SQL Server中的伪列

下午看QQ群有人在讨论（非聚集）索引的存储，
说，对于聚集索引表，非聚集索引存储的是索引键值+聚集索引键值；对于非聚集索引表，索引存储的是索引键值+RowId，这应该是一个常识，对此不作具体详细阐述。
这里主要是提到的RowId引起了一点思考。
那么，这个RowId是个什么玩意？能不能更加直观一点来看看RowId的信息？代表什么含义？这个当然也是可以的。
Oracle中的表中有一个伪列的概念，就是在查询表的时候加上select rowid，* from Table，会查询出来伪列。
SQL Server中同样有这么一个伪列，在SQL Server中，这个伪列可以认为是数据行的物理地址，下面简单来观察一下这个RowId以及RowId的含义。

 

伪列的测试

　　建一张简单的表，下面借助这个表来查看说明伪列

CREATE TABLE Test
(
    id int identity(1,1),
    name varchar(50)
)GOINSERT INTO Test VALUES (NEWID())GO 100

SQL Server中有一个未公开的伪列“%%physloc%%”，也就是在查询的时候，对于任何一张表，可以加上这个字段，比如如下，就可以查到表中每一行的伪列。

这个伪列的类型是binary(8)，也就是有8个字节，参考上图的DATALENGTH(%%physloc%%) as Len，
%%physloc%%返回的记录的物理地址，其中前四个字节表示页号，中间两个字节表示文件号，最后两个字节表示槽号
为了更加方便地观察伪列的含义，sqlserver提供了一个未公开的系统函数sys.fn_PhysLocFormatter，下面借助sys.fn_PhysLocFormatter这个函数来继续观察这个伪列
如下图，这里就可以清晰地看到伪列中的信息了。

　　比如第一行中的(1:73:0)，上面说了，其中前四个字节表示页号，中间两个字节表示文件号，最后两个字节表示槽号，
　　(1:73:0)这种格式是经过sys.fn_PhysLocFormatter格式化显式之后的结果。
　　把文件号1放在最前面，中间的73是页号（page number），最后一位0是槽号（sloc number）。
　　下面粗略地说一下这几个字段的含义。这里要求对SQL Server的存储只是有一个基本的认识，否则看的云里雾里。

 

　　1，首先说什么是文件号

　　如截图，文件号就是数据库的数据文件编号，这里只有一个数据文件，文件编号为1，
　　建表的时候默认（这里也只能建立）建立在fileid = 1 的文件上面，fileid=2的是日志文件，就不多说了。

　　2，其次是页号，页号就是分配给当前这张表的数据页面（8kb的最小分配单元）的页号，我们看一下Test这个表的页面情况

　　借助DBCC IND命令，查询分配给这个表的页面信息，其中77号页面是IMA也面，至于什么事IMA页面，不多解释。
　　73号页面才是真正存储数据的页，与上面的1:73:0中的73一样，没毛病。

　　

　　3，最后看一下槽号，槽号的概念要对SQL Server的数据页面有一个基本的认识，这里盗用一张网友的图。

　　所谓的槽号就是在数据页面中，每个页面存储多行数据，槽号用来标记每一行数据的偏移量，用大白话说就是“存储每一行数据的地址空间开始的位置”，
　　因为每一行数据的总长度是不一样的（存在可变长度列的情况下），每一行的占用的存储空间也是不一样的，
　　槽号或者行偏移量就是说明每一行数据在页内的开始位置。
　　不过sys.fn_PhysLocFormatter格式化显式的槽号并不是如下截图的偏移量，而是第N个数据行的这个N的信息，
　　因此第1行的槽号就是1，第2行的槽号就是2，以此类推，当第一个page存储满之后，从第二个page开始存储，槽号又从0开始编号且累加

　　

 　　

　　至此，对SQL Server的伪列，也就说经常说的RowId有了一个简单的认识。
　　这里可以认为，在SQL Server数据库中，伪列RowId就是数据行的物理地址，至于别的数据库中的伪列（RowId）是不是物理地址倒是不确定（很有可能也是的）

这里简单提一下一开始说的一个问题：
为什么SQL Server的聚集表（有聚集索引的表）存储数据的时候存储的是“索引键值+聚集索引键值”,对于非聚集索引表，索引存储的是索引键值+RowId？
或者反过来说，为什么聚集索引表的非聚集索引存储的是“索引键值+聚集索引键值”而不是“索引存储的是索引键值+RowId”
作为一个常识，聚集索引要按照聚集索引的顺序存放，这就意味着聚集索引表的行数据物理位置有可能发生变化，比如在众所周知的“页拆分（page split）”中发生变化，
在数据行的物理位置发生了变化的时候，如果非聚集索引存储的是索引键值+RowId，那么这个RowId也势必要发生变化，这个变化当然要耗费一定的性能，
为了防止此种情况的发生，聚集表中的非聚集索引存储成相对不变的索引键值+聚集索引键值，因为在数据行的物理位置发生变化的时候，聚集索引键值是相对不变的，这一点也不难理解。
当然有一种例外，当对聚集索引表做更新的时候，直接更新聚集索引的键值，这样的话，也有可能造成聚集索引表中当前数据行的物理位置发生变化，这一点也比较有意思，就不展开叙述了。
这一点跟绕口令一样，这里要求对SQL Server中的聚集索引和非聚集索引，以及存储结构有一个基础的认识才容易理解。

 

最后高能预警

　　高能预警，别说我瞎比比误导人，上述解析伪列的函数sys.fn_PhysLocFormatter是一个未公开的函数，
　　未公开的函数就有可能潜在一些问题，事实上这个函数有一个非常严重的bug。
　　该bug就是在解析物理存储位置的时候有一定的逻辑错误，这个问题早有细心的人分析过了
　　参考：http://blog.itpub.net/81227/viewspace-751898/
　　目前测试来看，在SQL Server 2014中仍然存在bug，N前年啃书的时候就了解到有这么一个函数，
　　但是一直不想提及sys.fn_PhysLocFormatter这个函数的原因，因此对于未公开的函数，请不要做验证性测试，
　　再次声明：该函数有bug，请谨慎使用。

　　附上这个函数的源代码，并参考原文的结论

create function sys.fn_PhysLocFormatter (@physical_locator binary (8))  returns varchar (128)as
  begin
     declare @page_id binary (4)     declare @file_id binary (2)     declare @slot_id binary (2)     -- Page ID is the first four bytes, then 2 bytes of page ID, then 2 bytes of slot
     --     select @page_id = convert (binary (4), reverse (substring (@physical_locator, 1, 4)))     select @file_id = convert (binary (2), reverse (substring (@physical_locator, 5, 2)))     select @slot_id = convert (binary (2), reverse (substring (@physical_locator, 7, 2)))     return '(' + cast (cast (@file_id as int) as varchar) + ':'
          +       cast (cast (@page_id as int) as varchar) + ':'
          +       cast (cast (@slot_id as int) as varchar) + ')'
  end

　　问题出在reverse函数上。
　　reverse函数的作用是字符反转，而不是字节反转，当遇到81-FE之间的字节时，被认为是双字节字符而组合在一起参与反转操作，造成了错误。