SQL Server 查询优化（3）_索引的设计与使用

一、索引的作用
1、帮助检索数据；
2、提高联接效率；
3、节省ORDER BY、GROUP BY的时间；
4、保证数据唯一性（仅限于唯一索引）。

二、索引的设计
在确定要建立一个索引时，首先我们要确定它是聚集还是非聚集、单列还是多列、唯一还是非唯一、列是升序还是降序、它的存储是如何的，比如：分区、填充因子等。下面逐条来看：
1、聚集索引
（1）首先指出一个误区，主键并不一定是聚集索引，只是在SQL SERVER中，未明确指出的情况下，默认将主键定义为聚集，而ORACLE中则默认是非聚集，即堆表，因为SQL SERVER中的ROWID未开放使用。对于DML比较频繁的表，建立主键时，不建议指定聚集选项，使用堆表可获得更好的DML性能；
（2）聚集索引适合用于需要进行范围查找的列，因为聚集索引的叶子节点存放的是有序的数据行，查询引擎可根据WHERE中给出的范围，直接定位到两端的叶子节点，将这部分节点页的数据根据链表顺序取出即可；
（3）聚集索引尽量建立在值不会发生变更的列上，否则会带来非聚集索引的维护；
（4）尽量在建立非聚集索引之前建立聚集索引，否则会导致表上所有非聚集索引的重建；
（5）聚集索引应该避免建立在数值单调的列上，否则可能会造成IO的竞争，以及B树的不平衡，从而导致数据库系统频繁的维护B树的平衡性。聚集索引的列值最好能够在表中均匀分布；
（6）选择作为聚集索引的一个或多个字段，数据长度不要太大，否则会导致及非聚集索引占用更多的存储空间，降低非聚集索引遍历的效率；

2、非聚焦索引
（1）非聚集索引适合用于需要进行等值查找的列，因为非聚集索引的叶子节点存放的是有序的索引列与书签的映射行，查询引擎可根据WHERE中给出的值，得到书签，继而定位到数据行；
（2）覆盖索引（Covering Index），是非聚集索引的一种特殊且高效的应用，就是将需要返回的数据列设计成组合索引，在SELECT时只查询索引中存在的数据列，这样就能形成索引覆盖，因为索引行中已经包含了想到的数据，不需要再进行书签查找；
在SQL SERVER 2005及以上版本中，提供了INCLUDED关键字，可以在非聚集索引中包含更多列，也是覆盖索引的一个有效引申；
（3）非聚集索引建立在值具有单调性的列上，比如：自增列（单调递增），可以减少索引的外部碎片及索引结构的维护；

3、复合索引
（1）复合索引建立在多个列上。上面已经讲过，在非聚集索引中，可以利用覆盖索引来提高检索的效率，但如果组合索引的列太多的话，那么对于这个索引的维护成本也会加大，DML的效率将会下降，而且索引的查找路径会变长；
（2）在创建复合索引时，应该将高选择性的列放在前面，即作为引导列；

4、唯一索引
（1）再指出一个误区，聚集索引并不一定是唯一索引，由于SQL SERVER将主键默认定义为聚集索引，事实上，索引是否唯一与是否聚集是不相关的，聚集索引可以是唯一索引，也可以是非唯一索引；
（2）将索引设置为唯一，对于等值查找是很有利的，当查到第一条符合条件的纪录时即可停止查找，返回数据，而非唯一索引则要继续查找，同样，由于需要保证唯一性，每一行数据的插入都会去检查重复性；

5、分区索引
（1）SQL SERVER从2005引入的分区表的概念，对于在分区表上建立的索引，无论是否包含分区列，在未指定分区方案或文件组的情况下，均会使用分区表的分区方案来创建该索引。这一点与ORACLE正好相反；

