数据库索引的组织方式

❶ 在windows操作系统中,文件的组织形式是采用

文件的组织形式是采用树型结构。

树形数据结构是一类重要的非线性数据结构。树形数据结构可以表示数据表素之间一对多的关系。其中以树与二叉树最为常用，直观看来，树是以分支关系定义的层次结构。

树形数据结构明散耐在计算机领域中有着广泛应用，如在编译程序中，可用树来表示源程序的语法结构。 又如在数据库系统中，树形数据结构也是信息的重要组织形掘帆式之一。以及在文件管理中，多级目录结构就采用树形数据结构。

(1)数据库索引的组织方式扩展阅读：

windows操作系统中文件组织的方式包括：

顺序文件：顺序文件的物理结构最简单，在此结构中，从文件空间的起点开始，文件的各个记录顺序地存放在外存的连续区内，记录的物理顺序和逻辑顺序是完全一致的。

索引文件：索引文件分为索引顺序文件和索引非顺序文件。索引顺序文件，其记录的物理顺序和逻辑顺序相一致。记录按记录键的顺序存放，并带有索引。

直接文件：直接文件中记录的逻辑顺序与物理顺序不一定相同，但记录的键值直接指明该记录的地址，所以只要知道激春了记录键值，就能查找该记录的物理位置。

❷ 常见的文件组织形式有哪些

1、顺序文复件，是按照从头到尾制的顺序进行存取操作的，文件中的信息就象在一条长长的队列中排列一样。
2、索引文件是指在主文件之外再建立一个表示关键字与其物理记录之间对应关系的表，称为索引表。索引表与主文件共同构成索引文件。
3、直接存取文件又称为哈希（Hash）文件或散列文件，即利用哈希函数及其处理冲突的方法，把文件散列到外存上，通常是磁盘上。

