Indizierung in NoSQL-Datenbanken

Es gibt viele verschiedene Möglichkeiten, Daten in einer NoSQL-Datenbank zu indizieren. Die gebräuchlichsten Indizierungsmethoden sind Hashing, baumbasiert und verteilt. Hashing ist eine gängige Indizierungsmethode, da es sehr schnell ist. Die Daten werden in einer Hash-Tabelle gespeichert, und die Schlüssel werden verwendet, um die Daten zu indizieren. Dies ist eine gute Methode für kleine Datenbanken, da sie einfach zu implementieren und sehr schnell ist. Die baumbasierte Indizierung ist eine gute Methode für größere Datenbanken. Die Daten werden in einem Baum gespeichert, und die Schlüssel werden verwendet, um die Daten zu indizieren. Diese Methode ist langsamer als Hashing, aber besser skalierbar. Die verteilte Indizierung ist eine gute Methode für große Datenbanken, die auf mehrere Server verteilt sind. Die Daten werden in einer verteilten Hash-Tabelle gespeichert, und die Schlüssel werden verwendet, um die Daten zu indizieren. Diese Methode ist langsamer als Hashing, aber skalierbarer und kann mehr Daten verarbeiten.

Ein Datenbankindex ist wie ein Hash oder ein Array eine Art Datenstruktur. Wir können Daten auf verschiedene Arten organisieren, aber dies ist die einfachste. In diesem Beispiel sehen wir uns einen Index von Adressen an, auf die mit Namen hingewiesen wurde. Eine Datenbank hängt in San Francisco fest, wenn es keinen Index dafür gibt. Es ist wichtig zu verstehen, wie Indizes zur Effizienz unserer Datenbanken beitragen, indem sie definieren, wie sie Zeit und Ressourcen aufwenden. Durch das Indizieren eines Index kann die Datenbank schneller nach übereinstimmenden Datensätzen suchen, was zu extrem langsamen Abfragen führen kann. Die erhöhte Leistung einer großen Anzahl unserer Datenbankabfragen trägt andererseits zu den Kosten für das Schreiben in den Index bei.

Die Daten eines verkabelten Tigers werden in einem anderen Tabellentyp gespeichert, um eine schnelle Komprimierung (für die Sammlung) oder eine Präfixkomprimierung (für Indizes) zu optimieren. Der WiredTiger-Cache zeigt beide nach dem Laden anders an als auf der Festplatte.

Ein MongoDB-Array enthält eine Reihe von Daten, auf die mithilfe eines Multikey-Index zugegriffen werden kann. Wenn MongoDB ein Feld mit einem Array-Wert indiziert, erstellt es separate Indexeinträge für jedes Element des Felds. Mithilfe dieser Multikey-Indizes können Abfragen problemlos Dokumente auswählen, die Arrays enthalten, indem sie ein oder mehrere Elemente des Arrays mit dem Multikey-Index abgleichen.

Der Primärindex enthält eine Teilmenge von Attributen aus einer übergeordneten Tabelle, während der Sekundärindex eine Teilmenge von Attributen aus einer übergeordneten Tabelle enthält. Wenn die primäre Indextabelle direkt mit der Basistabelle verknüpft ist, wird die Tabelle als primäre Indextabelle bezeichnet.

Der Wert des Feldes, das in den Index aufgenommen wird, bestimmt seinen Indexrang. MongoDB hingegen bietet eine createIndex()-Methode zum Erstellen von Indizes für Sammlungen. Diese Methode kann verwendet werden, um eine Reihe von Indizes zu erstellen, einschließlich Text- und zweidimensionaler Indizes.

Wie wird Nosql indiziert?

Nosql-Datenbanken werden normalerweise durch einen Schlüssel indiziert, der zum Identifizieren der Daten verwendet wird. Die Daten werden dann in einer Datenstruktur gespeichert, die nach dem Schlüssel durchsucht werden kann.

Indizes: Eine Schlüsselkomponente von Nosql-Datenbanken

Eine große Anzahl von NoSQL-Datenbanken enthalten Indizes in ihrer Software. Die Möglichkeit, die Anzahl der Scans einer Tabelle oder Abfrage zu reduzieren, verbessert die Leistung von Datenbankaktivitäten. Indizes werden durch einen Feldausdruck unterschieden, der einen einzelnen Feldnamen darstellt. Ein konstanter Feldausdruck oder eine Funktion, die eine Konstante zurückgibt, muss im Feldausdruck vorhanden sein.

