SQL Server索引进阶：第五级，包含列
原文地址：
Stairway to SQL Server Indexes: Level 5, Included Columns
本文是SQL Server索引进阶系列（Stairway to SQL Server Indexes）的一部分。
之前的文章介绍了聚集索引和非聚集索引，包含下面几条很重要的内容:
- 表中的每一行在索引中总是有一个入口（这条规则有一个意外，在后面的级别中我们会讲到）。这些入口总是用索引键排序。
- 在聚集索引中，索引的入口就是表的实际行。
- 在非聚集索引中，入口和数据行是分开的，索引由索引键列和标签组成，标签是索引键列到表数据行的映射。
第三句的后半部分是正确的，但是不完整。今天我们将测试在非聚集索引中包括额外列的情况，这些额外列叫做“包含列”。在第六级中，将会测试标签的操作，我们将会看到SQL Server可能会单方面的给你的索引添加一些列。
包含列
在非聚集索引中有一些列，不是索引键的一部分，被叫做“包含列”。这些列不是键的一部分，不影响索引入口的排序。同样，我们将会看到，相比较键列，它们带来的消耗也较小。
在创建非聚集索引的时候，在索引列之外，需要单独的指定包含列，就像下面的一样。
CREATE NONCLUSTERED INDEX FK_ProductID_ ModifiedDate ON Sales.SalesOrderDetail (ProductID, ModifiedDate) INCLUDE (OrderQty, UnitPrice, LineTotal)
在上面的例子中，ProductID和ModifiedDate是索引键的列，OrderQty，UnitPrice和LineTotal是包含列。
如果我们不指定包含列，索引可能是下面的样子。
ProductID ModifiedDate Bookmark
Page n:
707 2004/07/25 =>
707 2004/07/26 =>
707 2004/07/26 =>
707 2004/07/26 =>
707 2004/07/27 =>
707 2004/07/27 =>
707 2004/07/27 =>
707 2004/07/28 =>
707 2004/07/28 =>
707 2004/07/28 =>
707 2004/07/28 =>
707 2004/07/28 =>
707 2004/07/28 =>
Page n+1:
707 2004/07/29 =>
707 2004/07/31 =>
707 2004/07/31 =>
707 2004/07/31 =>
708 2001/07/01 =>
708 2001/07/01 =>
708 2001/07/01 =>
708 2001/07/01 =>
708 2001/07/01 =>
708 2001/07/01 =>
708 2001/07/01 =>
708 2001/07/01 =>
708 2001/07/01 =>
708 2001/07/01 =>
但是，如果我们指定了包含列，索引就是下面的样子。
:- Search Key Columns -: :--- Included Columns ---: : Bookmark :
ProductID ModifiedDate OrderQty UnitPrice LineTotal
Page n-1:
707 2004/07/29 1 34.99 34.99 =>
707 2004/07/31 1 34.99 34.99 =>
707 2004/07/31 3 34.99 104.97 =>
707 2004/07/31 1 34.99 34.99 =>
708 2001/07/01 5 20.19 100.95 =>
Page n:
708 2001/07/01 1 20.19 20.19 =>
708 2001/07/01 1 20.19 20.19 =>
708 2001/07/01 2 20.19 40.38 =>
708 2001/07/01 1 20.19 20.19 =>
708 2001/07/01 2 20.19 40.38 =>
708 2001/12/01 7 20.19 141.33 =>
708 2001/12/01 1 20.19 20.19 =>
708 2002/01/01 1 20.19 20.19 =>
708 2002/01/01 1 20.19 20.19 =>
708 2002/01/01 1 20.19 20.19 =>
Page n+1:
708 2002/01/01 2 20.19 40.38 =>
708 2002/01/01 5 20.19 100.95 =>
708 2002/02/01 1 20.19 20.19 =>
708 2002/02/01 1 20.19 20.19 =>
708 2002/02/01 2 20.19 40.38 =>
你可能会问：“为什么要有包含列？为什么不简单的把OrderQty，UnitPrice和LineTotal加入索引键？”。把这些列加入索引，但是不作为索引键，有些面的好处：
- 这些列不是索引键的一部分，它们不会影响索引入口的排序。反过来，减少它们在索引中的消耗。举个例子，如果需要修改一行数据的ProductID或者ModifiedDate的值，这行在索引中对应的入口就会被重新分配。但是如果修改UnitPrice的值，只会更新索引的入口，但是不需要移动。
- 分配索引的入口带来的消耗会更小。
- 索引占用的空间会更小。
- 索引的分布统计的维护会更容易。
大部分的有点在后面的级别中会更有意义，后面我们会看到索引的内部结构，SQL Server为了优化查询而维护的一些额外信息。
决定一个索引列是否是索引键的一部分，还是只是一个包含列，在你做索引的决定的时候不是最重要的。也就是说，那些经常出现在select中的，而不是where子句中的列，最好是放在包含列中。
在第四级中，我们对于设计者在SalesOrderDetail表建立SalesOrderID/SalesOrderDetailID的聚集索引的决定表示支持。对于这张表的大部分查询都是有序的，或者是以订单分组的。但是，也有一部分的查询，可能是从仓库的工作人员发出的，会需要产品序列的信息。这些查询将会从本文开头创建的索引中受益。
为了说明包含列的带来的好处，我们看一下在SalesOrderDetail表执行的两个查询，每个查询会执行三次：
- 第一次，没有非聚集索引。
- 第二次，有非聚集索引，但是没有包含列，只有两个键列。
- 第三次，使用文章开头定义的非聚集索引，既有索引键，也有包含列。
和我们之前的文章一样，再次使用IO读取的次数作为主要的衡量指标，但是我们也是用SQL Server管理器的“显示实际的执行计划”选项来查看每次执行的执行计划。这给我们增加了一个衡量指标：消耗在非读取活动上的工作量所占的百分比，例如，在读取到内存之后，进行数据匹配的工作。这给我们一个，关于查询总共的消耗，更好的理解。
测试第一个查询：从产品角度产生的全部活动
查询语句如下
SELECT ProductID , ModifiedDate , SUM(OrderQty) AS 'No of Items' , AVG(UnitPrice) 'Avg Price' , SUM(LineTotal) 'Total Value' FROM Sales.SalesOrderDetail WHERE ProductID = 888 GROUP BY ProductID , ModifiedDate ;
因为索引影响的是查询的性能，而不是查询的结果。在三个不同索引下查询的结果都是下面的内容。
上面的8行结果，是在39行ProductID=888的基础上聚合而成的。在每次查询之前都需要做一些事前工作，还需要打开IO统计，SET STATISTICS IO ON.