对直接存取文件进行查找时，首先根据哈希函数先求出哈希地址，再将数据读入内存，然后在内存中进行顺序查找。直接存取文件不能进行顺序查找，但插入数据方便，存取速度快。

❸ 数据库索引的实现原理

数据库索引的实现原理
一、概述数据库索引，是数据库管理系统中一个排序的数据结构，以协助快速查询、更新数据库表中数据。索引的实现通常使用B树及其变种B+树。在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用(指向)数据，这样就可以在这些数据结构上实现高级查找算法。这种数据结构，就是索引。其实说穿了，索引问题就是一个查找问题。二、索引的原理当我们的业务产生了大量的数据时，查找数据的效率问题也就随之而来，所以我们可以通过为表设置索引，而为表设置索引要付出代价的：一是增加了数据库的存储空间，二是在插入和修改数据时要花费较多的时间(因为索引也要随之变动)。
上图展示了一种可能的索引方式。左边是数据表，一共有两列七条记录，最左边的是数据记录的物理地址(注意逻辑上相邻的记录在磁盘上也并不是一定物理相邻的)。为了加快Col2的查找，可以维护一个右边所示的二叉查找树，每个节点分别包含索引键值和一个指向对应数据记录物理地址的指针，这样就可以运用二叉查找在O(log2n)的复杂度内获取到相应数据。索引是建立在数据库表中的某些列的上面。在创建索引的时候，应该考虑在哪些列上可以创建索引，在哪些列上不能创建索引。一般来说，应该在这些列上创建索引：在经常需要搜索的列上，可以加快搜索的速度;在作为主键的列上，强制该列的唯一性和组织表中数据的排列结构;在经常用在连接的列上，这些列主要是一些外键，可以加快连接的速度;在经常需要根据范围进行搜索的列上创建索引，因为索引已经排序，其指定的范围是连续的;在经常需要排序的列上创建索引，因为索引已经排序，这样查询可以利用索引的排序，加快排序查询时间;在经常使用在WHERE子句中的列上面创建索引，加快条件的判断速度。创建索引可以大大提高系统的性能第一，通过创建唯一性索引，可以保证数据库表中每一行数据的唯一性。第二，可以大大加快数据的检索速度，这也是创建索引的最主要的原因。第三，可以加速表和表之间的连接，特别是在实现数据的参考完整性方面特别有意义。第四，在使用分组和排序子句进行数据检索时，同样可以显着减少查询中分组和排序的时间。第五，通过使用索引，可以在查询的过程中，使用优化隐藏器，提高系统的性能。也许会有人要问：增加索引有如此多的优点，为什么不对表中的每一个列创建一个索引呢?因为，增加索引也有许多不利的方面。创建索引的弊端第一，创建索引和维护索引要耗费时间，这种时间随着数据量的增加而增加。第二，索引需要占物理空间，除了数据表占数据空间之外，每一个索引还要占一定的物理空间，如果要建立聚簇索引，那么需要的空间就会更大。第三，当对表中的数据进行增加、删除和修改的时候，索引也要动态的维护，这样就降低了数据的维护速度。同样，对于有些列不应该创建索引。一般来说，不应该创建索引的的这些列具有下列特点：第一，对于那些在查询中很少使用或者参考的列不应该创建索引。这是因为，既然这些列很少使用到，因此有索引或者无索引，并不能提高查询速度。相反，由于增加了索引，反而降低了系统的维护速度和增大了空间需求。第二，对于那些只有很少数据值的列也不应该增加索引。这是因为，由于这些列的取值很少，例如人事表的性别列，在查询的结果中，结果集的数据行占了表中数据行的很大比例，即需要在表中搜索的数据行的比例很大。增加索引，并不能明显加快检索速度。第三，对于那些定义为text, image和bit数据类型的列不应该增加索引。这是因为，这些列的数据量要么相当大，要么取值很少。第四，当修改性能远远大于检索性能时，不应该创建索引。这是因为，修改性能和检索性能是互相矛盾的。当增加索引时，会提高检索性能，但是会降低修改性能。当减少索引时，会提高修改性能，降低检索性能。因此，当修改性能远远大于检索性能时，不应该创建索引。三、索引的类型根据数据库的功能，可以在数据库设计器中创建三种索引：唯一索引、主键索引和聚集索引。唯一索引唯一索引是不允许其中任何两行具有相同索引值的索引。当现有数据中存在重复的键值时，大多数数据库不允许将新创建的唯一索引与表一起保存。数据库还可能防止添加将在表中创建重复键值的新数据。例如，如果在employee表中职员的姓(lname)上创建了唯一索引，则任何两个员工都不能同姓。主键索引数据库表经常有一列或列组合，其值唯一标识表中的每一行。该列称为表的主键。在数据库关系图中为表定义主键将自动创建主键索引，主键索引是唯一索引的特定类型。该索引要求主键中的每个值都唯一。