SQL Server索引进阶：第四级，页和区
原文地址：
Stairway to SQL Server Indexes: Level 4, Pages and Extents
本文是SQL Server索引进阶系列（Stairway to SQL Server Indexes）的一部分。
在之前的级别中，我们分别在有索引和没有索引的表中执行查询，比较了他们需要做的工作。我们的主要度量标准是“login read逻辑读”。我们总是比较在有索引和没有索引的表执行查询的逻辑读。现在，是时候解释为什么“逻辑读”是一个优秀的度量标准，同时也解释了实际上读取了什么。
当你向SQL Server提交一个查询请求，它知道通过扫描表可以满足你的要求。SQL Server理解一个索引在什么情况下对查询有用，只是在使用索引比扫描表做的工作要少的时候。如果你被问到“SQL Server做了什么工作？”，答案就是“磁盘I/O”。一个查询需要的IO，是一个用来衡量查询消耗的，很好的指标。主要因为IO会消耗两个关键的资源：时间和内存。
扫描整张表所需要的IO，是一个经常被误解的度量标准，因为SQL Server读取的不是行，它读取的是页。读取一页比读取一行是更难的一个工作单元。
这一级会比较短，因为它只聚焦于SQL Server如何执行IO。理解SQL Server的IO是必要的，可以理解在查询的时候，为什么一些索引起作用，而另外一些索引没有起作用；还有为什么一些数据的修改会快于其他的数据；还有为什么一些索引的维护所需要的时间要比其他的索引少。简单来说，SQL Server的IO的基本知识是必要的，对于理解这个系列的其他文章是很必要的。
页
在你创建数据库的时候，你指定了数据文件的存放位置。SQL Server把这些文件看做是一个长的字符串。逻辑上，而不是物理上，被分作很多文件，每块儿的大小是8K。这些8K大小的块儿被叫做页。因此第一个8K的文件就是page#0，接下来就是page#1，等等。一页是最小的IO单元。SQL Server每次IO读写都至少是一页。如果需要读取或者写入多个连续的页，SQL Server也可能会在一次IO中进行操作。
一页不仅仅是一个IO的单元，也是一个所有权的单元。如果一页包含表TableA的一行数据，它就只会包含表TableA中的行数据。如果一页包含一个非聚集索引的一个入口，它就只会包含这个非聚集索引的入口。除了数据，每页还包含一些头部信息，还有一些偏移的指针，用来帮助SQL Server定位页中的单行数据，或者是页中的入口信息。
在前面的级别中，我们在看了一些有索引和没有索引的表的数据的顺序，下面是我们从页的角度看这些数据的顺序。
SalesOrderID SalesOrderDetailID ProductID OrderQty UnitPrice
Page n-1:
43668 106 722 3 178.58
43668 107 708 1 20.19
Page n:
43668 108 733 3 356.90
43668 109 763 3 419.46
43669 110 747 1 714.70
43670 111 710 1 5.70
43670 112 709 2 5.70
43670 113 773 2 2,039.99
43670 114 776 1 2,024.99
43671 115 753 1 2,146.96
43671 116 714 2 28.84
43671 117 756 1 874.79
Page n+1:
43671 118 768 2 419.46
43671 119 732 2 356.90
43671 120 763 2 419.46
43671 121 755 2 874.79
43671 122 764 2 419.46
43671 123 716 1 28.84
43671 124 711 1 20.19
43671 125 708 1 20.19
43672 126 709 6 5.70
43672 127 776 2 2,024.99
Page n+2:
43672 128 774 1 2,039.99
43673 129 754 1 874.79
43673 130 715 3 28.84
43673 131 729 1 183.94
逻辑的顺序和物理的顺序没有必须是相同的需要。上面的数据显示我们的数据跨了很多页n，n+1，n+2，n+3，也可能是n，n+9，n-5，n+2。逻辑和物理顺序之间的偏差被叫做“外部碎片”。相应的，一页的空闲空间所占的百分比被叫做“内部碎片”。在后面的级别中，我们会介绍更多这方面的细节。