IF EXISTS ( SELECT 1 FROM sys.indexes WHERE name = 'FK_ProductID_ModifiedDate' AND OBJECT_ID = OBJECT_ID('Sales.SalesOrderDetail') ) DROP INDEX Sales.SalesOrderDetail.FK_ProductID_ModifiedDate ; GO --RUN 1: Execute Listing 5.2 here (no non-clustered index) CREATE NONCLUSTERED INDEX FK_ProductID_ModifiedDate ON Sales.SalesOrderDetail (ProductID, ModifiedDate) ; --RUN 2: Re-execute Listing 5.2 here (non-clustered index with no include) IF EXISTS ( SELECT 1 FROM sys.indexes WHERE name = 'FK_ProductID_ModifiedDate' AND OBJECT_ID = OBJECT_ID('Sales.SalesOrderDetail') ) DROP INDEX Sales.SalesOrderDetail.FK_ProductID_ModifiedDate ; GO CREATE NONCLUSTERED INDEX FK_ProductID_ModifiedDate ON Sales.SalesOrderDetail (ProductID, ModifiedDate) INCLUDE (OrderQty, UnitPrice, LineTotal) ; --RUN 3: Re-execute Listing 5.2 here (non-clustered index with include)
三次查询的统计结果如下：
|
Run 1: No Nonclustered Index |
Table 'SalesOrderDetail'. Scan count 1, logical reads 1238. Non read activity: 8%. |
|
Run 2: Index – No Included Columns |
Table 'SalesOrderDetail'. Scan count 1, logical reads 131. Non read activity: 0%. |
|
Run 3: With Included Columns |
Table 'SalesOrderDetail'. Scan count 1, logical reads 3. Non read activity: 1%. |
从上面的结果可以看出：
- 第一次，需要全表扫描，每一行都会被读取，来判断是否满足查询的条件。
- 第二次，通过非聚集索引快速的定位，只有39次请求，但是还是要从表中获取其他列的信息。
- 第三次，非聚集索引包括了请求的全部信息，是一个最优的排序。直接跳到第一个入口，然后连续的读取39个入口，进行聚合计算，然后返回结果就行了。
测试第二个查询：从日期角度产生的全部活动
查询语句如下
SELECT ModifiedDate , ProductID , SUM(OrderQty) 'No of Items' , AVG(UnitPrice) 'Avg Price' , SUM(LineTotal) 'Total Value' FROM Sales.SalesOrderDetail WHERE ModifiedDate = '2003-10-01' GROUP BY ModifiedDate , ProductID ;
查询的结果如下
ProductID ModifiedDate No of Items Avg Price Total Value
----------- ------------ ----------- --------------------- ----------------
:
:
782 2003-10-01 62 1430.9937 86291.624000
783 2003-10-01 72 1427.9937 100061.564000
784 2003-10-01 52 1376.994 71603.688000
792 2003-10-01 12 1466.01 17592.120000
793 2003-10-01 46 1466.01 67436.460000
794 2003-10-01 37 1466.01 54242.370000
795 2003-10-01 22 1466.01 32252.220000
:
:
(164 row(s) affected)
where子句过滤到1492条满足条件的数据，分组之后产生164行结果。
查询的统计如下
|
Run 1: No Nonclustered Index |
Table 'SalesOrderDetail'. Scan count 1, logical reads 1238. Non read activity: 10%. |
|
Run 2: With Index – No Included Columns |
Table 'SalesOrderDetail'. Scan count 1, logical reads 1238. Non read activity: 10%. |
|
Run 3: With Included Columns |
Table 'SalesOrderDetail'. Scan count 1, logical reads 761. Non read activity: 8%. |
第一次和第二次查询的执行计划是相同的，都是全表扫描。具体原因在第四级中已经介绍过，where子句没有从非聚集索引中受益。同样的，每一组在表中都很分散，读取表的时候，需要读取每一行来查看匹配的组，这些操作会消耗处理器时间和内存。
第三次查询在索引中发现了所需要的全部信息，但是不想第一个查询，发现在索引中的行，不是连续的。
扫描索引，而不是扫描表，有两个好处：
- 索引占用的空间比表小，需要的读取更少。
- 行已经被分组，需要的非读取活动更少。
非读取活动，就是开启执行计划之后，执行完查询之后，在执行计划tab中显示的，除表扫描，索引扫描之外的活动，例如：计算标量，流聚合等等。
读取活动，就是执行计划中显示的扫描，表扫描，以及索引扫描。
结论
包含列使得非聚集索引可以覆盖各种查询，提高这些查询的性能，有时候是很吸引人的。包含列增加了索引的大小，增加了一些维护工作。在你创建非聚集索引的时候，尤其是包含外键的时候，问一问自己：“我应该在索引中增加哪些额外的列呢？”。