Welche Methode wird für die Indizierung in Mongodb verwendet?

Mongodb verwendet einen B -Tree-Index , um Daten zu indizieren. Dieser Index wird verwendet, um Daten geordnet zu speichern, was das Abfragen und Abrufen von Daten erleichtert.

MongoDB indiziert Dokumente anhand des Werts _id, daher ist die Aktualisierung des Index kritisch. Wenn der _id-Index gelöscht wird, können Datenverlust und Leistungsprobleme auftreten.
Laut MongoDB wird empfohlen, den _id-Index aktuell zu halten. Wenn Sie den Index ändern müssen, stellen Sie sicher, dass Sie in der Mongodump-Ausgabe einen Grund dafür angeben. Wenn Sie den Index ohne Angabe von Gründen entfernen, kann dies zu Datenverlust und Leistungsproblemen führen.

Unterstützt Nosql den sekundären Index?

NoSQL-Datenbanken werden normalerweise nicht unter Berücksichtigung sekundärer Indizes erstellt, da sie darauf ausgelegt sind, ohne sie skalierbar und leistungsfähig zu sein. Einige NoSQL-Datenbanken unterstützen jedoch sekundäre Indizes, einschließlich MongoDB und Cassandra.

Diese Struktur besteht aus einer Teilmenge der Attribute einer Tabelle und wird als sekundärer Index bezeichnet. Die Tabelle kann auf verschiedene Arten partitioniert und nach Schlüsseln anstatt nach der Basis sortiert werden. Wir hatten zuvor angenommen, dass der sekundäre Index eine Tabelle mit ihrem Partitionsschlüssel ist, aber das ist nicht der Fall. Sie wird auf demselben Knoten wie die übergeordnete Tabelle gespeichert. Zusätzliche Indizes in Schlüsselwert-NoSQL-Datenbanken sollten nicht allein mithilfe der Indexpartitionstabelle definiert werden. Ein sekundärer Index ist eine Datenstruktur, die sich auf demselben Knoten wie eine Basistabelle befindet. In diesem Abschnitt wurde eine einfache Implementierung des sekundären Index für einen In-Memory-Datenbank-Dummy bereitgestellt. Als Ergebnis der Demonstration wurden zwei Indizierungsstrategien (Kopieren und Abrufen) implementiert.

Wie werden Nosql-Datenbanken gespeichert?

Document NoSQL-Datenbanken speichern Daten anstelle von relationalen Datenbanken, um die Dokumentstruktur beizubehalten. Daher werden sie als „nicht nur SQL“ klassifiziert und nach verschiedenen flexiblen Datenmodellen gruppiert. Eine NoSQL-Datenbank kann eine reine Dokumentendatenbank, eine Key-Value-Store-Datenbank, eine Wide-Column-Datenbank oder eine Graph-Datenbank sein.

SQL ist nur eine Komponente von NoSQL. NoSQL-Datenbanken gibt es in vier Typen. Aufgrund der unterschiedlichen Arten von NoSQL-Modellen, die verwendet werden, gibt es erhebliche Unterschiede zwischen ihnen. Abgesehen von einer fehlenden Datenbank zeichnen sich NoSQL-Technologien häufig durch Merkmale wie niedrige Transaktionskosten aus. Die Entwicklung eines Schemas, Daten-Clustering und Replikationsunterstützung tragen alle zur Konsistenz im Laufe der Zeit bei. Webanwendungen, die Schlüssel-Wert-Datenbanken für die Sitzungsverwaltung und das Caching verwenden, profitieren stark davon. Wenn auf Daten über Spalten zugegriffen wird, sind Large Column Stores ideal.

API, Datenmodell, Schema, Skalierung und Datenintegrität sind die fünf Hauptkategorien von NoSQL. NoSQL-Datenbanken benötigen keine Schemas zum Speichern von Daten. Programmierer können auf diese Weise agiler werden und mehr Zeit für die Entwicklung von Software aufwenden. Die Integrität von Daten, die von Anwendungen und Benutzern erstellt, gelesen, aktualisiert und gelöscht werden, wird in NoSQL- und SQL-Datenbanken auf unterschiedliche Weise geschützt. Jede Transaktion wird eigenständig in einem konsistenten Datenbankzustand mit ACID ohne Auswirkung ausgeführt, bis ein korrektes Ergebnis oder keine Auswirkung erzielt wird. Der Begriff „nosql“ bezieht sich auf einige Datenbanken, die vor der Entwicklung des relationalen Managementsystems (RDBMS) erstellt wurden. Ein großer Datenbankcluster wird in den frühen 2000er Jahren als Teil der Datenbankarchitektur einer Cloud- oder Webanwendung erstellt.

