非聚集索引，这个是大家都非常熟悉的一个东西，有时候我们由于业务原因，sql写的非常复杂，需要join很多张表，然后就泪流满面了。。。这时候就有DBA或者资深的开发给你看这个猥琐的sql，通过执行计划一分析,或许就看出了不该有的表扫描。。。万恶之源。。。然后给你在关键的字段加上非聚集索引后,才发现提速比阿斯顿马丁还要快。。。那么一个问题来了，为什么非聚集索引能提速这么快。。。怎么做到的？是不是非常的好奇？这篇我们来解开神秘面纱。
一：现象先让我们一睹非聚集索引的真容，看看到底在执行计划看来是个什么玩意。。。我这里有个product表，里面灌了8w多数据，然后在Name列上建立一个非聚集索引，就像下图一样：
从上图中看到了两个好玩的东西，一个就是我想看到的“索引查找[nonclustered]”，这个大家很熟悉，也是这篇要说的，然后我们还看到了一个“RID查找”，
乍一看这是东西呢，非聚集索引跟它扯上什么关系呢。
二：什么是RID通过前面几篇，我想大家都知道了数据页中的记录是如何寻找的？秘密就是通过slot槽位中的偏移量决定的，那问题来了，如果上升到数据页层面，我只需要（pageID：slotID）就可以找到记录了，对不对？那如果我上升了文件层面，那是不是只需要知道（fileID:pageID:slotID)就可以找到数据页中的 记录了？其实这里的RID就是站在文件的高度通过(fileID:pageID:slotID)找到表记录的。。。既RID=RowID=(fileID:pageID:slotID)，如果你非要眼见为实的话，在sq中l还真提供了这么个函数（sys.fn_PhysLocFormatter(%%physloc%%)），我们看下图：
看了上面的图，是不是很兴奋，一目了然，比如productID=18088这条记录，然来是在1号文件，34941号数据页，0号槽位上，productID=18089是在1号槽位上，好了，当你知道RID是个什么东西的时候，我想你已经离彻底理解非聚集索引不远啦。。。
三：非聚集索引有一点我们肯定知道，就是非聚集索引是可以加速查找的，要是跟表扫描那样的龟速，那也就失去了索引的目的，既然能加速，是因为它和聚集索引一样，在底层都玩起了B树，首先我们插入一些样例数据。
1 DROP TABLE dbo.Person
2
3 CREATE TABLE Person(ID INT IDENTITY,NAME CHAR(900))
4 CREATE INDEX idx_Person_Name ON dbo.Person(Name)
5
6 DECLARE @ch AS INT=97
7
8 WHILE @ch<=122
9 BEGIN
10 INSERT INTO dbo.Person VALUES(REPLICATE(CHAR(@ch),5))
11 SET @ch=@ch+1
12 END
上面的sql，我故意在Name列设置为900个char，这也是索引的上限值，这样的话，我DBCC就可以导出很多数据页和索引页了。
可以看到，当我dbcc ind 的时候，发现Person表中已经有4个数据页，5个索引页，其中151号数据页是表跟踪页，174号为索引跟踪页，这也就说明当我建立索引后，引擎给我们分配了专门的索引页来存放我们建立的Name索引，那下一步就是我们来看看这些索引中都存放着什么，这也是我非常关心的，接下来我导出173号索引页。
DBCC PAGE(Ctrip,1,173,1)
1 Slot 0, Offset 0x60, Length 912, DumpStyle BYTE
2
3 Record Type = INDEX_RECORD Record Attributes = NULL_BITMAP Record Size = 912
4
5 Memory Dump @0x000000000EF1C060
6
7 0000000000000000: 16616161 61612020 20202020 20202020 †.aaaaa
8 0000000000000010: 20202020 20202020 20202020 20202020 †
9 0000000000000020: 20202020 20202020 20202020 20202020 †
10 0000000000000030: 20202020 20202020 20202020 20202020 †
11 0000000000000040: 20202020 20202020 20202020 20202020 †
12 0000000000000050: 20202020 20202020 20202020 20202020 †
13 0000000000000060: 20202020 20202020 20202020 20202020 †
14 0000000000000070: 20202020 20202020 20202020 20202020 †
15 0000000000000080: 20202020 20202020 20202020 20202020 †
16 0000000000000090: 20202020 20202020 20202020 20202020 †
17 00000000000000A0: 20202020 20202020 20202020 20202020 †
18 00000000000000B0: 20202020 20202020 20202020 20202020 †
19 00000000000000C0: 20202020 20202020 20202020 20202020 †
20 00000000000000D0: 20202020 20202020 20202020 20202020 †
21 00000000000000E0: 20202020 20202020 20202020 20202020 †
22 00000000000000F0: 20202020 20202020 20202020 20202020 †
23 0000000000000100: 20202020 20202020 20202020 20202020 †
24 0000000000000110: 20202020 20202020 20202020 20202020 †
25 0000000000000120: 20202020 20202020 20202020 20202020 †
26 0000000000000130: 20202020 20202020 20202020 20202020 †
27 0000000000000140: 20202020 20202020 20202020 20202020 †
28 0000000000000150: 20202020 20202020 20202020 20202020 †