当在查询中使用主键索引时，它还允许对数据的快速访问。聚集索引在聚集索引中，表中行的物理顺序与键值的逻辑(索引)顺序相同。一个表只能包含一个聚集索引。如果某索引不是聚集索引，则表中行的物理顺序与键值的逻辑顺序不匹配。与非聚集索引相比，聚集索引通常提供更快的数据访问速度。四、局部性原理与磁盘预读由于存储介质的特性，磁盘本身存取就比主存慢很多，再加上机械运动耗费，磁盘的存取速度往往是主存的几百分分之一，因此为了提高效率，要尽量减少磁盘I/O。为了达到这个目的，磁盘往往不是严格按需读取，而是每次都会预读，即使只需要一个字节，磁盘也会从这个位置开始，顺序向后读取一定长度的数据放入内存。这样做的理论依据是计算机科学中着名的局部性原理：当一个数据被用到时，其附近的数据也通常会马上被使用。程序运行期间所需要的数据通常比较集中。由于磁盘顺序读取的效率很高(不需要寻道时间，只需很少的旋转时间)，因此对于具有局部性的程序来说，预读可以提高I/O效率。预读的长度一般为页(page)的整倍数。页是计算机管理存储器的逻辑块，硬件及操作系统往往将主存和磁盘存储区分割为连续的大小相等的块，每个存储块称为一页(在许多操作系统中，页得大小通常为4k)，主存和磁盘以页为单位交换数据。当程序要读取的数据不在主存中时，会触发一个缺页异常，此时系统会向磁盘发出读盘信号，磁盘会找到数据的起始位置并向后连续读取一页或几页载入内存中，然后异常返回，程序继续运行。五、B树和B+树数据结构1、B树B树中每个节点包含了键值和键值对于的数据对象存放地址指针，所以成功搜索一个对象可以不用到达树的叶节点。成功搜索包括节点内搜索和沿某一路径的搜索，成功搜索时间取决于关键码所在的层次以及节点内关键码的数量。在B树中查找给定关键字的方法是：首先把根结点取来，在根结点所包含的关键字K1,…,kj查找给定的关键字(可用顺序查找或二分查找法)，若找到等于给定值的关键字，则查找成功;否则，一定可以确定要查的关键字在某个Ki或Ki+1之间，于是取Pi所指的下一层索引节点块继续查找，直到找到，或指针Pi为空时查找失败。2、B+树B+树非叶节点中存放的关键码并不指示数据对象的地址指针，非也节点只是索引部分。所有的叶节点在同一层上，包含了全部关键码和相应数据对象的存放地址指针，且叶节点按关键码从小到大顺序链接。如果实际数据对象按加入的顺序存储而不是按关键码次数存储的话，叶节点的索引必须是稠密索引，若实际数据存储按关键码次序存放的话，叶节点索引时稀疏索引。B+树有2个头指针，一个是树的根节点，一个是最小关键码的叶节点。所以 B+树有两种搜索方法：一种是按叶节点自己拉起的链表顺序搜索。一种是从根节点开始搜索，和B树类似，不过如果非叶节点的关键码等于给定值，搜索并不停止，而是继续沿右指针，一直查到叶节点上的关键码。所以无论搜索是否成功，都将走完树的所有层。B+ 树中，数据对象的插入和删除仅在叶节点上进行。这两种处理索引的数据结构的不同之处：1、B树中同一键值不会出现多次，并且它有可能出现在叶结点，也有可能出现在非叶结点中。而B+树的键一定会出现在叶结点中，并且有可能在非叶结点中也有可能重复出现，以维持B+树的平衡。2、因为B树键位置不定，且在整个树结构中只出现一次，虽然可以节省存储空间，但使得在插入、删除操作复杂度明显增加。B+树相比来说是一种较好的折中。3、B树的查询效率与键在树中的位置有关，最大时间复杂度与B+树相同(在叶结点的时候)，最小时间复杂度为1(在根结点的时候)。而B+树的时候复杂度对某建成的树是固定的。六、B/+Tree索引的性能分析到这里终于可以分析B-/+Tree索引的性能了。上文说过一般使用磁盘I/O次数评价索引结构的优劣。先从B-Tree分析，根据B-Tree的定义，可知检索一次最多需要访问h个节点。数据库系统的设计者巧妙利用了磁盘预读原理，将一个节点的大小设为等于一个页，这样每个节点只需要一次I/O就可以完全载入。为了达到这个目的，在实际实现B-Tree还需要使用如下技巧：每次新建节点时，直接申请一个页的空间，这样就保证一个节点物理上也存储在一个页里，加之计算机存储分配都是按页对齐的，就实现了一个node只需一次I/O。B-Tree中一次检索最多需要h-1次I/O(根节点常驻内存)，渐进复杂度为O(h)=O(logdN)。一般实际应用中，出度d是非常大的数字，通常超过100，因此h非常小(通常不超过3)。而红黑树这种结构，h明显要深的多。由于逻辑上很近的节点(父子)物理上可能很远，无法利用局部性，所以红黑树的I/O渐进复杂度也为O(h)，效率明显比B-Tree差很多。综上所述，用B-Tree作为索引结构效率是非常高的。

