以下的文章主要向大家描述的是SQL Server索引密度（Index Densities），在實際操作中當一個查詢的SARG 的值直到查詢運行時才已知，或是 SARG 是關于一個索引的多列時，SQL Server才使用為索引中每列存儲的密度值。

對于組合鍵值，SQL Server為第一列的組合鍵存儲了密度值；為第一列和第二列；為第一、二、三列；等等。這些信息可以從Listing34.1的DBCC SHOW_STATISTICS 輸出信息的All density區域看到。

SQL Server索引密度表示為鍵的唯一鍵值的倒數。每個鍵的密度可以按照下面的公式進行計算：

引用

Key density = 1.00/ ( Count of distinct key values in the table)  

鍵密度 = 1.00 / （表中的不同鍵值數）

所以，pubs數據庫的author表中state列的密度計算公式如下：

Sql代碼   
Select Density = 1.00/ (select count (distinct state) from authors)   
Go   
Select Density = 1.00/ (select count (distinct state) from authors)  
Go  
Density   
.1250000000000   
 

State和zip的組合列密度計算如下：

Sql代碼   
Select density = 1.00/( select count (distinct state + zip) from authors)   
Go   
Select density = 1.00/( select count (distinct state + zip) from authors)  
Go  
Density   
.0555555555555   
 

注意，不像選擇率，越小的SQL Server索引密度意味著具有更高的索引選擇性。當密度趨近于1，索引就變得有更少的選擇性，基本上沒有用處了。當索引的選擇性低的時候，優化器可能會選擇一個表掃描（table scan），或者葉子級的索引掃描（Index scan），而不會進行索引查找（index seek），因為這樣會付出更多的代價。

引用

提示：

當心你的數據庫中低選擇性的索引。這樣的索引通常是對系統的性能是一個損害。它們通常不僅不會用來進行數據的檢索，而且也會使得數據修改語句變得緩慢，因為需要額外的索引維護。識別這些索引，考慮刪除掉它們。

通常，當你給鍵中添加更多的列時，密度值應該變得更小。例如，在Listing 34.2，密度值逐漸變小。

Key Column Index Density   
title_id 1.8621974E-3   
title_id, stor_id 5.997505E-6   
title_id, stor_id, ord_num 5.9268041E-6  

使用索引密度評估行數（Estimating Rows Using the Index Statistics）

那么優化器是如何使用SQL Server索引密度來決定一個索引的效果呢？

當在一個范圍內查找一個索引值或者鍵中存在重復值時，SQL Server會使用直方圖信息。考慮下面關于bigpubs2000數據庫中的sales表中查詢：

Sql代碼

Select * from sales   
Where title_id = 'BI2184'   
Select * from sales  
Where title_id = 'BI2184' 

因為在表中title_id中存在重復值，SQL Server使用關于title_id的直方圖（參考Listing34.2）來估計匹配的行數。對于BI2184值，它將查看EQ_ROWS值，值為343.0。這表示在表中title_id值為BI2184的記錄共有343行。

當一個查詢參數（search argument）的精確匹配（exact match 即等號計算）在直方圖中step沒有發現時，SQL Server使用比查找值（search value）大的下一個step中的AVG_RANG_ROWS值。例如，SQL Server對查找值為‘BI2187’進行評估，它將會發現匹配值為270.0行。

對一個范圍檢索，SQL Server把檢范圍兩端的RANG_ROW和EQ_ROWS相加。例如，利用Listing34.2中的直方圖，如果查找參數為 where title_id <= 'BI2574',行數估計將是：

314 + 613 + 343 + 270 + 277，或者為1817。

當直方圖不能使用時，SQL Server就使用索引密度來估計匹配行數。對于等值查找的計算公式是直截了當的，例如：

Sql代碼   
Declare @tid varchar(6)   
Select @tid = 'BI2574'   
Select count(*) from sales where title_id = @tid   
Declare @tid varchar(6)  
Select @tid = 'BI2574' 
Select count(*) from sales where title_id = @tid  

行估計值等于指定鍵值的SQL Server索引密度（1.8621974E-3）乘以表中行數：

Sql代碼   
Select count(*) * 1.8621974E-3   
From sales   
Go   
Select count(*) * 1.8621974E-3  
From sales  
Go  
314.19925631500001   

如果一個查詢的SARG為title_id 和stor_id，并且假如title_id的SARG是一個可在優化期間可評價的常量表達式，SQL Server會用title_id stor_id的索引密度和title_id的直方圖來估計匹配的行數（對某些值來說，索引密度估計的值可能會大學直方圖估計出來的值）。SQL Server 將會用二者中較小的值作為匹配的行數。

根據title_id stor_id的索引密度，你能看到：

Sql代碼   
Select coun(*) * 5.997505E-6   
From sales   
Select coun(*) * 5.997505E-6  
From sales  
1.011929031125   

在這個例子中，SQL Server將用title_id 和stor_id的SQL Server索引密度來估計匹配的值。在此情況下，它估計查詢將返回一條匹配的行。

【編輯推薦】

1. 優化SQL Server數據庫的經驗大盤點
2. SQL Server 2005商業智能功能淺析
3. 修改SQL Server 2005 數據庫的執行環境很簡單
4. SQL Server 2000數據庫備份和還原的示例
5. SQL Server 2008數據庫在實際應用中的獨到之處