页与区：SQL Server 的存储基石

你有 100GB 的数据，想知道它实际占用多少磁盘空间，该怎么算？

很多人会说：「看文件大小啊。」但如果我问你：文件里每一页存的是什么？为什么有时候表占用空间和实际数据量差好几倍？

这些问题的答案，都藏在 SQL Server 的页（Page）和区（Extent） 里。

为什么需要页和区？

SQL Server 存储数据的方式，不是按行随意散落，而是有严格的组织结构。

想象一下图书馆：如果书籍随意堆放，查找一本需要翻遍整个仓库。但如果用书架、格子、标签来组织，效率会提升百倍。

页和区，就是 SQL Server 的「书架格子」。

数据页：8KB 的固定容器

数据页（Data Page） 是 SQL Server 最基本的存储单位，大小固定为 8KB（8192 字节）。

页的结构

┌────────────────────────────────────────────────────────┐
│                    Page Header (96 字节)               │
│  页号 | 对象ID | 可用空间指针 | 其他元数据               │
├────────────────────────────────────────────────────────┤
│                                                        │
│                    Data Rows                            │
│                    (8076 字节可用)                       │
│                                                        │
│                                                        │
│                                                        │
│                                                        │
└────────────────────────────────────────────────────────┘

页头占 96 字节，剩余 8060~8096 字节（取决于行偏移数组大小）用于存储数据行。

页的类型

SQL Server 的页不只有一种：

页类型	说明	用途
Data Page	数据页	存储表数据（堆或聚集索引叶子节点）
Index Page	索引页	存储索引数据（索引树的中间节点和叶子节点）
Text/Image Page	文本页	存储超过 8000 字节的文本、图像数据
GAM Page	全局分配映射	记录已分配的区
SGAM Page	共享全局分配映射	记录混合分配的区
IAM Page	索引分配映射	记录对象使用的区
PFS Page	页面可用空间	记录页面的可用空间百分比
DCM Page	更改映射	记录自上次 Checkpoint 后的变化

有意思的是，即使你只存储一个字节的字符串，SQL Server 也会占用整整一页。这导致了一个常见问题：小表占空间大，我们后面会详细讨论。

区：8 个连续的页

区（Extent） 是 SQL Server 的分配单元，由 8 个连续的页 组成，大小为 64KB（8 × 8KB）。

┌─────────────────────────────────────────────────────────┐
│                      Extent (64KB)                       │
│  ┌───────┐ ┌───────┐ ┌───────┐ ┌───────┐ ┌───────┐ ┌───────┐ ┌───────┐ ┌───────┐ │
│  │ Page 1│ │ Page 2│ │ Page 3│ │ Page 4│ │ Page 5│ │ Page 6│ │ Page 7│ │ Page 8│ │
│  │ 8KB   │ │ 8KB   │ │ 8KB   │ │ 8KB   │ │ 8KB   │ │ 8KB   │ │ 8KB   │ │ 8KB   │ │
│  └───────┘ └───────┘ └───────┘ └───────┘ └───────┘ └───────┘ └───────┘ └───────┘ │
└─────────────────────────────────────────────────────────┘

区的类型

统一区（Uniform Extent） — 区中所有 8 个页都属于同一个对象。当表或索引需要扩展时，整区分配给它。

混合区（Mixed Extent） — 区中 8 个页属于不同对象。新建小表或小索引时，从混合区分配一页，避免空间浪费。

分配策略：新对象先从混合区获取页，当对象超过 8 页后，后续分配都使用统一区。

行存储结构：数据行怎么放？

定长数据类型

INT、BIGINT、DATETIME、CHAR(n) 等定长类型，占用固定字节，存储简单。

/**
 * 模拟 SQL Server 行数据存储
 * 实际存储涉及复杂的字节序、NULL 位图等细节
 */
public class RowStorage {
    
    /**
     * 计算一行数据的存储大小
     */
    public int calculateRowSize(TableSchema schema, Object[] values) {
        int fixedSize = 0;   // 定长列
        int variableSize = 0; // 可变长列
        int nullBitmapSize = 0; // NULL 位图
        
        for (int i = 0; i < schema.columns.length; i++) {
            Column col = schema.columns[i];
            
            if (values[i] == null) {
                // NULL 值只在 NULL 位图中标记，不占实际空间
                continue;
            }
            
            if (col.isFixedLength()) {
                fixedSize += col.getStorageSize();
            } else {
                variableSize += col.getStorageSize(values[i]);
            }
        }
        
        // NULL 位图 = 2 + (列数 + 7) / 8
        nullBitmapSize = 2 + (schema.columns.length + 7) / 8;
        
        // 行大小 = 定长列 + 可变列 + NULL 位图 + 行偏移数组
        return fixedSize + variableSize + nullBitmapSize 
               + schema.columns.length * 2;
    }
}