❹ 空间数据库的组成部分

空间数据库指的是地理信息系统在计算机物理存储介质上存储的与应用相关的地理空间数据的总和，一般是以一系列特定结构的文件的形式组织在存储介质之上的。《空间数据库》范围及重点 1. 第一章：绪论 1) 空间数据库基本概念、组成部分、名称简写之间的联系与区别与联系； 答；利用当代的系统方法，在地理学、地图学原理的指导下，对地理空间进行科学的认识与抽象，将地理数据库化为计算机处理时所需的形式与结构，形成综合性的信息系统技术——空间数据库 或者SDBMS是海量SD的存储场所、提供SD处理与更新、交换与共享，实现空间分析与决策的综合系统。 组成：存储系统、管理系统、应用系统 是SDBS的简称 2) 目前空间数据库实现方案； 答：ORDBMS 3) GIS，RS与空间数据库之间的联系； 4) 常见的空间数据库产品 答：轻量级： MS的Access、FoxPro、 SUN的MySQL 中等：MS的SQL Server系列 重量级：Oracle的Oracle 不太熟悉的有： Sybase、Informix、DB2 、Ingress、 PostgreSQL（PG）等 5) 产生空间数据库的原因； 答：直接利用？ SD特征 ：空间特性 非结构化特征 空间关系特征 多尺度与多态性 海量数据特性 存在的问题：复杂图形功能：空间对象 复杂的空间关系 数据变长记录 6）空间数据库与普通关系数据库的主要区别。 答：关系数据库管理属性数据，空间数据采用文件库或图库形式；增加大二进制数据类型(BLOB)，解决变长数据存储问题；将空间数据/属性数据全部存放在数据库中；但空间特性由程序处理 2. 第二章：空间数据库模型 1) 如何理解空间数据库模型； 2) 空间数据及空间关系； „ (1) 空间数据类型 几何图形数据 影像数据 属性数据 地形数据 元数据：对空间数据进行推理、分析和总结得到的关于数据的数据， 数据来源、数据权属、数据产生的时间 数据精度、数据分辨率、元数据比例尺 地理空间参考基准、数据转换方法… (2) 空间关系 指地理空间实体之间相互作用的关系： 拓扑关系：形状、大小随投影改变。在拓扑变换下不变的拓扑变量，如相邻、包含、相交等，

反映空间连续变化的不变性 方位关系：地理空间上的排列顺序，如前后、上下、左右和东、南、西、北等方位 度量关系：距离远近等 3) 空间数据库如何建模； DB设计三步骤 ‹ Conceptual Data Model：与应用有关的可用信息组织、数据类型、联系及约束、不考虑细节、E-R模型 Logic Data Model 层次、网状、关系，都归为关系，SQL的关系代数(relational algebra, RA) Physical Data Model：解决应用在计算机中具体实现的各种细节，计算机存储、数据结构等 4) 模型之间如何转换？ 5) 可行的空间数据库建模方案。 面向对象的空间数据库模型GeoDatabase 3. 第三章：空间数据库存储与索引 1) 空间数据如何组织、存储的，采用什么技术或者方法； 为有效表达空间信息内容，空间数据必须按照一定的方式进行组织与存储：适合外存操作的数据结构、记录和文件的多种组织方式 SDB空间数据组织：数据项、记录、文件、数据库 SDB空间数据存储：二级存储器、缓冲区管理器、空间聚类(clustering)、空间索引 2) 空间近似与空间聚类； 目的：降低响应大查询的寻道时间和等待时间，在二级存储中空间上相邻的/查询上有关联的空间对象在物理上存放在一起， 内部聚类(internal clustering)：加快单个对象的访问，一个对象都存放在一个磁盘块（页面）；如超出则存放在连续扇区，本地聚类(local clustering)：加快多个对象访问。一组空间相邻对象存放在一个页面 空间聚类比传统聚类技术复杂。多维空间对象无天然的顺序 磁盘：一维存取，高维：将高维映射到一维， 一一对应，保持距离(distance preserving)：一一对应，容易；距离不变，近似，映射技术、Z序(z-order)、Hilbert曲线 3) 空间数据库性能提升的关键问题是什么？如何提升； 数据库索引，基于树：ISAM、B树、B 树等，基于Hash：静态、可扩展、线性等 4) 空间索引技术是什么？为什么产生？有哪些常见的空间索引；各有何特点及适用范围？ 依据空间对象的位置和形状或者空间对象之间的空间关系，按一定顺序排列的一种数据结构，介于空间操作算法和空间对象之间，通过筛选，大量与特定空间操作无关的空间对象被排除，提高效率，空间数据库关键的技术 空间索引产生的原因:空间数据的特点：空间定位、空间关系、多维、多尺度、海量、复杂，传统数据库索引处理的一维的字符、数字，对多维处理采用组合字段 1、基于二叉树的索引技术：二分索引树结构主要用于索引多维数据点；对复杂空间目标（线、面、体等）的索引却必须采用近似索引方法和空间映射技术 2、 基于B树的索引技术 ‹B树的变体如R树系列，外包矩形；对大型数据库具有出色表现；需要解决：减少区域重叠，提高搜索效率 3、基于哈希的网格技术

