• SQL Server逻辑读、预读和物理读


    SQL Server数据存储的形式

    1.   预读:用估计信息,去硬盘读取数据到缓存。预读100次,也就是估计将要从硬盘中读取了100页数据到缓存。
    2.   物理读:查询计划生成好以后,如果缓存缺少所需要的数据,让缓存再次去读硬盘。物理读10页,从硬盘中读取10页数据到缓存。
    3.   逻辑读:从缓存中取出所有数据。逻辑读100次,也就是从缓存里取到100页数据。

      SQL Server存储的最小单位是页,每一页大小为8K,SQL Server对于页的读取是原子性的,要么读完一页,要么完全不读。即使是仅仅要获得一条数据,也要读完一页。而页之间的数据组织结构为B树结构。所以SQL Server对于逻辑读、预读、物理读的单位是页。

      先来看一个查询:

      DBCC DROPCLEANBUFFERS    --清空缓存
      SET STATISTICS IO ON    --开启IO统计
      SELECT * FROM Person    --查询语句

      显示消息如下:

    (147517 行受影响)
    表 'Person'。扫描计数 1,逻辑读取 2237 次,物理读取 6 次,预读 2226 次,lob 逻辑读取 0 次,lob 物理读取 0 次,lob 预读 0 次。
    
    (1 行受影响)

      

      上表的大小是17.406M。

      每一页存储的数据是:8K=8192字节-96字节(页头)-36字节(行偏移)= 8060字节。

      17.406*1024*1024 / 8060 ≈ 2 264  

      另外表中还有一些非数据占用的空间,因此上式的结果约等于逻辑读次数。

      基本上,逻辑读、物理读、预读都等于是扫描了多少个页。

    从执行顺序上理解各种读

      SQL Server的查询从理解各种读的步骤来看,可以理解为以下图:

      (图是CareySon大哥的)

      通过上图来讲解各种读:

      当SQL Server执行一个查询语句时,SQL Serer会开始第一步,生成查询计划,同时用估计的数据去磁盘读取数据(预读),这两个第一步是并行的。SQL Server通过这种方式来提高查询性能。

      查询计划生成好了以后去缓存读取数据,当发现缓存缺少所需要的数据后让缓存再次去读硬盘(物理读)然后从缓存中取出所有数据(逻辑读)

      估计的页数可以通过DMV看到

      SELECT 
      page_count
      FROM sys.dm_db_index_physical_stats
      (DB_ID('TestDataCenter'),OBJECT_ID('Person'),NULL,NULL,'sampled')

      显示结果如下:

      

      SQL Server就是根据这个东西进行预读。

      如果此时我们再执行上面的查询语句:

      SELECT * FROM Person    --查询语句

      看到消息如下:

    (147517 行受影响)
    表 'Person'。扫描计数 1,逻辑读取 2237 次,物理读取 0 次,预读 0 次,lob 逻辑读取 0 次,lob 物理读取 0 次,lob 预读 0 次。
    
    (1 行受影响)

      为什么这次全部都是逻辑读呢。因为刚才读过一次,数据全部都已经在缓存当中了,只需要从缓存中读就可以了,不需要再读取硬盘。

      本文学习自:http://www.cnblogs.com/CareySon/archive/2011/12/23/2299127.html

     
     
     
    2
    0
     
    (请您对文章做出评价)
     
    « 上一篇:T-SQL 基于列的逻辑表达式 (CASE)
    » 下一篇:SQL Server 文件和文件组
  • 相关阅读:
    最深叶节点的最近公共祖先
    ML-Agents(十)Crawler
    ML-Agents(九)Wall Jump
    ML-Agents(八)PushBlock
    ML-Agents(七)训练指令与训练配置文件
    Unity Editor扩展编辑器中显示脚本属性
    ML-Agents(六)Tennis
    数据结构(二)—栈
    ML-Agents(五)GridWorld
    ML-Agents(四)3DBall补充の引入泛化
  • 原文地址:https://www.cnblogs.com/mingxuantongxue/p/4425288.html
Copyright © 2020-2023  润新知