艾銻知識(shí) |Sql Server的一些知識(shí)點(diǎn)定義總結(jié)

2020-03-11 20:24 作者：admin 瀏覽量：

 
在過(guò)去的一個(gè)多月,中國(guó)是世界最大的疫情受災(zāi)區(qū),受感染的人數(shù)和死亡人數(shù)是2003年非典的10多倍,這個(gè)數(shù)據(jù)讓全世界震驚,但好在中國(guó)的領(lǐng)導(dǎo)者當(dāng)即立刻,做出了ALL IN的行動(dòng),全力以赴的處理這一件事,當(dāng)舉國(guó)上下,所有人的意識(shí),焦點(diǎn),能量全都聚焦處理這一件事的時(shí)候,很快這種靠空氣就能傳播的新型冠狀病毒得到了很好的控制.
 
近期中國(guó)受感染的人數(shù)在持續(xù)下降,很多地區(qū)連續(xù)數(shù)日新增為零,但萬(wàn)萬(wàn)沒(méi)想到中國(guó)鄰近的一些國(guó)家有些人被感染,同時(shí)這些國(guó)家的領(lǐng)導(dǎo)人沒(méi)有能快速反應(yīng),導(dǎo)致這幾天在世界迅速的傳播開(kāi)來(lái),從幾個(gè)人擴(kuò)展到了近萬(wàn)人的規(guī)模,本來(lái)只有一兩個(gè)國(guó)家,但因?yàn)槿藬?shù)短時(shí)間的增長(zhǎng)和流動(dòng),現(xiàn)在已經(jīng)在34個(gè)國(guó)家和地區(qū)傳播開(kāi)來(lái),這將導(dǎo)致整個(gè)世界的經(jīng)濟(jì)降速和減緩,美國(guó)硅谷的全球最著名的互聯(lián)網(wǎng)公司全部放假在家辦公, 好萊塢的電影業(yè)也全部暫停,還有更多的行業(yè)在陸陸續(xù)續(xù)的停止中,這場(chǎng)全球性的疫情將會(huì)為世界的經(jīng)濟(jì)帶來(lái)巨大的挑戰(zhàn).
中國(guó)從剛開(kāi)始的疫情輸出國(guó)將很快變成疫情的輸入國(guó),所以我們接下來(lái)面臨的是更多的封閉性的政策,不然疫情就很難被徹底的控制,前幾天北京新增長(zhǎng)的幾個(gè)人全是從國(guó)外回來(lái)的,如果每個(gè)國(guó)家都開(kāi)始封閉,都開(kāi)始停止商業(yè)的運(yùn)作,經(jīng)濟(jì)就會(huì)快速下滑,當(dāng)世界的經(jīng)濟(jì)受到嚴(yán)重影響時(shí),中國(guó)作為世界第二大經(jīng)濟(jì)體,自然也會(huì)受到重創(chuàng).
 
受到最大影響的出口,中國(guó)向外出口主要有：
1．農(nóng)產(chǎn)品：以水產(chǎn)品、蔬菜、水果、花卉．畜產(chǎn)品、糧食和食用油籽等為主。
2．通信產(chǎn)品：電子信息與通信技術(shù)領(lǐng)域
3．鋼鐵：焦炭．鋼坯．鐵合金．鋼絲及制品等。
4．陶瓷
5．機(jī)電
6．服裝．紡織品
7．冶金原料
8．我國(guó)高新技術(shù)產(chǎn)品出口最多的4 類技術(shù)領(lǐng)域是計(jì)算機(jī)與通信技術(shù)、電子技術(shù)、生命科學(xué)技術(shù)、光電技術(shù)。
9．汽車零部件
10．能源產(chǎn)品：煤
這些行業(yè)是中國(guó)的主體行業(yè),有上億的勞動(dòng)者都在這些行業(yè)中,如果產(chǎn)能下降,直接導(dǎo)致的就是員工失業(yè)的問(wèn)題,這將是我們急切需要思考的,如何幫助全球快速控制疫情的擴(kuò)展,把我們的經(jīng)驗(yàn)分享給這些疫情增長(zhǎng)比較快的國(guó)家,從而讓全球開(kāi)始互幫互助.
 
