数据库复习之存储与索引

存储

磁盘空间管理

1. 选择磁盘块大小作为页的大小。

2. 跟踪空闲块：

   1. 维护一个空闲块的列表；
   2. 维护一个位图， 可以支持磁盘连续区域的快速识别和分配。

缓冲区管理器

1. 把缓冲区划分为页集来管理可获得的主存，页集称为缓冲池。缓冲池中的主存页称为帧，即存放页的槽。

2. pincount 和 dirty（请求页时缓冲区工作P课本240页） 。

3. 缓冲区替换策略：LRU（最进最少使用策略），时钟替换（每一个帧有一个referenced位，在帧的pincount变为0时开始启动，current不断循环+1直到找到一个pincount为0且referenced位关闭的页，如果该页pincount为0但referenced位开启则关闭current+1继续查找），FIFO,MRU（最近经常使用策略），随机策略

记录文件（页的集合组织成一个文件）

1. 堆文件页中的数据不以任何顺序排序，通过重复请求下个记录的方式搜索文件中所有记录，每个记录有一个rid。

2. 页的链表形式：

   1. 《堆文件名，首页地址》的表得到首页地址。
   2. 首页指向两个双向链表（指针其实是页的id），有空闲空间的和没有空闲空间的。
   3. 缺点是记录变长时可能都在空闲空间的链表上。

3. 页目录形式：

   1. DBMS记录每一个堆文件的第一目录页位置。
   2. 每一个目录项指向堆文件的一页（或一系列页）。空闲空间可以通过在目录项维护一比特位来管理，说明是否相应页有空闲空间，或是该页表明页上空闲空间的数量。

页格式（组织一页空间存储记录集合）

1. 页由一组槽组成，每一个槽对应一个记录。记录由<页号,槽号>标识，这是使得外部通过<页号,槽号>找到对应记录。另一种方式是给每个记录一个整数rid，再维护一个rid到相应记录的<页号,槽号>表，这种方法开销大，不太好，所以一般使用第一种方法。

2. 定长记录

   1. 前N个槽中存放记录。如果移动的记录被外部引用，则不能使用这种方法。

   2. 使用一个比特位数组来记录。

3. 变长记录

   1. 维护一个槽目录，每个槽由<record offset, rcord length>对组成，这样子当记录在内部页移动时，页号和槽号都是不变的。删除时将长度变为-1即可，不可将槽号去掉否则会影响后续记录的槽号。插入记录时先扫描槽目录是否有空闲槽，有则放于该处，否则增加新的槽。

   2. 可以用于定长记录，如需要维护记录的某种排列顺序。

记录格式

1. 定长记录：

2. 变长记录：

   1. 由特殊分隔符分隔每个字段；
   2. 记录前面有一个字段偏移量数组（更好，可以直接访问每个字段，处理空值）。

---

索引

文件组织与索引

1. 最简单的文件结构是无序文件（堆文件）

2. 索引是组织数据记录的一种数据结构。

3. 数据项指代存储在索引文件中的记录，搜索码值为k的数据项记为k*。数据项有三种形式（209页）第一种方式的索引是一种特殊的文件组织，不同于有序的文件记录。

4. 一般只有第一种是聚簇索引，其他是非聚簇索引。

索引数据结构

树结构索引

ISAM（索引顺序存取方法）

完全静态，主叶子页的数目在文件创建期间是固定的，溢出页。不对索引级页加锁是ISAM优于B+树动态结构的一个重要优点。当数据分布和大小相对稳定而使得溢出链很少时，ISAM将优于B+树。可以顺序分配叶子页。

B+树

1. 以下在讨论搜索，插入和删除算法时前提是不存在重复。

2. 搜索：

3. 插入：

   1. 插入如果引起叶子节点分裂，则将新旧节点分开的中间码复制上去。
   2. 如果又引起了索引节点分裂，则将中间码弹上去。
   3. 使用受限的重分布：叶子节点在分裂前先查看兄弟节点看是否能重分布，非叶子节点就不需要了（因为记录的整体趋势是增加，叶子节点的分裂需要记录前后兄弟节点指针，而索引节点不需要）。

4. 删除：能重分布就重分布，不能重分布就合并节点。重分布只会影响父节点的某个值，合并节点则父节点要删除第二节点的索引项，可能还会影响高度。

5. 处理重复问题：

   1. 使用溢出页来处理；
   2. 像处理其他项一样处理，搜索给定码值最左边数据项。
   3. 以数据项的第三种方式表示，即维护一个列表。

6. 码压缩：减少搜索码所占空间（前缀码压缩：如果是字符串可能取前面几个字符即可，不需要全部）。

7. 块加载B+树：已经有了数据集合，在某个字段上创建索引。先将数据项排序，为根分配一个空页，每个索引项指向数据项的一页，满了则进行分裂。

基于哈希的索引