一.查詢思路
1.想要判斷數據庫查詢緩慢的問題，可以使用如下語句，可以列出查詢語句的平均時間，總時間，所用的CPU時間等信息
SELECT creation_time N'語句編譯時間'
,last_execution_time N'上次執行時間'
,total_physical_reads N'物理讀取總次數'
,total_logical_reads/execution_count N'每次邏輯讀次數'
,total_logical_reads N'邏輯讀取總次數'
,total_logical_writes N'邏輯寫入總次數'
, execution_count N'執行次數'
, total_worker_time/1000 N'所用的CPU總時間ms'
, total_elapsed_time/1000 N'總花費時間ms'
, (total_elapsed_time / execution_count)/1000 N'平均時間ms'
,SUBSTRING(st.text, (qs.statement_start_offset/2) + 1,
((CASE statement_end_offset
WHEN -1 THEN DATALENGTH(st.text)
ELSE qs.statement_end_offsetEND
- qs.statement_start_offset)/2) + 1) N'執行語句'
FROM sys.dm_exec_query_stats AS qs
CROSS APPLY sys.dm_exec_sql_text(qs.sql_handle) st
where SUBSTRING(st.text, (qs.statement_start_offset/2) + 1,
((CASE statement_end_offset
WHEN -1 THEN DATALENGTH(st.text)
ELSE qs.statement_end_offsetEND
- qs.statement_start_offset)/2) + 1) not like'%fetch%'
ORDER BY total_elapsed_time / execution_count DESC;
2.列出數據庫每個表的數據量，并且需要運維人員對業務足夠了解，知道大概哪些表是查詢量最多的，可以查看“排在前面的表的磁盤使用情況”：
3.查看表碎片的情況，可以使用命令
DBCC SHOWCONTIG
可以看到該表掃描密度只有33.52%（最佳狀態是100%，每個表頁都寫滿數據），遠遠低于最佳計數，也就是說這個表的利用率很低，本來掃描一頁 就能出結果，現在可能需要掃描三頁，增加了查詢時間；而邏輯碎片和區碎片都很多（一般認為超過30%就需要優化了），也就是說同樣一頁，數據很少而碎片很 多，占用了過多的數據庫資源。
4.根據你對業務的了解，找出查詢最多的表，對比他的數據，查詢時間，和碎片程度可以判斷出該表是否需要整理碎片，重建索引，以提高數據庫性能。
重建索引的語句為：
use[數據庫名]
ALTER INDEX ALL ON [表名稱] REBUILD;
重建后，同樣的一張表NWME_Company_Index，再次查詢表碎片情況的結果如下：
可以看到密度已經變為96.9%，而邏輯碎片幾乎沒有了。
5.現在可以看一下整理碎片后，是否真的對查詢性能優化了，再次運行第一點列出的命令查看可以發現，大部分查詢語句所用的平均時間都下降了接近一半：
現在可以到前臺實際體驗優化后的效果了。
您可能感興趣的文章:- Django如何自定義model創建數據庫索引的順序
- MySQL中有哪些情況下數據庫索引會失效詳析
- 淺談數據庫索引的作用及原理
- MongoDB數據庫中索引(index)詳解
- PostgreSQL 查看數據庫，索引，表，表空間大小的示例代碼
- 數據庫中聚簇索引與非聚簇索引的區別[圖文]
- 數據庫索引的知識點整理小結,你所需要了解的都在這兒了