只有全球疫情消失,世界的經(jīng)濟(jì)才能真正的恢復(fù),鐘南山院士說(shuō),全球疫情結(jié)束可能要到六月,其實(shí)他說(shuō)的非常保守,只有全球所有國(guó)家像中國(guó)一樣ALL IN 來(lái)處理這件事,才有可能六月結(jié)束全球疫情,如果不是這樣的話,今年也結(jié)束不了,因?yàn)樗膫鞑ニ俣忍炝?而且這種病毒它是一種細(xì)胞生命體,有生命體的細(xì)胞就具備變異的能力,一旦變異將會(huì)更難處理.
   
為什么中國(guó)能控制的這么好,大家看看自己的小區(qū)和出行就能明白,今天我們艾銻無(wú)限有位同事,進(jìn)地鐵的時(shí)候,測(cè)出了37度體溫,立刻就被地鐵站準(zhǔn)備好的專車送到了醫(yī)院全面檢查,當(dāng)然最后的結(jié)果是沒(méi)有任何問(wèn)題,可能是他趕地鐵狂奔后溫度升高的結(jié)果,但對(duì)于測(cè)量體溫的人來(lái)說(shuō)是,寧可錯(cuò)判一百,也不能放過(guò)一個(gè),花點(diǎn)錢,花點(diǎn)時(shí)間,都是小事,如果真是因?yàn)槭韬龃笠?最終放進(jìn)了一個(gè)新冠患者,那后果將會(huì)不堪設(shè)想,這也就是為什么中國(guó)能在這么大范圍的國(guó)家,這么多人口在疫情發(fā)展過(guò)程中這么快控制住的原因.也許這就是除中國(guó)以外的國(guó)家需要學(xué)習(xí)和效仿的.
   
之前我分享了八個(gè)字,可能很多人不太理解,萬(wàn)物同體,能量合一,今天的世界將不在是分離的狀態(tài),我們?cè)谕粋€(gè)星球,就像是同一個(gè)身體,如果我們身體某個(gè)部位出現(xiàn)了問(wèn)題,就會(huì)對(duì)全身造成破壞,所以一國(guó)有難,全球支援,我們不在是競(jìng)爭(zhēng)和對(duì)立的關(guān)系,我們彼此之間如果有競(jìng)爭(zhēng)也應(yīng)該是為了讓我們變得更好,我們是合一的整體,只有共同變好,才會(huì)讓彼此在這個(gè)星球中活的更長(zhǎng),活的更久.
   
