description:查詢優化器在從表中查詢資料時，需要選擇乙個合適的訪問模式，在決定使用哪一種索引，使用掃瞄還是查詢，使用書籤查詢時，查詢優化器要考慮許多因素，這些因素包括：
下面通過乙個例子來介紹：
create table t (a int, b int, c int, d int, x char(200))
create unique clustered index ta on t(a)
create index tb on t(b)
create index tcd on t(c, d)
create index tdc on t(d, c)
插入一些資料：
set nocount on
declare @i int
set @i = 0
while @i < 100000
begin
insert t values (@i, @i, @i, @i, @i)
set @i = @i + 1
end無where條件
select a,b from t，
該 查詢不包含where條件語句，而使用掃瞄，可是這裡有兩種索引可用：聚集索引(ta)和非聚集索引(tb)，這兩個索引均覆蓋a和b兩列，另外，聚集索 引也覆蓋c和x列．由於x列是字元型，長度為２００個字元，聚集索引的每一行總寬度超過了２００個位元組，對於每乙個８ｋｂ的頁面，儲存的行數也不超過４０ 行．而索引需要２５００個頁來儲存所有１０萬行資料，與之相反的是，非聚集索引中每一行的總寬僅有８個位元組，加一些頭部資訊，每一頁可以儲存上百行資料， 索引則需要不到２５０頁來儲存所有的１０萬行資料．通過掃瞄非聚集索引，當執行查詢時則需要較少的i/o操作．因而使用的最佳計畫是：
|--index scan(object:([t].[tb]))
我們也可以使用sys.dm_db_index_physical_stats檢視來比較聚集索引與非聚集索引兩者所使用的頁數
select index_id, page_count
from sys.dm_db_index_physical_stats
(db_id('northwind'), object_id('t'), null, null, null)
執行上述查詢後，結果如下：
索引id號頁數1
2858
2174
3223
4223
從輸出結果可以看出，非聚集索引儲存行所使用的頁數明顯小於聚集索引使用的頁數．
當然我們也可以使用stats i/o和索引hints來比較聚集索引與非聚集索引的i/o數．
set statistics io on
select a, b from t with (index(ta))
表't'。掃瞄計數1，邏輯讀取2872次，物理讀取0 次，預讀0 次，lob 邏輯讀取0 次，lob 物理讀取0 次，lob 預讀0 次。
select a, b from t with (index(tb))
表't'。掃瞄計數1，邏輯讀取176次，物理讀取0 次，預讀0 次，lob 邏輯讀取0 次，lob 物理讀取0 次，lob 預讀0 次。
從stats i/o數可以看出，非聚集索引在獲取資料時，讀取較少的資料頁．
索引的選擇性
select a from t
where c > 150 and c < 160 and d > 100 and d < 200
此查詢有兩個不同的謂詞用於索引查詢，可以使用位於c列上的非聚集索引tcd，也可以使用位於d列上的非聚集索引tdc．
查詢優化器通過檢視兩個謂詞的選擇性來確定使用哪乙個索引，在c列上的謂詞選擇的行僅有９行，而在d列上則有９９行，顯然使用索引tcd來評估位於d列上的residual謂詞比使用tdc索引的i/o開銷要小得多．
以下是該查詢的計畫：
|--index seek(object:([t].[tcd]), seek:([t].[c] > (150) and [t].[c] < (160)),
where:([t].[d]>(100) and [t].[d]<(200)) ordered forward)
索引查詢與索引掃瞄示例
select a from t where a between 1001 and 9000
select a from t where a between 101 and 90000
其執i/o資訊如下：
表't'。掃瞄計數1，邏輯讀取234次，物理讀取0 次，預讀0 次，lob 邏輯讀取0 次，lob 物理讀取0 次，lob 預讀0 次。
表't'。掃瞄計數1，邏輯讀取176次，物理讀取0 次，預讀0 次，lob 邏輯讀取0 次，lob 物理讀取0 次，lob 預讀0 次。
如您所預料的，對於第乙個查詢來說，查詢優化器在a列上選擇使用聚集索引來獲取資料，以下是其的查詢計畫：
|--clustered index seek(object:([t].[ta]),
seek:([t].[a] >= convert_implicit(int,[@1],0) and [t].[a] <= convert_implicit(int,[@2],0)) ordered forward)
注意：該計畫中的兩個引數是由自動引數化功能所生成的，當執行該計畫時，@1引數為1001，@2引數為9000.
對於第二個查詢來說，查詢優化器卻選擇了非聚集索引來掃瞄資料，以下其查詢計畫：
|--index scan(object:([t].[tb]), where:([t].[a]>=(101) and [t].[a]<=(90000)))
為 什麼是這樣呢？注意第乙個查詢選擇的記錄數有８千行（相對於１０萬行資料而言），對於聚集索引來說，選擇度為表的８％，約２３０個資料頁，而第二查詢選擇 的記錄數有８９０００行，選擇度為表的約９０％，若使用聚集索引來讀取89000行資料時，則需要讀２５００個資料頁．通過比較，非聚集索引僅需要讀取 １７４個頁面，查詢優化器選擇此計畫，大大減少了i/o操作．
帶書籤查詢的查詢與掃瞄示例
select x from t where b between 101 and 200
select x from t where b between 1001 and 2000
對 於上述的兩個查詢而言，可以通過聚集索引直接掃瞄然後在列b上應用謂詞，或者使用非聚集索引tb在列b上執行索引查詢，然後在聚集索引上執行書籤查詢來讀 取滿足x列值的行．（注意：書籤查詢採用的i/o開銷比較大的方式是隨機讀．）對於查詢的選擇度高的書籤查詢，則是值得的．
以下是第乙個包含書籤查詢的查詢計畫（僅需要讀取１００行）：
|--nested loops(inner join, outer references:([t].[a], [expr1005]) ...)
|--index seek(object:([t].[tb]), seek:([t].[b] >= (101) and [t].[b] <= (200)) ...)
|--clustered index seek(object:([t].[ta]), seek:([t].[a]=[t].[a]) lookup ...)
而第二個查詢則讀取１０００行，對於表而言，僅有１％．查詢優化器由此推出，執行１０００次的隨機讀要比執行２８００次的順序讀的開銷要大得多，第二個查詢的計畫如下：
|--clustered index scan(object:([t].[ta]), where:([t].[b]>=(1001) and [t].[b]<=(2000)))
源文出處:
A 演算法介紹及其使用舉例
1 a 演算法 a 演算法在人工智慧中是一種典型的啟發式搜尋演算法，啟發中的估價是用估價函式表示的 其中f n 是節點n的估價函式，g n 表示實際狀態空間中從初始節點到n節點的實際代價，h n 是從n到目標節點最佳路徑的估計代價。另外定義h n 為n到目標節點最佳路徑的實際值。如果h n h n ...
HTML簡單介紹及舉例
超文字標記語言 hyper text markup language，簡稱html 是為 網頁建立和其他可在網頁瀏覽器中看到的資訊 設計的一種標記語言。html被用來結構化資訊，也可用來在一定程度上描寫敘述文件的外觀和語義。它是通向web技術世界的鑰匙。1 html 簡單介紹 html是用來描寫敘述...
MySQL建立索引，各種索引的建立及舉例
本文介紹在mysql中建立表的索引，包含建立普通索引，唯一索引，主鍵索引，全文索引，多列索引等，並舉了例子。假設建立乙個zaho user表 create table zaho user u id int 11 not null auto increment,insert time timestam...