Update方式，提高了緩存的命中率。
Bw-Tree結構的索引，和普通的B-Tree結構相比，讀寫性能提高，解決了高性能讀和寫不能兼得的問題。
三，內存優化的非聚集索引的結構特點
內存非聚集索引類似於B-Tree結構，稱作Bw-Tree。從整體上看，Bw-Tree是按照Page ID組織的頁面映射。
在Bw-Tree結構中，每個索引Page具有一組有序鍵值（該結構類似於普通的B樹），鍵值是按照大小順序排列的，並且索引中包含層次結構，父級別指向子級別，葉級別指向數據行。
差異是Bw-Tree可以把多個數據行連接在一起，索引結構中的頁面指針是邏輯頁面的ID，這個邏輯頁面的ID實際上是頁面映射表的偏移量，該映射表具有每個頁面的物理地址，通過偏移量找到每個頁面在內存中實際的物理地址。
在非葉子級別中，父級別的頁面中存儲的鍵值是它指向的子級頁面中的鍵值的最大值，並且每一行還包含該頁面邏輯頁ID（偏移量）。葉級數據頁不僅包含鍵值，還包含頁面的物理地址。
Bw-Tree結構大致如下圖所示：有類似B-Tree的樹形結構（存儲的數據和索引）和Mapping Table（存儲邏輯頁面ID和物理地址的映射）。
在內存非聚集索引中，沒有索引頁的就地更新（in-place update），為了實現該目的，引入了新的更新機制：
- 在更新頁時，不需要latch 和lock
- 索引頁不是固定的大小
Bw-Tree結構解決了B-tree高性能讀和寫不能兼得的問題，可能會存在性能抖動。
四，哈希索引的結構特點
哈希索引包含一個由指針構成的數組，數組中的每個元組叫做一個hash bucket：
- 每個hash bucket占用8Bytes，用於指向key entry構成的鏈式列表
- 每個entry主要由索引鍵的值、對應的數據行的地址和指向下一個entry的指針構成
- 每個entry有一個指針，用於指向鏈中下一個entry，通過這種方式，entry構成鏈式結構
哈希索引的結構，如下圖所示，左側是哈希表，右側上一是表數據（Name、City）+時間戳+索引指針，右側中下的兩行是表數據，中間通過Index prt鏈接為一個chain。
hash bucket的數量必須在索引定義時指定：
- 哈希索引的hash bucket的最大數量是 1,073,741,824
- 較短的鏈式列表比較長的鏈式列表性能更好
- hash bucket的數量與表中唯一值的數量的比值越低，每個hash bucket指向的鏈式列表的長度越長，性能越差。因此，應該適當增加hash bucket的數量。
- 理想情況下，hash bucket最好是表中唯一值數量的1到2倍。
參考文檔：