BUG #: 20010946 (SQLBUDT)
网站建设哪家好，找成都创新互联！专注于网页设计、网站建设、微信开发、小程序开发、集团企业网站建设等服务项目。为回馈新老客户创新互联还提供了五指山免费建站欢迎大家使用！
症状
在 Microsoft SQL Server 2005 中运行 DBCC 检查命令时, 您可能会收到类似于以下的错误信息：
8909 16 1
表错误: 对象 ID 0，索引 ID-1，0，分区 ID 分配单元 ID 0
(类型未知)，页标识 (6:8040) 包含它的页面页眉中不正确的页 ID。 中的 PageId
页标题 = （0： 0）。
对于存储在一个 NTFS 文件系统分区的数据库运行 DBCC 检查命令 NTFS 分区处于 MULTI-USER 模式时，SQL Server 数据库引擎创建的内部、 只读数据库快照。 此行为会阻止运行 DBCC 检查命令时，正在阻塞的问题和并发问题。对数据库快照使用一个或多个稀疏文件来存储数据。
满足以下条件时发生此问题：
• SQL Server 页已写入稀疏文件。
• 这些稀疏文件用于为 DBCC 副本和数据库快照。
• 这些稀疏文件是丢失。
因为稀疏文件丢失，SQL Server 在运行 DBCC 检查命令时读取这些网页上的零的数据。
注意 此行为可能导致一个 false 未能在运行 DBCC 时出现检查命令。 由于 DBCC 检查命令操作的内部、 只读数据库快照，命令不表示指示已损坏数据库本身。 命令仅指示有是内部、 只读数据库快照有问题。
回到顶端
原因
由于争用条件的可能会发生此问题。 在 NTFS 稀疏文件的异步非缓存的写入操作发生争用条件。
回到顶端
更多信息
当页 ID 为 0： 0，可能还会出现错误消息类似于以下：
错误: 824，Severity： 24，状态： 2 SQL Server 检测到一个逻辑基于一致性的 I / O 错误： 不正确的 pageid (预期的 30:62 ； 实际 0： 0）。
1.稀疏列是用在可空列上的，用于减少null值的空间占用，使用关键字sparse
2.创建稀疏列
使用sql创建表的时候，就指定稀疏列，使用下面的SQL语句：
create table SparseTable(
Id varchar(36) not null, -- 主键 GUID
Addr1 varchar(200) null, -- 地址1
Addr2 varchar(200) null, -- 地址2
Addr3 varchar(200) sparse null, -- 地址3，当这个列很少会有数据时，可以设为稀疏列
);
3.查看稀疏列
在创建好的表上面点击鼠标右键，选择【设计】，在新出现的界面中选中Addr3列，在下面就可以看到稀疏列标记了
4.插入测试数据
往表中插入几行测试数据，其中，在一些行的稀疏列不插入值
5.查询数据
使用select查询表中所有数据，可以看到稀疏列与普通列没什么区别的样子
6.修改数据
使用update语句，将稀疏列的值全部设置为null，然后使用select查询所有数据，在sqlserver2016版本中，稀疏列也是返回过来的。在sqlserver2008版本中，稀疏列使用select *的时候是不返回的
7.删除数据
使用delete语句删除一行记录，从过程可以看出，是否含有稀疏列的delete语句都是一样的
随着机器学习的发展，过去传统的结构化数据分析方法已经不能满足我们的需求了。如何在神经网络中利用非结构化数据是很重要的一点。所以很多研究者致力于将非结构化数据处理成结构化数据的工具开发。将非结构化数据转化为结构化数据有以下几个方法：
1. 传统方法——树
虽然绝大多数数据是非结构化格式的，但是结构化数据普遍存在于各类商业应用软件和系统中，例如产品数据存储，交易日志，ERP和CRM 系统中都存在大量结构化数据，这些结构化数据仍应用着陈旧的数据技术处理，如基于规则的系统，决策树等。这样的方法需要人工进行特征提取，操作繁琐且需要耗费大量人力进行数据标签。
非结构化数据，也就是通常使用的杂乱无章的文本数据。非结构化数据通常是不能用结构化数据的常规方法以传统方式进行分析或处理的，所以这也成为AI领域一个常见的难题，要理解非结构化数据通常需要输入整段文字，以识别其潜在的特征，然后查看这些特征是否出现在池中的其他文本中。因此，在处理此类任务时，深度学习以其出色的特征提取能力一骑绝尘，于是所有人都开始想着把神经网络用在结构化数据上——建个全连接层，把每一列的内容作为输入，再有一个确定好的标签，就可以进行训练和推理了。