祝福中國(guó),祝福世界,祝福我們這個(gè)美麗的星球,讓我們聯(lián)合起來(lái),真正的去踐行習(xí)主席提出的”人類命運(yùn)共同體”的愿景,讓我們的世界未來(lái)越來(lái)越好.
艾銻知識(shí) |Sql Server的一些知識(shí)點(diǎn)定義總結(jié)
數(shù)據(jù)庫(kù)完整性：是指數(shù)據(jù)庫(kù)中數(shù)據(jù)在邏輯上的一致性、正確性、有效性和相容性
　　實(shí)體完整性（Entity Integrity 行完整性）：實(shí)體完整性指表中行的完整性。主要用于保證操作的數(shù)據(jù)（記錄）非空、唯一且不重復(fù)。即實(shí)體完整性要求每個(gè)關(guān)系（表）有且僅有一個(gè)主鍵，每一個(gè)主鍵值必須唯一，而且不允許為“空”（NULL）或重復(fù)。
　　域完整性（Domain Integrity 列完整性）：是指數(shù)據(jù)庫(kù)表中的列必須滿足某種特定的數(shù)據(jù)類型或約束。其中約束又包括取值范圍、精度等規(guī)定。表中的CHECK、FOREIGN KEY 約束和DEFAULT、 NOT NULL定義都屬于域完整性的范疇。
　　參照完整性（Referential Integrity）屬于表間規(guī)則：對(duì)于永久關(guān)系的相關(guān)表，在更新、插入或刪除記錄時(shí)，如果只改其一，就會(huì)影響數(shù)據(jù)的完整性。如刪除父表的某記錄后，子表的相應(yīng)記錄未刪除，致使這些記錄稱為孤立記錄。
　　參照完整性規(guī)則（Referential Integrity）要求：若屬性組F是關(guān)系模式R1的主鍵，同時(shí)F也是關(guān)系模式R2的外鍵，則在R2的關(guān)系中，F(xiàn)的取值只允許兩種可能：空值或等于R1關(guān)系中某個(gè)主鍵值。
Sql Server的存儲(chǔ)結(jié)構(gòu)，頁(yè)、區(qū)、堆
　　頁(yè)：用于數(shù)據(jù)存儲(chǔ)的連續(xù)的磁盤空間塊，SQL Server中數(shù)據(jù)存儲(chǔ)的基本單位是頁(yè)，磁盤I/O操作在頁(yè)級(jí)執(zhí)行，頁(yè)的大小為8KB。每頁(yè)的開(kāi)頭是96字節(jié)的頁(yè)頭，用于存儲(chǔ)有關(guān)頁(yè)的系統(tǒng)信息，包括頁(yè)碼、頁(yè)類型、頁(yè)的可用空間以及擁有該頁(yè)的對(duì)象的分配單元ID；其他便是存儲(chǔ)數(shù)據(jù)的數(shù)據(jù)行與剩下可用空間，結(jié)構(gòu)圖如下(個(gè)人繪制)     區(qū)間：區(qū)是管理空間的基本單位，一個(gè)區(qū)是8個(gè)物理上連續(xù)的頁(yè)（即64KB)的集合，所有頁(yè)都存儲(chǔ)在區(qū)中。SQL Server有兩種類型的區(qū)：統(tǒng)一區(qū)和混合區(qū)。
        堆：堆是指不含聚集索引的表，它的數(shù)據(jù)不按任何順序進(jìn)行存儲(chǔ)。
        聯(lián)系一個(gè)堆中的數(shù)據(jù)的唯一結(jié)構(gòu)是被稱為索引分配映射（IAM）的一個(gè)位圖頁(yè)，當(dāng)掃描對(duì)象時(shí)，SQl server使用IAM頁(yè)來(lái)遍歷該對(duì)象的數(shù)據(jù)。
　　 堆表內(nèi)的數(shù)據(jù)頁(yè)和行沒(méi)有任何特定的順序，也不鏈接在一起。數(shù)據(jù)頁(yè)之間唯一的邏輯連接是記錄在IAM頁(yè)內(nèi)的信息
假設(shè)某訂單明細(xì)表中有100萬(wàn)條數(shù)據(jù)，需要查詢某個(gè)訂單的明細(xì)數(shù)據(jù)，如下：
?

1	select*fromT_EPZ_INOUT_ENTRY_DETAILwhereentry_apply_id='31227000034000090169'