Was ist Nosql?

NOSQL-Datenbanken sind eine Teilmenge einer breiten Palette von Datenbanksystemen, die herkömmliche zeilenbasierte, SQL-basierte relationale Modelle durch ein flexibleres Modell ersetzen, das Daten in Dokumenten speichert. Infolgedessen sind NOSQL-Datenbanken einfacher zu verwenden, da Entwickler nicht auf traditionelle Datenmodelle beschränkt sind, die auf eine bestimmte Weise für Daten gut funktionieren. Die Flexibilität dieser Art von Datenstruktur ermöglicht eine horizontale Skalierbarkeit, da die Struktur der Daten einfach geändert werden kann, ohne die Datenbankinfrastruktur selbst zu beeinträchtigen. Die MongoDB-Datenbank basiert auf dem dokumentenorientierten NoSQL-Modell, das kein ungewöhnliches Beispiel für NOSQL ist. Dokumentattribute und -werte werden in MongoDB gespeichert und in einem JSON-Format gespeichert. Da jedes Dokument leicht verstanden und geändert werden kann, ohne den Rest des Systems zu beeinträchtigen, ist es einfach zu verstehen und zu manipulieren. Eine weitere beliebte NOSQL-Datenbank ist Couchbase. Ein Schlüssel-Wert-Modell wird in Couchbase verwendet, um die zwei Komponenten jedes Datensatzes in der Datenbank darzustellen: einen Schlüssel und einen Wert. Arrays, Zahlen und Strings können alle in ihrer logischen Reihenfolge gespeichert werden, wobei Werte Strings, Zahlen oder Objekte sein können. Da Werte ohne Angst vor Kollisionen in beliebiger Reihenfolge gespeichert werden können, ist Couchbase eine ausgezeichnete Wahl für Daten, die nicht immer auf eine bestimmte Weise strukturiert sind. Die Clusterpoint NoSQL-Datenbank besteht aus einem Spaltenspeicher mit Spalten. Das bedeutet, dass Daten in Tabellen, Zeilen und Spalten basierend auf den Anforderungen des Systems gespeichert werden. Daten können so gespeichert werden, dass die Größe der Spalten auf jede für sie geeignete Weise angepasst werden kann. Mark Logic ist eine NoSQL-Datenbank, die sich von herkömmlichen Arten von NoSQL-Datenbanken unterscheidet. Ein Schlüsselwertspeicher ist eine Art NoSQL-Speicher, der Datensätze speichern kann. Daher ist es eine perfekte Lösung für Daten, auf die häufig zugegriffen werden muss, die jedoch nicht immer in Papierform gespeichert werden können.

Indizierung in SQL Vs Nosql

Die Indizierung ist einer der wichtigsten Unterschiede zwischen SQL und NoSQL. SQL verwendet einen B-Tree-Index, bei dem es sich um eine hierarchische Struktur handelt, in der Daten gespeichert werden. Ein Hash-Index hingegen speichert Daten in einem Schlüsselwertspeicher und wird in NoSQL verwendet.

In diesem Beitrag werde ich SQL- und NoSQL-Datenbanken vergleichen und gegenüberstellen sowie einen Vergleich ihrer Leistung durchführen. Außerdem werde ich eine Liste von Anwendungsfällen bereitstellen, in denen einer dem anderen überlegen ist. Jede Datenbank enthält ihre eigene Abfragesprache oder Ansätze zum Abfragen von Daten. NoSQL-Datenbanken haben normalerweise eine höhere Rate an Schreibvorgängen pro Sekunde als SQL-Datenbanken. Wenn Daten vor der Eingabe in die Datenbank unstrukturiert und nicht verifiziert sind, können sie in einem fehlerhaften oder falschen Zustand eingefügt oder gespeichert werden. NoSQL-Datenbanken werden als schemalos bezeichnet, da sie kein festes Schema zum Eingeben und Abrufen von Daten benötigen. Die SQL-Datenbank ist eine gute Wahl, wenn Sie mehrere Lesevorgänge pro Sekunde durchführen und gleichzeitig Ihre Daten sicher halten.

