SQL Server的索引底层是通过B+树结构来实现的。B+树是一种平衡的多路搜索树，所有叶子节点通过链表连接，形成有序的索引页。数据高效检索的原理是利用树的有序性和指针快速定位：从根节点开始，根据键值比较，逐层向下遍历，直到叶子节点找到目标数据行或范围，避免全表扫描，提高查询速度。

聚簇索引和非聚簇索引的区别

SQL Server表可以有聚簇索引和非聚簇索引。聚簇索引决定了数据行的物理存储顺序，叶子节点就是数据页本身，所以查找主键时直接得到数据。非聚簇索引的叶子节点存储的是键值和指向数据行的指针（行定位符），需要二次查找数据页（书签查找）。高效检索靠的是B+树的层级导航，通常3-4层就能找到叶子节点。

B+树的具体结构和工作流程

B+树非叶子节点只存键值和指针，不存数据，叶子节点存完整键值、数据或指针，并用双向链表相连。插入数据时，从根开始比较键值，找到位置插入，如果页满就分裂，保持树平衡。查询时，像字典查找，先快速定位范围，再顺链表扫描，提高范围查询效率，这就是为什么索引对WHERE和ORDER BY那么快。

索引页和填充因子

每个索引页是8KB大小，存多个键值对。填充因子设置页的初始满度，比如90%，留空位给未来插入，避免频繁分裂。检索原理：SQL Server用统计信息估算选择性，优化器决定用哪个索引，沿树路径读少量页（IO少），比扫描整表快几百倍。

覆盖索引和列存储索引

覆盖索引是非聚簇索引包含所有查询列，叶子节点直接有数据，无需回表。列存储索引把列数据竖向存，压缩好，适合分析查询。高效原理还是B+树，但列存用段和列组，检索时只读需要的列，节省IO和CPU。

实际案例说明检索速度

假设100万行表无索引，查询id=12345需扫描全表10万页；有聚簆索引，只读3页找到。范围查询1-100，顺链表读连续页，顺序IO很快。统计信息帮助优化器选最佳路径，确保高效。

FAQ

Q: 为什么索引会变慢？
A: 索引碎片、统计信息过时、过度索引导致维护开销大，定期重建和更新统计能优化。

Q: 聚簆索引只能有一个吗？
A: 是的，因为它决定物理顺序，一个表只能有一个。

Q: 什么时候不用索引？
A: 小表全表快；低选择性列如性别，用索引反而慢；INSERT/UPDATE多时索引维护贵。

Q: 如何查看索引使用情况？
A: 用DMV如sys.dm_db_index_usage_stats看seek/scan次数，判断是否有效。