29 0000000000000160: 20202020 20202020 20202020 20202020 †
30 0000000000000170: 20202020 20202020 20202020 20202020 †
31 0000000000000180: 20202020 20202020 20202020 20202020 †
32 0000000000000190: 20202020 20202020 20202020 20202020 †
33 00000000000001A0: 20202020 20202020 20202020 20202020 †
34 00000000000001B0: 20202020 20202020 20202020 20202020 †
35 00000000000001C0: 20202020 20202020 20202020 20202020 †
36 00000000000001D0: 20202020 20202020 20202020 20202020 †
37 00000000000001E0: 20202020 20202020 20202020 20202020 †
38 00000000000001F0: 20202020 20202020 20202020 20202020 †
39 0000000000000200: 20202020 20202020 20202020 20202020 †
40 0000000000000210: 20202020 20202020 20202020 20202020 †
41 0000000000000220: 20202020 20202020 20202020 20202020 †
42 0000000000000230: 20202020 20202020 20202020 20202020 †
43 0000000000000240: 20202020 20202020 20202020 20202020 †
44 0000000000000250: 20202020 20202020 20202020 20202020 †
45 0000000000000260: 20202020 20202020 20202020 20202020 †
46 0000000000000270: 20202020 20202020 20202020 20202020 †
47 0000000000000280: 20202020 20202020 20202020 20202020 †
48 0000000000000290: 20202020 20202020 20202020 20202020 †
49 00000000000002A0: 20202020 20202020 20202020 20202020 †
50 00000000000002B0: 20202020 20202020 20202020 20202020 †
51 00000000000002C0: 20202020 20202020 20202020 20202020 †
52 00000000000002D0: 20202020 20202020 20202020 20202020 †
53 00000000000002E0: 20202020 20202020 20202020 20202020 †
54 00000000000002F0: 20202020 20202020 20202020 20202020 †
55 0000000000000300: 20202020 20202020 20202020 20202020 †
56 0000000000000310: 20202020 20202020 20202020 20202020 †
57 0000000000000320: 20202020 20202020 20202020 20202020 †
58 0000000000000330: 20202020 20202020 20202020 20202020 †
59 0000000000000340: 20202020 20202020 20202020 20202020 †
60 0000000000000350: 20202020 20202020 20202020 20202020 †
61 0000000000000360: 20202020 20202020 20202020 20202020 †
62 0000000000000370: 20202020 20202020 20202020 20202020 †
63 0000000000000380: 20202020 20940000 00010000 00020000 † ...........
1 Row - Offset
2 7 (0x7) - 6480 (0x1950)
3 6 (0x6) - 5568 (0x15c0)
4 5 (0x5) - 4656 (0x1230)
5 4 (0x4) - 3744 (0xea0)
6 3 (0x3) - 2832 (0xb10)
7 2 (0x2) - 1920 (0x780)
8 1 (0x1) - 1008 (0x3f0)
9 0 (0x0) - 96 (0x60)
从上面至少可以发现三个有趣的现象：
<1>:173号索引页中slot0和slot1槽位指向记录的内容已经有序了，比如：aaaaa，bbbbb。。。。这样。。。。原来非聚集索引也是有序呀。。。
<2>:6161616161就是16进制的aaaaa。
9400000001000000 ：这几个数字非常重要，因为是16进制表示，所以2位16进制表示一个字节，所以可以这么解释，前面4个字节表示 pageID，中间2个字节表示fileID，后面2个字节表示slot，看到这里你是不是想起了RID。。。因为RID就是这三样的组合。。。原来非聚集索引的记录存放的就是“key+RowID”呀。。。。
<3>:通过最后的槽位列表，可以得知173号索引页上存放着8条索引记录。
好了，看完了叶子节点，我们再看分支节点，也就是IndexLevel=1的那条索引数据页，也就是78号。ok，dbcc看看吧。
当看到这个列表的时候，不知道你脑子里面是不是有一幅图出来了，就像上一篇看到聚集索引一样，因为它的结构和聚集索引非常像，只不过非聚集索引这里多了一个RID而已。。。最后我也把图贡献一下。
四：总结在走非聚集索引的时候，比如你的条件是where name='jjjjj' 时，它的逻辑是这样的，根据78号索引数据页的key的范围，然后通过 rowid走到了79号索引数据页，然后在79号索引数据页中顺利的找到了jjjjj，这时候就可以拿出jjjjj的rowid去表数据页中直接定位记录，最后输出。。。。。这个也就是博客开头的地方为什么会出现RID的查找。。。