❺ mysql innodb 有哪些索引类型

1、B+树索引(O(log(n)))：关于B+树索引，可以参考 MySQL索引背后的数据结构及算法原理
2、hash索引：
a 仅仅能满足"=","IN"和"<=>"查询，不能使用范围查询
b 其检索效率非常高，索引的检索可以一次定位，不像B-Tree 索引需要从根节吵芦点到枝节点，最后才能访问到页节点这样多次的IO访问，所以 Hash 索引的缓凯查询效率要远高于 B-Tree 索引
c 只有Memory存储引擎显示支持hash索引
3、FULLTEXT索引（现在MyISAM和InnoDB引擎都支持了）
4、R-Tree索引（用于对GIS数据类型创升哪带建SPATIAL索引）

❻ 什么是数据库系统的体系结构

三级结构的组织形式称为数据库的体系结构或数据抽象的三个级别。这个结构是于1975年在美国ANSI/X3/SPARC（美国国家标准协会的计算机与信息处理委员会中的标准计划与需求委员会）数据库小组的报告中提出的。

1.1.4.1三级数据视图
数据抽象的三个级别又称为三级数据视图，是不同层次用户（人员）从不同角度所看到的数据组织形式。
(1) 外部视图 第一层的数据组织形式是面向应用的，是应用程序员开发应用程序时所使用的数据组织形式，是应用程序员所看到的数据的逻辑结构，是用户数据视图，称为外部视图。外部视图可有多个。这一层的最大特点是以各类用户的需求为出发点，构造满足其需求的最佳逻辑结构。
(2) 全局视图 第二层的数据组织形式是面向全局应用的，是全局数据的组织形式，是数据库管理人员所看到的全体数据的逻辑组织形式，称为全局视图，全局视图仅有一个。这一层的特点是对全局应用最佳的逻辑结构形式。
(3) 存储视图第三层的数据组织形式是面向存储的，是按照物理存储最优的策略所组织形式，是系统维护人员所看到的数据结构，称为存储视图。存储视图只有一个。这一层的特点是物理存储最佳的结构形式。
外部视图是全局视图的逻辑子集，全局视图是外部视图的逻辑汇总和综合，存储视图是全局视图的具体实现。三级视图之间的联系由二级映射实现。外部视图和全局视图之间的映射称为逻辑映射，全局视图和存储视图之间的映射称为物理映射。

