深入理解Sqlserver文件存储之页和应用

我们每天都在使用数据库，我们部门使用最多的关系数据库有Sqlserver，Oracle，有没有想过这些数据库是怎么存放到操作系统的文件中的？有时候为了能够设计出最优的表结构，写出高性能的Sqlserver脚本，处理海量数据并发，我们必须解底层原理。由于个人兴趣最近研究了下Sqlserver的文件存储，由于水平有限，下面只讲解Sqlserver的最小存储单元-页。

什么是页，区？

什么会有一个页的概念，我们知道对于操作系统来说，文件可以认为是一个很大的线性空间，如果按地址空间顺序分配容量（也就是按段式存储），则有可能会造成很多的外部碎片，造成很多的容量很难再次使用，只有移动合并空间才能腾出更多的空间。例如：如下表所有，如果我现在要申请1024B字节的空间，显然下面的两个空间空间单个计算不够，合起来却是够用的的，只能移动合并空间。

8KB	512B	12KB	512B	8KB
已分配空间	空闲	已分配空间	空闲	已分配空间

表1

为了能够更好的利用磁盘空间，Sqlserver借鉴了操作系统的虚拟内存的概念，人为的将文件划分N个8KB的存储空间，这样每次分配时，都是按照8KB空间申请，就解决了外部碎片的问题，也就是说Sqlserver 中数据存储的基本单位，页的大小为8KB，每页的开头是96字节的标头用于存储有关页的存储信息，其中有页码、页类型、页的可用空间以及拥有该页对象的分配单元ID。上述的例子分配就成为下表所示:这样就解决了外部碎片问题。

业内分配	8kB	12KB		8KB	xxKB
页单元	8KB	8KB	8KB	8KB	空闲

表2

为什么会有区的概念，已经有了页的单位难道不够吗？主要是为了更好的管理这些空间，Sqlserver将每8个页划分为一个区（如下表所示）就像百元大钞代表着100个10元人民币一样，出去买很多东西时，用百元大钞比用很多1元钱要方面。

一个分区
页1	页2	页3	页4	页5	页6	页7	页8

表3

为了有个页有更具体的认识，下表为页头的结构：

 

图-1

行是怎么在页中存储的？

那么数据库中的数据到底是以什么样的形式存储在数据中的呢？Sqlserver是以行为单位存储的数据，也就是说表中的每条数据（每行数据为一个块）顺序存放在页中的，那么怎么找到行？也就是一行的开始地址和结束地址? Sqlserver在每页的末尾以2个字节为单位存放了每行的开始地址，这样我们就可以定位到行的开始，通过下一条的开始位置能够知道本条记录的结束位置，这样我们就可以取出这行数据了。

图-2

如图所示，如果我想取第二条数据，那么现将一页数据都读到内存中，然后从最后读取偏移为第3开始开始读取2个字节，怎么可以找到行2的开始位置，同理可以读取出行2的结束位置。

列是怎么在页中的存储？

现在我们已经读取到行了并且已经在内存里了，接下来怎么解析出一行中的所有列？也就是这些列是怎么存放的？数据库表中的列无非就两种情况：定长列、变长列。

首先假设只有定长列，那么很容易想到一样中的每列的之顺序存放就行了，因为是定长的，完全可以将每列的偏移放到另外一个地方单独存储，如果要取某个特定的列，每个列的位置很容易定位:如下表所示:

2字节	3字节	6字节	10字节	3字节	2字节
1	23	55	A	C	D

表-4

如果要取红色的数据，那么它的

 开始位置=（行开始位置）+ 2字节+3字节+6字节+10字节。

 结束位置= 开始位置 + 3字节。

其中每个列的长度完全可以用另一张表存放

列	1	2	3	4	5	6
长度（字节）	2	3	6	10	3	2

表-5

具体行结构的详细信息如下：

 

图-3

假如设计的表结构为 :

Col1	Col2	Col3	Col4
Char(5)(not null)	Int (null)	Char(3)(null)	Char(6)(not null)

表-6

在数据库中存放数据为:

Col1	Col2	Col3	Col4
‘ABCDE’	‘123’	‘null’	‘ccc ‘

表-7

则数据在数据库文件中数据以如下形式存在:

 

图-4

 

如果其中有变长列呢，这个结构又是怎么存储的？有变长列最大的不同就是每个列的长度是不定的（同一列，每行长度都不一样），也就是不能用另外一张表存放。那么我们只能把列的长度放在行内了。这样就解决了实际长度定位的问题，上面已经说过，sqlserver有一个行偏移矩阵。

如果我们定义的表结构如下：

Col1	Col2	Col3	Col4	Col5
Char(2)(not null)	Varchar(250)(not null)	Varchar(5)(null)	Varchar(20)(not null)	Small int (null)

表-8

假如这行数据为：

Col1	Col2	Col3	Col4	Col5
‘AAA’	RELICATE(‘X’,250)	null	‘ABC’	123

表-9

则数据在数据库中实际的存放形式为:

 

图-5

结论：

1.数据库列中尽量不用可空类型，当值为空时，实际不占用位置，并且也不能作为索引的键值。导致where语句中含有 is null 或者 is not null 时只能进行全表扫描，并且可空类型也容易导致空引用异常。

2．在设计列时，只有列长度确定的才用定长，比如身份证。其他情况基本上应该用varchar边长类型，不但节省空间的同时，一个页存放的数据会变多。导致同样的数据量读取页的次数变少，减少I/O，提高性能。

3.如图-1所示，聚簇索引不是按物理顺序存放的，是按逻辑物理顺序存放的（大多数人在这里会有误解。）

4.正常情况下不要使用varchar(max),因为这个列的数据肯定放不在一个页里，为了解决这个问题，sqlserver在列里只存放了一个指针。真正的数据放在了其他多个页里。每读取一行中的列都会至少多一次I/O，影响性能。

附注,参考资料：

(1) Microsoft SQL Server 2005技术内幕：存储引擎(中文)

(2)微软MSDN: http://msdn.microsoft.com/zh-cn/library/ms190969(v=sql.105).aspx