排号键是SPL独特的数据类型，适合替代多层次、各层不连续的键值，比如×××号、合同编号、产品编号、组织机构代码等。排号键定位速度快，常用于优化内存索引查询和外键关联计算。
内存索引查询
cardNormal.btx是集文件格式的×××信息表，数据量一百万条，字段为：cardNo（×××，主键）,name（姓名）,gender（性别）,province（省份）,email（电子邮件）,mobile（移动电话）,address（住址）。cardK.btx与cardNormal.btx在结构和数据上完全相同，唯一的区别在于cardNo字段是排号键。
本案例对cardNormal.btx和cardK.btx分别执行百万次索引查询，并比较两者性能。
其中cardNo是简化后的×××，格式如下：
| 位数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 |
| 规则 | 行政区划 | 生日 | 流水 | 校验 | ||||||||||||
| 细则 | 省 | 地区 | 年 | 月 | 日 | 流水 | 校验 | |||||||||
| 范例 | 1 | 0 | 0 | 3 | 1 | 9 | 8 | 0 | 1 | 2 | 1 | 3 | 0 | 2 | 3 | x |
省、地区：各自取值范围为1-10。
生日：取值为"1980-06-01"至"1981-01-01"。
流水：取值为1-100。
校验：根据前15位计算出的冗余校验位，取值为0至10，其中10用x来表示。
将上述×××转为排号键，可采取如下思路：
1. 省、地区：排号键的每一层只支持1-255的整数，因此将省和地区分别转为整数，作为第1、2层排号键。
2. 生日：排号键以1为起始，可以取得更好的性能，因此算出原生日和1980-06-01的间隔天数，作为第3层排号键。
3. 流水：转为整数，作为第4层的排号键。
4. 校验位：冗余数据，可删除。
具体转换脚本如下：
k(int(mid(cardNo,1,2)), int(mid(cardNo,3,2)), interval("1980-06-01",date(mid(cardNo,5,8),"yyyyMMdd")), int(mid(cardNo,13,3)) ) |
下面对cardNormal.btx和cardK.btx分别执行百万次索引查询。
| A | B | C | |
| 1 | =cardNormal=file("d:\\temp\\cardNormal.btx").import@b().keys(cardNo).index() | /将cardNormal.btx读入内存 | |
| 2 | =paramList=cardNormal.(cardNo).sort(rand()).to(100000) | /随机取1万个××× | |
| 3 | |||
| 4 | =now() | ||
| 5 | for 100 | =paramList.(cardNormal.find(~)) | /查询百万次 |
| 6 | =interval@ms(A4,now()) | /字符串键性能：5537ms | |
| 7 | |||
| 8 | =cardK=file("d:\\temp\\cardk.btx").import@b().keys(cardNo).index@s() | /将cardk.btx读入内存 | |
| 9 | =paramListK=paramList.(k(int(mid(~,1,2)), int(mid(~,3,2)), interval("1980-06-01",date(mid(~,5,8),"yyyyMMdd")), int(mid(~,13,3)) )) | /将字符串参数转为排号键参数 | |
| 10 | =now() | ||
| 11 | for 100 | =paramListK.(cardK.find(~)) | /查询百万次 |
| 12 | =interval@ms(A10,now()) | /排号键性能：1977ms | |
A8：对排号键建立内存哈希索引，需使用函数选项@s。
可以看到，对字符串键建立索引，查询需耗费5547毫秒，而排号键只需1977毫秒，后者明显快。
外键关联查询
taxNormal.btx是集文件格式的报税信息表，数据量一千万条，字段为：serial（主键，流水号）,cardNo（外键，×××）,tax（报税额）,area（所属地区）,declaretype（申报类型）,unit（申报单位）,declareTime（申报时间）,network（办理网点）。taxK.btx 与taxNormal.btx在结构和数据上完全相同，唯一的区别在于cardNo字段是排号键。
本案例算法：
1. 对taxNormal.btx和cardNormal.btx进行外键关联计算，排除操作系统缓存和硬盘IO的影响，只取关联动作消耗的时间。
2. 对taxK.btx和cardK.btx进行外键关联计算，排除操作系统缓存和硬盘IO的影响，只取关联动作消耗的时间。
3. 比较1和2的差异。
具体算法如下：
| A | B | C | |
| 1 | =file("d:\\temp\\taxNormal.btx").cursor@b() | for A1,10000 | /打开报税表，预遍历游标 |
| 2 | =A1.reset() | /重置游标到起点 | |
| 3 | =file("d:\\temp\\cardNormal.btx").import@b().keys(cardNo).index() | /打开×××表 | |
| 4 | =now() | ||
| 5 | for A1,10000 | /正式遍历游标 | |
| 6 | =interval@ms(A4,now()) | =A1.reset() | /遍历游标耗时3748ms |
| 7 | =A1.switch(cardNo,A3:cardNo) | for A1,10000 | /建立关联，预遍历游标 |
| 8 | =A1.reset() | /重置游标到起点 | |
| 9 | =now() | ||
| 10 | for A7,10000 | /正式遍历关联游标 | |
| 11 | =interval@ms(A9,now()) | =A11-A6 | / 建立关联耗时：7553ms |
| 12 | /上面：字符串键关联。下面：排号键关联 | ||
| 13 | =file("d:\\temp\\taxK.btx").cursor@b() | for A13,10000 | /打开报税表，预遍历游标 |
| 14 | =A13.reset() | /重置游标到起点 | |
| 15 | =file("d:\\temp\\cardK.btx").import@b().keys(cardNo).index@s() | /打开×××表 | |
| 16 | =now() | ||
| 17 | for A13,10000 | /正式遍历游标 | |
| 18 | =interval@ms(A16,now()) | =A13.reset() | /遍历游标耗时2884ms |
| 19 | =A13.switch(cardNo,A15:cardNo) | for A19,10000 | /建立关联，预遍历游标 |
| 20 | =A19.reset() | /重置游标到起点 | |
| 21 | =now() | ||
| 22 | for A19,10000 | /正式遍历关联游标 | |
| 23 | =interval@ms(A21,now()) | =A23-A18 | /建立关联耗时：966ms |
B2、B7、B13、B19：预遍历游标，避免操作系统缓存的影响。遍历之后需用reset函数重置游标，以便后续再次遍历。
B11、B23：用总时间减去遍历时间，获得关联动作消耗的时间。
可以看到，用普通键做外键关联计算，其关联动作耗时7553ms；排号键做外键关联计算时，只需耗时966ms，后者明显快。而且可以看出，使用排号键读出记录（fetch）的时间也少于使用字符串（其它字段和记录行数都相同），说明排号键对象的生成性能更好。