2. 新型利器——深度学习
需要寻找结构化数据的语义，目前要解决的问题主要有：
①数据清洗。要在结构化数据 AI 应用上有所成果，首先需要解决人工数据清洗和准备的问题，找到极少或者没有人为干预的自动化方法，才能使得这一应用可落地可拓展。
②异构数据。处理结构化数据的其中一大挑战在于，结构化数据可能是异构的，同时组合了不同类型的数据结构，例如文本数据、定类数据、数字甚至图像数据。其次，数据表有可能非常稀疏。想象一个 100 列的表格，每列都有 10 到 1000 个可能值（例如制造商的类型，大小，价格等），行则有几百万行。由于只有一小部分列值的组合有意义，可以想象，这个表格可能的组合空间有多么「空」。
③语义理解。找到这些结构化数据的语义特征。处理结构化数据并不仅仅依赖于数据本身的特征 (稀疏，异构，丰富的语义和领域知识），数据表集合 (列名，字段类型，域和各种完整性约束等）可以解码各数据块之间的语义和可能存在的交互的重要信息。也就是说，存储在数据库表中的信息具有强大的底层结构，而现有的语言模型（例如 BERT）仅受过训练以编码自由格式的文本。
3. 结构化数据清洗
除了某些特定的需求外，经过预处理之后的结构化数据，应该满足以下特点：
①所有值都是数字–机器学习算法取决于所有数据都是数字；
②非数字值（在类别或文本列中的内容）需要替换为数字标识符；
③标识并清除具有无效值的记录；
④识别并消除了无关的类别；
⑤所有记录都需要使用相同的一致类别。
在SQL Server 2005中，它的另外一个强大的新特点是数据库快照。数据库快照是一个数据库的只读副本，它是数据库所有数据的映射，由快照被执行的时间点来决定它的内容。
这些数据库快照在报表方面是非常有价值，因为在快照数据库中或者在原数据库中，对于任何查询而言没有锁就将被执行。快照也可以使用在灾难恢复中，因为你可以将现有的数据恢复到现有的快照中，或者还可以在有害数据操作声明的事件中存储个别必要的表和数据。
数据库快照是如何工作的?
可以使用典型的数据库命令CREATE DATABASE语句来生成一个数据库快照，在声明中有一个源数据库快照的附加说明。当快照被建立时，同时生成一个稀疏文件。这个文件（只能使用在NTFS卷中）在初始化的时候并没有磁盘空间分配给它——尽管你可能在WINDOWS资源管理器中看到了文件的大小，它会看上去与原始的源数据库文件的大小相同。对磁盘来说其实这个文件的大小接近于零。
数据库快照在初始化时读的数据文件是来自于源数据库的。当源数据库的数据发生变化时，数据引擎就会将原始数据从源数据库拷贝到快照数据库中。这个技术确保快照数据库只反映快照被执行时数据的状态。当SELECT命令被用来发布反对数据库快照时，不管数据页的读取是否被定位在源数据库数据文件中还是在快照数据库数据文件中都是没有锁被发布的。因为在只读数据库快照中是没有锁被发布，数据库快照对于报表解决方案是一个重要的解决方案。
一个快照的实例
现在，让我们来看看数据库快照在SQL Server 2005中是如何工作的。为此，首先我需要一个源数据库作为快照的来源。下面的脚本将创建一个源数据库：
以下为引用的内容：
USE master
GO
IF EXISTS(SELECT name from sysdatabases where [name] = 'SourceDatabase')
DROP DATABASE SourceDatabase
GO
CREATE DATABASE SourceDatabaseON PRIMARY
(
NAME = SourceDatabase_Data,
FILENAME = 'C:SQLServerSourceDatabase_Data.mdf'
) LOG ON
(
NAME = SourceDatabase_Log,
FILENAME = 'C:SQLServerSourceDatabase_Log.ldf'
)
GO
注意这里产品区域的大小。我定义它的大小为CHAR（150）来强调数据文件的增长级数，这样在我接下来的实例中将更容易解释清楚快照是如何工作的。
现在既然我已经有了一个源数据库，现在我装载一些数据来扩展数据文件的大小位。如此，使用列表1中的脚本来创建销售历史表。
以下为引用的内容：
USE SourceDatabase
GO
IF OBJECT_ID('SalesHistory')0 DROP TABLE SalesHistory
GO
CREATE TABLE SalesHistory
