通过空间占用和执行计划了解SQL Server的行存储索引

1 索引介绍

索引是一种帮助查询语句能够快速定位到数据的一种技术。索引的存储方式有行存储索引、列存储索引和内存优化三种存储方式：

1. 行存储索引，使用B+树结构，行存储指的是数据存储格式为堆、聚集索引和内存优化表的表，用于OLTP场景。行存储索引按顺序排列的值列表，每个值都有指向其所在的数据页面的指针。
   • 聚集索引
   • 非聚集索引
   • 唯一索引
   • 筛选索引
2. 列存储索引，使用列结构存储，列存储指的是在逻辑上整理为包含行和列的表，实际上以列式数据格式存储的数据，用于OLAP场景。使用基于列的数据存储和查询处理。
   • 聚集列存储
   • 非聚集列存储
3. 内存优化索引，使用Bw树存储，Bw树使用一种“旋转”技术，更适合处理处理范围查询和随机插入/删除操作，适用于各种场景下的数据存储和查询。
   本文中我们讨论的索引就是行存储索引中的聚集索引和非聚集索引，不涉及其它索引。

Bw树使用一组新的旋转技术，支持更加高效的范围查询操作。而B+树则使用叶节点链表来处理范围查询。在B+树中，如果您需要范围查询，您需要遍历整个链表，这会增加查询的时间成本。相比之下，Bw树通过一些特殊的旋转操作，能够使得范围查询操作更加高效，从而显著提高查询性能。
假设需要查询数字在100到200之间的数据，那么B+树需要遍历相应的叶节点链表，而Bw树则可以使用一些特殊的旋转操作，跳过某些节点，快速定位到相应的数据范围，从而减少了查询的时间成本。
总体来说，Bw树在范围查询和随机操作等特殊情况下比B+树更加高效。但是对于其他类型的查询操作，它们的性能并没有很大的区别，具体的效果需要根据应用场景来进行具体分析。

2 行存储索引的数据组织结构

聚集索引和非聚集索引都是使用B+树结构组织的，最顶层称为根节点，中间层称为中间节点，最底层称为叶节点。在聚集索引中，叶节点包含了基础表的数据页，根节点和中间节点包含了索引行的索引页，每个索引行包含一个键值和一个指针，通过指针来找到某个叶节点的数据行。而在非聚集索引中，叶节点只包含了索引行的索引页，没有数据页，它的索引行中只有指针，通过指针来找到对应的堆表的RID或者聚集索引的数据页。

聚集索引决定了表中数据行的存储顺序（升序/降序），所以每张表只能有1个聚集索引，可以使用CREATE CLUSTERED INDEX来手动创建聚集索引，也可以是在建表时指定主键的方式来自动创建。
每张表可以有多个非聚集索引，可以针对不同的查询语句和业务场景来创建非聚集索引，只能是使用CREATE NONCLUSTERED INDEX来手动创建非聚集索引。

3 两种索引的空间占用对比

由于聚集索引的叶节点存储了是数据页，由中间节点存放了指针，而非聚集索引的叶节点存放了指针（行定位器），那通过B+树的构造，可以大概判断是非聚集索引要消耗的空间更多，因为非聚集索引要存放更多的指针信息（叶节点的数量肯定会比中间节点的数量多）。

3.1 使用sp_spaceused查看索引大小

1. 查看基础表order_line，目前行数1232537行，数据大小约80MB，未创建索引。
   使用exec sp_spaceused order_line命令查看。
   
2. 在order_line表的ol_w_id、ol_d_id、ol_o_id和ol_number列上创建聚簇索引 order_line_i1_clustered

   CREATE UNIQUE CLUSTERED INDEX [order_line_i1_clustered] ON [dbo].[order_line]
   (
   	[ol_w_id] ASC,
   	[ol_d_id] ASC,
   	[ol_o_id] ASC,
   	[ol_number] ASC
   )WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, SORT_IN_TEMPDB = OFF, IGNORE_DUP_KEY = OFF, DROP_EXISTING = OFF, ONLINE = OFF, ALLOW_ROW_LOCKS = OFF, ALLOW_PAGE_LOCKS = ON) ON [PRIMARY]
   GO   
   

3. 查看表的索引大小，约232KB，说明聚簇索引order_line_i1_clustered的大小为232KB-24KB=208KB。
   使用exec sp_spaceused order_line命令查看。
   
