數(shù)據(jù)庫完整性：是指數(shù)據(jù)庫中數(shù)據(jù)在邏輯上的一致性、正確性、有效性和相容性

　　實體完整性（Entity Integrity 行完整性）：實體完整性指表中行的完整性。主要用于保證操作的數(shù)據(jù)（記錄）非空、唯一且不重復。即實體完整性要求每個關系（表）有且僅有一個主鍵，每一個主鍵值必須唯一，而且不允許為“空”（NULL）或重復。

　　域完整性（Domain Integrity 列完整性）：是指數(shù)據(jù)庫表中的列必須滿足某種特定的數(shù)據(jù)類型或約束。其中約束又包括取值范圍、精度等規(guī)定。表中的CHECK、FOREIGN KEY 約束和DEFAULT、 NOT NULL定義都屬于域完整性的范疇。

　　參照完整性（Referential Integrity）屬于表間規(guī)則：對于永久關系的相關表，在更新、插入或刪除記錄時，如果只改其一，就會影響數(shù)據(jù)的完整性。如刪除父表的某記錄后，子表的相應記錄未刪除，致使這些記錄稱為孤立記錄。

　　參照完整性規(guī)則（Referential Integrity）要求：若屬性組F是關系模式R1的主鍵，同時F也是關系模式R2的外鍵，則在R2的關系中，F的取值只允許兩種可能：空值或等于R1關系中某個主鍵值。

Sql Server的存儲結構，頁、區(qū)、堆

　　頁：用于數(shù)據(jù)存儲的連續(xù)的磁盤空間塊，SQL Server中數(shù)據(jù)存儲的基本單位是頁，磁盤I/O操作在頁級執(zhí)行，頁的大小為8KB。每頁的開頭是96字節(jié)的頁頭，用于存儲有關頁的系統(tǒng)信息，包括頁碼、頁類型、頁的可用空間以及擁有該頁的對象的分配單元ID；其他便是存儲數(shù)據(jù)的數(shù)據(jù)行與剩下可用空間，結構圖如下(個人繪制)

    區(qū)間：區(qū)是管理空間的基本單位，一個區(qū)是8個物理上連續(xù)的頁（即64KB)的集合，所有頁都存儲在區(qū)中。SQL Server有兩種類型的區(qū)：統(tǒng)一區(qū)和混合區(qū)。

        堆：堆是指不含聚集索引的表，它的數(shù)據(jù)不按任何順序進行存儲。

        聯(lián)系一個堆中的數(shù)據(jù)的唯一結構是被稱為索引分配映射（IAM）的一個位圖頁，當掃描對象時，SQl server使用IAM頁來遍歷該對象的數(shù)據(jù)。

　　 堆表內的數(shù)據(jù)頁和行沒有任何特定的順序，也不鏈接在一起。數(shù)據(jù)頁之間唯一的邏輯連接是記錄在IAM頁內的信息

假設某訂單明細表中有100萬條數(shù)據(jù)，需要查詢某個訂單的明細數(shù)據(jù)，如下：

select*fromT_EPZ_INOUT_ENTRY_DETAILwhereentry_apply_id='31227000034000090169'

如果在堆表中進行查詢，SQLServer通過掃描IAM頁對堆表進行全表掃描，對entry_apply_id比較100萬次，如果以entry_apply_id字段建立索引，則因為索引鍵值數(shù)據(jù)都必定以B-Tree有順序的擺放，所以可采用二分查找找數(shù)據(jù)。也就是2的N次方大于記錄數(shù)，就可以找到該條數(shù)據(jù)。而2的20次方大于100萬，因此最多找尋20次就可以找到該條記錄。20次與100萬次的比較，你可以輕松感受出性能的差異。

由此引出索引的概念

　　索引分為聚集索引與非聚集索引

　　聚集索引 ：聚集索引是指數(shù)據(jù)庫表行中數(shù)據(jù)的物理順序與鍵值的邏輯（索引）順序相同。一個表只能有一個聚集索引，因為一個表的物理順序只有一種情況，所以，對應的聚集索引只能有一個。如果某索引不是聚集索引，則表中的行物理順序與索引順序不匹配，與非聚集索引相比，聚集索引有著更快的檢索速度