1.1.4.2 三级模式
三级视图是用图、表等形式描述的，具有简单、直观的优点。但是，这种形式目前还不能被计算机直接识别。为了在计算机系统中实现数据的三级组织形式，必须用计算机可以识别的语言对其进行描述。DBMS提供了这种数据描述语言（Data Description Language 简记为DDL）。我们称用DDL精确定义数据视图的程序为模式（Scheme）。与三级视图对应的是三级模式。
（1） 子模式 定义外部视图的模式称外模式，也称子模式。它由对用户数据文件的逻辑结构描述以及和全局视图中文件的对应关系的描述组成，用DBMS提供的子模式DDL定义。一个子模式可以由多个用户共享，而一个用户只能使用一个子模式。
（2） 模式 定义全局视图的模式称逻辑模式，简称模式。它由对全局视图中全体数据文件的逻辑结构描述以及和存储视图中文件的对应关系的描述组成，用DBMS提供的模式DDL定义。逻辑结构的描述包括记录的型（组成记录的数据项名、类型、取值范围等），还有记录之间的联系，数据的完整性、安全保密要求等。
（3） 内模式 定义存储视图的模式称内模式，又称物理模式。它由对存储视图中全体数据文件的存储结构的描述和对存储介质参数的描述组成，用DBMS提供的内模式DDL定义。存储结构的描述包括记录值的存储方式（顺序存储、hash方法、B树结构等），索引的组织方式等。
三级模式的结构如图1.8所示。
三级模式所描述的仅仅是数据的组织框架，而不是数据本身。在内模式这个框架填上具体数据就构成物理数据库，它是外部存储器上真实存在的数据集合。模式框架下的数据集合是概念数据库，它仅是物理数据库的逻辑映像。子模式框架下的数据集合是用户数据库，它是概念数据库的逻辑子集。

❼ 在SQLServer中使用索引的技巧

在SQL Server中 为了查询性能的优化 有时我们就需要对数据表通过建立索引的方式 目的主要是根据查询要求 迅速缩小查询范围 避免全表扫描

索引有两种类型 分别是聚集索引(clustered index 也称聚类索引 簇集索引)和非聚集索引(nonclustered index 也称非聚类索引 非簇集索引)

聚集索引在一个表中只能有一个 默认情况下在主键建立的时候创建 它是规定数据在表中的物理存储顺序 我们也可以取消主键的聚集索引 所以必须考虑数据库可能用到的查询类型以及使用的最为频繁的查询类型 对其最常用的一个字段或者多个字段建立聚集索引或者组合的聚集索引 它就是SQL Server会在物理上按升序(默认)或者降序重排数据列 这样就可以迅速的找到被查询的数据

非聚集索主要是数据存储在一个地方 索引存储在另一个地方 索引带有指针指向数据的存储位置 索引中的项目按索返灶引键值的顺序存储 而表中的信息按另一种顺序存储 可以在一个表格中使用高达 个非聚集的索引 在查询的过程中先对非聚集索引进行搜索 找到数据值在表中的位置 然后从该位置直接检索数据 这使非聚集索引成为精确匹配查询的最佳方法 因为索引包含描述查询所搜索的数据值在表中的精确位置的条目卖哪

所以我们在选择创建聚集索引的时候要注意以下几个方面

) 对表建立主键时 就会为主键自动添加了聚集索引 如自动编号字段 而我们没有必要把聚集索引浪费在主键上 除非你只按主键查询 所以会把聚集索引设置在按条件查询频率最高的那个字段或者组合的字段

) 索引的建立要根据实际应用的需求来进行 并非是在任何字段上建立索引就能提高查询速度 聚集索引建立遵循下面几个原则

包含大量非重复值的列

使用下列运算符返回一个范围值的查询 BEEEN > >= < 和 <=

被连续访问的列

返回大型结果集的查询

经常被使用联接或 GROUP BY 子句的查询访问的列;一般来说 这些是外键列 对ORDER BY 或 GROUP BY 子句中指定的列进行索引 可以使 SQL Server 不必对数据进行排序 因为这些行已经排序 这样可以提高查询性能

OLTP 类型的应用程序 这些程序要求进行非常快速的单行查找(一般通过主键) 应在主键上创建聚集索引

举例来说 银行交易日志中对交易日期建立聚合索引 数据物理上按顺序存于数据页上 重复值也排列在一起 因而在范围查找时 可以先找到这个范围的起末点 且只在这个范围内扫描数据页 避免了大范围扫描 提高了查询速度 而如果我们对员工的基本信息表中性别的字段列上建立聚集索引 就完全没有必要 因为内容里只涉漏配扮及到 男 与 女 两个不同值

