导航
  • 主页
  • 基础类
  • 应用实例
  • 新技术前沿

Clustered Index Scan與Clunstered Index Seek

jason_lu 2007-11-28 04:30:58
各位高手,小弟有個疑問
執行計劃中的Clustered Index Scan與Clunstered Index Seek有什麼分別?
...全文
386 点赞 收藏 6
写回复
6 条回复
切换为时间正序
当前发帖距今超过3年,不再开放新的回复
发表回复
w2jc 2007-12-05
保存
这些细节对优化查询很有用处!
回复
rouqu 2007-12-05
B 树、 B- 树、 B+ 树、 B* 树都是什么 [ZT]

B 树 即二叉搜索树:

1. 所有非叶子结点至多拥有两个儿子( Left 和 Right );

2. 所有结点存储一个关键字;

3. 非叶子结点的左指针指向小于其关键字的子树,右指针指向大于其关键字的子树;

B 树的搜索,从根结点开始,如果查询的关键字与结点的关键字相等,那么就命中;否则,如果查询关键字比结点关键字小,就进入左儿子;如果比结点关键字大,就进入右儿子;如果左儿子或右儿子的指针为空,则报告找不到相应的关键字;

如果 B 树的所有非叶子结点的左右子树的结点数目均保持差不多(平衡),那么 B 树的搜索性能逼近二分查找;但它比连续内存空间的二分查找的优点是,改变 B 树结构(插入与删除结点)不需要移动大段的内存数据,甚至通常是常数开销;

但 B 树在经过多次插入与删除后,有可能导致不同的结构:


右边也是一个 B 树,但它的搜索性能已经是线性的了;同样的关键字集合有可能导致不同的树结构索引;所以,使用 B 树还要考虑尽可能让 B 树保持左图的结构,和避免右图的结构,也就是所谓的“平衡”问题;

实际使用的 B 树都是在原 B 树的基础上加上平衡算法,即“平衡二叉树”;如何保持 B 树结点分布均匀的平衡算法是平衡二叉树的关键;平衡算法是一种在 B 树中插入和删除结点的策略;


B- 树

是一种多路搜索树(并不是二叉的):

1. 定义任意非叶子结点最多只有 M 个儿子;且 M>2 ;

2. 根结点的儿子数为 [2, M] ;

3. 除根结点以外的非叶子结点的儿子数为 [M/2, M] ;

4. 每个结点存放至少 M/2-1 (取上整)和至多 M-1 个关键字;(至少 2 个关键字)

5. 非叶子结点的关键字个数 = 指向儿子的指针个数 -1 ;

6. 非叶子结点的关键字: K[1], K[2], …, K[M-1] ;且 K < K[i+1] ;

7. 非叶子结点的指针: P[1], P[2], …, P[M] ;其中 P[1] 指向关键字小于 K[1] 的子树, P[M] 指向关键字大于 K[M-1] 的子树,其它 P 指向关键字属于 (K[i-1], K) 的子树;

8. 所有叶子结点位于同一层;

如:( M=3 )

B- 树的搜索,从根结点开始,对结点内的关键字(有序)序列进行二分查找,如果命中则结束,否则进入查询关键字所属范围的儿子结点;重复,直到所对应的儿子指针为空,或已经是叶子结点;

B- 树的特性:

1. 关键字集合分布在整颗树中;

2. 任何一个关键字出现且只出现在一个结点中;

3. 搜索有可能在非叶子结点结束;

4. 其搜索性能等价于在关键字全集内做一次二分查找;

5. 自动层次控制;

由于限制了除根结点以外的非叶子结点,至少含有 M/2 个儿子,确保了结点的至少利用率,其最底搜索性能为:


其中, M 为设定的非叶子结点最多子树个数, N 为关键字总数;

所以 B- 树的性能总是等价于二分查找(与 M 值无关),也就没有 B 树平衡的问题;

