mysql与orancl_Sql Server中的表访问方式Table Scan, Index Scan, Index Seek

Sql Server中的表访问方式Table Scan, Index Scan, Index Seek 0.参考文献 oracle表访问方式 Index Seek和Index Scan的区别以及适用情况 1.oracle中的表访问方式 在oracle中有表访问方式的说法，访问表中的数据主要通过三种方式进行访问： 全表扫描(full tab

Sql Server中的表访问方式Table Scan, Index Scan, Index Seek

0.参考文献

oracle表访问方式

Index Seek和Index Scan的区别以及适用情况

1.oracle中的表访问方式

在oracle中有表访问方式的说法，访问表中的数据主要通过三种方式进行访问：

全表扫描(full table scan)，直接访问数据页，查找满足条件的数据

通过rowid扫描(table access by rowid)，如果知道数据的rowid，那么直接通过rowid进行查找

索引扫描(index scan)，如果一个表创建了索引，那么可以通过索引来找出我们想要的数据在表中的存放位置，也就是rowid，通过返回rowid然后用rowid来进行访问具体数据。

而索引扫描中又可分为索引全扫描(index full scan)、索引范围扫描(index range scan)和索引唯一扫描(index unique scan)等。

2.sql server中clustered index scan,table scan,index scan

在sqlserver中也有类似的内容，这里就要将的是table scan，index scan以及index seek.

A table scan is where the table is processed row by row from beginning to end.

An index scan is where the index is processed row by row from beginning to end.

If the index is a clustered index then an index scan is really a table scan.

总结：在sql server中，对表中数据从头到尾一行一行的进行出来就是表扫描。这里的处理我们可以理解为sql中where子句的条件判断。我们需要遍历表中的每一行，判断是否满足where条件。最简单的table scan是select * from table。

索引扫描就是对索引中的每个节点从头到尾的访问。假设我们的索引是B树结构的，那么index scan就是访问B树中的每一个节点。

假如索引是聚集索引，那么B树索引的叶子节点保存的是数据页中的实际数据。假如索引是非聚集索引，那么B树叶子节点保存的是指向数据页的指针。

(ps：以下2.1-2.6于2012-9-4补充)

2.1实验数据准备

在介绍完clustered index scan，table scan和index scan以后，我们将通过实验来表述会在什么情况下使用这些表扫描方式。我们将使用AdventureWorks2008R2这个sample database进行实验，首先准备实验数据，TSQL如下所示：

View Code

--准备测试数据--------------------------------------------------

use adventureworks2008R2

go

--如果表已存在，删除

drop table dbo.SalesOrderHeader_test

go

drop table dbo.SalesOrderDetail_test

go

--创建表

select * into dbo.SalesOrderHeader_test

from Sales.SalesOrderHeader

go

select * into dbo.SalesOrderDetail_test

from Sales.SalesOrderDetail

go

--创建索引

create clustered index SalesOrderHeader_test_CL

on dbo.SalesOrderHeader_test (SalesOrderID)

go

create index SalesOrderDetail_test_NCL

on dbo.SalesOrderDetail_test (SalesOrderID)

go

--select * from dbo.SalesOrderDetail_test

--select * from dbo.SalesOrderHeader_test

declare @i int

set @i = 1

while @i<=9

begin

insert into dbo.SalesOrderHeader_test

(RevisionNumber, OrderDate, DueDate,

ShipDate,Status, OnlineOrderFlag, SalesOrderNumber,PurchaseOrderNumber,

AccountNumber, CustomerID, SalesPersonID, TerritoryID,

BillToAddressID, ShipToAddressID, ShipMethodID, CreditCardID,

CreditCardApprovalCode, CurrencyRateID, SubTotal,TaxAmt,

Freight,TotalDue, Comment,rowguid,ModifiedDate)

select RevisionNumber, OrderDate, DueDate,

ShipDate,Status, OnlineOrderFlag, SalesOrderNumber,PurchaseOrderNumber,

AccountNumber, CustomerID,SalesPersonID, TerritoryID,

BillToAddressID, ShipToAddressID, ShipMethodID, CreditCardID,

CreditCardApprovalCode, CurrencyRateID, SubTotal,TaxAmt,

Freight,TotalDue, Comment,rowguid,ModifiedDate

from dbo.SalesOrderHeader_test

where SalesOrderID = 75123

insert into dbo.SalesOrderDetail_test

(SalesOrderID, CarrierTrackingNumber, OrderQty, ProductID,

SpecialOfferID,UnitPrice,UnitPriceDiscount,LineTotal,

rowguid,ModifiedDate)

select 75123+@i, CarrierTrackingNumber, OrderQty, ProductID,

SpecialOfferID,UnitPrice,UnitPriceDiscount,LineTotal,

rowguid, getdate()

from Sales.SalesOrderDetail

set @i = @i +1

end

go

--数据准备完毕--------------------------------

2.2实验数据说明：

dbo.SalesOrderHeader_test里存放的是每一张订单的头信息，包括订单创建日期、客户编号、合同编号、销售员编号等，每个订单都有一个单独的订单号。在订单号这个字段上，有一个聚集索引。

dbo.SalesOrderDetail_test里存放的是订单的详细内容。一张订单可以销售多个产品给同一个客户，所以dbo.SalesOrderHeader_test和dbo.SalesOrderDetail_test是一对多的关系。每条详细内容包括它所属的订单编号，它自己在表格里的唯一编号(SalesOrderDetailID)、产品编号、单价，以及销售数量等。在这里，先只在SalesOrderID上建立一个非聚集索引。create index默认创建的就是非聚集索引。

按照AdventureWorks里原先的数据，dbo.SalesOrderHeader_test里有3万多条订单信息，dbo.SalesOrderDetail里有12万多条订单详细记录，基本上一条订单有3~5条详细记录。这是一个正常的分布。为了使数据分布不均匀，我们再在dbo.SalesOrderHeader_test里加入9条订单记录，它们的编号是从75124到75132。这是9张特殊的订单，每张有12万多条详细记录。也就是说，dbo.SalesOrderDetail_test里会有90%的数据属于这9张订单。主要是使用“select 75123+@i...”来搜索出Sales.SalesOrderDetail中的所有记录插入到dbo.SalesOrderDetail。一共执行9次。

2.3 table scan

本文原创发布php中文网，转载请注明出处，感谢您的尊重！