這篇文章主要給大家總結介紹了關於Sql Server的一些知識點定義文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨着小編來一起學習學習吧
數據庫完整性：是指數據庫中數據在邏輯上的一致性、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。主要用於保證操作的數據（記錄）非空、唯一且不重複。即實體完整性要求每個關係（表）有且僅有一個主鍵，每一個主鍵值必須唯一，而且不允許爲“空”（NULL）或重複。
域完整性（Domain Integrity 列完整性）：是指數據庫表中的列必須滿足某種特定的數據類型或約束。其中約束又包括取值範圍、精度等規定。表中的CHECK、FOREIGN KEY 約束和DEFAULT、 NOT NULL定義都屬於域完整性的範疇。
參照完整性（Referential Integrity）屬於表間規則：對於永久關係的相關表，在更新、插入或刪除記錄時，如果只改其一，就會影響數據的完整性。如刪除父表的某記錄後，子表的相應記錄未刪除，致使這些記錄稱爲孤立記錄。
參照完整性規則（Referential Integrity）要求：若屬性組F是關係模式R1的主鍵，同時F也是關係模式R2的外鍵，則在R2的關係中，F的取值只允許兩種可能：空值或等於R1關係中某個主鍵值。
Sql Server的存儲結構，頁、區、堆
頁：用於數據存儲的連續的磁盤空間塊，SQL Server中數據存儲的基本單位是頁，磁盤I/O操作在頁級執行，頁的大小爲8KB。每頁的開頭是96字節的頁頭，用於存儲有關頁的系統信息，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；其他便是存儲數據的數據行與剩下可用空間，結構圖如下(個人繪製)
區間：區是管理空間的基本單位，一個區是8個物理上連續的頁（即64KB)的集合，所有頁都存儲在區中。SQL Server有兩種類型的區：統一區和混合區。
堆：堆是指不含聚集索引的表，它的數據不按任何順序進行存儲。
聯繫一個堆中的數據的唯一結構是被稱爲索引分配映射（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據。
堆表內的數據頁和行沒有任何特定的順序，也不鏈接在一起。數據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100萬條數據，需要查詢某個訂單的明細數據，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，則因爲索引鍵值數據都必定以B-Tree有順序的擺放，所以可採用二分查找找數據。也就是2的N次方大於記錄數，就可以找到該條數據。而2的20次方大於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，你可以輕鬆感受出性能的差異。
由此引出索引的概念
索引分爲聚集索引與非聚集索引
聚集索引 ：聚集索引是指數據庫錶行中數據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，因爲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，聚集索引有着更快的檢索速度
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，因爲“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”開頭並以“z”結尾的，那麼“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，那麼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後部分，因爲“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則排列的目錄稱爲“聚集索引”。每個表只能有一個聚集索引，因爲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，不知道它的發音，這時候，您就不能按照剛纔的方法找到您要查的字，而需要去根據“偏旁部首”查到您要找的字，然後根據這個字後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”而查到的字的排序並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後的檢字表中“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，這些字並不是真正的分別位於“張”字的上下方，現在您看到的連續的“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，然後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爲“非聚集索引”。
如圖，表中存放的數據是雜亂無章的，沒有按照姓名進行排序。我們將數據的姓名提取出來按照姓名創建一個非聚集索引。索引中姓名是排好序的，且索引所佔用的空間遠遠小於表中數據所佔用的空間，當我們查詢表中某條數據時候，將不再進行全表掃描，而對索引進行掃描，得到想要的數據再定位到表中具體的數據。 但是 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，進一步優化，在其上面在加一個Non-leaf level (非葉節點)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 表中爲聚集索引， inidex_id = 2或者3.。。。。爲非聚集索引。
運用索引遇到的問題以及技術
頁分裂、填充因子、碎片整理、索引統計
頁分裂：因爲在非聚集索引中或者有序的數據中 如 在a b e f中要插入新的數據 c ，那麼c在物理順序中將放入f的後面，成爲 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(就是頁創建之初，讓每個頁存儲的數據佔頁的比列)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，並且制定填充因子 dbcc show_statistics(tstudent,non_sname)--查看索引統計 update statistics schooldb.dbo.tstudent --人工更新表中所有索引的統計 update statistics schooldb.dbo.tstudent non_sname --人工更新表中non_sname索引統計
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，謝謝大家對神馬文庫的支持。