由于 M/2 的限制,在插入结点时,如果结点已满,需要将结点分裂为两个各占 M/2 的结点;删除结点时,需将两个不足 M/2 的兄弟结点合并;


B+ 树

B+ 树是 B- 树的变体,也是一种多路搜索树:

1. 其定义基本与 B- 树同,除了:

2. 非叶子结点的子树指针与关键字个数相同;

3. 非叶子结点的子树指针 P ,指向关键字值属于 [K, K[i+1]) 的子树( B- 树是开区间);

5. 为所有叶子结点增加一个链指针;

6. 所有关键字都在叶子结点出现;

如:( M=3 )

B+ 的搜索与 B- 树也基本相同,区别是 B+ 树只有达到叶子结点才命中( B- 树可以在非叶子结点命中),其性能也等价于在关键字全集做一次二分查找;

B+ 的特性:

1. 所有关键字都出现在叶子结点的链表中(稠密索引),且链表中的关键字恰好是有序的;

2. 不可能在非叶子结点命中;

3. 非叶子结点相当于是叶子结点的索引(稀疏索引),叶子结点相当于是存储(关键字)数据的数据层;

4. 更适合文件索引系统;

B* 树

是 B+ 树的变体,在 B+ 树的非根和非叶子结点再增加指向兄弟的指针;

B* 树定义了非叶子结点关键字个数至少为 (2/3)*M ,即块的最低使用率为 2/3 (代替 B+ 树的 1/2 );

B+ 树的分裂:当一个结点满时,分配一个新的结点,并将原结点中 1/2 的数据复制到新结点,最后在父结点中增加新结点的指针; B+ 树的分裂只影响原结点和父结点,而不会影响兄弟结点,所以它不需要指向兄弟的指针;

B* 树的分裂:当一个结点满时,如果它的下一个兄弟结点未满,那么将一部分数据移到兄弟结点中,再在原结点插入关键字,最后修改父结点中兄弟结点的关键字(因为兄弟结点的关键字范围改变了);如果兄弟也满了,则在原结点与兄弟结点之间增加新结点,并各复制 1/3 的数据到新结点,最后在父结点增加新结点的指针;

所以, B* 树分配新结点的概率比 B+ 树要低,空间使用率更高;


B 树:二叉树,每个结点只存储一个关键字,等于则命中,小于走左结点,大于走右结点;

B- 树:多路搜索树,每个结点存储 M/2 到 M 个关键字,非叶子结点存储指向关键字范围的子结点;

所有关键字在整颗树中出现,且只出现一次,非叶子结点可以命中;

B+ 树:在 B- 树基础上,为叶子结点增加链表指针,所有关键字都在叶子结点中出现,非叶子结点作为叶子结点的索引; B+ 树总是到叶子结点才命中;

B* 树:在 B+ 树基础上,为非叶子结点也增加链表指针,将结点的最低利用率从 1/2 提高到 2/3
回复
rouqu 2007-12-05
比如 你那索引列做连接条件和别的表join 应该是scan 如果做where 索引列>='xx'就做seek
回复
rouqu 2007-12-05
scan是索引扫描 也就是遍历B树 seek是B树查找
回复
luoqun_ncs 2007-12-05
index scan多半是出现在索引列在表达式中.数据库引擎无法直接确定你要的列的值,所以只能扫描整个整个索引进行计算.
index seek就要好很多.数据库引擎只需要扫描几个分支节点就可以定位到你要的记录.

回过来,因为你提到的是Clustered Index Scan.聚集索引的叶子节点就是记录.所以Clustered Index Scan就基本等同于full table scan.
回复
puremoon2008 2007-12-05
http://www.51cto.com/art/200704/44253.htm
回复
发动态
发帖子
MS-SQL Server
创建于2007-09-28

3.2w+

社区成员

MS-SQL Server相关内容讨论专区
申请成为版主
社区公告
暂无公告