4. 在order_line表的ol_w_id、ol_d_id、ol_o_id和ol_number列上创建非聚簇索引order_line_i1_nonclustered

   CREATE UNIQUE CLUSTERED INDEX [order_line_i1_clustered] ON [dbo].[order_line]
   (
   	[ol_w_id] ASC,
   	[ol_d_id] ASC,
   	[ol_o_id] ASC,
   	[ol_number] ASC
   )WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, SORT_IN_TEMPDB = OFF, IGNORE_DUP_KEY = OFF, DROP_EXISTING = OFF, ONLINE = OFF, ALLOW_ROW_LOCKS = OFF, ALLOW_PAGE_LOCKS = ON) ON [PRIMARY]
   GO
   

5. 查看表的索引大小，约19MB，说明非聚簇索引order_line_i1_clustered的大小为18MB~19MB。
   使用exec sp_spaceused order_line命令查看。
   

3.2 使用DBCC查看索引大小

我们也可以通过另外一种方式来证明，通过查询索引ID，再使用dbcc ind将索引的所有页返回，然后再计算索引页的结果

1. 首先查看两个表的查询索引ID

    SELECT t.name AS TableName,i.name AS IndexName,i.index_id,i.type_desc
   FROM sys.dm_db_partition_stats AS s
   INNER JOIN sys.indexes AS i 
     ON s.object_id = i.object_id 
     AND s.index_id = i.index_id
   INNER JOIN sys.tables AS t 
     ON t.object_id = i.object_id
   WHERE t.name='order_line'
   

   
2. 将两个索引的DBCC IND结果输出到dbcc_ind_result表中，然后计算索引的大小

   CREATE TABLE dbcc_ind_result (
       PageFID int,
       PagePID int,
       IAMFID int,
       IAMPID int,
       ObjectID int,
       IndexID int,
       PartitionNumber int,
       PartitionID bigint,
       iam_chain_type varchar(30),
       PageType int,
       IndexLevel int,
       NextPageFID int,
       NextPagePID int,
       PrevPageFID int,
       PrevPagePID int
   );
   GO
   INSERT INTO dbcc_ind_result exec('DBCC IND(0,order_line,1)');
   GO
   INSERT INTO dbcc_ind_result exec('DBCC IND(0,order_line,5)');
   GO
   SELECT d.IndexID,i.name,COUNT(*)  AS PageCount,COUNT(*)*8 AS SizeKB
   FROM dbcc_ind_result d 
   INNER JOIN sys.indexes AS i 
   ON d.ObjectID = i.object_id 
   AND d.IndexID = i.index_id
   WHERE d.PageType=2 
   GROUP BY d.IndexID,i.name
   GO
   

   
   实验证明，在相同的列上，非聚集索引比聚集索引需要更多的空间来存放指针信息（行定位器），消耗更多的空间。

4 两种索引读取数据的方式

前文提到聚集索引的叶节点存放的是数据页，而非聚集索引叶节点存放的是指针来指向数据的位置，数据的位置可以是堆(head)的RID，也可以时聚集索引的叶节点。下面创建一张测试表来验证。

4.1 未创建索引时

1. 创建测试表，生产10000行测试数据

   DROP TABLE IF EXISTS dbo.Test1;
   CREATE TABLE dbo.Test1 (
       C1 INT,
       C2 INT);
   WITH Nums
   AS (SELECT TOP (10000)
           ROW_NUMBER() OVER (ORDER BY (SELECT 1)) AS n
       FROM master.sys.all_columns AS ac1
           CROSS JOIN master.sys.all_columns AS ac2)
   INSERT INTO dbo.Test1 (
       C1,
       C2)
   SELECT n,
          2
   FROM Nums;
   

2. 打开统计信息和执行计划功能， 从10000行中查询1行数据，例如查询C1列为1000的数据。
   

   SET STATISTICS TIME;
   SET STATISTICS IO;
   SELECT t.C1,t.C2
   FROM dbo.Test1 AS t
   WHERE C1 = 1000;
   

   执行后可以看到统计信息项，发生了22个逻辑读：
   • 表 'Test1'。扫描计数 1，逻辑读取 22 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。
   • 并且执行计划中使用了全表扫描，需要读取10000行数据。
     

4.2 创建非聚集索引后

在C1列创建1个非聚集索引后，再观察统计信息和执行计划是否发生变化

1. 创建非聚集索引

   CREATE NONCLUSTERED INDEX incl ON dbo.Test1(C1);
   

