文件组织：索引顺序文件

索引文件构成     

链接地址：http://student.zjzk.cn/course_ware/data_structure/web/wenjian/wenjian10.3.1.htm

1．索引文件
    　索引文件由主文件和索引表构成。
　　①主文件：文件本身。
　　②索引表：在文件本身外建立的一张表，它指明逻辑记录和物理记录之间的一一对应关系。

2．索引表组成
    　索引表由若干索引项组成。一般索引项由主关键字和该关键字所在记录的物理地址组成。
  注意：
　    索引表必须按主关键字有序，而主文件本身则可以按主关键字有序或无序。

3．索引顺序文件和索引非顺序文件
（1）索引顺序文件(Indexed Sequential File)
    　主文件按主关键字有序的文件称索引顺序文件。
    　在索引顺序文件中，可对一组记录建立一个索引项。这种索引表称为稀疏索引。

（2）索引非顺序文件(Indexed NonSequentail File)
    　主文件按主关键字无序得文件称索引非顺序文件。
    　在索引非顺序文件中，必须为每个记录建立一个索引项，这样建立的索引表称为稠密索引。
  注意：
    　① 通常将索引非顺序文件简称为索引文件。
    　② 索引非顺序文件主文件无序，顺序存取将会频繁地引起磁头移动，适合于随机存取，不适合于顺序存取。
    　③ 索引顺序文件的主文件是有序的，适合于随机存取、顺序存取。
    　④ 索引顺序文件的索引是稀疏索引。索引占用空间较少，是最常用的一种文件组织。
    　⑤ 最常用的索引顺序文件：ISAM文件和VSAM文件。

索引文件的存储

1．索引文件的存储
   　 索引文件在存储器上分为两个区：索引区和数据区。索引区存放索引表，数据区存放主文件。

2． 索引文件的建立
    　建立索引文件的过程：
　　（1） 按输入记录的先后次序建立数据区和索引表。其中索引表中关键字是无序的
　　（2） 待全部记录输入完毕后对索引表进行排序，排序后的索引表和主文件一起就形成了索引文件。
　　【例】对于表10.2的数据文件，主关键字是职工号，排序前的索引表如表10.3所示，排序后的索引表见表10.4，表10.2和表10.4一起形成了一个索引文件。

ISAM文件和VSAM文件是常用的索引顺序文件。

ISAM文件

    　ISAM为Indexed Sequential Access Methed(索引顺序存取方法)的缩写，它是一种专为磁盘存取文件设计的文件组织方式，采用静态索引结构。由于磁盘是以盘组、柱面和磁道三级地址存取的设备，则可对磁盘上的数据文件建立盘组、柱面和磁道多级索引，下面只讨论在同一个盘组上建立的ISAM文件。

1、ISAM文件的组成
    　ISAM文件由多级主索引、柱面索引、磁道索引和主文件组成。
    　文件的记录在同一盘组上存放时，应先集中放在一个柱面上，然后再顺序存放在相邻的柱面上。对同一柱面，则应按盘面的次序顺序存放。
【例】图10.4所示的文件是存放在同一个磁盘组上的ISAM文件。

 
     


其中：
　　① C表示柱面；
    　② T表示磁道；
    　③ C_iT_i表示i号柱面，j号磁道；
    　④ R_i表示主关键字为i的记录。
分析：
　    从图中可看出，主索引是柱面索引的索引，这里只有一级主索引。若文件占用的柱面索引很大，使得一级主索引也很大时，可采用多级主索引。当然，若柱面索引较小时，则主索引可省略。
    　通常主索引和柱面索引放在同一个柱面上(如图10.4是放在0号柱面上)，主索引放在该柱面最前的-个磁道上，其后的磁道中存放柱面索引。每个存放主文件的柱面都建立有一个磁道索引，放在该柱面的最前面的磁道To上，其后的若干个磁道是存放主文件记录的基本区，该柱面最后的若干个磁道是溢出区。基本区中的记录是按主关键字大小顺序存储的，溢出区被整个柱面上的基本区中各磁道共享，当基本区中某磁道溢出时，就将该磁道的溢出记录，按主关键字大小链成一个链表(以下简称溢出链表)放人溢出区。

2、各级索引中的索引项结构

 

