索引组织表的创建格式如下：
相关操作代码如下：
create table indexTable(
ID varchar2 (10),
NAME varchar2 (20),
constraint pk_id primary key (ID)
)
organization index;
注意两点：
● 创建IOT时，必须要设定主键，否则报错。
● 索引组织表实际上将所有数据都放入了索引中。
索引组织表属性
1、OVERFLOW子句(行溢出)
因为所有数据都放入索引，所以当表的数据量很大时，会降低索引组织表的查询性能。此时设置溢出段将主键和溢出数据分开来存储以提高效率。溢出段的设置有两种格式：
PCTTHRESHOLD n ：制定一个数据块的百分比，当行数据占用大小超出时，该行的其他列数据放入溢出段
INCLUDING column_name ：指定列之前的列都放入索引块，之后的列都放到溢出段
● 当行中某字段的数据量无法确定时使用PCTTHRESHOLD。
● 若所有行均超出PCTTHRESHOLD规定大小，则考虑使用INCLUDING。
相关操作代码如下：
create table t88(
ID varchar2 (10),
NAME varchar2 (20),
constraint t88_pk_id primary key (ID)
)
organization index
PCTTHRESHOLD 20
overflow tablespace users
INCLUDING name ;
如上例所示，name及之后的列必然被放入溢出列，而其他列根据 PCTTHRESHOLD 规则。
2、COMPRESS子句(键压缩)
与普通的索引一样，索引组织表也可以使用COMPRESS子句进行键压缩以消除重复值。
具体的操作是，在organization index之后加上COMPRESS n子句
用于压缩索引列，在块级提取公因子，避免重复值。
如：
相关操作代码如下：
create table iot(
owner VARCHAR2(8),
object_type VARCHAR2(8),
object_name VARCHAR2(8),
constraint iot_pk primary key(owner, object_type,object_name))
organization index
NOCOMPRESS;
表示对于每个主键组合都会物理地存储。倘若使用COMPRESS N 则对于重复的列不再物理存储。
● n的意义在于：指定压缩的列数。默认为无穷大。
例如对于数据(1,2,3)、(1,2,4)、(1,2,5)、(1,3,4)、(1,3,5)时
若使用COMPRESS则会将重复出现的(1,2)、(1,3)进行压缩
若使用COMPRESS 1时，只对数据(1)进行压缩
索引组织表的维护
(1)、索引组织表可以和普通堆表一样进行INSERT、UPDATE、DELETE、SELECT操作。
(2)、可使用ALTER TABLE ... OVERFLOW语句来更改溢出段的属性。
相关操作代码如下：
Alter table indextable add overflow;
(3)、要ALTER任何OVERVIEW的属性，都必须先定义overflow，若建表时没有可以新增
相关操作代码如下：
alter table t88 pctthreshold 15 including name; --调整overflow的参数
alter table t88 initrans 2 overflow initrans 4; --修改数据块和溢出段的initrans特性
索引组织表的应用
Heap Table 就是一般的表，获取表中的数据是按命中率来得到的。没有明确的先后之分，在进行全表扫描的时候，并不是先插入的数据就先获取。数据的存放也是随机的，当然根据可用空闲的空间来决定。
IOT 就是类似一个全是索引的表，表中的所有字段都放在索引上，所以就等于是约定了数据存放的时候是按照严格规定的，在数据插入以前其实就已经确定了其位置，所以不管插入的先后顺序，它在那个物理上的那个位置与插入的先后顺序无关。这样在进行查询的时候就可以少访问很多blocks，但是插入的时候，速度就比普通的表要慢一些。索引组织表主要适用于信息检索、空间和OLAP程序。
索引组织表的适用情况：
1、 代码查找表。
2、 经常通过主码访问的表。
3、 构建自己的索引结构。
4、 加强数据的共同定位，要数据按特定顺序物理存储。
5、 经常用between…and…对主码或唯一码进行查询。
经常更新的表当然不适合IOT，因为oracle需要不断维护索引，而且由于字段多索引成本就大；如果不是经常使用主键访问表，就不要使用IOT。
IOT提供如下的好处：
·提高缓冲区缓存效率，因为给定查询在缓存中需要的块更少。
·减少缓冲区缓存访问，这会改善可扩缩性。
·获取数据的工作总量更少，因为获取数据更快。
·每个查询完成的物理I/O更少。