   创建非聚集索引的过程中，消耗了和前一个查询相同的资源，统计信息一样：
   • 表 'Worktable'。扫描计数 0，逻辑读取 0 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。
   • 表 'Test1'。扫描计数 1，逻辑读取 22 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。
2. 执行相同的查询语句，观察统计信息和执行计划
   这一次统计信息发生了变化，比没有索引的情况下消耗的逻辑读更少，只发生了3个逻辑读：
   • 表 'Test1'。扫描计数 1，逻辑读取 3 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。
   • 而执行计划则由Table SCAN变为了Index Seek和RID，先是扫描非聚集索引中特定范围的行，该行的指针信息为Bmk1000，再将该指针信息到堆中的RID，再返回数据，这个过程在表中只需要读取1行数据。
     

4.3 创建聚集索引后

在非聚集索引的基础上，我们再创建一个聚集索引，通过语句的执行计划来了解读取数据的方式。

1. 创建聚集索引

   CREATE CLUSTERED INDEX icl ON dbo.Test1(C1);
   

   创建聚集索引的过程中，产生的统计信息要比非聚集要多，消耗资源也要更多：
   • 表 'Test1'。扫描计数 1，逻辑读取 22 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。
   • 表 'Test1'。扫描计数 1，逻辑读取 24 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。
     再来看看执行计划，由于再4.2中创建了非聚集索引，执行计划里将创建聚集索引的操作拆成了两条语句，并且还是INSERT语句：
   • 查询1：首先还是对表进行了一次全表扫描，并且按照升序的方式进行了排序后，再将数据插入到聚集索引里面。这里对应的就是逻辑读取22次这条统计信息，完成了整个聚集索引的创建。
   • 查询2：然后对整个聚集索引扫描，并将非聚集索引的指针信息更新为聚集索引的叶节点。这里对应的就是逻辑读取24次这条统计信息，完成了整个非聚集索引的指针信息更新。
     
2. 再次执行相同的查询语句，消耗的逻辑读比非聚集索引要少，只需要2次逻辑读
   • 表 'Test1'。扫描计数 1，逻辑读取 2 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。
   • 执行计划也不再需要使用非聚集索引和堆的RID返回数据
     
3. 继续验证非聚集索引是否会通过聚集索引来返回数据，需要使用提示语法来固定语句使用非聚集索引。

   SELECT t.C1,t.C2
   FROM dbo.Test1 AS t WITH(INDEX = incl)
   WHERE C1 = 1000;
   

   发现这种读取数据的方式要消耗更多的逻辑读，比RID多了1次逻辑读，比聚集索引多了2次逻辑读：
   • 表 'Test1'。扫描计数 1，逻辑读取 4 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。
   • 执行计划中先到非聚集索引查找C1=1000所在的行，然后再将输出的指针信息Uniq1001到聚集索引中执行键值查找，返回数据。
     

5 行存储索引的基础总结

行存储索引的聚集索引和非聚集索引在生产环境上普遍都会使用到，在本文的基础上，我们进行简单总结。

1. 在数据组织结构上
   聚集索引的叶节点存储的是数据页，决定了表数据的排序方式；非聚集索引的叶节点存储的是指针（行定位器），有可能是堆的RID，也有可能是聚集索引的指针。
2. 在空间占用上
   聚集索引只需要很小的空间来存储数据页的信息和顺序；非聚集索引需要存储数据的指针，占用空间大。
3. 在读取数据的方式上
   聚集索引直接通过叶节点读取数据页；非聚集索引需要通过指针找到RID或者聚集索引的指针，再通过聚集索引查找键值。
4. 在逻辑读的次数上
   直接读聚集索引，逻辑读最小，测试逻辑读次数为2
   通过非聚集索引+RID，逻辑读居中，测试逻辑读次数为3
   通过聚集索引+非聚集索引，逻辑读最大，测试逻辑读次数为4
5. 在创建方式上
   聚集索引：创建主键时自动使用主键列为聚集索引，没有主键时可以通过CRAETE CLUSTERED INDEX 创建，可以指定多个列；每张表只能有1个聚集索引。
   非聚集索引：手动创建，通过CRAETE NONCLUSTERED INDEX 创建；每张表可以有多个非聚集索引。

---

本次仅对索引的基本知识进行介绍，后续再根据不同的使用场景来验证和说明。