12周翻译
《Pro SQL Server Internals, 2nd edition》
作者:Dmitri Korotkevitch
专业SQL服务器内部第二版
了解在引擎盖下发生了什么,以及它是如何影响你的
数据页和数据行
数据库中的空间被划分为逻辑8KB页。这些页从0开始连着编号,可以通过指定文件ID和页码来引用它们。页面编号总是连续的,这样当SQL Server增长数据库文件时,新页面的编号将从文件中最高的页码加1开始。类似地,当SQL Server压缩文件时,它会从文件中删除数量最大的页面。
数据存储在SQL SERVER中
一般来说,SQL Server存储和处理数据库中的数据有三种不同的路径或技术。使用传统的基于行存储,数据存储在数据行中,这些数据行将来自所有列的数据组合在一起。
SQL Server 2012引入了新的列存储索引和基于列的存储。这种技术以每列而不是每行存储数据。我们将介绍基于列的存储在本书的第七部分。
最后,SQL Server 2014中引入了内存内技术,而且SQL Server 2016中进一步改进了内存内技术。尽管出于冗余目的,它们将数据保存在磁盘上,但它们的存储格式与基于行和基于列的存储都有很大不同。我们将在本书的第8部分中讨论内存技术。
本书的这一部分主要讨论基于行的存储和经典的B-树索引和堆。
图1-6显示了数据页的结构。
图1 - 6.数据页结构
一个96字节的页眉包含信息页面的各个部分,如对象页面所属的行数和可用空闲空间页面,链接到前一个和后一个页面,如果页面在一个索引页链,等等。页眉后面是实际数据存储的区域。然后是自由空间。最后,还有一个数组,它是一个由两个字节的条目组成的块,指示对应的数据行在页面上开始时的偏移量。
数组表示页面上数据行的逻辑顺序。如果页面上的数据需要按照索引键的顺序排序,SQL Server不会对页面上的数据行进行物理排序,而是根据索引排序顺序填充数组。槽0(图1-6最右边)存储页上键值最低的数据行的偏移量;槽1,第二低的键值;等等。我们将在下一章更深入地讨论索引。
SQL Server提供了一组丰富的系统数据类型,可以在逻辑上分为两组:固定长度组和可变长度组。固定长度的数据类型,如int、datetime、char和其他类型,不管它们的值是多少,都使用相同数量的存储空间,即使是NULL也是如此。例如,int列总是使用4字节,而nchar(10)列总是使用20字节存储信息。相反,可变长度的数据类型,如varchar、varbinary和其他一些类型,使用的存储空间与存储数据所需的空间一样多,外加两个字节。例如,nvarchar(4000)列仅使用12字节存储5个字符的字符串,在大多数情况下,使用2字节存储NULL值。我们将在本章后面讨论变长列不为NULL值使用存储空间的情况。
让我们看看数据行的结构,如图1-7所示。
第1章 数据存储内部
图1 - 7.数据行结构
行的前两个字节,称为状态位A和状态位B,是位图,其中包含关于行的信息,比如行类型,如果行已经被逻辑删除(重定向),如果行有NULL值、可变长度列和版本控制标记。
行中接下来的两个字节用于存储数据的固定长度部分的长度。然后是固定长度的数据本身。
在固定长度的数据部分之后,有一个null位图,它包含两个不同的数据元素。第一个双字节元素是行中的列数。第二个是空位图数组。这个数组对表的每一列使用一位,不管它是否为空。
空位图总是出现在堆表或聚集索引叶行的数据行中,即使表没有可空列。但是,当索引中没有可空列时,空位图不会出现在非叶索引行中,也不会出现在非聚集索引的叶级行中。
在空位图之后,是行中可变长度的数据部分。它从行中可变长度列的两个字节数开始,然后是列偏移量数组。SQL Server为行中每个变长列存储一个2字节偏移量值,即使该值为空。然后是数据的实际可变长度部分。最后,行末尾有一个可选的14字节版本控制标记。此标记用于需要行版本控制的操作,例如在线索引重建、乐观隔离级别和触发器。
注意,我们将在第6章讨论索引维护,在第9章讨论触发器,在第21章讨论乐观隔离级别。
让我们创建一个表,用一些数据填充它,并查看实际的行数据。代码如清单1-4所示。复制函数将第一个参数提供的字符重复10次。
清单1 - 4.数据行格式:表创建
一个未文档化但众所周知的DBCC IND命令返回关于表分页分配的信息。您可以在图1-8中看到该命令的输出。
图1-8DBCC IND输出
有两页是属于这个表的。第一个页面类型为10,是一种特殊类型的页面,称为IAM分配映射。这个页面跟踪属于特定对象的页面。但是,现在不要专注于此,因为我们将在本章后面讨论分配映射页面。
注意:SQL Server 2012引入了另一个未文档化的数据管理功能(DMF)。 sys.dm_db_database_page_assignments,它可以用作DBCC IND命令的替代。与DBCC IND相比,此DMF的输出提供了更多信息,并且可以与其他系统dmv或者目录视图连接。
PageType=1的页面是包含数据行的实际数据页。PageFID和PagePID列显示了页面的实际文件和页码。您可以使用另一个未文档化的命令DBCC PAGE来检查其内容,如清单1-5所示。
清单1 - 5.数据行格式:DBCC页调用
清单1-6显示了对应于第一行数据的DBCC页面的输出。SQL Server以字节交换的顺序存储数据。例如,两个字节的值0001将存储为0100。
清单1 - 6.第一行的DBCC页面输出
图1 - 9.第一个数据行
正如您所看到的,行以两个状态位开始,然后是两个字节的值0800。这是字节交换值0008,它是行中列数属性的偏移量。这个偏移量告诉SQL Server行中固定长度的数据部分在哪里结束。
接下来的4个字节用于存储固定长度的数据,在我们的示例中是ID列。然后是两个字节的值,该值显示数据行有四列,然后是一个一个字节的空位图.如果只有四列,位图中的一个字节就足够了。它以二进制格式存储04的值,即00000100。它表示行中的第三列包含空值。
接下来的两个字节存储行中可变长度列的数量,即3(字节顺序为0300)。它后面是一个偏移量数组,其中每两个字节存储可变长度列数据结束的偏移量。如您所见,即使Col2为NULL,它仍然使用偏移数组中的插槽。最后,还有来自可变长度列的实际数据。
现在,让我们看看第二个数据行。清单1-7显示DBCC页面输出,图1-10显示行数据。
图1 - 10.第二数据行数据
清单1 - 7.DBCC页输出为第二行
第二行中的NULL位图表示二进制值00001010,这表明Col1和Col3是NULL。即使表有三个可变长列,行中可变长列的数量表明偏移数组中只有两列/槽。SQL Server不维护行中尾随的空变长列的信息。
提示:您可以通过创建表来减少数据行的大小,方法是将通常存储null值的变长列定义为CREATE TABLE语句中的最后一列。这是CREATE TABLE语句中列的顺序惟一重要的情况。
固定长度的数据和内部属性必须适合单个数据页上可用的8060字节。如果不是这样,SQL Server不允许您创建表。例如,清单1-8中的代码产生了一个错误。