堆表
堆表的基本概念
数据库堆表（Heap Table）是一种特殊的数据存储结构，在大多数数据库中，堆表是指没有聚集索引（Clustered Index）的表。堆表中的数据以任意的顺序存储，不像索引组织表那样按照特定的顺序（如主键顺序）来组织数据。
堆表的优势
- 插入性能高：与索引组织表相比，堆表在插入大量数据时具有更高的性能。
- 设计简单：堆表的设计和管理相对简单，不需要考虑索引结构的维护。
堆表的劣势
1. 查询性能较差
全表扫描：堆表中的数据没有固定的物理顺序，因此在执行查询操作时，数据库通常需要执行全表扫描来查找所需的数据。这增加了查询的时间复杂度，特别是在处理大型表时，查询性能会显著下降。
依赖索引：虽然可以通过为堆表创建索引来提高查询性能，但这需要额外的存储和维护成本。而且，即使创建了索引，索引本身也可能成为性能瓶颈，特别是在高并发查询场景下。
2. 更新和删除操作复杂
随机I/O：堆表的更新和删除操作可能会导致随机I/O，因为数据库需要定位到具体的行数据进行修改或删除。与顺序I/O相比，随机I/O的性能通常较差，特别是在传统机械硬盘上。
3. 数据碎片化
数据分散：堆表中的数据以任意顺序存储，随着时间的推移，数据的插入、更新和删除操作可能导致数据在磁盘上分散存储，形成碎片化。碎片化会降低数据访问的效率，因为数据库需要访问更多的磁盘页面来获取所需的数据。
磁盘性能下降：碎片化还可能影响磁盘的性能，因为磁盘寻道时间增加，导致I/O操作变慢。
4. 空间使用效率较低
无压缩存储：堆表通常不会对数据进行压缩存储，这意味着即使数据中存在大量重复或可压缩的信息，数据库也会以原始格式存储这些数据。这会导致空间使用效率较低，特别是在存储空间有限的环境中。
索引开销：虽然索引可以提高查询性能，但它们也会占用额外的存储空间。特别是在堆表上创建多个索引时，索引的开销可能会变得相当可观。
与其他数据结构的比较
- 与索引组织表比较：索引组织表通过聚集索引来组织数据，提供了更高的查询性能但牺牲了部分插入性能。堆表则相反，它提供了较高的插入性能但查询性能较低。
- 与B树、哈希表等数据结构比较：B树和哈希表等是常见的数据索引结构，它们通常用于实现索引组织表或作为辅助索引来加速查询。堆表则不依赖这些索引结构来组织数据。
堆表的适用场景
- 临时数据存储：在需要存储临时数据（如会话信息、缓存数据等）时，可以使用堆表来提高插入性能。
- 日志记录：对于不需要频繁查询的日志数据，堆表是一个合适的选择。例如，应用程序的访问日志、错误日志等可以存储在堆表中。
- 批量数据处理：在进行批量数据插入操作时（如ETL过程中的数据加载），堆表可以提供较高的插入性能。
哪些数据库默认使用堆表
- Oracle数据库默认创建的表类型是堆表。堆表是Oracle数据库中最常见、也是默认的表类型。
- MySQL数据库的默认表类型并非堆表，而是依赖于其使用的存储引擎。例如，MyISAM和MEMORY存储引擎使用的是堆表的概念，但InnoDB存储引擎则默认使用的是索引组织表
- PostgreSQL数据库默认使用的是堆表（Heap Table）
DM中堆表的创建与使用
达梦数据库默认创建的表是索引组织表。达梦数据库既支持堆表也支持索引组织表，但默认情况下创建的表是索引组织表。如果需要在达梦数据库中创建堆表，用户需要在创建表时显式指定，或者通过修改数据库的配置参数来实现。
INI参数方式
LIST_TABLE = 1，则在未显式指定表是否为堆表或非堆表时，默认情况下创建的表为堆表；
SQL语句显示指定
- NOBRANCH：如果指定为 NOBRANCH，则创建的表为堆表，并发分支个数为 0，非并发分支个数为 1；
- BRANCH(N,M)：如果为该形式，则创建的表为堆表，并发分支个数为 N，非并发个数为 M；
- BRANCH N：指定创建的表为堆表，并发分支个数为 N，非并发分支个数为 1；
总结
数据库堆表是一种重要的数据存储结构，在特定的应用场景下具有独特的优势和价值。然而，在选择使用堆表时需要根据具体的需求和场景进行权衡和决策。
