Uvod u Indekse i B-Tree Arhitekturu

📖 Indeksiranje kao nauka

U svijetu baza podataka, indeks nije samo "ubrzivač". To je kompleksna fizička struktura koja omogućava Query Optimizeru da donese odluku o najjeftinijem putu do vaših podataka. Bez indeksa, čitanje jedne informacije iz miliona redova je kao traženje igle u plastu sijena; sa indeksom, to je hirurški zahvat koji traje milisekunde.

🔍 Razumijevanje SQL Upita: Temelj

Prije nego što uđemo duboko u indekse, razumijmo kako SQL upiti rade i zašto su indeksi važni. Dobro napisan upit u kombinaciji sa pravilnim indeksiranjem je ključ performansi baze podataka.

Osnovna Struktura Upita

Većina SQL upita slijedi ovu strukturu:

-- Osnovna SELECT struktura upita
SELECT column1, column2, ...        -- Koje kolone vratiti
FROM table_name                      -- Koja tabela/tabele
WHERE condition                      -- Filtriranje redova
GROUP BY column                      -- Grupisanje redova
HAVING condition                     -- Filtriranje grupa
ORDER BY column                      -- Sortiranje rezultata
OFFSET n ROWS FETCH NEXT m ROWS ONLY; -- Paginacija (straničenje)

Razumijevanje Izvršavanja Upita

Kada izvršite upit, SQL Server prolazi kroz ove korake:

1. Parsiranje (Parse): Provjerava sintaksu upita
2. Optimizacija (Optimize): Query Optimizer pronalazi najbolji plan izvršavanja
3. Izvršavanje (Execute): Izvršava plan i vraća rezultate

Uobičajeni Oblici Upita

Postoji nekoliko uobičajenih obrazaca upita koje ćete često koristiti. Razumijevanje ovih obrazaca i kako indeksi pomažu svakom od njih je ključno za optimizaciju performansi.

-- 1. Jednostavno traženje (koristi indeks na EmployeeID)
SELECT FirstName, LastName, Email
FROM HR.Employees
WHERE EmployeeID = 123;
-- Ovaj upit koristi Index Seek - direktno skače na red sa EmployeeID = 123
-- Bez indeksa: Table Scan (čita sve redove)
-- Sa indeksom: Index Seek (direktno na red) - 1000x brže!

-- 2. Upit po rasponu (koristi indeks na CreatedDate)
SELECT ReportID, ReportName, CreatedDate, Status
FROM Stats.Reports
WHERE CreatedDate >= '2024-01-01' 
  AND CreatedDate < '2024-02-01'
ORDER BY CreatedDate DESC;
-- Indeks na CreatedDate omogućava brzo pronalaženje redova u datom rasponu
-- SQL Server koristi Index Range Scan

-- 3. Pretraga po uzorku (LIKE - može biti sporo bez pravilnog indeksa)
SELECT FirstName, LastName
FROM HR.Employees
WHERE Email LIKE '%@company.com';
-- ⚠️ LIKE sa % na početku NE MOŽE koristiti indekse efikasno!
-- Ovo će uraditi Table Scan ili Index Scan (sporo)
-- Bolje: WHERE Email LIKE 'user%@company.com' (može koristiti indeks)

-- 4. Agregacija (koristi indeks na koloni za grupisanje)
SELECT Department, COUNT(*) AS EmployeeCount, AVG(Salary) AS AvgSalary
FROM HR.Employees
GROUP BY Department
HAVING COUNT(*) > 5;
-- Indeks na Department koloni ubrzava grupisanje
-- SQL Server može koristiti Index Scan umjesto Table Scan

-- 5. JOIN upit (koristi indekse na kolonama za spajanje)
SELECT 
    e.FirstName,
    e.LastName,
    d.DepartmentName,
    e.Salary
FROM HR.Employees e
INNER JOIN HR.Departments d ON e.DepartmentID = d.DepartmentID
WHERE e.Salary > 50000
ORDER BY e.Salary DESC;
-- Indeksi na e.DepartmentID i d.DepartmentID ubrzavaju JOIN
-- Indeks na e.Salary ubrzava WHERE i ORDER BY

Zašto su Indeksi Važni?

