Sql Server的一些知识点定义总结

上山打老虎

　　数据库完整性：是指数据库中数据在逻辑上的一致性、正确性、有效性和相容性
　　实体完整性（Entity Integrity 行完整性）：实体完整性指表中行的完整性。主要用于保证操作的数据（记录）非空、唯一且不重复。即实体完整性要求每个关系（表）有且仅有一个主键，每一个主键值必须唯一，而且不允许为“空”（NULL）或重复。
　　域完整性（Domain Integrity 列完整性）：是指数据库表中的列必须满足某种特定的数据类型或约束。其中约束又包括取值范围、精度等规定。表中的CHECK、FOREIGN KEY 约束和DEFAULT、 NOT NULL定义都属于域完整性的范畴。
　　参照完整性（Referential Integrity）属于表间规则：对于永久关系的相关表，在更新、插入或删除记录时，如果只改其一，就会影响数据的完整性。如删除父表的某记录后，子表的相应记录未删除，致使这些记录称为孤立记录。
　　参照完整性规则（Referential Integrity）要求：若属性组F是关系模式R1的主键，同时F也是关系模式R2的外键，则在R2的关系中，F的取值只允许两种可能：空值或等于R1关系中某个主键值。
　　Sql Server的存储结构，页、区、堆
　　页：用于数据存储的连续的磁盘空间块，SQL Server中数据存储的基本单位是页，磁盘I/O操作在页级执行，页的大小为8KB。每页的开头是96字节的页头，用于存储有关页的系统信息，包括页码、页类型、页的可用空间以及拥有该页的对象的分配单元ID；其他便是存储数据的数据行与剩下可用空间，结构图如下(个人绘制)

　　区间：区是管理空间的基本单位，一个区是8个物理上连续的页（即64KB)的集合，所有页都存储在区中。SQL Server有两种类型的区：统一区和混合区。
　　堆：堆是指不含聚集索引的表，它的数据不按任何顺序进行存储。
　　联系一个堆中的数据的唯一结构是被称为索引分配映射（IAM）的一个位图页，当扫描对象时，SQl server使用IAM页来遍历该对象的数据。
　　堆表内的数据页和行没有任何特定的顺序，也不链接在一起。数据页之间唯一的逻辑连接是记录在IAM页内的信息
　　假设某订单明细表中有100万条数据，需要查询某个订单的明细数据，如下：

select*fromT_EPZ_INOUT_ENTRY_DETAILwhereentry_apply_id='31227000034000090169'

　　如果在堆表中进行查询，SQLServer通过扫描IAM页对堆表进行全表扫描，对entry_apply_id比较100万次，如果以entry_apply_id字段建立索引，则因为索引键值数据都必定以B-Tree有顺序的摆放，所以可采用二分查找找数据。也就是2的N次方大于记录数，就可以找到该条数据。而2的20次方大于100万，因此最多找寻20次就可以找到该条记录。20次与100万次的比较，你可以轻松感受出性能的差异。
　　由此引出索引的概念
　　索引分为聚集索引与非聚集索引
　　聚集索引 ：聚集索引是指数据库表行中数据的物理顺序与键值的逻辑（索引）顺序相同。一个表只能有一个聚集索引，因为一个表的物理顺序只有一种情况，所以，对应的聚集索引只能有一个。如果某索引不是聚集索引，则表中的行物理顺序与索引顺序不匹配，与非聚集索引相比，聚集索引有着更快的检索速度
　　非聚集索引：非聚集索引是一种索引，该索引中索引的逻辑顺序与磁盘上行的物理存储顺序不同
　　聚集索引与非聚集索引的形象比喻
　　汉语字典的正文本身就是一个聚集索引。 比如，我们要查“安”字，就会很自然地翻开字典的前几页，因为“安”的拼音是“an”，而按照拼音排序汉字的字典是以英文字母“a”开头并以“z”结尾的，那么“安”字就自然地排在字典的前部。如果您翻完了所有以“a”开头的部分仍然找不到这个字，那么就说明您的字典中没有这个字；同样的，如果查“张”字，那您也会将您的字典翻到最后部分，因为“张”的拼音是“zhang”。也就是说，字典的正文部分本身就是一个目录，您不需要再去查其他目录来找到您需要找的内容。正文内容本身就是一种按照一定规则排列的目录称为“聚集索引”。每个表只能有一个聚集索引，因为目录只能按照一种方法进行排序
　　如果您认识某个字，您可以快速地从自动中查到这个字。但您也可能会遇到您不认识的字，不知道它的发音，这时候，您就不能按照刚才的方法找到您要查的字，而需要去根据“偏旁部首”查到您要找的字，然后根据这个字后的页码直接翻到某页来找到您要找的字。但您结合“部首目录”和“检字表”而查到的字的排序并不是真正的正文的排序方法，比如您查“张”字，我们可以看到在查部首之后的检字表中“张”的页码是672页，检字表中“张”的上面是“驰”字，但页码却是63页，“张”的下面是“弩”字，页面是390页。很显然，这些字并不是真正的分别位于“张”字的上下方，现在您看到的连续的“驰、张、弩”三字实际上就是他们在非聚集索引中的排序，是字典正文中的字在非聚集索引中的映射。我们可以通过这种方式来找到您所需要的字，但它需要两个过程，先找到目录中的结果，然后再翻到您所需要的页码。我们把这种目录纯粹是目录，正文纯粹是正文的排序方式称为“非聚集索引”。　

　　如图，表中存放的数据是杂乱无章的，没有按照姓名进行排序。我们将数据的姓名提取出来按照姓名创建一个非聚集索引。索引中姓名是排好序的，且索引所占用的空间远远小于表中数据所占用的空间，当我们查询表中某条数据时候，将不再进行全表扫描，而对索引进行扫描，得到想要的数据再定位到表中具体的数据。　　但是 在非聚集索引上，要扫描某个具体的姓名也得耗费一定的时间，进一步优化，在其上面在加一个Non-leaf level (非叶节点)可以B树算法快速的定位。极大的提高了查询速度

　　聚集索引的查询就是按B树查询
　　如何查询表中的索引？　　　　

　　inidex_id = 0 说明表中无索引 inidex_id = 1 表中为聚集索引， inidex_id = 2或者3.。。。。为非聚集索引。　　　　
　　运用索引遇到的问题以及技术

　　页分裂、填充因子、碎片整理、索引统计

　　页分裂：因为在非聚集索引中或者有序的数据中 如 在a b e f中要插入新的数据 c ，那么c在物理顺序中将放入f的后面，成为 a b e f c这样变造成了页分裂。 　　　　

　　可以用索引整理、或者在建表时定义填充因子(就是页创建之初，让每个页存储的数据占页的比列)解决页分裂的情况

dbcc showcontig(Tstudent,non_sname) --Tstudent表明，PK_TStudent索引名 ，查询页分裂情况
 
 dbcc indexdefrag(schoolDB,Tstudent,non_sname)--索引整理
 
 create nonclustered index non_sname on TStudent(sname) with drop_existing,fillfactor = 50--重建索引，并且制定填充因子
 
 dbcc show_statistics(tstudent,non_sname)--查看索引统计
 
 update statistics schooldb.dbo.tstudent --人工更新表中所有索引的统计
 
 update statistics schooldb.dbo.tstudent non_sname --人工更新表中non_sname索引统计

　　在实际情况中，有时候不同索引会比用索引的速度更快，在运用索引查询的时候，但是sql server工具会自动帮你判断
　　总结
　　以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，如果有疑问大家可以留言交流，谢谢大家对脚本之家的支持。