Sql Server中的非聚集索引詳細介
非聚集索引，這個是大家都非常熟悉的一個東西，有時候我們由于業(yè)務原因，sql寫的非常復雜，需要join很多張表，然后就淚流滿面了。。。這時候就有DBA或者資深的開發(fā)給你看這個猥瑣的sql，通過執(zhí)行計劃一分析。。?；蛟S就看出了不該有的表掃描。。。萬惡之源。。。然后給你在關鍵的字段加上非聚集索引后。。。才發(fā)現提速比阿斯頓馬丁還要快。。。那么一個問題來了，為什么非聚集索引能提速這么快。。。怎么做到的？？？是不是非常的好奇？？？
這篇我們來解開神秘面紗。
一：現象
先讓我們一睹非聚集索引的真容，看看到底在執(zhí)行計劃看來是個什么玩意。。。我這里有個product表，里面灌了8w多數據，然后在Name列上建立
一個非聚集索引，就像下圖一樣：
從上圖中看到了兩個好玩的東西，一個就是我想看到的“索引查找[nonclustered]”，這個大家很熟悉，也是這篇要說的，然后我們還看到了一個“RID查找”，乍一看這是什么雞巴玩意。。。非聚集索引跟它扯上什么關系了？？？
二：什么是RID
通過前面幾篇，我想大家都知道了數據頁中的記錄是如何尋找的？秘密就是通過slot槽位中的偏移量決定的，那問題來了，如果上升到數據頁層面，我只需要（pageID：slotID）就可以找到記錄了，對不對？那如果我上升了文件層面，那是不是只需要知道（fileID:pageID:slotID)就可以找到數據頁中的 記錄了？其實這里的RID就是站在文件的高度通過(fileID:pageID:slotID)找到表記錄的。。。既RID=RowID=(fileID:pageID:slotID)，如果你非要眼見實的話，在sq中l(wèi)還真提供了這么個函數（sys.fn_PhysLocFormatter(%%physloc%%)），我們看下圖：
看了上面的圖，是不是很興奮，一目了然，比如productID=18088這條記錄，然來是在1號文件，34941號數據頁，0號槽位上，productID=18089是在1號槽位上，好了，當你知道RID是個什么東西的時候，我想你已經離徹底理解非聚集索引不遠啦。。。
三：非聚集索引
有一點我們肯定知道，就是非聚集索引是可以加速查找的，要是跟表掃描那樣的龜速，那也就失去了索引的目的，既然能加速，是因為它和聚集索引一樣，在底層都玩起了B樹，首先我們插入一些樣例數據。
DROP TABLE dbo.Person CREATE TABLE Person(ID INT IDENTITY,NAME CHAR(900)) CREATE INDEX idx_Person_Name ON dbo.Person(Name) DECLARE @ch AS INT=97 WHILE @ch<=122 BEGIN INSERT INTO dbo.Person VALUES(REPLICATE(CHAR(@ch),5)) SET @ch=@ch+1 END
上面的sql，我故意在Name列設置為900個char，這也是索引的上限值，這樣的話，我DBCC就可以導出很多數據頁和索引頁了。
可以看到，當我dbcc ind 的時候，發(fā)現Person表中已經有4個數據頁，5個索引頁，其中151號數據頁是表跟蹤頁，174號為索引跟蹤頁，這也就說明當我建立索引后，引擎給我們分配了專門的索引頁來存放我們建立的Name索引，那下一步就是我們來看看這些索引中都存放著什么，這也是我非常關心的，接下來我導出173號索引頁。
DBCC PAGE(Ctrip,1,173,1)
Slot 0, Offset 0x60, Length 912, DumpStyle BYTE Record Type = INDEX_RECORD Record Attributes = NULL_BITMAP Record Size = 912 Memory Dump @0x000000000EF1C060 0000000000000000: 16616161 61612020 20202020 20202020 †.aaaaa 0000000000000010: 20202020 20202020 20202020 20202020 † 0000000000000020: 20202020 20202020 20202020 20202020 † 0000000000000030: 20202020 20202020 20202020 20202020 † 0000000000000040: 20202020 20202020 20202020 20202020 † 0000000000000050: 20202020 20202020 20202020 20202020 † 0000000000000060: 20202020 20202020 20202020 20202020 † 0000000000000070: 20202020 20202020 20202020 20202020 † 0000000000000080: 20202020 20202020 20202020 20202020 † 0000000000000090: 20202020 20202020 20202020 20202020 † 00000000000000A0: 20202020 20202020 20202020 20202020 † 00000000000000B0: 20202020 20202020 20202020 20202020 † 00000000000000C0: 20202020 20202020 20202020 20202020 † 00000000000000D0: 20202020 