Bez indeksa, SQL Server mora skenirati svaki red u tabeli (table scan). Sa milionima redova, ovo je ekstremno sporo. Indeksi kreiraju "mapu puta" koja omogućava SQL Server-u da brzo pronađe podatke koje vam trebaju.

-- Without index: Table Scan (slow)
-- SQL Server reads every row to find EmployeeID = 5000
SELECT * FROM HR.Employees WHERE EmployeeID = 5000;
-- Estimated rows: 1,000,000
-- Estimated cost: Very high (full table scan)

-- With index: Index Seek (fast)
-- SQL Server uses index to jump directly to row 5000
SELECT * FROM HR.Employees WHERE EmployeeID = 5000;
-- Estimated rows: 1
-- Estimated cost: Very low (index seek)

🌲 B-Tree Internals: Pogled u mašinu

SQL Server koristi Balanced Tree strukturu. Ključna stvar je da je stablo uvijek balansirano, što znači da je svaki "list" (leaf node) na istoj udaljenosti od korijena (root node).

Anatomija 8KB Stranice Indeksa:

• Page Header (96 bytes): Čuva metadata (ID stranice, tip stranice, pointeri na lijevu/desnu stranicu).
• Data Rows: Ključevi po kojima sortiramo.
• Row Offset Array: Indeks na kraju stranice koji govori tačno gdje počinje koji red.

🧱 Clustered vs Non-Clustered: Fundamentalna razlika

1. Clustered Index (Tabela je indeks)

Kada tabela ima Clustered Index, podaci Leaf Levela su zapravo stvarni redovi podataka. Nema pokazivača; tamo gdje završi pretraga u stablu, tamo leži vaš podatak.

2. Non-Clustered Index (Indeks na tabelu)

Ovaj indeks je odvojena datoteka. U svom Leaf Levelu, on sadrži ključ indeksa i pokazivač na Clustered Key (ili RID u slučaju Heapa).

🔍 Seek vs Scan: Odluka Optimizera

Query Optimizer donosi odluku na osnovu selektivnosti:

• Index Seek: Koristi B-Tree za brzi skok na određeni ključ. Koristi se kada tražimo mali procenat redova (< 1%).
• Index Scan: Čita cijeli indeks od početka do kraja. Koristi se kada je upit previše širok ili nema korisnog indeksa.

-- 1. Index Seek (Ultra brzo)
SELECT EmployeeID FROM HR.Employees WHERE EmployeeID = 500;

-- 2. Index Scan (Sporije na velikim tabelama)
-- Čak i ako koristimo PK, operacija 'LIKE' sa % na početku forsira SCAN
SELECT * FROM HR.Employees WHERE LastName LIKE '%asić';

🎯 Praktična Vježba: Istraživanje Strukture

-- Kreiranje baze i tabele
CREATE DATABASE ForensicDB;
GO
USE ForensicDB;

CREATE TABLE StorageTest (
    ID INT PRIMARY KEY,
    Data CHAR(2000) -- Veliki redovi da brže popunimo stranice
);

-- Napuni podatke
INSERT INTO StorageTest VALUES (1, 'A'), (2, 'B'), (3, 'C'), (4, 'D');

-- Pogledaj stranice (ID baze, ID tabele, IndexID)
-- IndexID 1 = Clustered Index
DBCC IND('ForensicDB', 'StorageTest', 1);
GO

-- NAPOMENA: U rezultatima tražite PageType:
-- 1 = Data Page (Leaf)
-- 2 = Index Page (Non-Leaf)
-- 10 = IAM Page (Metadata)

✅ Zaključak

Danas ste naučili kako SQL Server razmišlja:

• ✅ B-Tree nije samo teorija, to je fizički raspored na 8KB stranicama.
• ✅ Uniquifier omogućava klasterisanje na ne-unikatnim kolonama.
• ✅ Seek je hirurški precizan, dok je Scan brutalna sila.
• ✅ Key Lookup je skriveni ubica performansi koji ćemo riješiti u sljedećoj lekciji.