Question

考虑这个示例表（假设SQL Server 2005）：

create table product_bill_of_materials
(
    parent_product_id int not null,
    child_product_id int not null,
    quantity int not null
)

我正在考虑一个包含两个product_id列的复合主键（我肯定想要一个唯一约束）而不是一个单独的唯一ID列。从性能的角度来看，问题是主键是否应该聚类？

我是否还应该在每个ID列上创建一个索引，以便更快地查找外键？我相信这个表在读取上会比写入更多。

Answer 1

正如其他几个人已经说过的那样，这取决于你将如何访问该表。但请记住，只要该列首先出现，那里的任何RDBMS都应该能够使用聚簇索引进行单列搜索。例如，如果您的聚集索引处于打开状态（parent_id，child_id），则不需要在（parent_id）上使用另一个单独的索引。

你最好的选择可能是（parent_id，child_id）上的聚集索引，它也恰好是主键，在（child_id）上有一个单独的非聚集索引。

最终，在了解了如何访问数据库之后，应该解决索引问题。如果可以的话，想出一些标准的性能压力测试，然后使用分析工具（SQL Profiler for SQL Server）和性能调整来分析行为。如果您没有提前做到这一点的专业知识或知识，那么请尝试（希望有限）发布应用程序，收集性能指标，并查看提高性能所需的位置并找出哪些索引有助于

如果你做得对，你应该能够捕获数据库访问方式的“典型”配置文件，然后在尝试各种索引方法时，可以在测试服务器上反复重新运行。

在你的情况下，我可能只是在（parent_id，child_id）上放置一个聚簇PK，然后只有当我看到一个可以帮助它的性能问题时才添加非聚集索引。

Answer 2

“您最常查询的内容”不一定是选择群集索引的最佳理由。最重要的是您查询获取多行的内容。聚类是一种适合于在最少数量的磁盘读取中获得多行的策略。

最好的例子是客户的销售历史。

假设您在Sales表上有两个索引，一个在Customer上（可能是日期，但该点适用于任何一种方式）。如果您经常在CustomerID上查询表，那么您将希望所有客户的销售记录一起为所有记录提供一次或两次磁盘读取。

主键OTOH可能是代理键，也可能是SalesId，但在任何情况下都是唯一值。如果这是聚类的，那么与普通的唯一索引相比，它没有任何好处。

编辑：让我们把这个特定的表格进行讨论 - 它将揭示更多细微之处。

“自然”主键很可能是parentid + childid。但按什么顺序？ Parentid + childid并不比childid + parentid更独特。出于聚类目的，哪种排序更合适？人们会认为它必须是parentid + childid，因为我们想问：“对于给定的项目，它的成分是什么”？但这不是不太可能想要走另一条路，并问“对于给定的constant，它是什么项目的组件？”。

考虑“覆盖索引”，在索引中包含满足查询所需的所有信息。如果这是真的，那么你永远不需要阅读记录的其余部分;所以聚类没有任何好处;只是阅读索引就足够了。（顺便说一句，这意味着同一对字段上的两个索引，顺序相反;在这种情况下，这可能是正确的事情。或者至少在一个上有一个复合索引，在另一个上有一个单字段索引。）

但是，这仍然没有决定哪些应该聚集;实际上，最终可能由哪些查询确定需要获取数量字段的记录。

即使是这样一个明显的例子，原则上最好将decidintg留给其他索引，直到你可以用真实的数据测试它们（显然在生产之前）;但在这里要求猜测是毫无意义的。测试总能为您提供正确的答案。

忘记放慢插入速度直到遇到问题（在大多数情况下永远不会发生），并且可以测试以确保放弃有用的索引以获得可衡量的好处。

但事情仍然不确定，因为像这样的联结表也经常涉及许多其他类型的查询。因此，我只需选择一个并根据需要进行测试，因为应用程序凝胶，测试的数据量可用。

顺便说一句，我希望它最终会在parentid + childid上出现PK;关于childid的非唯一索引;和第一个聚集的。如果你更喜欢代理PK，那么你仍然需要一个关于parentid + childid的独特索引。聚类代理键不太可能是最佳的。

Answer 3

这里真正的问题是你最想问什么？如果您将一直查找这两个值，那么群集应该在该对上。如果你要在一个或另一个上进行更多的查询，你会希望在特定的一个上进行聚类。

Answer 4

既然你说“我正在考虑复合主键” - 仍然有时间改变主意。我已经使用了很多复合键，我一直在寻找理由，希望我没有。也许其他人不同意我的观点。

我同意Mitchel的回答，群集会继续发布您最常查询的内容。

Answer 5

我想在你的最后陈述中填写。 “我相信这张桌子会在阅读上受到更多打击而不是写作。”如果是这种情况，那么你可能想要索引沉重。我们之所以不重视所有内容，是因为您需要为更新而付出性能损失。插入表格。当我们的表格提供更多的阅读而非写作时，请为索引付出代价。

至于要集群的内容，您应该考虑如何最好地使用该表。如果您的表受到大量范围查询（WHERE col1 IS BETWEEN a AND b），则对表进行集群，以便已经按顺序在磁盘上设置范围查询。在SQL Server中，有时我们会使用PK免费获得集群，但我们忘记了什么是最好的集群开始。

至于表上的FK约束，因为你说更多的读取而不是写入，这可能是可以接受的。如果这是一个包含大量插入的表，则每个FK约束都需要针对父表进行验证，这可能无法提供所需的性能。

好问题。

复合主键是否应该在SQL Server中进行群集？

5 个答案: