数据库的存储结构（文件、记录的组织和索引技术）
                  by mysql存储文档沈燕然 0124141
利用课余时间自学了第6章《数据库存储结构》，对于数据库不同层次的存储结构，文件记录组织和索引技术有了一定的了解，在这篇札记中将会结合一些具体应用中涉及到的数据存储和索引知识，以及通过与过去学习过的一些数据结构比较来记录自己学习的心得体会。这些实例涉及不同的数据库系统，如Oracle, DB2和Mysql等等，它们之间会有一些差异。不过本文旨在探讨数据存储方面的问题，因而兼容并包地将其一并收入，凡是可能需要说明之处都会加上相应的注解。 ：）
1、 数据库（DBS）由什么组成？——逻辑、物理和性能特征
1、什么是数据库系统（DBS）——DBS用文件系统实现
在关系模型中，我们把DBS看成关系的汇集。DBS存在的目的就是为了使用户能够简单、方便、容易地存取数据库中的数据。因此在用户的眼中，数据库也就是以某种方式相关的表的集合。用户并不需要去关心表之间关系，更不需要了解这些表是怎样存储的。但是我们现在从DBA(数据库管理员)的角度来看，情况就比那稍稍复杂一点。实际的数据库包含许多下面列出的物理和逻辑对象：
∙ 表、视图、索引和模式 (确定数据如何组织)
∙ 锁、触发器、存储过程和包 (引用数据库的物理实现)
∙ 缓冲池、日志文件和表空间 (仅处理如何管理数据库性能)
2、什么是表空间？——表空间相当于文件系统中的文件夹。
表空间被用作数据库和包含实际表数据的容器对象之间的一层，表空间可以包含多个不同的表。用户处理的实际数据位于表中，他们并不知道数据的物理表示，这种情况有时被称为数据的物理无关性。
oracle数据库表空间的实例图
上图描述了一个ORACLE数据库大致的表空间组织，USER中存放主要的数据表,TEMP存放临时数据表,INDX存放索引,TOOLS存放回退段(RBS).
表空间在DB2数据库系统中是比较典型的说法，在Mysql等系统中也直接使用文件系统中文件夹的概念。新建一个表的时候可以指定它所在的表空间，至于用文件具体存储数据时如何存储这可能就是各个数据库系统的商业机密了，至少DB2是这样。另外值得关注的一点是不同于oracles对表空间的严格要求，Mysql的数据库形式相对比较简单，以文件夹的形式存放在安装目录的/data/下面，该数据库的每一个表对应两个文件，一个存放表中数据，另一个存放元数据信息，也就是建表时指明的列属性等等信息。
  3、文件中的记录在物理上如何实现？——文件组织形式
在外存中，DB以文件形式组织，而文件由记录组成。文件结构由OS的文件系统提供和管理。文件组织有两种方式——定长记录格式和变长记录格式。
那种格式更好？
定长记录格式——优点是插入操作较简单。
                缺点是对记录长度有硬性要求，而且有的记录可能横跨多个快，降低读写效率。
变长记录格式——优点是记录长度自由方便
                缺点是记录长度差异导致删除后产生大量“碎片”，记录很难伸长，尤其“被拴记录”移动代价相当大。
中庸之道——预留空间和指针方式
    记录长度大多相近——采用预留空间方法，取最大记录长为统一标准，在短记录多于空
间处填特定空值或记录尾标志符。
记录长度相差很大——采用指针形式（每纪录后的指针字段把相同属性值记录链接起来）。文件中使用两种块——固定块（存放每条链中第一条记录）和溢出块（存放其余纪录）。                                   
3、 记录在文件中怎样组织？
堆文件组织
记录可以放在文件的任何位置上，一般按输入顺序放置。记录的存储顺序与关键码没有直接的联系。删除操作只加删除标志，新插入记录总在文件尾。
顺序文件组织
 
如图所示，在这种组织中记录按查键值升序或降序的顺序存储。
                            散列文件组织
据记录的某个属性值通过散列函数求得得知作为记录的存储地址（即“块号”）。这个技术通常与索引技术连用。
什么是散列表中的冲突？（也称桶溢出）
    一个重要的考虑因素是采用散列表组织是有可能会发生冲突。
（1）概念
    　两个不同的关键字，由于散列函数值相同，因而被映射到同一表位置上。该现象称为冲突(Collision)或碰撞。发生冲突的两个关键字称为该散列函数的同义词(Synonym)。
  　【例】上图中的k2≠k5，但h(k2)=h(k5)，故k2和K5所在的结点的存储地址相同。
（2）安全避免冲突的条件
①其一是|U|≤m
②其二是选择合适的散列函数。
　    这只适用于|U|较小，且关键字均事先已知的情况，此时经过精心设计散列函数h有可能完全避免冲突。
（3）冲突不可能完全避免
    　通常情况下，h是一个压缩映像。虽然|K|≤m，但|U|>m，故无论怎样设计h，也不可能完全避免冲突。因此，只能在设计h时尽可能使冲突最少。同时还需要确定解决冲突的方法，使发生冲突的同义词能够存储到表中。
（4）影响冲突的因素
    　冲突的频繁程度除了与h相关外，还与表的填满程度相关。
    　设m和n分别表示表长和表中填人的结点数，则将α=n/m定义为散列表的装填因子(Load Factor)。α越大，表越满，冲突的机会也越大。通常取α≤1。
聚类文件组织
主要特点——一个文件存储多个关系的记录。不同关系有联系的记录存储在同一块内可以提高查速度和I/O速度。由这种组织的特性可以看出，它适用于大容量数据库中，可以用来提高查询效率。聚类文件管理由DBS实现，而前三种组织中文件的管理由OS来实现。
