SQL server执行计划

浅浅的花香味﹌ 2022-11-25 13:00 143阅读 0赞

本篇主要目的有二：

1、看懂t-sql的执行计划，明白执行计划中的一些常识。

2、能够分析执行计划，找到优化sql性能的思路或方案。

如果你对sql查询优化的理解或常识不是很深入，那么推荐几篇博文给你：[SqlServer性能检测和优化工具使用详细][SqlServer] ，[sql语句的优化分析][sql]，[T-sql语句查询执行顺序][T-sql]。

# 执行计划简介 #

**1、什么是执行计划？**

大哥提交的sql语句，数据库查询优化器，经过分析生成多个数据库可以识别的高效执行查询方式。然后优化器会在众多执行计划中找出一个资源使用最少，而不是最快的执行方案，给你展示出来，可以是xml格式，文本格式，也可以是图形化的执行方案。

**2、预估执行计划，实际执行计划**

![format_png][]

选择语句，点击上面其中一个执行计划，预估执行计划可以立即显示，而实际执行计划则需要执行sql语句后出现。预估执行计划不等于实际执行计划，但是绝大多数情况下实际的执行计划跟预估执行计划都是一致的。统计信息变更或者执行计划重编译等情况下，会造成不同。

SET STATISTICS PROFILE 和 SET STATISTICS XML 彼此互为对等物。 前者生成文本输出；后者生成 XML 输出。 在 SQL Server 的未来版本中，新的查询执行计划信息将只通过 SET STATISTICS XML 语句显示，而不通过 SET STATISTICS PROFILE 语句显示。

[https://docs.microsoft.com/zh-cn/sql/relational-databases/performance/display-an-actual-execution-plan?view=sql-server-2017][https_docs.microsoft.com_zh-cn_sql_relational-databases_performance_display-an-actual-execution-plan_view_sql-server-2017]

**3、为什么要读懂执行计划**

首先执行计划让你知道你复杂的sql到底是怎么执行的，有没有按照你想的方案执行，有没有按照最高效的方式执行，使用啦众多索引的哪一个，怎么排序，怎么合并数据的，有没有造成不必要资源浪费等等。官方数据显示，执行t-sql存在问题，80%都可以在执行计划中找到答案。

**4、针对图形化执行计划分析**

执行计划，可以以文本，xml，图形化展示出来。本骗主要以图形化执行计划主导进行分析，然而执行计划中包含78个可用的操作符，本篇也只能对常用的进行分析，常用的几乎就包含你日常所有的了。Msdn上有图片介绍：[https://msdn.microsoft.com/zh-cn/library/ms175913(v=sql.90).aspx][https_msdn.microsoft.com_zh-cn_library_ms175913_v_sql.90_.aspx]

**5、怎么看执行计划**

图形化执行计划是从上到下从右到左看的。

**6、清除缓存的执行计划**

dbcc freeprocache

dbcc flushprocindb（db\_id）

# 看懂图形化执行计划 #

**1、连线**

![format_png 1][]

1、越粗表示扫描影响的行数愈多。

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。

**2、Tooltips,当前步骤执行信息**

![format_png 2][]

Note：这个tips的信息告诉我们执行的对象是什么，采用的操作操作是什么，查找的数据是什么，使用的索引是什么，排序与否，预估cpu、I/O、影响行数，实际行数等信息。具体参数清单参见msdn：[https://msdn.microsoft.com/zh-cn/library/ms178071(v=sql.90).aspx][https_msdn.microsoft.com_zh-cn_library_ms178071_v_sql.90_.aspx]

**3、Table Scan（表扫描）**

![format_png 3][]

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。

**4、Clustered Index Scan(聚集索引扫描)、Index Scan（非聚集索引扫描）**

![format_png 4][]

这个图标两个操作都可以使用，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，聚集所有就有多少行多少列，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。

**5、Key Lookup(键值查找)**

![format_png 5][]

首先需要说的是查找，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。

**6、RID Lookoup（RID查找)**

![format_png 6][]

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。

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

![format_png 7][]

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。

**8、Hash join       （三种物理join** [https://blog.csdn.net/hzp666/article/details/107847358][https_blog.csdn.net_hzp666_article_details_107847358]**）**

s![format_png 8][]

这个图标有两种地方用到，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。

接下来，来说说Hash Math的表关联跟行数据聚合是怎么操作运算的。

表关联：

![format_png 9][]

如上图，关联两个数据集时，Hash Match会把其中较小的数据集，通过Hashing运算放入HashTable中，然后一行一行的遍历较大的数据集与HashTable进行相应的匹配拉取数据。