同样也没有必要要求每一页都包含相同的行数。通常，在包含索引的表中进行正常的插入和删除活动，会导致表的每一页都包含几乎相同的行数。精确的说，每一页包含的数据量，按照bytes计算，是几乎相同的。如果一行或者索引的入口包含了可变长度的列，每一页的行数会发生变化，尽管每一页的数据量bytes保持不变。
每一行的大小=所有列的大小+行的头部信息。行的头部信息的大小依赖于很多因素，总结起来有下面几条：
- 每行6bytes字节的状态信息和长度信息。
- 每个固定长度的列占用1bit位的信息，向最近的字节数进行舍入。
- 如果包含可变长度的列，首先会占用4字节，然后每个可变长度的列都会额外占用2字节。
- 每行都有2字节的额外的偏移指针信息，位于页的尾部。
因为SalesOrderDetail表有可变长度的列，这些列的大小事先不能确定。但是平均每行使用95字节。因为每页8K字节，SalesOrderDetail表的每页大约75行数据，在上面的列子中每页只有10行数据，在后面，我们会介绍如何使用SQL Server的管理工具设置这些数值。
因此，尽管我们经常说SQL Server读取了多少行，其实是误导。SQL Server读取的不是行，读取的最小单位是页。SQL Server使用索引快读的访问行是一种误导的说法。正确的说法是，索引使得SQL Server快读的访问页，而不是行。一旦SQL Server往内存中加载一页或者更多的页，它会检查这些页，并且定位所需要的行。
分区
SQL Server在页之上还有一些逻辑的组，它把连续的8页叫做一个分区单元。正常来说，一个分区，和页一样，是一个所有权的单元。如果一个分区中的一页为表TableA或者索引IndexB所有，所有的8页也都为相同的所有者。一些非常小的表或者是索引除外，他们不能充满整个分区。在这种情况下，在同一个分区会出现多于一个的表或者索引。但是对大多数对象来说，分区还是一个所有权的单元。
因此，SQL Server不会通过表扫描来查询表中的所有数据，而是去读取表所有的页或者是分区。它知道会产生8K的IO，甚至是64K，或者更多，有可能是并行的。如果需要读取每一行的话，会产生很吓人的表扫描。
读取页和分区，不仅仅意味着，表扫描比我们预期的工作要少，也意味着，会从非聚集索引中受益。假设下面的查询，针对SalesOrderDetail表，请求大约覆盖了4%的数据。
| Query: | SELECT * FROM Sales.SalesOrderDetail WHERE ProductID = 712 |
| Clustered Index: | SalesOrderID / SalesOrderDetailID |
| Average Number of Rows per Page: | 75 |
| Nonclustered Index: | ProductID |
| Percentage of rows being requested: | 4% |
在每25行之后，就会有一行被选中，因为入口会根据包含ProductID的非聚集索引分组，用ProductID的非聚集索引定位行，看起来是个好主意。再好好想想。
由于聚集索引，表按照SalesOrderID/SalesOrderDetailID的顺序排列，而不是ProductID的顺序。因此，如果每页平均75行，查询请求25行之后的一行，每页可能包含3行所需的数据，几乎每一页至少被请求一次。换句话说，为了满足请求，每一页都会被读取。这就是一个表扫描，一次读取一个分区，甚至更多，平均每次读取都会包含24个请求。
使用SQL Server的新手都会说：“如何选择非聚集索引来使用？”目前为止，你有一个答案：“不要每页选择一行。”后面的内容将会使你的决定变得更准确，关于那些索引是好的，哪些不是好的，这样的选择。
结论
SQL Server读取的不是行，读取的单位是一页或者更多页。页，是最小的IO单元，每页的大小是8K。一个分区包含8个连续的页。通常情况，一个分区，和他的页，只包含一个对象（堆表或者索引表）的行和入口。因为大IO单元带来的效率，一个包含可用非聚集索引的查询更可选。
在第五级中，我们看一下你如何做可以增加非聚集索引给查询带来的好处，如何建立索引，使得你的索引可以覆盖多个查询。换句话说，下一级别会在你的索引中增加一些列。