　 非聚集索引：非聚集索引是一種索引，該索引中索引的邏輯順序與磁盤上行的物理存儲順序不同

　　聚集索引與非聚集索引的形象比喻

　　漢語字典的正文本身就是一個聚集索引。 比如，我們要查“安”字，就會很自然地翻開字典的前幾頁，因為“安”的拼音是“an”，而按照拼音排序漢字的字典是以英文字母“a”開頭并以“z”結尾的，那么“安”字就自然地排在字典的前部。如果您翻完了所有以“a”開頭的部分仍然找不到這個字，那么就說明您的字典中沒有這個字；同樣的，如果查“張”字，那您也會將您的字典翻到最后部分，因為“張”的拼音是“zhang”。也就是說，字典的正文部分本身就是一個目錄，您不需要再去查其他目錄來找到您需要找的內容。正文內容本身就是一種按照一定規(guī)則排列的目錄稱為“聚集索引”。每個表只能有一個聚集索引，因為目錄只能按照一種方法進行排序

　　如果您認識某個字，您可以快速地從自動中查到這個字。但您也可能會遇到您不認識的字，不知道它的發(fā)音，這時候，您就不能按照剛才的方法找到您要查的字，而需要去根據(jù)“偏旁部首”查到您要找的字，然后根據(jù)這個字后的頁碼直接翻到某頁來找到您要找的字。但您結合“部首目錄”和“檢字表”而查到的字的排序并不是真正的正文的排序方法，比如您查“張”字，我們可以看到在查部首之后的檢字表中“張”的頁碼是672頁，檢字表中“張”的上面是“馳”字，但頁碼卻是63頁，“張”的下面是“弩”字，頁面是390頁。很顯然，這些字并不是真正的分別位于“張”字的上下方，現(xiàn)在您看到的連續(xù)的“馳、張、弩”三字實際上就是他們在非聚集索引中的排序，是字典正文中的字在非聚集索引中的映射。我們可以通過這種方式來找到您所需要的字，但它需要兩個過程，先找到目錄中的結果，然后再翻到您所需要的頁碼。我們把這種目錄純粹是目錄，正文純粹是正文的排序方式稱為“非聚集索引”?！?/p>

　　如圖，表中存放的數(shù)據(jù)是雜亂無章的，沒有按照姓名進行排序。我們將數(shù)據(jù)的姓名提取出來按照姓名創(chuàng)建一個非聚集索引。索引中姓名是排好序的，且索引所占用的空間遠遠小于表中數(shù)據(jù)所占用的空間，當我們查詢表中某條數(shù)據(jù)時候，將不再進行全表掃描，而對索引進行掃描，得到想要的數(shù)據(jù)再定位到表中具體的數(shù)據(jù)?！　〉?在非聚集索引上，要掃描某個具體的姓名也得耗費一定的時間，進一步優(yōu)化，在其上面在加一個Non-leaf level (非葉節(jié)點)可以B樹算法快速的定位。極大的提高了查詢速度

　　　聚集索引的查詢就是按B樹查詢

　　   如何查詢表中的索引？　　　　

 inidex_id = 0 說明表中無索引 inidex_id = 1 表中為聚集索引， inidex_id = 2或者3.。。。。為非聚集索引?！　　　?/p>

運用索引遇到的問題以及技術

　　　　頁分裂、填充因子、碎片整理、索引統(tǒng)計

　　　　頁分裂：因為在非聚集索引中或者有序的數(shù)據(jù)中 如 在a b e f中要插入新的數(shù)據(jù) c ，那么c在物理順序中將放入f的后面，成為 a b e f c這樣變造成了頁分裂。 　　　　

　　　　可以用索引整理、或者在建表時定義填充因子(就是頁創(chuàng)建之初，讓每個頁存儲的數(shù)據(jù)占頁的比列)解決頁分裂的情況

dbcc showcontig(Tstudent,non_sname) --Tstudent表明，PK_TStudent索引名 ，查詢頁分裂情況  dbcc indexdefrag(schoolDB,Tstudent,non_sname)--索引整理  create nonclustered index non_sname on TStudent(sname) with drop_existing,fillfactor = 50--重建索引，并且制定填充因子  dbcc show_statistics(tstudent,non_sname)--查看索引統(tǒng)計  update statistics schooldb.dbo.tstudent --人工更新表中所有索引的統(tǒng)計  update statistics schooldb.dbo.tstudent non_sname --人工更新表中non_sname索引統(tǒng)計

　 在實際情況中，有時候不同索引會比用索引的速度更快，在運用索引查詢的時候，但是sql server工具會自動幫你判斷

總結

以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，如果有疑問大家可以留言交流，謝謝大家對VeVb武林網的支持。