一.查询思路
1.想要判断数据库查询缓慢的问题，可以使用如下语句，可以列出查询语句的平均时间，总时间，所用的CPU时间等信息
SELECT creation_time N'语句编译时间'
,last_execution_time N'上次执行时间'
,total_physical_reads N'物理读取总次数'
,total_logical_reads/execution_count N'每次逻辑读次数'
,total_logical_reads N'逻辑读取总次数'
,total_logical_writes N'逻辑写入总次数'
, execution_count N'执行次数'
, total_worker_time/1000 N'所用的CPU总时间ms'
, total_elapsed_time/1000 N'总花费时间ms'
, (total_elapsed_time / execution_count)/1000 N'平均时间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'执行语句'
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.列出数据库每个表的数据量，并且需要运维人员对业务足够了解，知道大概哪些表是查询量最多的，可以查看“排在前面的表的磁盘使用情况”：
3.查看表碎片的情况，可以使用命令
DBCC SHOWCONTIG
可以看到该表扫描密度只有33.52%（最佳状态是100%，每个表页都写满数据），远远低于最佳计数，也就是说这个表的利用率很低，本来扫描一页 就能出结果，现在可能需要扫描三页，增加了查询时间；而逻辑碎片和区碎片都很多（一般认为超过30%就需要优化了），也就是说同样一页，数据很少而碎片很 多，占用了过多的数据库资源。
4.根据你对业务的了解，找出查询最多的表，对比他的数据，查询时间，和碎片程度可以判断出该表是否需要整理碎片，重建索引，以提高数据库性能。
重建索引的语句为：
use[数据库名]
ALTER INDEX ALL ON [表名称] REBUILD;
重建后，同样的一张表NWME_Company_Index，再次查询表碎片情况的结果如下：
可以看到密度已经变为96.9%，而逻辑碎片几乎没有了。
5.现在可以看一下整理碎片后，是否真的对查询性能优化了，再次运行第一点列出的命令查看可以发现，大部分查询语句所用的平均时间都下降了接近一半：
现在可以到前台实际体验优化后的效果了。
您可能感兴趣的文章:- Django如何自定义model创建数据库索引的顺序
- MySQL中有哪些情况下数据库索引会失效详析
- 浅谈数据库索引的作用及原理
- MongoDB数据库中索引(index)详解
- PostgreSQL 查看数据库，索引，表，表空间大小的示例代码
- 数据库中聚簇索引与非聚簇索引的区别[图文]
- 数据库索引的知识点整理小结,你所需要了解的都在这儿了