Diese Funktionalität ist besonders nützlich, wenn Protokollierungsdienste ausgeführt werden, die viele Daten speichern müssen. Die Index-Engines auf NoSQL-Datenbanken sind weniger robust und weniger effizient als die auf traditionellen Datenbanken. NoSQL-Datenbanken gibt es schon seit einiger Zeit. SQL-Datenbanken und NoSQL-Datenbanken haben in der Branche deutliche Vor- und Nachteile. Die Anforderungen und Möglichkeiten Ihres Unternehmens bestimmen, wie Sie bei der Umsetzung vorgehen. Traditionelle Datenbanken sind die beste Wahl für diejenigen, die kampferprobte Technologie mit viel Branchenerfahrung benötigen. Wer hingegen große Mengen an unstrukturierten Daten zeitnah speichern möchte, sollte NoSQL in Betracht ziehen.

NoSQL-Datenbanken schneiden in Bezug auf die Leistung besser ab als SQL-Datenbanken. Datenbankindizes in SQL Server werden als B-Bäume bezeichnet, die langsamer sind als nicht geclusterte Datenbankindizes. Darüber hinaus ist ein Clustered-Index bei SELECT-Anweisungen möglicherweise die schnellste, aber nicht immer die beste Option.

So durchsuchen Sie eine Nosql-Datenbank

Um eine NoSQL-Datenbank zu durchsuchen, müssen Sie eine Abfragesprache verwenden. Abfragesprachen wurden entwickelt, um die Suche nach Daten in einer NoSQL-Datenbank zu vereinfachen. Es gibt viele verschiedene Abfragesprachen, aber alle haben die gleiche grundlegende Funktionalität. Sie können eine Abfragesprache verwenden, um anhand von Schlüsselwörtern, Datentypen oder Orten nach Daten zu suchen.

Eine Suchmaschinendatenbank ist eine NoSQL-Datenbank, die nicht unbedingt die starren strukturellen Anforderungen von relationalen Datenbankmanagementsystemen (RDBMS) erfüllt. Eine Suche kann in Form einer textbasierten oder halbstrukturierten Abfrage oder einer unstrukturierten Suche erfolgen. Anstatt den Text direkt zu durchsuchen, verwenden Abfragen die Indexsuche. Datensuchen, die sowohl ein starres RDBMS als auch eine Volltext-Satzstruktur verwenden, ähnlich denen, die in einem Microsoft Word- oder PDF-Dokument zu finden sind. Die geografische Suche verknüpft Standorte mit Webressourcen, sodass sie zur Beantwortung standortbasierter Abfragen verwendet werden können. Die Vektorsuche ist eine Methode zur Suche nach Wörtern, die einem Schlüsselwort nahe kommen.

Wo wird der Index in der Datenbank gespeichert?

Die Zeilen einer Datenbank können nach Bedarf in Tabellen organisiert werden. Jede Zeile enthält einen eindeutigen Schlüssel, der sie von allen anderen Zeilen unterscheidet und in einem Index gespeichert ist, um einen schnellen Zugriff zu ermöglichen. Ein Schlüssel wird in einem Index gespeichert und ändert sich automatisch, wenn neue Zeilen hinzugefügt werden.

Wenn sich eine Datenbank im Hintergrund befindet, sind Indizes ein leistungsstarkes Werkzeug, das bei schnelleren Datenbankabfragen hilft. Eine Datenbank hat Zeilen und Spalten, die Daten in Tabellen organisieren. Jede Zeile hat einen eindeutigen Schlüssel, der sie von den anderen unterscheidet. Diese Schlüssel werden in einem Index gespeichert, um einen einfachen Zugriff darauf zu ermöglichen. Wenn wir mehrere Kunden mit derselben Telefonnummer haben, müssen wir möglicherweise einen Index verwenden, um sie schnell zu finden. Die Syntax zum Erstellen eines Index variiert je nach Datenbank, enthält jedoch normalerweise das Schlüsselwort CREATE gefolgt vom Schlüsselwort INDEX und den zu indexierenden Tabellennamen als Basis.

