http://www.cnblogs.com/knowledgesea/p/5005163.html

?

序言

本篇主要目的有二：

1、看懂t-sql的執(zhí)行計(jì)劃，明白執(zhí)行計(jì)劃中的一些常識(shí)。

2、能夠分析執(zhí)行計(jì)劃，找到優(yōu)化sql性能的思路或方案。

如果你對(duì)sql查詢優(yōu)化的理解或常識(shí)不是很深入，那么推薦幾篇博文給你：SqlServer性能檢測(cè)和優(yōu)化工具使用詳細(xì)?，sql語(yǔ)句的優(yōu)化分析，T-sql語(yǔ)句查詢執(zhí)行順序。

執(zhí)行計(jì)劃簡(jiǎn)介

1、什么是執(zhí)行計(jì)劃？

大哥提交的sql語(yǔ)句，數(shù)據(jù)庫(kù)查詢優(yōu)化器，經(jīng)過(guò)分析生成多個(gè)數(shù)據(jù)庫(kù)可以識(shí)別的高效執(zhí)行查詢方式。然后優(yōu)化器會(huì)在眾多執(zhí)行計(jì)劃中找出一個(gè)資源使用最少，而不是最快的執(zhí)行方案，給你展示出來(lái)，可以是xml格式，文本格式，也可以是圖形化的執(zhí)行方案。

2、預(yù)估執(zhí)行計(jì)劃，實(shí)際執(zhí)行計(jì)劃

選擇語(yǔ)句，點(diǎn)擊上面其中一個(gè)執(zhí)行計(jì)劃，預(yù)估執(zhí)行計(jì)劃可以立即顯示，而實(shí)際執(zhí)行計(jì)劃則需要執(zhí)行sql語(yǔ)句后出現(xiàn)。預(yù)估執(zhí)行計(jì)劃不等于實(shí)際執(zhí)行計(jì)劃，但是絕大多數(shù)情況下實(shí)際的執(zhí)行計(jì)劃跟預(yù)估執(zhí)行計(jì)劃都是一致的。統(tǒng)計(jì)信息變更或者執(zhí)行計(jì)劃重編譯等情況下，會(huì)造成不同。

3、為什么要讀懂執(zhí)行計(jì)劃

首先執(zhí)行計(jì)劃讓你知道你復(fù)雜的sql到底是怎么執(zhí)行的，有沒(méi)有按照你想的方案執(zhí)行，有沒(méi)有按照最高效的方式執(zhí)行，使用啦眾多索引的哪一個(gè)，怎么排序，怎么合并數(shù)據(jù)的，有沒(méi)有造成不必要資源浪費(fèi)等等。官方數(shù)據(jù)顯示，執(zhí)行t-sql存在問(wèn)題，80%都可以在執(zhí)行計(jì)劃中找到答案。

4、針對(duì)圖形化執(zhí)行計(jì)劃分析

執(zhí)行計(jì)劃，可以以文本，xml，圖形化展示出來(lái)。本騙主要以圖形化執(zhí)行計(jì)劃主導(dǎo)進(jìn)行分析，然而執(zhí)行計(jì)劃中包含78個(gè)可用的操作符，本篇也只能對(duì)常用的進(jìn)行分析，常用的幾乎就包含你日常所有的了。Msdn上有圖片介紹：https://msdn.microsoft.com/zh-cn/library/ms175913(v=sql.90).aspx

5、怎么看執(zhí)行計(jì)劃

圖形化執(zhí)行計(jì)劃是從上到下從又到左看的。

6、清除緩存的執(zhí)行計(jì)劃

dbcc freeprocache

dbcc flushprocindb（db_id）

看懂圖形化執(zhí)行計(jì)劃

1、連線

1、越粗表示掃描影響的行數(shù)愈多。

2、Actual Number of Rows ?掃描中實(shí)際影響的的行數(shù)。

3、Estimated?Number of Rows 預(yù)估掃描影響的行數(shù)。

4、Estimated row size?操作符生成的行的估計(jì)大小（字節(jié)）。

5、Estimated Data Size 預(yù)估影響的數(shù)據(jù)的大小。

2、Tooltips,當(dāng)前步驟執(zhí)行信息

??