( SaleID INT IDENTITY(1,1),
Product CHAR(150), SaleDate DATETIME,
SalePrice MONEY
)
DECLARE @i INT
SET @i = 1
WHILE (@i =10000)
BEGIN INSERT INTO SalesHistory (Product, SaleDate, SalePrice)
VALUES ('Computer', DATEADD(mm, @i, '3/11/1919'),
DATEPART(ms, GETDATE()) + (@i + 57) )
INSERT INTO SalesHistory (Product, SaleDate, SalePrice)
VALUES ('BigScreen', DATEADD(mm, @i, '3/11/1927'),
DATEPART(ms, GETDATE()) + (@i + 13) )
INSERT INTO SalesHistory (Product, SaleDate, SalePrice)
VALUES ('PoolTable', DATEADD(mm, @i, '3/11/1908'),
DATEPART(ms, GETDATE()) + (@i + 29) )
SET @i = @i + 1
END
GO
数据库快照为你现有的数据库创建了一个数据库的壳，然后无论何时当数据页被修改的时候，改变也同时被写入稀疏文件(sparse file)当中。当人们获取数据的时候，数据中没有变化的部分是从原始数据库中得到的，而改变的部分则是从稀疏文件中获得。
稀疏文件和数据库快照
当数据库快照被创建的时候，第一次的创建是十分迅速的。因为实际上只是创建了一个用来记录被修改文件的壳。随着时间的推移，文件不断的被修改，这些修改页都将被写进稀疏文件。你的主数据库中修改的文件越多，就有越多的文件被写入稀疏文件。因此，有越来越多的磁盘空间被用来保存你的主数据库和快照的数据库，也增加了你服务器的磁盘输入输出的次数。
稀疏文件被写入大小为64KB的分组块当中。每一个分组块增量能包含8个大小为8KB的数据页。所以，每次在你的主数据库中有任何的数据改变，都会先把数据页拷贝到稀疏文件当中，然后再将主数据库中文件的变化写入稀疏文件。一旦数据页被写入稀疏文件，他们就不再需要被写出来。因为页面的全部内容被保护起来，让其处于当快照建立时的状态。
为了实现优化磁盘并消除磁盘冲突，在主数据库以外的独立的驱动器和阵列中创建稀疏文件是一个明知之举。原因有二：
其一，当快照被建立的时候，没有数据被写入稀疏文件。从快照进行的所有的数据访问实际上都是在主数据库文件当中的。随着时间的推移，你会通过在不同的阵列和磁盘上从主文件数据库读取未被修改过的文件和从稀疏文件读取修改过的数据的方法来减少输入输出的负担。
其二，根据你数据库数据的易变动性和数据变化的数量，你可以通过将在主数据库的读取工作和稀疏文件的写入工作分离来减少输入输出的瓶颈大小。
使用数据库快照
在这里你一定要记住的事情就是，你的查询请求访问的依然是你的主数据库。当初始的快照被建立的时候，其实仅建立了一个空的壳子。所有的数据请求都是在主数据库文件中被完成的。随着时间的流逝和文件不断地被修改，就有一些数据请求从初始的数据库文件中分离出来指向了稀疏文件。所以，尽管看上去它是一个独立的数据库，那些根本的数据仍然是源于主数据库。
鉴于此，你需要确定不要试图去进行你日常活动范围以外的查询。这样说吧，你创建了一个快照，接着你进行了读写的操作，并对每个人做了记录。当那些记录被执行查询操作时，他们仍然继续影响着主数据库。所以你要保证任何新的活动都不会影响主数据的活动。
另外，你需要记住到底有哪些数据是被写入稀疏文件里的，而不是认为所有可能的数据都被写进了稀疏文件。基本上，当快照被创立时，主数据库的大小就是快照稀疏文件的潜在大小。如果稀疏文件中的数据量已经达到甚至超过数据库的一半时，也许再创造一个数据库的完整拷贝来取代现有的快照是一个更好的主意。
综上所述，我认为，数据库快照是一个非常新的功能。我也希望在SQL Server2005的所有版本，而不仅仅在企业版和开发版中可以应用这个功能。有一个没有讨论的地方就是我们没有讨论有关对数据库镜像使用快照。其实，无论是镜像还是原数据库，快照都给了你最好的方法。因为镜像是离线的，你并不能访问那些数据，所以说无论是镜像还是原数据库，它都给了你最好的方法。花一些时间去理解快照是如何应用于你的环境中的，并且确认你监视着维护快照的影响以及通过快照进行的数据存储。