6、其他索引
（1）筛选索引，在ORACLE中叫域索引，这是SQL SERVER 2008新增的功能，适用于表中数据密度不高的列来创建索引，比如：表中某列大多是NULL或某相同值，那么此时可通过WHERE关键字来筛选这些相同值来创建索引，这样在对非相同的值进行检索时，即可以用到这个索引；
（2）计算列索引，在ORACLE中叫函数索引，如果表中存在计算列，但想要对计算列进行检索，可在计算列上创建索引，但前提是必须要先持久化该计算列；
（3）索引视图，在ORACLE中叫物化视图，我们知道视图的数据都是来源于基础表，在SQL SERVER中对视图建立索引，事实上就对视图进行了物化，然后才创建索引，索引视图多用于静态数据的查询，毕竟物化视图的更新是比较麻烦的；
（4）位图索引，对BOOL型字段建立索引，在SQL SERVER中暂未提供这样的功能；
（5）XML索引，对XML列只能创建XML索引；
（6）全文索引，LOB类型列上无法建立普通索引，比如VARCHAR(MAX)、TEXT、IMAGE，如果需要检索可以考虑建立全文索引，当然全文索引也可以用在非LOB类型的列上；

7、索引参数
（1）填充因子，索引的叶子节点的填充程序，对于DML比较频繁的表，考虑预留一定的页空间，以避免过多的页拆分，但如果预留空间太大，会放大查询的成本。索引的中间节点如果也使用填充因子，可以打开PAD_INDEX选项；
（2）忽略重复键，这个选项通常用于去重处理，对于将要插入到表中的行，如果存在相同索引键，则抛弃；
（3）根据业务查询需要，决定列升序还是降序，通常对于单列索引存在正向或反向扫描，但在复合索引的非引导列中检索时，如果存在需要倒排的查询，则在建立索引时应选择降序；
（4）在索引的存储上，将聚集和非聚集索引定义在不同磁盘分区的文件组上，减少IO竞争，亦可利用多CPU并发，但目前通常都是RAID5+1（1备份5中的一块硬盘）的存储，数据存放本就已分散，这样做的意义并不是太大。

8、索引列选择
（1）参考[索引的作用]选择索引列，比如：如果表中存在外键，考虑在该列上建立索引，可增加参照完整性检查的速率，同样，如果存在连接，也可提高连接的速率；
（2）索引选择性公式：selectivity=unique keys/rows，一般当选择性低于0.1即10%时，查询优化器拒绝使用该索引，比如：BOOL类型的列。此处有一个矛盾，有可能我们无法知道当前列的selectivity，那么只能采用估算的方式，比如采用SQL SERVER 2005的TABLESAMPLE进行数据采样等；
（3）在面对一个多条件的查询时，应该选择过滤性较强的字段作为单列索引，或作为复合索引的引导列；
（4）在长度较小的数据类型上建立索引，这样每条索引存储所占用的空间就会变小，每个索引页上就能够存储更多的索引行，缩短索引查找的路径；
（5）不要在一个表上建立太多的索引，索引的维护会影响DML的效率；

三、索引的使用
1、避免无效搜索表达式
（1）WHERE条件中将索引列放在表达式中：如fun(c1) = 1,c1+c2 = 2等；
（2）索引列在未知数值起点的LIKE运算符中：如Like ‘%abc’或like ‘%abc%’；
（3）包含否定运算符的表达式，如：<>、not in/exists/like；
（4）NULL表达式，如：is null、is not null；
总之，无法让检索值与索引值，进行比较运算的表达式，都为无效搜索表达式。

2、复合索引的引导列
比如复合索引列为(c1,c2,c3)，则在WHERE条件中必须指定c1，才会用到该复合索引；

以上两点总的原则就是：构造索引查找，避免索引扫描，我们通常所说的：能不能用到索引，也应该是指索引查找，而不是索引扫描。

3、尽量使用等值运算符
比如在使用WHERE c1>1时，SQL SERVER会尽量去将它转会为WHERE c1>=2(如果整形的话)，以给索引查找一个起点，如果无法隐式转换为>=，则会以c1>=1为起点，查找完成后再踢除=1的数据；

4、表达式的顺序
在WHERE条件中包含多个表达式时，应该将过滤性最强的表达式放在靠近WHERE的位置，通常这样的表达式中的列，也会选择在上面建立索引，因为在一个WHERE子句中只有一个表达式是可以使用索引的，其他的表达式都是基于索引查找结果集的过滤，所以应尽量保证有效索引的使用。尽管查询优化器会去识别，然后自动去重排表达式的顺序，但我们应该养成一个好的习惯。