SQL Server数据表压缩：行压缩与页压缩操作指南

Miles

发布时间：2026-10-16| 6人浏览过

原创

SQL Server的数据压缩功能旨在减小数据在磁盘上的占用量，从而提升磁盘I/O效率。主要包含行压缩（Row Compression）和页压缩（Page Compression）两种模式。行压缩通过将固定长度数据类型转换为可变长度来节省空间，适合写入频繁的表；页压缩则在行压缩基础上进一步对重复值进行去重，适合以读取为主的大表。本文将详细介绍这两种压缩方式的原理、适用场景以及通过SSMS界面和T-SQL语句的具体操作方法。

概述

SQL Server的性能在很大程度上取决于磁盘I/O的效率。自SQL Server 2008起引入的数据压缩功能，能够有效减少数据的物理存储空间。压缩可应用于堆表、聚集索引表、非聚集索引表、索引视图及分区表。

支持压缩的数据类型

常见的数值、日期及二进制数据类型均支持压缩，包括：smallint、int、bigint、decimal、numeric、real、float、money、smallmoney、bit、datetime、datetime2、datetimeoffset、char、nchar、binary以及rowversion等。

行压缩 (Row Compression)

行压缩改变了数据的物理存储结构，但不需要修改应用程序代码。其核心机制是将固定长度的数据存储格式转换为可变长度存储，从而仅保留实际数据所需的字节数。例如，原本占用4字节的int类型，若实际值为5，则仅需1个字节存储。

第1步：通过SSMS进行行压缩

适用于熟悉图形界面的用户。

压缩表（含聚集索引）：在对象资源管理器中定位目标表 → 右键点击 → 选择“存储” → “管理压缩” → 勾选“对所有分区使用相同压缩类型” → 在右侧下拉菜单中选择 Row → 点击“立即执行” → 完成。

ALTER TABLE [dbo].[AnnexFileList] REBUILD PARTITION = ALL
WITH ( DATA_COMPRESSION = ROW );

注意：上述脚本仅重新生成堆表或聚集索引。如果表中存在非聚集索引，需单独对其进行压缩操作。

压缩非聚集索引：在对象资源管理器中定位目标索引 → 右键点击 → 选择“存储” → “管理压缩” → 勾选“对所有分区使用相同压缩类型” → 在右侧下拉菜单中选择 Row → 点击“立即执行” → 完成。

ALTER INDEX [PK_ANNEXFILELIST]
    ON [dbo].[AnnexFileList]   REBUILD PARTITION = ALL
    WITH ( DATA_COMPRESSION = ROW );

第2步：通过T-SQL进行行压缩

对于需要脚本化管理的场景，可以使用以下命令：

重构现有表的聚集索引：

-- 在现有表上进行行压缩
alter table ceshi rebuild with(data_compression=row);

重构现有表的非聚集索引：

-- 对特定非聚集索引进行行压缩
alter index new_name on ceshi rebuild with(data_compression=row);

创建新表时直接启用压缩：

create table yasuo
(
    id int primary key,
    name varchar(50),
    mail varchar(50)
)
with (data_compression=row);

若在创建表时指定了行压缩，数据在插入过程中会自动按照行压缩格式存储。

页压缩 (Page Compression)

页压缩在行压缩的基础上增加了两项增强功能：前缀压缩（Prefix Compression）和字典压缩（Dictionary Compression）。

前缀压缩：扫描每一列，找出重复的前缀值，将这些值存储在页头部的压缩信息区，并将列中的实例替换为指向该信息的引用。
字典压缩：在整个页面范围内搜索重复值（不限于单列），找到后将重复值移至页头，并用指针替代原值。

页压缩能提供更高的压缩率，尤其适用于重复数据较多的列。但需要注意，由于需要更多的CPU计算来进行压缩和解压，页压缩可能会略微增加处理器的负载。

实施注意事项

内存数据状态：数据库引擎在内存中缓存的是解压后的数据。如果启用了压缩，加载到内存的数据会先解压缩供SQL Server处理，这会增加CPU开销。
新增数据：在执行INSERT操作时，新行的数据也会自动应用行或页压缩算法进行存储。
更新与删除：
- 行压缩对象在更新后通常保持当前的压缩级别。
- 页压缩在更新或删除操作后，可能需要重新评估并重新计算压缩，具体取决于受影响的数据量和分布情况。