SQL Server中的文件组是什么意思?

SQL Server中的文件组是什么意思?,第1张

文件组就是一堆文件的一个总称,就像黑种人,白种人,黄种人,是一堆人的总称,但以颜色来标识,这就是逻辑上的分类,文件组也是一样只是逻辑上的分组,一个数据库可以看成很多个文件构成一个逻辑空间,它的数据越存越多,加入新的文件就越来越多,这些文件就可以作为一个组来管理。

文件和文件组的含义与关系:

每个数据库有一个主数据文件.和若干个从文件。文件是数据库的物理体现。 文件组可以包括分布在多个逻辑分区的文件,实现负载平衡。文件组允许对文件进行分组,以便于管理和数据的分配/放置。例如,可以分别在三个硬盘驱动器上创建三个文件(Data1.ndf、Data2.ndf和Data3.ndf),并将这三个文件指派到文件组 fgroup1 中。然后,可以明确地在文件组fgroup1 上创建一个表。对表中数据的查询将分散到三个磁盘上,因而性能得以提高。在RAID(磁盘冗余阵列)条带集上创建单个文件也可以获得相同的性能改善。然而,文件和文件组使您得以在新磁盘上轻易地添加新文件。另外,如果数据库超过单个Microsoft Windows 文件的最大大小,则可以使用次要数据文件允许数据库继续增长。

文件、文件组在实践应用中常见的问题:

1、容易导致文件过大。

我们知道,mdf文件是数据库文件,这样的话也就意味着随着数据库的增大mdf就会相应的增大,显然在现在的应用中数据膨胀是太常见的事情了,当你的应用变大后,mdf文件也会变大,然而windows对文件的大小是有要求的,这样的话很容易导致mdf文件达到windows所允许的文件大小的界限(于是数据库就崩溃了)。

2、没有利用到磁盘阵列

大型的服务器好多都有磁盘阵列,你可以把磁盘阵列简单的假象成n个一块转动的磁盘,磁盘阵列的设计是希望通过多个磁盘的串联来得到更大的读写效率。但是如果你的数据库只有一个mdf文件(ldf文件暂时不考虑),那么你总是只能够利用这个磁盘阵列里面的一个磁盘而已。那样的话昂贵的磁盘阵列的效率就由并联变成串联了。试想如果我们能够让mdf分散成多个文件,比如说磁盘阵列上的每个磁盘中都分配一个文件,然后把mdf中的数据分散到各个文件中,我在读取的时候就是串联的读取了,这样就充分的利用了磁盘阵的存取效能。

SQL文件组就是文件的逻辑集合。它的目的是为了方便数据的管理和分配。文件组可以把指定的文件组合在一起。

中文名

文件组

外文名

SQL

目的

方便数据的管理和分配

性质

一个文件不能是多个文件组的成员

SQL Server中一个数据库可以对应多个物理文件,其中有一个的主数据库文件,扩展名为MDF,其他为次数据库文件,扩展名为NDF。可以将不同的文件存放在不同的驱动器上,可以提高数据访问速度。

文件组是逻辑概念,主要目的是将文件分组管理。

create database db3

on

primary --主文件组

(name='db3_dat1',--数据库主文件

filename='d:\db3_dat1.mdf',

size=10mb,

maxsize=100mb,

filegrowth=10%

),

(name='db2_dat2',--主文件组,是次数据库文件

filename='d:\db2_dat2.ndf',

size=10mb,

maxsize=100mb,

filegrowth=10%

),

filegroup db3g1 --第2个文件组

(name='db3_dat3', --第2个文件组中的次数据库

filename='d:\db2_dat3.ndf',

size=10mb,

maxsize=30mb,

filegrowth=5mb

),

(name='db3_dat4', --第2个文件组中的次数据库

filename='d:\db2_dat4.ndf',

size=5mb,

maxsize=30mb,

filegrowth=5mb

),

filegroup db3g2 --第三个文件组

(name='db3_dat5', ----第三个文件组中的次数据库

filename='d:\db2_dat5.ndf',

size=10mb,

maxsize=50mb,

filegrowth=20%

)

log on

(name='db3_log', --日志文件

filename='d:\db3_log.ldf',

size=20mb,

maxsize=100mb,

filegrowth=10mb

)


欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/tougao/8090894.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023-04-13
下一篇 2023-04-13

发表评论

登录后才能评论

评论列表(0条)

保存