Note：這個(gè)tips的信息告訴我們執(zhí)行的對(duì)象是什么，采用的操作操作是什么，查找的數(shù)據(jù)是什么，使用的索引是什么，排序與否，預(yù)估cpu、I/O、影響行數(shù)，實(shí)際行數(shù)等信息。具體參數(shù)清單參見(jiàn)msdn：https://msdn.microsoft.com/zh-cn/library/ms178071(v=sql.90).aspx

3、Table Scan（表掃描）

當(dāng)表中沒(méi)有聚集索引，又沒(méi)有合適索引的情況下，會(huì)出現(xiàn)這個(gè)操作。這個(gè)操作是很耗性能的，他的出現(xiàn)也意味著優(yōu)化器要遍歷整張表去查找你所需要的數(shù)據(jù)。

4、Clustered Index Scan(聚集索引掃描)、Index Scan（非聚集索引掃描）

?

這個(gè)圖標(biāo)兩個(gè)操作都可以使用，一個(gè)聚集索引掃描，一個(gè)是非聚集索引掃描。

聚集索引掃描：聚集索引的數(shù)據(jù)體積實(shí)際是就是表本身，也就是說(shuō)表有多少行多少列，聚集所有就有多少行多少列，那么聚集索引掃描就跟表掃描差不多，也要進(jìn)行全表掃描，遍歷所有表數(shù)據(jù)，查找出你想要的數(shù)據(jù)。

非聚集索引掃描：非聚集索引的體積是根據(jù)你的索引創(chuàng)建情況而定的，可以只包含你要查詢的列。那么進(jìn)行非聚集索引掃描，便是你非聚集中包含的列的所有行進(jìn)行遍歷，查找出你想要的數(shù)據(jù)。

5、Key Lookup(鍵值查找)

首先需要說(shuō)的是查找，查找與掃描在性能上完全不是一個(gè)級(jí)別的，掃描需要遍歷整張表，而查找只需要通過(guò)鍵值直接提取數(shù)據(jù)，返回結(jié)果，性能要好。

當(dāng)你查找的列沒(méi)有完全被非聚集索引包含，就需要使用鍵值查找在聚集索引上查找非聚集索引不包含的列。

6、RID Lookoup（RID查找)

?

跟鍵值查找類似，只不過(guò)RID查找，是需要查找的列沒(méi)有完全被非聚集索引包含，而剩余的列所在的表又不存在聚集索引，不能鍵值查找，只能根據(jù)行表示Rid來(lái)查詢數(shù)據(jù)。

7、Clustered Index Seek（聚集索引查找）、Index Seek（非聚集索引查找）

聚集索引查找和非聚集索引查找都是使用該圖標(biāo)。

聚集索引查找：聚集索引包含整個(gè)表的數(shù)據(jù)，也就是在聚集索引的數(shù)據(jù)上根據(jù)鍵值取數(shù)據(jù)。

非聚集索引查找：非聚集索引包含創(chuàng)建索引時(shí)所包含列的數(shù)據(jù)，在這些非聚集索引的數(shù)據(jù)上根據(jù)鍵值取數(shù)據(jù)。

8、Hash join? ?三種物理連接merge、Hash、Loop 模型：https://blog.csdn.net/hzp666/article/details/107847358

?

這個(gè)圖標(biāo)有兩種地方用到，一種是表關(guān)聯(lián)，一種是數(shù)據(jù)聚合運(yùn)算時(shí)。

在分別說(shuō)這兩種運(yùn)算的前面，我先說(shuō)說(shuō)Hashing（編碼技術(shù)）和Hash Table（數(shù)據(jù)結(jié)構(gòu)）。

Hashing：在數(shù)據(jù)庫(kù)中根據(jù)每一行的數(shù)據(jù)內(nèi)容，轉(zhuǎn)換成唯一符號(hào)格式，存放到臨時(shí)哈希表中，當(dāng)需要原始數(shù)據(jù)時(shí)，可以給還原回來(lái)。類似加密解密技術(shù)，但是他能更有效的支持?jǐn)?shù)據(jù)查詢。

Hash Table：通過(guò)hashing處理，把數(shù)據(jù)以key/value的形式存儲(chǔ)在表格中，在數(shù)據(jù)庫(kù)中他被放在tempdb中。

接下來(lái)，來(lái)說(shuō)說(shuō)Hash Math的表關(guān)聯(lián)跟行數(shù)據(jù)聚合是怎么操作運(yùn)算的。

表關(guān)聯(lián)：

如上圖，關(guān)聯(lián)兩個(gè)數(shù)據(jù)集時(shí)，Hash Match會(huì)把其中較小的數(shù)據(jù)集，通過(guò)Hashing運(yùn)算放入HashTable中，然后一行一行的遍歷較大的數(shù)據(jù)集與HashTable進(jìn)行相應(yīng)的匹配拉取數(shù)據(jù)。

