查询优化器内核剖析第七篇：执行引擎之数据访问操作---Scan
从本篇了开始的接下来的几篇文章将会介绍与执行引擎相关的知识。
系列文章索引：
执行引擎就是由大量的物理操作组成的（而这些物理操作又会去调用存储引起的相关方法），这些操作被查询处理器用来高效的执行我们的查询。
这里不要将查询处理器与查询优化器搞混淆，它们不是同一个东西。为了使得大家对相关的概念有一个清楚的认识，请看到下面这一个图：
从图中，就可以一目了然的直到查询处理器与查询优化器之间的关系：
- 数据库基本上有两大部分组成：关系引擎，存储引擎。（建议朋友们去仔细的阅读这几篇文章：SQL 内部机制之：一个查询的生命周期）
- 我们这里所说的“查询处理器”就是图中的关系引擎，而查询优化器只是其中的一个部分。
我们最近将要介绍的“执行引擎”，就是上图中的“Query Executor”。在介绍执行引擎的过程中，我这里主要会着重的介绍几类在我们查询中常见的一些操作：数据访问，聚合，Join，还有并行操作。当然，在执行引擎中，还有更多的操作，如果大家感兴趣，可以去参看SQL Server的联机丛书。
我们首先将会介绍给数据访问的几个操作：scan，seek，还有lookup。
相信大家对这些操作应该有所了解的，我这里稍微的提及一下。
Scan：这个操作会读取整个数据结构，这个数据结构可以是一个堆表，聚集索引，非聚集索引。
Seek：这个操作不会读取整个数据结构，而是直接通过索引定位到要读取的那一行。所以Seek操作只能发生在聚集索引与非聚集索引上。
堆表：就是没有建立聚集索引的表，表中的数据没有按照顺序进行存储。一旦一个表建立了聚集索引，那么表中的数据就会按照聚集索引排序存储。
另外，非聚集索引可以建立在堆表上，也可以建立在还有聚集索引的表上。
我们通过下面的一个表做一下总结（看看不同的数据结构可以支持何种物理操作），然后迅速进入Scan操作的详细讲解。
|
数据结构 |
Scan |
Seek |
|
堆表 |
Table Scan |
|
|
聚集索引 |
Clustered Index Scan |
Clustered Index Seek |
|
非聚集索引 |
Index Scan |
Index Seek |
还是和之前一样，我们从一个例子入手，这里依然使用示例数据库AdventureWorks。我们首先来看到一个Table Scan的操作（也就是整表扫描） ，看到如下的查询：
查看实际的执行计划，如下图：
通过查看DatabaseLog表的定义，我们发现这个表是一个堆表，即，这个表没有聚集索引，如下所示：
下面，我们再看一个Clustered Index Scan（聚集索引扫描）的例子，看到如下查询：
执行计划如下如所示：
通过查看Address表的定义，发现这个表确实还有聚集索引：
可以上面的例子可以知道：
- 虽然同是进行了 Scan操作，但是因为表的一些特性不同，而最后选择的具体的物理操作Scan也不一样。
- 不管是Table Scan还是Clustered Index Scan，它们都是对相应的数据结构进行了全部的扫描，不同的是：前者发生在堆表上，后者发生在含有聚集索引的表上。
下面，给大家看一个比较有意思的查询：
执行计划如下：
图中显示的是Index Scan，也就说，这个查询没有去扫描表的所有数据页，而是去扫描索引，这个成本小得多。之所以进行了这个操作，是因为在这个表上存在一个非聚集索引，定义如下：
这个非聚集索引包含了我们查询中的两个字段：[City]，[StateProvinceID]。又因为AddressID是这个表的聚集索引，对于一个有聚集索引的表而言，它的所有的非聚集索引都会包含一个对聚集索引的引用，这样是为了加快数据检索的速度（大家可以想想为什么？）。所以，我们上面查询中的三个操作都可以在索引页中找到，就没有必要去扫描底层的表了。