4、 索引技术
为什么要索引？实例分析1：Mysql 索引分析
假设我们创建了一个名为people的表：
CREATE TABLE people ( peopleid SMALLINT NOT NULL, name CHAR(50) NOT NULL );
然后，我们完全随机把1000个不同name值插入到people表。
可以看到，在数据文件中name列没有任何明确的次序。如果我们创建了name列的索引，MySQL将在索引中排序name列：
对于索引中的每一项，MySQL在内部为它保存一个数据文件中实际记录所在位置的“指针”。因此，如果我们要查name等于“Mike”记录的peopleid（SQL命令为“SELECT peopleid FROM people WHERE name='Mike';”），MySQL能够在name的索引中查“Mike”值，然后直接转到数据文件中相应的行，准确地返回该行的peopleid（999）。在这个过程中，MySQL只需处理一个行就可以返回结果。如果没有“name”列的索引，MySQL要扫描数据文件中的所有记录，即1000个记录！显然，需要MySQL处理的记录数
量越少，则它完成任务的速度就越快。——由此可见，索引可以大大提高DBS处理数据的速度！
索引分类                     
有序索引（ordered indices）：根据记录中牟中排序顺序建立的索引。
散列索引（hash indices）：根据记录中某个属性值，通过散列函数得到的函数，作为存储空间的桶号。
实例分析2：ORACLE数据库性能优化方案
Row-resequencing（行的重新排序）
  就象我们上面提到的，有经验的Oracle DBA都知道I/O是响应时间的最大组成部分。其中磁盘I/O特别厉害，因为当Oracle由磁盘上的一个数据文件得到一个数据块时，读的进程就必须等待物理I/O操作完成。磁盘操作要比数据缓冲慢10,000倍。因此，如果可以令I/O最小化，或者减少由于磁盘上的文件竞争而带来的瓶颈，就可以大大地改善Oracle数据库的性能。
  如果系统响应很慢，通过减少磁盘I/O就可以有一个很快的改善。如果在一个事务中通过按一定的范围搜索primary-key索引来访问表，那么重新以CTAS的方法组织表将是你减少I/O的首要策略。通过在物理上将行排序为和primary-key索引一样的顺序，就可以加快获得数据的速度。
  就象磁盘的负载平衡一样，行的重新排序也是很简单的，而且也很快。通过与其它的DBA管理技巧一起使用，就可以在高I/O的系统中大大地减少响应的时间。
  在高容量的在线事务处理环境中（online transaction processing，OLTP），数据是由一个primary索引得到的，重新排序表格的行就可以令连续块的顺序和它们的primary索引一样，这样就可以在索引驱动的表格查询中，减少物理I/O并且改善响应时间。这个技巧仅在应用选择多行的时候有用，或者在使用索引范围搜索和应用发出多个查询来得到连续的key时有效。对于随机的唯一primary-key（主键）的访问将不会由行重新排序中得到好处。
  让我们看一下它是如何工作的。考虑以下的一个SQL的查询，它使用一个索引来得到100行：
Select salary
from employee
where last name like ‘B%’
这个查询将会使用last_name_index，搜索其中的每一行来得到目标行。这个查询将会至少使用100次物理磁盘的读取，因为employee的行存放在不同的数据块中。
  不过，如果表中的行已经重新排序为和last_name_index的一样，同样的查询又会怎样处理呢？我们可以看到这个查询只需要三次的磁盘I/O就读完全部100个员工的资料（一次用作索引的读取，两次用作数据块的读取），减少了97次的块读取。
  重新排序带来的性能改善的程度在于在你开始的时候行的乱序性如何，以及你需要由序列中访问多少行。至于一个表中的行与索引的排序键的匹配程度，可以查看数据字典中的dba_indexes和dba_tables视图得到。
  在dba_indexes的视图中，查看clustering_factor列。如果clustering_factor的值和表中的块数目大致一样，那么你的表和索引的顺序是一样的。不过，如果clustering_factor 的值接近表中的行数目，那就表明表格中的行和索引的顺序是不一样的。
  行重新排序的作用是不可以小看的。在需要进行大范围的索引搜索的大表中，行重新排序可以令查询的性能提高三倍。
有序索引的分类：
索引文件由两个成份组成。索引和主文件。对主文件可以建立几套不同的索引。如果索引的查键值顺序与主文件一致，则称这种索引为主索引（聚类索引），如果不一致，则称这种索引为辅助索引（非聚类索引）。
主索引的实现
快捷但昂贵——稠密索引（dense index）我们可以看到每一个查键值（在图中即为学生姓名）都建立了一个索引记录，包括查键值和指向该值的记录链表中第一个记录指针。
之所以昂贵是因为需要维护所有指针，但也正是因为指针多才使得查方便而快捷。                                                       

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。