  注意：
　    磁道索引中的每一个索引项，都由两个子索引项组成：基本索引和溢出索引项。

3、ISAM文件的检索
　　在ISAM文件上检索记录时，从主索引出发，找到相应的柱面索引；从柱面索引找到记录所在柱面的磁道索引；从磁道索引找到记录所在磁道的起始地址，由此出发在该磁道上进行顺序查找，直到找到为止。若找遍该磁道均不存在此记录，则表明该文件中无此记录；若被查找的记录在溢出区，则可从磁道索引项的溢出索引项中得到溢出链表的头指针，然后对该表进行顺序查找。
　　【例】要在下图中查找记录R₇₈，先查主索引，即读入CoTo；因为78<300，则查找柱面索引的C₀T_l(不妨设每个磁道可存放5个索引项)，即读人C₀T_l；因为70<78<150，所以进一步把C₂T₀入内存；查磁道索引，因为78<81，所以C₂T₁即为R₇₈所存放的磁道，读人C₂T₁，后即可查得R₇₈

 
　　为了提高检索效率，通常可让主索引常驻内存，并将柱面索引放在数据文件所占空间居中位置的柱面上，这样，从柱面索引查找到磁道索引时，磁头移动距离的平均值最小。

4、ISAM文件的插入操作
　　当插人新记录时，首先找到它应插入的磁道。若该磁道不满，则将新记录插入该磁道的适当位置上即可；若该磁道已满，则新记录或者插在该磁道上，或者直接插入到该磁道的溢出链表上。插入后，可能要修改磁道索引中的基本索引项和溢出索引项。
　　【例】依次将记录R₇₂，R₈₇，R₉₁插入到上图所示的文件后，第二个柱面的磁道索引及该柱面中主文件W的变化状况如下图所示。

 
  
　　当插入R₇₂时，应将它插在C₂T_l，因为72<75，所以R₇₂应插在该磁道的第一个记录的位置上，而该磁道上原记录依次后移一个位置，于是最后一个记录R₈₁被移人溢出区。由于该磁道上最大关键字由81变成79，故它的溢出链表也由空变为含有一个记录R₈₁的非空表。因此，将C2T1对应的磁道索引项中基本索引项的最大关键字，由81改为79；将溢出索引项的最大关键字置为81，且令溢出链表的头指针指向R₈₁，的位置；类似地，R87和B91被先后插入到第2号柱面的第2号磁道C₂T₂上。插入R₈₇时，R₁₀₀被移到溢出区；插入R₉₁时，R₉₅被移到溢出区，即该磁道溢出链表上有两个记录。虽然物理位置上R₁₀₀在R₉₅，之前，但作为按关键字有序的链表，B₉₅是链表上的第一个记录，R₁₀₀是第二个记录。因此，C₂T₂对应的溢出索引项中，最大关键字为100，而溢出链表头指针指向R95的位置；C₂T₂移出R₉₅和移出R₁₀₀后，92变为该磁道上最大关键字，所以C₂T₂对应的基本索引项中最大关键字由100变为92。


5、ISAM文件中删除记录的操作
　　ISAM文件中删除记录的操作，比插入简单得多，只要找到待删除的记录，在其存储位置上作删除标记即可，而不需要移动记录或改变指针。在经过多次的增删后，文件的结构可能变得很不合理。此时，大量的记录进入溢出区，而基本区中又浪费很多的空间。因此，通常需要周期性地整理ISAM文件，把记录读入内存重新排列，复制成一个新的ISAM文件，填满基本区而空出溢出区。

VSAM文件

    　VSAM是Virtual Storage Access Method(虚拟存储存取方法)的缩写，它也是一种索引顺序文件的组织方式，采用B+树作为动态索引结构。

1、B+树
    　B+树是一种常用于文件组织的B-树的变型树。一棵m阶的B+树和m阶的B-树的差异是：
　　①有k个孩子的结点必有k个关键字；
　　②所有的叶结点，包含了全部关键字的信息及指向相应的记录的指针，且叶子结点本 身依照关键字的大小，自小到大顺序链接；
　　③上面各层结点中的关键字，均是下一层相应结点中最大关键字的复写(当然也可采用"最小关键字复写"的原则)，因此，所有非叶结点可看作是索引部分。
【例】下图是一棵3阶的B+树。

 



  注意： 
　    ①通常在B+树上有两个头指针root和sqt，前者指向根结点，后者指向关键字最小的叶子结点。
    　②对B+树可进行两种查找运算：一种是从最小关键字起进行顺序查找；另一种是从根结点开始进行随机查找。