Indizes werden verwendet, um Suchen und Abfragen in einer Datenbank zu beschleunigen

Such- und Abfrageergebnisse können beschleunigt werden, indem Indizes zum Speichern von Daten in Datenbanken verwendet werden. In einer Tabelle ist ein Index eine Datenstruktur, die Daten für eine bestimmte Spalte speichert. Eine Tabelle wird mit einem Index gefüllt.

Indizierung in Mongodb

Mongodb verwendet Indizes, um die Abfrageleistung zu verbessern. Ein Index ist eine Datenstruktur (höchstwahrscheinlich ein B-Baum), die die Werte für ein bestimmtes Feld in einer Sammlung speichert. Wenn eine Abfrage ausgeführt wird, kann die Datenbank den Index verwenden, um die gewünschten Dokumente schnell zu finden. Ohne einen Index müsste die Datenbank jedes Dokument in der Sammlung scannen, was sehr langsam wäre.

Es basiert auf dokumentenorientierten Datenbankverwaltungssystemen und verwendet PostgreSQL. Sie können große Datenmengen in Dokumenten beliebiger Größe und Form speichern. Eines der wichtigsten Werkzeuge zur Verbesserung der Datenbankleistung sind Indizes. In diesem Lernprogramm erfahren Sie alles, was Sie über Indizes wissen müssen, wie Sie sie erstellen und testen, wie sie in einer Datenbank verwendet werden. Die Indizes einer Sammlung sind spezielle Datenstrukturen, die nur einen kleinen Teil der Daten der Sammlung enthalten. Die MongoDB-Datenbank kann diese Variablen schnell und effizient durchlaufen, da sie so implementiert sind. Wie in diesem Handbuch erläutert, kann eine Beispieldatenbank verwendet werden, um Indizes verschiedener Typen zu erstellen.

In diesem Lernprogramm benötigen wir eine Reihe verschiedener Arten von Dokumenten sowie eine Sammlung von Dokumenten. Die in diesem Abschnitt beschriebenen Dokumente sind die fünf höchsten Berggipfel der Welt. Die Ausgabe enthält eine Liste von Kennungen, die jedem neu eingefügten Objekt zugewiesen sind. Das Ziel dieses Leitfadens ist es, zu erklären, wie MongoDB Dokumente indiziert, um die Datenmenge zu begrenzen, die gelesen werden kann, indem Abfragedetails hervorgehoben werden. Mit der createIndex-Methode können Sie einen Index für das Höhenfeld einer Peak-Sammlung erstellen. In diesem Beispiel erstellen wir einen Einzelfeldindex, was bedeutet, dass das Dokument einen einzigen Schlüssel (Höhe im vorherigen Beispiel) für das von uns benötigte Feld enthält. Wenn das nicht funktioniert, versuchen Sie, dieselbe Abfrage erneut mit einem neuen Index auszuführen.

Infolgedessen gibt es einen erheblichen Unterschied in der Ausgabe, da der Index an der Abfrageausführung beteiligt war. Der zweite Schritt besteht darin, eine Liste eindeutiger Indizes zu erstellen. Es gibt keine Möglichkeit, zwei Dokumente in eine MongoDB-Sammlung einzufügen, wenn beide Werte des _id-Attributs identisch sind. Dies liegt an der automatischen Fähigkeit der Datenbank, alle Felder mit dem Feld _id zu indizieren. Mit diesem Schritt können Sie Indizes erstellen, um sicherzustellen, dass die Werte eines bestimmten Felds für jedes Dokument in einer Sammlung eindeutig sind. Der vierte Schritt besteht darin, einen Index für ein eingebettetes Feld in einer MongoDB-Datenbank zu erstellen. Mit zunehmender Komplexität der in der Datenbank gespeicherten Dokumente steigen auch die Auswirkungen von Abfragen.

In diesem Schritt demonstrieren wir, wie Einzelfeldindizes in eingebetteten Dokumenten generiert werden. Es ist wichtig, sich daran zu erinnern, dass das Hinzufügen zu vieler Indizes die Leistung beeinträchtigen kann, ebenso wie das Hinzufügen zu weniger Indizes nachteilig sein kann. MongoDB verwendet Indizes, um die endgültige Reihenfolge basierend auf Feldern zu generieren, die Teil einer Datenbank sind. Dadurch muss er nach Abschluss der Volltextsuche keine Dokumente mehr organisieren. Dieser Index wurde zuvor mit der Syntax * ascents.total: 1 aufsteigend erstellt, und die von der Abfrage angeforderten Berggipfel wurden in absteigender Reihenfolge sortiert. Wenn MongoDB nach einem abzufragenden Dokument sucht, verwendet es einen einzelnen Feldindex, um nach einem Dokument zu suchen. Wenn MongoDB nur einen Teil einer Abfrage bereitstellen kann, in dem ein Index verfügbar ist, verwendet es ihn als ersten Schritt bei der Durchführung eines Sammlungsscans.