数据聚合：当查询中需要进行Count/Sum/Avg/Max/Min时，数据可能会采用把数据先放在内存中的HashTable中然后进行运算。

**9、Nested Loops join**

![format_png 10][]

这个操作符号，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），直到扫描完为止，这个操作才算是完成。

**10、Merge Join**

![format_png 11][]

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。

**11、Sort（排序）**

![format_png 12][]

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。

**12、Filter（筛选）**

![format_png 13][]

根据出现在having之后的操作运算符，进行筛选

**13、Computer Scalar**

![format_png 14][]

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。

# 根据执行计划细节要做的优化操作 #

这里会有很多建议给出，我不一一举例了，给出几个示例，想做到优化行家，多的还需要大家去悟去理解。

1、如果select \* 通常情况下聚集索引会比非聚集索引更优。

2、如果出现Nested Loops join，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连接操作更适合于需要做Hashing算法集合很小的连接。

4、Merge Join时需要检查下原有的集合是否已经有排序，如果没有排序，使用索引能否解决。

5、出现表扫描，聚集索引扫描，非聚集索引扫描时，考虑语句是否可以加where限制，select \* 是否可以去除不必要的列。

6、出现Rid查找时，是否可以加索引优化解决。

7、在计划中看到不是你想要的索引时，看能否在语句中强制使用你想用的索引解决问题，强制使用索引的办法Select CluName1,CluName2 from Table with(index=IndexName)。

8、看到不是你想要的连接算法时，尝试强制使用你想要的算法解决问题。强制使用连接算法的语句：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，尝试强制使用你想要的聚合算法。强制使用聚合算法的语句示例：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执行顺序是，或这解析顺序耗时过大时，尝试强制使用你定的执行顺序。option（force order）

11、看到有多个线程来合并执行你的sql语句而影响到性能时，尝试强制是不并行操作。option（maxdop 1）

12、在存储过程中，由于参数不同导致执行计划不同，也影响啦性能时尝试指定参数来优化。option（optiomize for（@name='zlh'））

13、不操作多余的列，多余的行，不做务必要的聚合，排序。

[SqlServer]: http://www.cnblogs.com/knowledgesea/p/3683505.html
[sql]: http://www.cnblogs.com/knowledgesea/p/3686105.html
[T-sql]: http://www.cnblogs.com/knowledgesea/p/4177830.html
[format_png]: /images/20221124/fc7cdd4de603407cb8d835faa0d42cf4.png
[https_docs.microsoft.com_zh-cn_sql_relational-databases_performance_display-an-actual-execution-plan_view_sql-server-2017]: https://docs.microsoft.com/zh-cn/sql/relational-databases/performance/display-an-actual-execution-plan?view=sql-server-2017
[https_msdn.microsoft.com_zh-cn_library_ms175913_v_sql.90_.aspx]: https://msdn.microsoft.com/zh-cn/library/ms175913%28v=sql.90%29.aspx
[format_png 1]: /images/20221124/ea49c25ee0c04386910e4136f02f58e1.png
[format_png 2]: /images/20221124/6d38aa61dc7b46efb491167d73bd15d6.png
[https_msdn.microsoft.com_zh-cn_library_ms178071_v_sql.90_.aspx]: https://msdn.microsoft.com/zh-cn/library/ms178071%28v=sql.90%29.aspx
[format_png 3]: /images/20221124/bdbdce1ff62549d3acdf4a208d09c8f4.png
[format_png 4]: /images/20221124/0a1e73a8cb4b4b1daca51c6c0216c7c7.png
[format_png 5]: /images/20221124/6428acc87e5642149f8341e47c4bfdd9.png
[format_png 6]: /images/20221124/395b955446d04ca6ad0f67bcadac587c.png
[format_png 7]: /images/20221124/4ed16ad326a94c9dbe8b34ebdae20516.png
[https_blog.csdn.net_hzp666_article_details_107847358]: https://blog.csdn.net/hzp666/article/details/107847358
[format_png 8]: /images/20221124/3b0c00d31d924244b1cbb388d99f671d.png
[format_png 9]: /images/20221124/ef107641b9224e84a73f87130e0d6878.png
[format_png 10]: /images/20221124/49a2e6c745ab4abba86db8f9b9fbd68d.png
[format_png 11]: /images/20221124/4cf19e7edebd4a79ad3a70637633a773.png
[format_png 12]: /images/20221124/2b2e2c63fda44f93b3d9ce601420d3b5.png
[format_png 13]: /images/20221124/e1a77612236e434fb2f98bb95a93ed89.png
[format_png 14]: /images/20221124/54aa1ee30eb64ddaa644f3424286f8b3.png