2、B+树的运算
    　在B+树上进行随机查找、插入和删除的过程，基本上与B-树类似。

（1）B+树的查找运算
    　在查找时，若非叶结点上的关键字等于给定值，并不终止，而是继续向下直到叶子结点。因此，在B+树中，不管查找成功与否，每次查找都是走了一条从根到叶子结点的路径。
    　B+树查找的分析类似于B-树。B+树的插入也仅在叶子结点上进行，当结点中的关键字个数大于m时要分裂成两个结点，它们所含关键字的个数分别为：
     
并且它们的双亲结点中应同时包含这两个结点的最大关键字。

（2）B+树的删除
    　B+树的删除仅在叶子结点进行，当叶子结点中的最大关键字被删除时，其在非终端结点中的值可以作为一个"分界关键字"存在。若因删除而使结点中关键字的个数少于  时，则可能要和该结点的兄弟结点合并，合并过程和B-树类似。

3、VSAM文件
   　 B+树的每个叶结点中的关键字均对应一个记录，适宜于作为稠密索引。但若让叶结点中的关键字对应一个页块，则B+树可用来作为稀疏索引。IBM公司VSAM文件是用B+树作为文件的稀疏索引的一个典型例子。
    　这种文件组织的实现，使用了IBM370系列的操作系统的分页功能，这种存取方法与存储设备无关，与柱面、磁道等物理存储单位没有必然的联系。例如，可以在一个磁道中放n个控制区间，也可以一个控制区间跨n个磁道。

（1）VSAM文件的结构
    　VSAM文件的结构由三部分组成：索引集，顺序集和数据集（如下图所示）。

 
      
　　①数据集
    　文件的记录均存放在数据集中。数据集中的一个结点称为控制区间(Control Interval)，它是一个I/0操作的基本单位，每个控制区间含有一个或多个数据记录。

　　②顺序集和索引集
    　顺序集和索引集一起构成一棵B+树，作为文件的索引部分。
    　顺序集中存放的每个控制区间的索引项由两部分信息组成：该控制区间中的最大关键字和指向控制区间的指针。若干相邻的控制区间的索引项，形成顺序集中的一个结点。结点之间用指针相链接，而每个结点又在其上一层的结点中建有索引，且逐层向上建立索引，所有的索引项都由最大关键字和指针两部分信息组成。这些高层的索引项形成B+树的非终端结点。
    　VSAM文件既可在顺序集中进行顺序存取，又可从最高层的索引(B+树的根结点)出发，进行按关键字的随机存取。顺序集中一个结点连同其对应的所有控制区间形成一个整体，称做控制区域(Control Range)，它相当于ISAM文件中的一个柱面，而控制区间相当于一个磁道。

（2）VSAM文件中控制区间的结构
    　在VSAM文件中，记录可以是不定长的。因而在控制区间中，除了存放记录本身之外，还有每个记录的控制信息(如记录的长度等)和整个区间的控制信息(如区间中存放的记录数等)，控制区间的结构如下表所示。

 

（3）VSAM文件的插入方法
    　VSAM文件中没有溢出区，解决插入的方法是在初建文件时留出空间：一是每个控制区间内并未填满记录，而是在最末一个记录和控制信息之间留有空隙；二是在每个控制区域中有一些完全空的控制区间，并在顺序集的索引中指明这些空区间。
    　当插入新记录时，大多数的新记录能插入到相应的控制区间内，但要注意：为了保持区间内记录的关键字从小至大有序，则需将区间内关键字大于插入记录关键字的记录，向控制信息的方向移动。若在若干记录插入之后控制区间已满，则在下一个记录插入时，要进行控制区间的分裂，即把近乎一半的记录移到同一控制区域内全空的控制区间中，并修改顺序集中相应索引。倘若控制区域中已经没有全空的控制区间，则要进行控制区域的分裂，此时顺序集中的结点亦要分裂，由此需要修改索引集中的结点信息。但由于控制区域较大，通常很少发生分裂的情况。

（4）VSAM文件的删除
    　在VSAM文件中删除记录时，需将同一控制区间中，比删除记录关键字大的记录向前移动，把空间留给以后插人的新记录。若整个控制区间变空，则回收作空闲区间用，且需删除顺序集中相应的索引项。

（5）VSAM文件的优点
    　和ISAM文件相比，基于B+树的VSAM文件有如下优点：能保持较高的查找效率，查找一个后插入记录和查找一个原有记录具有相同的速度；动态地分配和释放存储空间，可以保持平均75％的存储利用率；而且永远不必对文件进行再组织。因而基于B+树的VSAM文件，通常被作为大型索引顺序文件的标准组织。