數(shù)據(jù)聚合：當(dāng)查詢中需要進(jìn)行Count/Sum/Avg/Max/Min時(shí)，數(shù)據(jù)可能會(huì)采用把數(shù)據(jù)先放在內(nèi)存中的HashTable中然后進(jìn)行運(yùn)算。

9、Loops Join

這個(gè)操作符號(hào)，把兩個(gè)不同列的數(shù)據(jù)集匯總到一張表中。提示信息中的Output List中有兩個(gè)數(shù)據(jù)集，下面的數(shù)據(jù)集（inner set）會(huì)一一掃描與上面的數(shù)據(jù)集（out set），直到掃描完為止，這個(gè)操作才算是完成。

10、Merge Join

這種關(guān)聯(lián)算法是對(duì)兩個(gè)已經(jīng)排過(guò)序的集合進(jìn)行合并。如果兩個(gè)聚合是無(wú)序的則將先給集合排序再進(jìn)行一一合并，由于是排過(guò)序的集合，左右兩個(gè)集合自上而下合并效率是相當(dāng)快的。

11、Sort（排序）

對(duì)數(shù)據(jù)集合進(jìn)行排序，需要注意的是，有些數(shù)據(jù)集合在索引掃描后是自帶排序的。

12、Filter（篩選）

根據(jù)出現(xiàn)在having之后的操作運(yùn)算符，進(jìn)行篩選

13、Computer Scalar

?

在需要查詢的列中需要自定義列，比如count（*） as cnt ，select name+''+age 等會(huì)出現(xiàn)此符號(hào)。

根據(jù)執(zhí)行計(jì)劃細(xì)節(jié)要做的優(yōu)化操作

這里會(huì)有很多建議給出，我不一一舉例了，給出幾個(gè)示例，想做到優(yōu)化行家，多的還需要大家去悟去理解。

1、如果select * 通常情況下聚集索引會(huì)比非聚集索引更優(yōu)。

2、如果出現(xiàn)Nested Loops，需要查下是否需要聚集索引，非聚集索引是否可以包含所有需要的列。

3、Hash Match連接操作更適合于需要做Hashing算法集合很小的連接。

4、Merge Join時(shí)需要檢查下原有的集合是否已經(jīng)有排序，如果沒(méi)有排序，使用索引能否解決。

5、出現(xiàn)表掃描，聚集索引掃描，非聚集索引掃描時(shí)，考慮語(yǔ)句是否可以加where限制，select * 是否可以去除不必要的列。

6、出現(xiàn)Rid查找時(shí)，是否可以加索引優(yōu)化解決。

7、在計(jì)劃中看到不是你想要的索引時(shí)，看能否在語(yǔ)句中強(qiáng)制使用你想用的索引解決問(wèn)題，強(qiáng)制使用索引的辦法Select CluName1,CluName2 from Table with(index=IndexName)。

8、看到不是你想要的連接算法時(shí)，嘗試強(qiáng)制使用你想要的算法解決問(wèn)題。強(qiáng)制使用連接算法的語(yǔ)句：select * from t1 left join t2 on t1.id=t2.id option(Hash/Loop/Merge Join)

9、看到不是你想要的聚合算法是，嘗試強(qiáng)制使用你想要的聚合算法。強(qiáng)制使用聚合算法的語(yǔ)句示例：select ?age ,count(age) as cnt from t1 group by age ?option(order/hash group)

10、看到不是你想要的解析執(zhí)行順序是，或這解析順序耗時(shí)過(guò)大時(shí)，嘗試強(qiáng)制使用你定的執(zhí)行順序。option（force order）

11、看到有多個(gè)線程來(lái)合并執(zhí)行你的sql語(yǔ)句而影響到性能時(shí)，嘗試強(qiáng)制是不并行操作。option（maxdop 1）

12、在存儲(chǔ)過(guò)程中，由于參數(shù)不同導(dǎo)致執(zhí)行計(jì)劃不同，也影響啦性能時(shí)嘗試指定參數(shù)來(lái)優(yōu)化。option（optiomize for（@name='zlh'））

13、不操作多余的列，多余的行，不做務(wù)必要的聚合，排序。

總結(jié)

以上是生活随笔為你收集整理的SqlServer执行计划的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。