【译】索引进阶（八）：SQL SERVER唯一索引

【译注：此文为翻译，由于本人水平所限，疏漏在所难免，欢迎探讨指正】 

原文链接：传送门。

在本章节我们检查唯一索引。唯一索引的特别之处在于它不仅提供了性能益处，而且提供了数据完整性益处。在SQL SERVER中，唯一索引是保证主键约束和候选键约束的唯一合理的方式。

唯一索引和约束

        唯一索引与其他任何索引并没有什么不同，唯一不同之处在于它不允许多个条目具有相同的索引键值。既然索引中的一个条目映射到了交互表的一行，那么阻止条目被加入到索引中便是阻止了数据行被加到表中。这便是为什么唯一索引是主键约束和候选键约束的保证。

声明一个主键或者唯一性索引都会导致SQL SERVER自动创建索引。你可以具有一个唯一索引而没有与之匹配的约束，但是没有唯一索引的话，你不能具有任何唯一约束。定义一个约束会导致与约束同名的一个索引被创建。不首先删除约束，你是不能删除索引的，因为约束是不能离开索引而存在的。删除约束也会导致与之关联的索引被删除。

每张表包含超过一个唯一索引是可能的。举个例子，AdventureWork库的Product 表具有四个唯一索引，ProductID, ProductNumber, rowguid, ProductName这四个列各有一个唯一索引。AdventureWorks 数据库的设计者选择ProductID 作表的主键，其他三个作替换键，有时候 称为候选键。

你能够用CREATE INDEX 语句创建一个唯一索引，如下所示：

CREATE UNIQUE NONCLUSTERED INDEX [AK_Product_Name]
ON Production.Product ( [Name] );

也可以通过定义约束来创建唯一索引，如下所示：

ALTER TABLE Production.Product
  ADD CONSTRAINT PK_Product_ProductID PRIMARY KEY CLUSTERED
    (
      ProductID    );

在第一个例子中，你将确保不会有两个商品会有相同的商品名，在第二个例子中， 你将确保没有两个商品会有相同的ProductID 值。因为定义一个主键约束或者候选键约束会导致一个索引被创建，因此在约束的定义中你必须指定必要的索引信息，因此CLUSTERED关键字出现在上述ALTER TABLE 子句中。如果表包含有违反约束后者违反索引限制的数据，那么“CREATE INDEX ”语句会失败。

如果索引能够被创建，那么后续任何会 违反约束或索引的DML都会失败。举个例子，假设我们尝试着插入一条具有重复商品名的数据行，插入语句如下所示：

INSERT Production.Product
(
Name, ProductNumber,
Color,
SafetyStockLevel, ReorderPoint, StandardCost,
ListPrice, Size,
SizeUnitMeasureCode, WeightUnitMeasureCode, [Weight],
DaysToManufacture, ProductLine, Class, Style,
ProductSubcategoryID, ProductModelID,
SellStartDate, SellEndDate, DiscontinuedDate
)
VALUES
(
'Full-Finger Gloves, M', 'A unique product number',
'Black',
4, 3, 20.00, 40.00, 'M',
NULL, NULL, NULL,
0, 'M', NULL, 'U', 20, 3,
GETDATE(), GETDATE(), NULL
);
 
列表1：插入重复的商品名

这条语句会执行失败，我们会收到如下的错误信息：

Msg 2601, LEVEL 14, State 1, Line 1
Cannot INSERT duplicate KEY row IN object 'Production.Product'
 
WITH UNIQUE INDEX  'AK_Product_Name'.
The statement has been terminated.

这条信息告知我们AK_Product_Name 索引成功的保护了我们的表，它阻止了一个包含已经存在的商品名的数据行的非法插入。

在主键约束和唯一索引之间存在着一些细微的差异：

• 主键约束禁止null值，没有任何索引条目的索引键允许包含null值。而唯一性索引却允许null值。然而，既然唯一性索引认为两个null值是相互重复的，在每列中，只有一个包含null值的检索键值可以在索引中存在。
• 创建一个主键约束会导致创建一个聚集索引，除非以下事情发生：

1. 表已经是一个聚集索引。
2. 当你定义约束时候指定了NONCLUSTERED 关键字。

• 当你创建唯一约束并且表不是聚集索引时，创建唯一性约束会导致创建一个非聚集索引，除非你指定了CLUSTERED 关键字。
• 每张表只能有一个主键约束，但是可以有多个唯一性约束。

当决定是否创建一个唯一约束或者仅仅只是创建一个唯一索引时，请遵从MSDN库中的SQL SERVER文档：

“There are no significant differences between creating a UNIQUE constraint and creating a unique index that is independent of a constraint. Data validation occurs in the same manner, and the query optimizer does not differentiate between a unique index created by a constraint or manually created. However, you should create a UNIQUE constraint on the column when data integrity is the objective. This makes the objective of the index clear.”