20202020 20202020 20202020 † 00000000000000E0: 20202020 20202020 20202020 20202020 † 00000000000000F0: 20202020 20202020 20202020 20202020 † 0000000000000100: 20202020 20202020 20202020 20202020 † 0000000000000110: 20202020 20202020 20202020 20202020 † 0000000000000120: 20202020 20202020 20202020 20202020 † 0000000000000130: 20202020 20202020 20202020 20202020 † 0000000000000140: 20202020 20202020 20202020 20202020 † 0000000000000150: 20202020 20202020 20202020 20202020 † 0000000000000160: 20202020 20202020 20202020 20202020 † 0000000000000170: 20202020 20202020 20202020 20202020 † 0000000000000180: 20202020 20202020 20202020 20202020 † 0000000000000190: 20202020 20202020 20202020 20202020 † 00000000000001A0: 20202020 20202020 20202020 20202020 † 00000000000001B0: 20202020 20202020 20202020 20202020 † 00000000000001C0: 20202020 20202020 20202020 20202020 † 00000000000001D0: 20202020 20202020 20202020 20202020 † 00000000000001E0: 20202020 20202020 20202020 20202020 † 00000000000001F0: 20202020 20202020 20202020 20202020 † 0000000000000200: 20202020 20202020 20202020 20202020 † 0000000000000210: 20202020 20202020 20202020 20202020 † 0000000000000220: 20202020 20202020 20202020 20202020 † 0000000000000230: 20202020 20202020 20202020 20202020 † 0000000000000240: 20202020 20202020 20202020 20202020 † 0000000000000250: 20202020 20202020 20202020 20202020 † 0000000000000260: 20202020 20202020 20202020 20202020 † 0000000000000270: 20202020 20202020 20202020 20202020 † 0000000000000280: 20202020 20202020 20202020 20202020 † 0000000000000290: 20202020 20202020 20202020 20202020 † 00000000000002A0: 20202020 20202020 20202020 20202020 † 00000000000002B0: 20202020 20202020 20202020 20202020 † 00000000000002C0: 20202020 20202020 20202020 20202020 † 00000000000002D0: 20202020 20202020 20202020 20202020 † 00000000000002E0: 20202020 20202020 20202020 20202020 † 00000000000002F0: 20202020 20202020 20202020 20202020 † 0000000000000300: 20202020 20202020 20202020 20202020 † 0000000000000310: 20202020 20202020 20202020 20202020 † 0000000000000320: 20202020 20202020 20202020 20202020 † 0000000000000330: 20202020 20202020 20202020 20202020 † 0000000000000340: 20202020 20202020 20202020 20202020 † 0000000000000350: 20202020 20202020 20202020 20202020 † 0000000000000360: 20202020 20202020 20202020 20202020 † 0000000000000370: 20202020 20202020 20202020 20202020 † 0000000000000380: 20202020 20940000 00010000 00020000 † ...........