可变长数据类型

VARCHAR、NVARCHAR、VARBINARY 等可变长类型，存储时分为两部分：

1. 列偏移数组 — 每列在行中的起始位置（2 字节/列）
2. 实际数据 — 存储在行末尾

有意思的是，VARCHAR 的最大长度是 8000 字节（非 Unicode）或 4000 字符（Unicode）。如果你需要存储更大的文本，SQL Server 会使用 TEXTPAGE 链式存储。

行溢出：大数据的分页存储

当一行数据超过 8060 字节时，SQL Server 会使用行溢出（Row Overflow） 机制：

CREATE TABLE BigRow (
    ID INT,
    BigColumn VARCHAR(10000)  -- 单列就超过 8KB
);

INSERT INTO BigRow VALUES (1, REPLICATE('A', 10000));

存储结构：

┌─────────────────────────────────────┐
│ 主数据页                              │
│ ID 列 + 行溢出指针（24字节）           │
│ 指针指向溢出页                         │
└─────────────────────────────────────┘
                ↓
┌─────────────────────────────────────┐
│ 行溢出页                              │
│ 存储 BigColumn 的超长部分              │
└─────────────────────────────────────┘

重要提示：包含行溢出数据的查询会比普通查询慢，因为需要额外的一次 I/O 来获取溢出数据。这也是为什么应该避免过宽的行。

如何查看页和区的信息？

SQL Server 提供了 DBCC PAGE 命令，可以查看数据页的内容：

-- 开启跟踪标志，查看页信息
DBCC TRACEON(3604);

-- 查看指定页的内容
DBCC PAGE('YourDatabase', 1, 1, 3);

-- 关闭跟踪标志
DBCC TRACEOFF(3604);

或者使用 sp_spaceused 查看表的空间使用：

EXEC sp_spaceused 'YourTable';

返回结果包含：

• data — 数据占用空间
• index_size — 索引占用空间
• unused — 已分配但未使用的空间

存储计算：你的数据占用多少空间？

/**
 * 估算表的存储空间
 * 
 * 公式：
 * 数据空间 = 页数 × 8KB
 * 页数 ≈ 总行数 × 每行大小 / 8060（考虑碎片）
 */
public class StorageCalculator {
    
    /**
     * 估算数据表所需页数
     * 
     * @param rowCount 预估行数
     * @param avgRowSize 平均每行字节数
     * @return 预估页数
     */
    public long estimatePages(long rowCount, int avgRowSize) {
        // 有效载荷：每页约 8060 字节
        int payloadPerPage = 8060;
        
        // 考虑 10% 的碎片和空间浪费
        double wasteFactor = 1.1;
        
        return (long) Math.ceil(
            rowCount * avgRowSize * wasteFactor / payloadPerPage
        );
    }
    
    /**
     * 估算所需存储空间
     */
    public String estimateStorage(long rowCount, int avgRowSize) {
        long pages = estimatePages(rowCount, avgRowSize);
        long extents = (long) Math.ceil(pages / 8.0);
        long sizeKB = extents * 64;
        
        if (sizeKB > 1024) {
            return String.format("约 %.2f MB", sizeKB / 1024.0);
        }
        return sizeKB + " KB";
    }
}

碎片问题：空间浪费的隐形杀手

页和区的分配方式，导致了两类碎片：

内部碎片

由于页大小固定，如果每行平均 500 字节，一页只能存 16 行（8000/500），但页的最后 40 字节就浪费了。内部碎片 = 已分配但未使用的空间。

外部碎片

当数据频繁增删时，原本连续的区可能被不同对象使用，导致逻辑上的数据不连续。外部碎片影响磁盘 I/O 效率。

解决碎片的方案：

-- 重建聚集索引，重新组织页和区
ALTER INDEX PK_YourTable ON dbo.YourTable REBUILD;

-- 或者重新组织（比重建轻量）
ALTER INDEX PK_YourTable ON dbo.YourTable REORGANIZE;

总结

SQL Server 的页和区设计，核心目标就两个：

1. 减少磁盘寻道 — 通过区和页的连续分配，让顺序 I/O 尽可能高效
2. 简化空间管理 — 以 64KB 为单位分配，比逐页管理效率更高

理解了这个基础，你就能理解为什么大表扫描是顺序 I/O，而随机 I/O 才是性能杀手。

---

面试追问方向：

• 如果一行数据超过 8060 字节，SQL Server 怎么处理？
• 为什么要设计行溢出机制，而不是直接增大页大小？
• 如何判断一个表是否存在严重的碎片问题？sys.dm_db_index_physical_stats 这个 DMV 怎么用？

这些问题，会在后续的索引和性能调优章节中详细解答。