sql server 索引 执行计划 索引的执行计划

一、T-SQL执行过程

 

sql语句在执行的时候----经过很多个步骤：     取数据----------------------内存（缓存）------------Redis-------------数据库-------------持久化到硬盘---------------一定是保存在硬盘中；

 

 二、数据库存储机制

1、数据页 在数据库中，通过数据页保存数据----数据页包含8Kb容量； 数据页又在存储区域； 一个存储区域包含8个数据页--保存简单类型 varchar(8000) 如果数据大于8Kb text，img-----肯定大于8000

2、文本图像页

3、管理数据页（首页）

4、索引页  

数据页，存储区域---体积大---索引页相对轻巧----查询快；通过索引查询数据----提升性能 正因为索引页是独立出来----索引需要单独维护他；-----在增加----删除数据的时候----索引页需要调整； 索引----增强查询效率-----查询快，增删改慢；

 

 

 

 

 三、索引

索引是相对于表而言的。。

1、聚集索引 把类似的数据存储在邻近的地方-----自动排序-----本质就是排序---在一个表中，只能有一个聚集索引，但 是可以一个聚集索引包含多个列；

　　聚集索引的更新-----需要调整数据在存储区域的摆放位置----千万不要 在你们的正式环境上，随意是去修改索引----一般在非高峰期，去更新索引；

好处：需要排序的查询----快 根据索引列来查询范围----先扫描索引---然后确定数据---快          聚集索引像什么？ 类似于新华字典中拼音查字法~----拼音查字法----先通过首字母---确定拼音----页码---直达目标---直接找到 某一个汉字在哪一页； 有一本字典：前面的拼音和部首部分给遗失了； 如果要查询某一个字：从第一页开始； 啊； 类似于没有任何索引的数据表；

2.非聚集索引： 数据不是连续摆放；索引页中保存的索引---记录数据的具体位置；没有排序了； 创建好索引----有限通过索引字段去查询就可以了；非聚集索引，一个表可以有多个； 类似于新华字典中偏旁部首查字法

---- 关于索引的一些建议：

1.索引不是越多越好----不好太多

2.在查询条件中出现的比较频繁的字段---建议建立具体索引 在Where后面经常出现的字段

3.主键都会建立索引----主键必须建立索引，（根据实际情况选择主键类型，如果是in--聚集索引, guid-- 非聚集索引）

4.外键也需要建立索引

5.Order by /group by distinct 如果查询频繁，建议建立索引

6.如果重复的数据太多----就没有必要建立索引---性别----0---1--3

7.text,img不要建立索

8.datetime 建议使用索引 查询建议： 尽量不要使用* 查询，尽量把带有所有的字段，放在查询中

 四、执行计划----非常重要

      在执行Sql语句的时候，经过分析，给我们定制一个相对较好的执行方案；在这个方案中，我们可以看到 这个Sql语句在执行的时候，所需要的各种资源信息；展示的结果，是自行过程中，所有消耗的一个清 单；

执行计划信息

1、连线；越粗表示扫描影响的行数愈多。---性能越差

2、Actual Number of Rows 扫描中实际影响的的行数。

3、Estimated Number of Rows 预估扫描影响的行数。

4、Estimated row size 操作符生成的行的估计大小（字节）。

5、Estimated Data Size 预估影响的数据的大小。

常见场景：

1、Table Scan（表扫描） 当表中没有聚集索引，又没有合适索引的情况下，会出现这个操作。这个操作是很耗性能的，他的出现 也意味着优化器要遍历整张表去查找你所需要的数据。

 

SELECT * FROM [CustomerDB].[dbo].[Company]

 

2、Clustered Index Scan(聚集索引扫描)、Index Scan（非聚集索引扫描） 一个聚集索引扫描，一个是非聚集索引扫描。 聚集索引扫描：聚集索引的数据体积实际是就是表本身，也就是说表有多少行多少列，聚集索引就有多 少行多少列，那么聚集索引扫描就跟表扫描差不多，也要进行全表扫描，遍历所有表数据，查找出你想 要的数据。 非聚集索引扫描：非聚集索引的体积是根据你的索引创建情况而定的，可以只包含你要查询的列。那么 进行非聚集索引扫描，便是你非聚集中包含的列的所有行进行遍历，查找出你想要的数据。

SELECT * FROM [CustomerDB].[dbo].[Product_10]

建议大家在Sql语句查询的时候，尽量不要使用* 查询；

3、Key Lookup(键值查找) 查找与扫描在性能上完全不是一个级别的，扫描需要遍历整张表，而查找只需要通过键值直接提取数 据，返回结果，性能要好。当你查找的列没有完全被非聚集索引包含，就需要使用键值查找在聚集索引 上查找非聚集索引不包含的列。

SELECT * FROM [CustomerDB].[dbo].[Product_1] where ProductNum=437703

4、RID Lookoup（RID查找) 跟键值查找类似，只不过RID查找，是需要查找的列没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，不能键值查找，只能根据行表示Rid来查询数据。

SELECT *FROM [CustomerDB].[dbo].[Product_2] where ProductNum='686440

5、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该图标。 聚集索引查找：聚集索引包含整个表的数据，也就是在聚集索引的数据上根据键值取数据。 非聚集索引查找：非聚集索引包含创建索引时所包含列的数据，在这些非聚集索引的数据上根据键值取 数据。

SELECT *
FROM [CustomerDB].[dbo].[Product_10] where id=19
SELECT ProductNum
FROM [CustomerDB].[dbo].[Product_4] where ProductNum<129

　　6、Hash Match 一种是表关联，一种是数据聚合运算时。 再分别说这两中运算的前面，我先说说Hashing（编码技术）和Hash Table（数据结构）。 Hashing：在数据库中根据每一行的数据内容，转换成唯一符号格式，存放到临时哈希表中，当需要原 始数据时，可以给还原回来。类似加密解密技术，但是他能更有效的支持数据查询。 Hash Table：通过hashing处理，把数据以key/value的形式存储在表格中，在数据库中他被放在 tempdb中。 把关联的字段---加上索引----还建议给出查询条件，在sql语句之后，where 上条件

select * from Company c left join SysUser u on c.id=u.CompanyId

　　7、Nested Loops 把两个不同列的数据集汇总到一张表中。提示信息中的Output List中有两个数据集，下面的数据集 （inner set）会一一扫描与上面的数据集（out set），扫描完为止，这个操作才算是完成。

8、Merge Join 这种关联算法是对两个已经排过序的集合进行合并。如果两个聚合是无序的则将先给集合排序再进行一 一合并，由于是排过序的集合，左右两个集合自上而下合并效率是相当快的。

select * from Product_1 c inner merge join Product_2 d on c.Id=d.Id

　　

9、Sort（排序） 对数据集合进行排序，需要注意的是，有些数据集合在索引扫描后是自带排序的。

select * from Product_1 order by ProductName desc

　　

10、Filter（筛选) 根据出现在having之后的操作运算符，进行筛选

SELECT COUNT(Id) idCount
FROM [CustomerDB].[dbo].[Company] group by CreateTime having COUNT(Id)=1

　　

11、Computer Scalar 在需要查询的列中需要自定义列，比如count（*） as cnt ，select name+''+age 等会出现此符号。

SELECT COUNT(Id) idCount
FROM [CustomerDB].[dbo].[Company