如果在堆表中進(jìn)行查詢，SQLServer通過(guò)掃描IAM頁(yè)對(duì)堆表進(jìn)行全表掃描，對(duì)entry_apply_id比較100萬(wàn)次，如果以entry_apply_id字段建立索引，則因?yàn)樗饕I值數(shù)據(jù)都必定以B-Tree有順序的擺放，所以可采用二分查找找數(shù)據(jù)。也就是2的N次方大于記錄數(shù)，就可以找到該條數(shù)據(jù)。而2的20次方大于100萬(wàn)，因此最多找尋20次就可以找到該條記錄。20次與100萬(wàn)次的比較，你可以輕松感受出性能的差異。
由此引出索引的概念
　　索引分為聚集索引與非聚集索引
　　聚集索引 ：聚集索引是指數(shù)據(jù)庫(kù)表行中數(shù)據(jù)的物理順序與鍵值的邏輯（索引）順序相同。一個(gè)表只能有一個(gè)聚集索引，因?yàn)橐粋€(gè)表的物理順序只有一種情況，所以，對(duì)應(yīng)的聚集索引只能有一個(gè)。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，聚集索引有著更快的檢索速度
　 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(chǔ)順序不同
　　聚集索引與非聚集索引的形象比喻
　　漢語(yǔ)字典的正文本身就是一個(gè)聚集索引。 比如，我們要查“安”字，就會(huì)很自然地翻開(kāi)字典的前幾頁(yè)，因?yàn)?ldquo;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(kāi)頭并以“z”結(jié)尾的，那么“安”字就自然地排在字典的前部。如果您翻完了所有以“a”開(kāi)頭的部分仍然找不到這個(gè)字，那么就說(shuō)明您的字典中沒(méi)有這個(gè)字；同樣的，如果查“張”字，那您也會(huì)將您的字典翻到最后部分，因?yàn)?ldquo;張”的拼音是“zhang”。也就是說(shuō)，字典的正文部分本身就是一個(gè)目錄，您不需要再去查其他目錄來(lái)找到您需要找的內(nèi)容。正文內(nèi)容本身就是一種按照一定規(guī)則排列的目錄稱為“聚集索引”。每個(gè)表只能有一個(gè)聚集索引，因?yàn)槟夸浿荒馨凑找环N方法進(jìn)行排序
　　如果您認(rèn)識(shí)某個(gè)字，您可以快速地從自動(dòng)中查到這個(gè)字。但您也可能會(huì)遇到您不認(rèn)識(shí)的字，不知道它的發(fā)音，這時(shí)候，您就不能按照剛才的方法找到您要查的字，而需要去根據(jù)“偏旁部首”查到您要找的字，然后根據(jù)這個(gè)字后的頁(yè)碼直接翻到某頁(yè)來(lái)找到您要找的字。但您結(jié)合“部首目錄”和“檢字表”而查到的字的排序并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后的檢字表中“張”的頁(yè)碼是672頁(yè)，檢字表中“張”的上面是“馳”字，但頁(yè)碼卻是63頁(yè)，“張”的下面是“弩”字，頁(yè)面是390頁(yè)。很顯然，這些字并不是真正的分別位于“張”字的上下方，現(xiàn)在您看到的連續(xù)的“馳、張、弩”三字實(shí)際上就是他們?cè)诜蔷奂饕械呐判颍亲值湔闹械淖衷诜蔷奂饕械挠成洹Ｎ覀兛梢酝ㄟ^(guò)這種方式來(lái)找到您所需要的字，但它需要兩個(gè)過(guò)程，先找到目錄中的結(jié)果，然后再翻到您所需要的頁(yè)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為“非聚集索引”。　 　　如圖，表中存放的數(shù)據(jù)是雜亂無(wú)章的，沒(méi)有按照姓名進(jìn)行排序。我們將數(shù)據(jù)的姓名提取出來(lái)按照姓名創(chuàng)建一個(gè)非聚集索引。索引中姓名是排好序的，且索引所占用的空間遠(yuǎn)遠(yuǎn)小于表中數(shù)據(jù)所占用的空間，當(dāng)我們查詢表中某條數(shù)據(jù)時(shí)候，將不再進(jìn)行全表掃描，而對(duì)索引進(jìn)行掃描，得到想要的數(shù)據(jù)再定位到表中具體的數(shù)據(jù)。　　但是 在非聚集索引上，要掃描某個(gè)具體的姓名也得耗費(fèi)一定的時(shí)間，進(jìn)一步優(yōu)化，在其上面在加一個(gè)Non-leaf level (非葉節(jié)點(diǎn))可以B樹(shù)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(shù)查詢
　　   如何查詢表中的索引？　　　　  inidex_id = 0 說(shuō)明表中無(wú)索引 inidex_id = 1 表中為聚集索引， inidex_id = 2或者3.。。。。為非聚集索引。　　　　
運(yùn)用索引遇到的問(wèn)題以及技術(shù)
　　　　頁(yè)分裂、填充因子、碎片整理、索引統(tǒng)計(jì)
　　　　頁(yè)分裂：因?yàn)樵诜蔷奂饕谢蛘哂行虻臄?shù)據(jù)中 如 在a b e f中要插入新的數(shù)據(jù) c ，那么c在物理順序中將放入f的后面，成為 a b e f c這樣變?cè)斐闪隧?yè)分裂。 　　　　
　　　　可以用索引整理、或者在建表時(shí)定義填充因子(就是頁(yè)創(chuàng)建之初，讓每個(gè)頁(yè)存儲(chǔ)的數(shù)據(jù)占頁(yè)的比列)解決頁(yè)分裂的情況
?

1 2 3 4 5 6 7 8 9 10 11

dbcc showcontig(Tstudent,non_sname) --Tstudent表明，PK_TStudent索引名 ，查詢頁(yè)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，并且制定填充因子     dbcc show_statistics(tstudent,non_sname)--查看索引統(tǒng)計(jì)     update statistics schooldb.dbo.tstudent --人工更新表中所有索引的統(tǒng)計(jì)     update statistics schooldb.dbo.tstudent non_sname --人工更新表中non_sname索引統(tǒng)計(jì)

　 在實(shí)際情況中，有時(shí)候不同索引會(huì)比用索引的速度更快，在運(yùn)用索引查詢的時(shí)候，但是sql server工具會(huì)自動(dòng)幫你判斷