Tôi đã ở vị trí tương tự khi tôi bắt đầu sự nghiệp với tư cách là một DBA của SQL Server, nhưng đã học phần lớn ORACLE (10g) tại trường đại học của tôi .. và công cụ OCA đó cũng ...
Tôi đồng ý với @KennethFisher rằng cả hai RDBMS đều khác nhau và so sánh chúng giống như - so sánh Táo và Cam.
Để trả lời câu hỏi của bạn về việc - lưu trữ các bảng dưới dạng cây cân bằng ...
- Cả Oracle & SQL Server đều hỗ trợ Chỉ mục B-Tree giúp sắp xếp dữ liệu và cho phép tìm kiếm, truy cập tuần tự, chèn và xóa trong thời gian logarit.
- B-Tree được tối ưu hóa tốt cho các hệ thống đọc và ghi khối dữ liệu lớn. Lưu ý rằng SQL Server sử dụng cấu trúc này cho các Chỉ mục không phân cụm và Oracle sử dụng nó làm mặc định để lưu trữ vị trí lưu trữ của bảng bên trong.
- Oracle có khái niệm ROWID (id hàng) và UROWID (ID hàng phổ quát) trong đó trong các giá trị chính và tham chiếu duy nhất đến vị trí lưu trữ của bản ghi và điều này thể hiện vị trí thực trên đĩa mà bản ghi được lưu trữ.
ví dụ: Tổng quan về tham chiếu của kiểu dữ liệu ROWID và UROWID
SELECT ROWID, last_name FROM employees WHERE department_id = 20;
ROWID LAST_NAME
------------------ ----------
AAAAaoAATAAABrXAAA BORTINS
AAAAaoAATAAABrXAAE RUGGLES
AAAAaoAATAAABrXAAG CHEN
AAAAaoAATAAABrXAAN BLUMBERG
Một rowid mở rộng có định dạng bốn mảnh, OOOOOOFFFBBBBBBRR:
OOOOOO: Số đối tượng dữ liệu xác định phân đoạn cơ sở dữ liệu (ví dụ AAAAao). Các đối tượng lược đồ trong cùng phân khúc, chẳng hạn như một cụm bảng, có cùng số đối tượng dữ liệu.
FFF: Số lượng tệp dữ liệu liên quan đến vùng bảng của tệp dữ liệu có chứa hàng (tệp AAT trong ví dụ).
BBBBBB: Khối dữ liệu có chứa hàng (ví dụ khối AAABrX). Số khối có liên quan đến tệp dữ liệu của chúng, không phải vùng bảng. Do đó, hai hàng có số khối giống hệt nhau có thể nằm trong hai tệp dữ liệu khác nhau của cùng một vùng bảng.
RRR: Hàng trong khối.
- Do đó, các khái niệm hoàn toàn khác nhau trong cả RDBMS - ORACLE và SQL Server. Ngoài ra, PK được tạo trong Oracle không có gì ngoài các chỉ mục không phân cụm được cân bằng với ROWID để truy cập nhanh và do đó không có khái niệm về các chỉ mục được phân cụm hoặc không phân cụm.
Bây giờ, điều này trở nên thú vị và khác biệt hơn khi nói đến chỉ mục B + Tree :
Các cấu trúc B + Tree tương tự như các cấu trúc B-Tree, nhưng các bản ghi bảng (dữ liệu thực tế) được lưu trữ trong các nút lá của Chỉ số khóa chính cho phép truy cập nhanh để tìm kiếm quét chính xác hoặc phạm vi tìm kiếm trên PK của bảng.
Oracle sử dụng cái được gọi là IOT (Bảng tổ chức chỉ mục) và SQL Server sử dụng cái được gọi là Chỉ mục cụm.
Hãy xem các bảng được lập chỉ mục và các bảng được tổ chức theo chỉ mục (IOT) ...:
Từ Oracle Doc ,
Bảng được tổ chức chỉ mục là một bảng được lưu trữ trong một biến thể của cấu trúc chỉ mục cây B. Trong một bảng tổ chức heap, các hàng được chèn vào nơi chúng phù hợp. Trong một bảng được tổ chức chỉ mục, các hàng được lưu trữ trong một chỉ mục được xác định trên khóa chính cho bảng. Mỗi mục nhập chỉ mục trong cây B cũng lưu trữ các giá trị cột không khóa. Do đó, chỉ mục là dữ liệu và dữ liệu là chỉ mục. Các ứng dụng thao tác các bảng được tổ chức chỉ mục giống như các bảng được tổ chức heap, sử dụng các câu lệnh SQL.
Từ SQL Server Doc ,
Trong SQL Server, các chỉ mục được tổ chức dưới dạng cây B. Mỗi trang trong cây B chỉ mục được gọi là nút chỉ mục. Nút trên cùng của cây B được gọi là nút gốc. Mức dưới cùng của các nút trong chỉ mục được gọi là các nút lá. Bất kỳ cấp độ chỉ số giữa các nút gốc và nút lá được gọi chung là cấp độ trung gian. Trong một chỉ mục được nhóm, các nút lá chứa các trang dữ liệu của bảng bên dưới. Các nút cấp gốc và trung gian chứa các trang chỉ mục chứa các hàng chỉ mục. Mỗi hàng chỉ mục chứa một giá trị khóa và một con trỏ tới trang cấp trung gian trong cây B hoặc hàng dữ liệu ở cấp lá của chỉ mục. Các trang trong mỗi cấp của chỉ mục được liên kết trong một danh sách liên kết đôi.
- Số liệu thống kê cho IOT bao gồm phân tán vật lý của các hàng trong khi SQL Server không bao gồm vị trí vật lý của các hàng trong thống kê và do đó, Clustered Index trong SQL Server tốt hơn HEAP - dữ liệu được sắp xếp theo khóa cụm và ước tính tốt cho dữ liệu để được tìm kiếm.
Cuối cùng một số tài liệu tham khảo tốt:
Tôi sẽ thêm nhiều điểm hơn khi tôi bắt gặp điều đáng nói ...