组合使用唯一索引和过滤索引

我们在上面提到的唯一索引的属性：它们只允许存在一个null值，通常与通用的商业规则会有冲突。通常我们会想要保证一个列中已经存在的值是唯一的，而允许那一列多行数据都可以没有任何值。

举例来说，假设你是某个商品供应商，你会从第三方厂商那边得到某些商品，并且你将自己的产品信息保存在一张ProductDemo表中，你为所有的商品都分配了一个ProductID 值，同时你也保留了商品的UPC（Universal Product Code） 值。然而并不是所有厂商的产品都会有一个UPC值，因此你的表会存在如下部分数据：

ProductID	UPCode	Other Columns
(Primary Key)	(Unique, but not a key)
14AJ-W	036000291452
23CZ-M
23CZ-L
18MM-J	044000865867

表1：ProductDemo表的部分内容

在第二列，你必须要确保UPC列的唯一性同时还需要允许null值的存在，提供这种功能的最好方式是组合使用唯一索引与过滤索引（过滤索引是第七章的主题，它在SQL SERVER 2008被引入）。

为了演示这个，我们创建了一个简单的表，其包含上面显示的列：

CREATE TABLE ProductDemo
     (
       ProductID NCHAR(6)  NOT NULL PRIMARY KEY,
       UPCode    NCHAR(12) NULL
     );

现在我们向其插入4条空UP Code行，那么四条数据会被加入到表中，如下所示：

INSERT ProductDemo (ProductID , UPCode) VALUES ('14AJ-W', '')
, ('23CZ-M', NULL)
, ('23CZ-L', NULL)
, ('18MM-J', '');

然而当我们试着插入一行具有重复UPCode 值的数据行：

INSERT ProductDemo (ProductID , UPCode) VALUES ('14AJ-K', '');

我们接收到了如下错误信息并且数据行没有被插入。

Msg 2601, Level 14, State 1, Line 1
Cannot insert duplicate key row in object 'dbo.ProductDemo' with unique index 'AK_UPCode'.
The statement has been terminated.

如同在本章之前的例子所做的那样，你可以选择指定IGNORE_DUP_KEY 选项。因此，我们原始的 CREATE INDEX 语句没有经过措辞：

CREATE UNIQUE NONCLUSTERED INDEX AK_Product_Name
ON Production.Product ( [Name] )
WITH ( IGNORE_DUP_KEY = OFF );

这个选项的名称使人产生一些误解，因为当存在唯一索引时，重复的键值从来不会被忽略。更确切的说，唯一索引从来不会允许重复的键值。这个选项控制着插入多行数据时候可执行的行为。举个例子，你有两张表：表A和表B，它们有相同的表架构，那么你可以向SQL SERVER提交如下插入语句：

INSERT INTO TableA
SELECT *
FROM TableB;

SQL SERVER会尝试复制所有表B的数据行到表A，如果 表B的两条数据因为重复的值而不能被复制到表A会怎么样呢？你是希望其他所有行被复制，只有重复的两行失败呢，还是希望整个插入语句都会失败？

这个选择将由你来做。当你创建唯一索引时候，你将决定发生什么，当一个插入语句企图向一个唯一索引中插入多个重复键值时。IGNORE_DUP_KEY 的两个设置列举如下：

• IGNORE_DUP_KEY = OFF

整个插入语句都会失败，并列出一个错误信息，注意，此选项是默认的。

• IGNORE_DUP_KEY = ON

只有与已存在的行索引键值重复的行才会失败，并列出一个告警信息，注意，如果一个唯一索引同时又是过滤索引那么这个选项不能被设置。

IGNORE_DUP_KEY 这个选项仅仅影响INSERT 语句，它会被UPDATE，CREATE INDEX， ALTER INDEX 语句忽略，当给一个表添加主键索引或者唯一索引时，也可以指定IGNORE_DUP_KEY 选项。

为什么唯一索引能提供意想不到的益处？

唯一索引能提供意料之外的性能益处。这是因为它们提供给SQL SERVER一些我们视为理所当然而SQL SERVER绝不会假设的信息，AdventureWork数据库Product 表的两个唯一索引：ProductID 和ProductName提供了证明了这个例子。