Dies ist bei zusammengesetzten Indizes nicht immer der Fall. Es ist möglich, dass das Definieren eines Indexes, der sich über mehrere Felder erstreckt, verhindert, dass weitere Scans durchgeführt werden. Der sechste Schritt besteht darin, einen Index mit mehreren Schlüsseln zu erstellen. In diesem Schritt demonstrieren wir, wie sich MongoDB verhält, wenn der Index in einem Feld erstellt wird, das mehrere Werte speichert, z. B. ein Array. MongoDB führt derzeit einen vollständigen Erfassungsscan für diese Abfrage durch, da es keinen Index für dieses Feld gibt. Jeder dieser vier Gipfel erstreckt sich gemäß den Standortfeldern über mehr als ein Land, und alle diese Werte stellen eine Reihe von mehreren Gipfeln dar. Jedes Feld in einem Array hat seinen eigenen MongoDB-Multikey-Index.

Wenn ein Dokument ein Standortfeld hat, das ein Array [„China“, „Nepal“] speichert, erscheinen zwei separate Indexeinträge für dasselbe Dokument, einer für China und einer für Nepal. Selbst wenn die Abfrage eine teilweise Übereinstimmung mit dem Inhalt angibt, kann MongoDB den Index effizient nutzen. MongoDB-Indizes werden von MongoDB verwendet, um die Datenmenge zu reduzieren, die MongoDB während der Abfrageausführung analysieren muss, um die Abfrageleistung zu verbessern. Im Tutorial wurde eine Teilmenge der von MongoDB bereitgestellten Indexfunktionen beschrieben, die die Abfrageleistung in ausgelasteten Datenbanken verbessern sollen. Die offizielle MongoDB-Dokumentation finden Sie hier.

In dem von Ihnen angegebenen Feld können Sie einen einzelnen Feldindex erstellen. Der Zweck dieses Index besteht darin, das Abrufen von Dokumenten aus der Datenbank zu beschleunigen. Zuerst werden die Dokumente abgerufen, die der Indexdefinition entsprechen, gefolgt von den Dokumenten, die anhand ihrer *id-Felder der Indexdefinition entsprechen.
Wenn Sie keinen Cursor verwenden, sollten Sie Daten abfragen, die nicht so schnell gespeichert werden müssen. Sie können nach Bedarf auf bestimmte Felder in der Datenbank zugreifen, indem Sie sich mit dem Cursor nacheinander durch die Datenbank bewegen.

Die Kehrseite von Indizes

Abgesehen davon können Indizes Abfragen verlangsamen, wenn sie groß sind.

Indizierung relationaler Datenbanken

Die Indizierung relationaler Datenbanken ist der Prozess der Erstellung und Verwaltung von Indizes für Tabellen relationaler Datenbanken. Indizes werden verwendet, um die Leistung von Datenbankabfragen zu verbessern. Indizes können für eine oder mehrere Spalten einer Tabelle erstellt werden. Eine Spalte kann mehr als einmal indiziert werden, wenn sie Teil mehrerer Indizes ist.

Ein Datenbankindexer ist eine Datenstrukturtechnik, die verwendet wird, um Daten in einer Datenbank schnell zu finden und darauf zuzugreifen. Es gibt zwei Arten von Dateiorganisationsmechanismen, denen Indizes zum Speichern von Daten folgen. Es gibt drei Hauptarten der Indizierung. Die Organisation von Hash-Dateien ist unten aufgeführt. Der Index ist nach dem Vornamen (Suchschlüssel) sortiert. Beim Indizieren von Dateien basierend auf diesem Format werden sie sequentiell organisiert. Wir müssen nur wissen, wo die Daten in einem nicht geclusterten Index liegen, dh er liefert eine Liste von virtuellen Zeigern oder Referenzen. Das Indizieren eines einzelnen Blocks kann erreicht werden, indem der Hauptblock in kleinere Blöcke aufgeteilt wird, um ihn leichter zu finden.