如何在SQL Server中选择聚集索引？

Question

通常在SQL Server Management Studio中，通过设置主键来创建聚集索引，但是我的最近一个关于PK <-> 聚集索引 (Meaning of Primary Key to Microsoft SQL Server 2008) 的问题表明，将PK和聚集索引设置为相等并非必要。

那么我们应该如何选择聚集索引呢？让我们看以下示例：

create table Customers (ID int, ...)
create table Orders (ID int, CustomerID int)

通常我们会在两个ID列上创建主键/唯一约束，但我考虑在CustomerID上为Orders创建它。这是最好的选择吗？

- usr

---

可能是SQL Server - 何时使用聚集索引和非聚集索引？的重复问题。 - Michael Freidgeim

Answer 1

根据索引女王Kimberly Tripp所说，她在聚集索引中主要关注以下几点：

• 唯一性
• 窄度
• 静态性

如果你还能保证：

• 递增模式

那么你就非常接近理想的聚集键了！

请查看她的整篇博客文章，以及另一篇有关聚集键对表操作影响的非常有趣的文章：聚集索引辩论继续。

像INT（特别是自动增量的INT）或可能是INT和DATETIME这样的字段是理想的候选项。出于其他原因，GUID不是好的选择 - 因此您可以将GUID作为PK，但不要在其上进行聚集 - 它将被碎片化并导致性能下降。

- marc_s

---

这些博客文章对于更新版本的SQL Server仍然同样相关吗？或者说，SQL Server 2008及以后的性能调整是否在某种程度上改变了最佳实践？ - Adrian Grigore

@AdrianGrigore：只要使用“普通”表（例如，不是数据仓库/列存储等），一切仍然有效。 - marc_s

@marc_s 感谢您的指南，我也读了Kimberly的文章，但我感到困惑，希望您能帮助我。她说使用默认的sequentialId() GUID是可以的，而您则表示它们根本不是好的选择。我在考虑是否在我的表上没有聚集索引或者在顺序GUID上有聚集索引。 - Mostafa

@Mostafa：Guids总是不好的，因为它们太大了（比bigint大两倍，比int大四倍）。使用newsequentialid()至少它们不是完全随机的——这比使用newid()要好，但仍然比int或bigint差。如果您必须出于某种原因使用guid，请确保将newsequentialid()用作该列的默认子句。但是，如果您可以的话，最好完全避免使用guid作为聚集键 - marc_s

我认为最大的问题是碎片化，甚至比大小更重要。 - Ernesto

Answer 2

最适合用作CLUSTERED索引的候选键是您最常用于引用记录的键。

通常，这是一个PRIMARY KEY，因为它用于搜索和/或FOREIGN KEY关系。

在您的情况下，Orders.ID很可能参与搜索和引用，因此它是最适合成为聚集表达式的候选者。

如果您在Orders.CustomerID上创建了CLUSTERED索引，则会发生以下事情：

1. CustomerID is not unique. To ensure uniqueness, a special hidden 32-bit column known as uniquifier will be added to each record.

2. Records in the table will be stored according to this pair of columns (CustomerID, uniquifier).

3. A secondary index on Order.ID will be created, with (CustomerID, uniquifier) as the record pointers.

4. Queries like this:

   SELECT  *
   FROM    Orders
   WHERE   ID = 1234567
   

   will have to do an external operation, a Clustered Seek, since not all columns are stored in the index on ID. To retrieve all columns, the record should first be located in the clustered table.

这个额外的操作需要与简单的Clustered Seek相同的IndexDepth数量的页面读取，其中IndexDepth是您的表中记录总数的O(log(n)).

- Quassnoi

Answer 3

如果您关心聚类，通常是为了帮助改善数据检索。在您的例子中，您可能想要一次获取给定客户的所有记录。按照客户ID进行聚类将使这些行保持在同一页上，而不是分散在文件的多个页面中。

ROT: 按照您想要显示的集合进行聚类。采购订单中的行项目是经典示例。

- No Refunds No Returns

---

采购订单上的行项目可能对于一个集群来说是个好主意，但如果典型订单中只有2或3个（或十几个）行项目，则不是。除非您要将要聚类在一起的行数增加到几十个或几百个，否则最好让SQL Server执行书签查找。我曾经有一个系统，业务需求是找到特定收银员班次期间发生的所有“行项目”（以查看他们是否平衡）。通过将“行项目”与Shift的id去规范化，然后在Shift上进行聚类，可以大大提高速度。 - Ian Boyd