假设你收到了一个来自仓库员工的请求，这个查询会展示给他们一些Product 表中各个产品的如下信息：

• 产品名
• 产品被出售的次数
• 这些销售的总价值

为了解决此问题，你写出了如下查询：

SELECT [Name]
     , COUNT(*) AS 'RowCount'
     , SUM(LineTotal) AS 'TotalValue'
  FROM Production.Product P
  JOIN Sales.SalesOrderDetail D ON D.ProductID = P.ProductID
  GROUP BY ProductID

仓库员工非常开心看到这个查询，因为它给了他们想要的结果。每个产品一行数据，每行包含了产品名，销售次数和总销售额。部分输出如下所示：

Name                               RowCount    TotalValue
---------------------------------- ----------- ----------------------------------
Sport-100 Helmet, Red              3083        157772.394392
Sport-100 Helmet, Black            3007        160869.517836
Mountain Bike Socks, M             188         6060.388200
Mountain Bike Socks, L             44          513.000000
Sport-100 Helmet, Blue             3090        165406.617049
AWC Logo Cap                       3382        51229.445623
Long-Sleeve Logo Jersey, S         429         21445.710000
Long-Sleeve Logo Jersey, M         1218        115249.214976
Long-Sleeve Logo Jersey, L         1635        198754.975360
Long-Sleeve Logo Jersey, XL        1076        95611.197080
HL Road Frame - Red, 62            218         394255.572400

然而，你关心于这个查询的潜在消耗，SalesOrderDetail 是这个查询所涉及的表中较大的那个，并且它的数据行必须按照产品名称分组，而这个产品名存在于Product 表，并不在SalesOrderDetail 表中。通过SSMS，你注意到SalesOrderDetail 表在它的主键上是聚集的（SalesOrderID / SalesOrderDetailID），当试着按产品名称分组时候这并不会产生任何益处。

如果你运行第五章的代码：包含列，你在SalesOrderDetail.ProductID 外键上创建了如下的非聚集索引：

CREATE NONCLUSTERED INDEX FK_ProductID_ModifiedDate
ON Sales.SalesOrderDetail
(
ProductID,
ModifiedDate
)
INCLUDE
(
OrderQty,
UnitPrice,
LineTotal
);

你感觉这个索引会对你的查询有所帮助，因为它包含了你的查询需要的所有信息，除了产品名之外，它按ProductID 的顺序排列，但是你仍关心于把一个表的信息按照另一个不同表的值进行分组。

你返回到SSMS，打开“显示实际的执行计划”选项，运行查询，注意到执行计划显示如下图：

首先你很惊奇于看到Product表的产品名称索引，Product.AK_Product_Name从来没有使用过，即使它的列是GROUP BY子句的聚合键。那么你意识到 Product.Name有一个唯一索引和 Product.ProductID有一个唯一索引会告知SQL SERVER每一个product name和每一个product id都会有一个产品，因此e, GROUP BY [Name] 或者GROUP BY ProductID 是一样的分组，也就是说，它们都会一个产品产生一个分组。

因此查询优化器认为你的查询和如下的查询是相同的：

SELECT[Name]
, COUNT(*)AS 'RowCount'
, SUM(LineTotal)AS 'TotalValue'
FROM Production.Product P
JOIN Sales.SalesOrderDetail D OND.ProductID= P.ProductID
GROUP BY ProductID

因此两个ProductID索引会同时支持对所请求数据的连接和分组操作。

SQL SERVER 能够同时扫描SalesOrderDetail 表上的覆盖索引和Product 表的聚集索引，它们两者都是以ProductID的顺序排列的，产生每个分组的总数，然后以产品名称合并，并不需要做任何排序或者哈希，简而言之，SQL SERVER为你的查询产生尽可能高效的执行计划。

如果你移除Product.AK_Product_Name 索引，像这样：

IF EXISTS ( SELECT *
FROM sys.indexes
WHERE OBJECT_ID = OBJECT_ID(N'Production.Product')
AND name = N'AK_Product_Name')
DROP INDEX AK_Product_Name
ON Production.Product;

那么新的执行计划（如下所示）并不高效，它需要额外的排序和合并操作。

你能够看到尽管唯一索引的主要目的是提供了数据的一致性，它也能够帮助查询优化器决定收集数据的最高效的方式，即使那个索引并不是设计用来访问数据的。

结论

唯一索引为主键约束和候选键约束提供支持。唯一索引可以与其交互的约束一起存在，但唯一约束不能离开它的索引而存在。

唯一索引可以同时是一个过滤索引（filtered index），这保证了唯一性的列可以允许多个null值存在。

IGNORE_DUP_KEY选项影响了多行插入语句的行为。

唯一索引能够提供更好的查询性能，即使索引并没有被使用。