) 在聚集索引中按常用的组合字段建立索引 形成复合索引 一般在为表建立多个主键的时候就会产生 如果一个表中的数据在查询时有多个字段总是同时出现则这些字段就可以作为复合索引 这样能形成索引覆盖 提高where语句的查询效率

)索引对查询有一这的优化 但由于改变一个表的内容 将会引起索引的变化 频繁的对数据操作如insert update delete语句将导致系统花费较大的代价进行索引更新 引起整体性能的下降 一般来讲 在对查询性能的要求高于对数据维护性能要求时 应该尽量使用索引 有时在这种操作数据库比较频繁的某些极端情况下 可先删除索引 再对数据库表更新大量数据 最后再重建索引 新建立的索引总是比较好用

索引在使用了长久的时候 就会产生很多的碎片 查询的性能就会受到影响 这时候有两种方法解决 一是利用DBCC INDEXDEFRAG整理索引碎片 还有就是利用DBCC DBREINDEX重建索引

DBCC INDEXDEFRAG 命令是联机操作 所以索引只有在该命令正在运行时才可用 而且可以在不丢失已完成工作的情况下中断该操作 这种方法的缺点是在重新组织数据方面没有聚集索引的除去/重新创建操作有效

重新创建聚集索引将对数据进行重新组织 其结果是使数据页填满 填满程度可以使用 FILLFACTOR 选项进行配置 这种方法的缺点是索引在除去/重新创建周期内为脱机状态 并且操作属原子级 如果中断索引创建 则不会重新创建该索引

我们来看看索引重建使用的方法

语法 DBCC DBREINDEX ( [ TableName [ index_name [ fillfactor ] ] ] )

参数 TableName

是要重建其指定的索引的表名 数据库 所有者和表名必须符合标识符的规则 有关更多信息 请参见使用标识符 如果提供 database 或 owner 部分 则必须使用单引号 ( )

将整个 database owner table_name 括起来 如果只指定 table_name 则不需要单引号

index_name 是要重建的索引名 索引名必须符合标识符的规则 如果未指定 index_name 或指定为 就要对表的所有索引进行重建

fillfactor 是创建索引时每个索引页上要用于存储数据的空间百分比 fillfactor替换起始填充因子以作为索引或任何其它重建的非聚集索引(因为已重建聚集索引)的新默认值 如果 fillfactor 为 DBCC DBREINDEX 在创建索引时将使用指定的起始fillfactor

我们在查询分析器中输入如下的命令

DBCC DBREINDEX ( MyTable )

❽ oracle索引的分类

B树索引和位图索引是按照索引的组织方式来分类的。
B树是指索引的组织方式是以索引块为节点的B+树，位图索引是按照索引值排列的。
函数索引:
顾名思义，这是指对列值做了函数之后存储的一种索引方式;
聚簇索引和非聚簇索引:
这是按照索引与table的关系区分的，如果table中的内容按照索引的顺序存储，则该索引为聚簇索引，否则为非聚簇索引。
1.1
B-树索引
B-树索引在oracle中是一个通用索引,
在创建索引时它就是默认的索引类型.
B树索引可以是单列也可以是复合索引,
B-树索引最多可以包括32列.
树叶块包含了索引值/
ROWID,
以及前一个和后一个树叶块的数据块地址(DBA).
Oracle可以从两个方向遍历这个二叉树.
B-树索引保存了在索引列上有值的每个数据行的ROWID值.
Oracle不会对索引列上存有空值的行进行索引.
如果索引是多个列的组合索引,
而其中列上包含有空值,
这一行就会处于包含空值的索引列中,
且被处理为空.
1.2
位图索引
在位图索引中,oracle为每个唯一键创建一个位图,
然后把与键值所关联的ROWID保存为位图.
尽管位图索引最多可达30个列,
但通常他们都只用于少量的列.
对于多个B-树索引来说,
每个索引返回一组ROWID,
这组ROWID必须与其他索引所产生的ROWID范围进行比较.
每个结果集必须被比较,组合并再与其他结果集进行比较,
直到最终的结果集被确定.
由于在位图中只存储一次一个唯一列,
当列不是B-树索引的唯一列时就节省了很多空间.
在一个查询中合并多个B-树位图索引后,可以使性能显著提高.
位图索引使用固定长度的数据类型要比可变长度的数据类型好.
大的块也会提高对位图索引的存储和读取性能.
建议不要在一些联机事务处理(OLTP)应用程序中使用位图索引.
B-树索引的索引值中包含ROWID,
这样oracle就可以在行级别锁上锁定索引.
位图索引被存储为压缩的索引值,
其中包含了一个范围的ROWID.
因此Oracle必须对一个给定值锁定所有范围内的ROWID.
这种锁定可能在某些DML语句中造成死锁.
1.3
HASH索引
1.4
索引编排表
1.5
反转键索引
1.6
基于函数的索引
1.7
分区索引
分区索引(partitional
index)就是简单地把一个索引分成多个片段.
通过把一个索引分成多个片段,
您可以访问更小的片段.
并且可以把这些片段分别存储在不同的硬盘上(避免IO问题);
分区索引按照其前导列是否为分区字段可以区分为有前缀的索引和无前缀的索引两种.

