4.6.3 聚簇设计

为了提高某个属性（或属性组）的查询速度，可把这个（这些）属性（称为聚簇码）上具有相同值的元组集中存放在一个物理块或连续的物理块内，这种技术手段称为聚簇（Cluster）。

典型的关系数据库管理系统（如Oracle）一般允许按某一聚簇码（Cluster Key）集中存放元组，具有同一聚簇码值的元组，尽量放在同一物理块中。如果放不下，可以向邻近的区域发展，或链接多个物理块，如图4-27所示。聚簇后的元组像葡萄一样按串“聚簇”存放起来。

1. 聚簇的用途

(1) 聚簇可以大大提高按聚簇码进行查询的效率。假设学生关系按所在系建有索引，现在要查询信息系的所有学生名单。若信息系的500名学生分布在500个不同的物理块上，则至少要执行500次I/O操作。如果将同一个系的学生元组集中存放，每读一个物理块可得到多个满足查询条件的元组，从而显著减少了访问磁盘的次数。若一个物理块能存放250个学生元组，则信息系的学生元组只要存放在相邻的2个物理块内，此时访问数据块只需2次I/O操作，这样速度会快得多。

(2) 聚簇还可节省存储空间，因为聚簇码只需在一个物理块中存放一次，而不必在每个元组中都存放。上例中，“信息系”只需存放2次。而在非聚簇情形下，需存放500次。

值得一提的是，一旦聚簇被建立并被装入数据之后，则其存在对于用户来讲都是透明的，用户可以像引用非聚簇数据一样来引用聚簇数据。

2. 聚簇的适用范围

聚簇设计，即需要确定建立多少个聚簇，每个聚簇中包含多少个表及聚簇码。一个数据库中可能建立多个聚簇，一个表只能加入一个聚簇。当满足下列条件时，一般可考虑建立聚簇。

(1) 聚簇功能不但适用于单个关系，也适用于经常进行连接操作的多个关系。

设student和dept分别为“学生”表和“系”表，两个表通过dno（dept的主码和student的外码）来连接。若将dno取值相同的student元组和dept元组聚簇存放，就相当于把两个表按“预连接”的形式存放，从而大大提高了连接操作的效率。

(2) 通过聚簇码进行访问或连接是该表的主要应用，与聚簇码无关的其他访问很少，或是次要的。尤其是SQL语句中包含与聚簇码有关的ORDER BY、GROUP BY、UNION、DISTINCT等语法成分时，聚簇格外有利，可以省去对结果的排序。

(3) 对应每个聚簇码的平均元组数既不能太少，也不能太多。太少则聚簇的效益不明显，甚至浪费块的空间；太多就要采用多个链接块，同样对提高性能不利。

(4) 聚簇码的值应相对稳定，以减少修改聚簇码所引起的维护开销。

3. 优化聚簇设计

(1) 从聚簇中删除经常进行全表扫描的关系；

(2) 从聚簇中删除更新操作远多于连接操作的关系；

(3) 不同的聚簇中可能包含相同的关系，一个关系可以在某个聚簇中，但不能同时加入多个聚簇。从多个聚簇方案(包括不建立聚簇)中选择一个较优的，即在这个聚簇上运行各种事务的总代价最小。

聚簇只能提高某些应用的性能，而且建立与维护的开销是相当大的。各主流数据库管理系统支持聚簇的方法不尽相同。数据库设计者应在充分了解数据库管理系统功能的前提下，根据应用的特点来合理运用聚簇。