Row - Offset
7 (0x7) - 6480 (0x1950)
6 (0x6) - 5568 (0x15c0)
5 (0x5) - 4656 (0x1230)
4 (0x4) - 3744 (0xea0)
3 (0x3) - 2832 (0xb10)
2 (0x2) - 1920 (0x780)
1 (0x1) - 1008 (0x3f0)
0 (0x0) - 96 (0x60)
從上面至少可以發(fā)現三個有趣的現象：
<1>:173號索引頁中slot0和slot1槽位指向記錄的內容已經有序了，比如：aaaaa，bbbbb。。。。這樣。。。。原來非聚集索引也是有序呀。。。
<2>:6161616161就是16進制的aaaaa。
9400000001000000 ：這幾個數字非常重要，因為是16進制表示，所以2位16進制表示一個字節(jié)，所以可以這么解釋，前面4個字節(jié)表示
pageID，中間2個字節(jié)表示fileID，后面2個字節(jié)表示slot，看到這里你是不是想起了RID。。。因為RID就是這三樣的組合。。。原來非聚集索
引的記錄存放的就是“key+RowID”呀。。。。
<3>:通過最后的槽位列表，可以得知173號索引頁上存放著8條索引記錄。
好了，看完了葉子節(jié)點，我們再看分支節(jié)點，也就是IndexLevel=1的那條索引數據頁，也就是78號。ok，dbcc看看吧。
當看到這個列表的時候，不知道你腦子里面是不是有一幅圖出來了，就像上一篇看到聚集索引一樣，因為它的結構和聚集索引非常像，只不過非聚集索引這里多了一個RID而已。。。最后我也把圖貢獻一下。
總結一下：在走非聚集索引的時候，比如你的條件是where name='jjjjj' 時，它的邏輯是這樣的，根據78號索引數據頁的key的范圍，然后通過rowid走到了79號索引數據頁，然后在79號索引數據頁中順利的找到了jjjjj，這時候就可以拿出jjjjj的rowid去表數據頁中直接定位記錄，最后輸出。。。。。這個也就是博客開頭的地方為什么會出現RID的查找。。。
相關文章
今天想推薦大家嘗試使用第三方的組件和工具，典型的就是一款ICX數據庫路由。當然，我和這些工具的廠商也不熟，所以本文顯然不是廣告2013-10-10
SQL Server的三種備份類型詳解(完整、差異和事務日志備份)
SQL Server 提供了三種主要的備份類型,每種類型都有其特定的用途和特點,理解這些備份類型的區(qū)別對于設計有效的數據庫備份和恢復策略至關重要,下面小編將和大家一起深入探討這三種類型,需要的朋友可以參考下2025-06-06
Sql中將datetime轉換成字符串的方法(CONVERT)
這篇文章主要介紹了Sql中將datetime轉換成字符串的方法,需要的朋友可以參考下2014-04-04
Centos 7.3下SQL Server安裝配置方法圖文教程
這篇文章主要為大家詳細介紹了Centos 7.3下SQL Server安裝配置方法圖文教程，具有一定的參考價值，感興趣的小伙伴們可以參考一下2017-08-08
這篇文章主要給大家介紹了關于SQL SERVER日志進行收縮的相關資料，文中通過示例代碼介紹的非常詳細，對大家的學習或者使用SQL SERVER具有一定的參考學習價值，需要的朋友們下面來一起學習學習吧2019-10-10
SQL?Server跟蹤自動統計信息更新實戰(zhàn)指南
本文詳解SQL?Server自動統計信息更新的跟蹤方法,推薦使用擴展事件實時捕獲更新操作及詳細信息,同時結合系統視圖快速檢查統計信息狀態(tài),重點強調修改計數器與更新時間的關聯,以及異步更新的監(jiān)控需求,助力性能優(yōu)化與故障排查,感興趣的朋友快來一起學習吧2025-07-07
MERGE語句用于根據兩個表之間的條件來插入、更新或刪除記錄,本文主要介紹了SQLServer中MERGE語句的使用,具有一定的參考價值,感興趣的可以了解一下2024-08-08
Sql Server刪除數據庫時提示數據庫正在被使用的解決辦法
當您嘗試刪除SQL Server中的某個對象（如數據庫、表等）時,如果有程序或進程正在使用該對象,您可能會收到一個錯誤信息,提示該對象正被使用,所以本文給大家介紹了Sql Server刪除數據庫時提示數據庫正在被使用的解決辦法,需要的朋友可以參考下2024-05-05
這篇文章主要介紹了數據庫常用的sql語句匯總,需要的朋友可以參考下2020-02-02
取值窗口函數可以用于返回窗口內指定位置的數據行。本文主要介紹了SQL窗口函數之排名窗口函數的使用，具有一定的參考價值，感興趣的可以了解一下2022-04-04