❾ 数据库按数据的组织方式来分可以分为哪三种模型

数据模型按不同的应用层次分成三种类型，分别是概念数据模型、逻辑数据模型、物理数据模型

（1)概念数据模型（ConceptualDataModel):

简称概念模型，是面向数据库用户的实现世界的模型，主要用来描述世界的概念化结构，它使数据库的设计人员在设计的初始阶段，摆脱计算机系统及DBMS的具体技术问题.

集中精力分析数据以及数据之间的联系等，与具体的数据管理系统（Database Management System，DBMS)无关。概念数据模型必须换成逻辑数据模型，才能在DBMS中实现。

（2)逻辑数据模型（Logical Data Model):

简称数据模型，这是用户从数据库所看到的模型，是具体的DBMS所支持的数据模型，如网状数据模型（Network Data Model)、层次数据模型（Hierarchical Data Model)等。此模型既要面向用户，又要面向系统，主要用于数据库管理系统（DBMS)的实现。

（3)物理数据模型（Physical Data Model):

简称物理模型，是面向计算机物理表示的模型，描述了数据在储存介质上的组织结构，它不但与具体的DBMS有关，而且还与操作系统和硬件有关。每一种逻辑数据模型在实现时都有其对应的物理数据模型。

DBMS为了保证其独立性与可移植性，大部分物理数据模型的实现工作由系统自动完成，而设计者只设计索引、聚集等特殊结构。

(9)数据库索引的组织方式扩展阅读：

数据库模型

（1）对象模型

（2）层次模型（轻量级数据访问协议）

（3）网状模型（大型数据储存）

（4）关系模型

（5）面向对象模型

（6）半结构化模型

（7）平面模型（表格模型，一般在形式上是一个二维数组。如表格模型数据Excel)

数据库的架构可以大致区分为三个概括层次：内层、概念层和外层。

（1）内层：最接近实际存储体，亦即有关数据的实际存储方式。

（2）外层：最接近用户，即有关个别用户观看数据的方式。

（3）概念层：介于两者之间的间接层。

❿ 数据库系统都有哪三级模式结构其优点是什么

数据库系统的三级模式结构和优点如下：

（1）模式：模式也称逻辑模式或概念模式。

优点：是数据库中全体数据的逻辑结构和特征的描述,是所有用户的公共数据视图.

（2）外模式：外模式也称用户模式。

优点：它是数据库用户能够看见和使用的局部数据的逻辑结构和特征的描述,是数据库用户的数据视图,是与某一应用有关的数据的逻辑表示.外模式通常是模式的子集.

（3）内模式：内模式也称存储模式。

优点：一个数据库只有一个内模式.它是数据物理结构和存储方式的描述,是数据在数据库内部的表示方式。