SQLServer 优化案例集 —— 慢 SQL 优化、索引重构与参数调整收益对比

21_SQLServer 优化案例集 ------ 慢 SQL 优化、索引重构与参数调整收益对比

系列定位 :《SQL Server 数据库全栈运维实战系列》第 21 篇,与《MySQL 数据库全栈运维实战系列》同构对标(对标 MySQL 21 优化案例集:慢 SQL 优化、索引重构、参数调整收益对比)。适用版本 :SQL Server 2019/2022(2017 及以下差异随文标注;2022 Query Store 增强随文标注)。官方文档:Microsoft Learn SQL Server 2019/2022 文档、执行计划、Query Store、索引重组与重新生成。


一、优化方法论(总图)

图 1

工具顺序:先用 Query Store(数据库内置,对标 MySQL 慢查询日志 + performance_schema)捞历史 Top 耗时 SQL,再 SET STATISTICS IO, TIME ON 跑实际计划,不要凭感觉改 SQL。


二、案例 1:全表扫描慢 SQL(订单列表查询)

现象 :订单列表接口 3 秒,执行计划显示 Clustered Index Scan(聚集索引扫描)扫了 200 万行。

复制代码
-- 慢 SQL(解释:按用户 + 时间倒序分页,没索引走全表扫)
SELECT order_id, amount, create_time
FROM orders WHERE user_id = 10086
ORDER BY create_time DESC;

-- 优化:建覆盖索引(解释:user_id 等值 + create_time 排序,INCLUDE 带查询列避免键查找)
CREATE NONCLUSTERED INDEX IX_orders_user_create
ON orders (user_id, create_time DESC)
INCLUDE (amount);

收益:逻辑读从 12 万页降到几十页,耗时 3s → 50ms。执行计划从 Scan 变成 Index Seek,无键查找。


三、案例 2:索引失效(函数包裹列、隐式类型转换)

复制代码
-- ① 函数包裹列导致索引失效(解释:WHERE 左边包函数,优化器放弃索引)
SELECT * FROM orders WHERE YEAR(create_time) = 2026;   -- 慢
-- 改写为范围(解释:范围条件能走索引)
SELECT * FROM orders WHERE create_time >= '2026-01-01' AND create_time < '2027-01-01';

-- ② 隐式类型转换(解释:order_no 在表中是 varchar,应用传 int,
-- 计划里出现 CONVERT_IMPLICIT、索引失效)
-- 表定义:order_no VARCHAR(32)
SELECT * FROM orders WHERE order_no = 20260101;     -- 慢、隐式转换
SELECT * FROM orders WHERE order_no = '20260101';    -- 快、类型对齐

类比 MySQL:MySQL 里函数包裹列、字符集/类型隐式转换同样导致索引失效,优化器选择如出一辙;SQL Server 执行计划里会明确标出 CONVERT_IMPLICIT,一眼定位。


四、案例 3:参数嗅探导致计划抖动(时快时慢)

现象:同一存储过程,白天跑 2 秒、大促跑 30 秒,同一 SQL 时快时慢。这是 SQL Server 特有的"参数嗅探"(Parameter Sniffing)------第一次执行的参数基数小,生成的计划被缓存复用给大基数参数。

复制代码
-- 诊断:Query Store 按 SQL 看不同计划的耗时(解释:2019 起 Query Store 自动捕获)
SELECT p.plan_id, rs.count_executions,
       rs.avg_logical_io_reads, rs.avg_duration
FROM sys.query_store_query_text t
JOIN sys.query_store_query q ON t.query_text_id = q.query_text_id
JOIN sys.query_store_plan p ON q.query_id = p.query_id
JOIN sys.query_store_runtime_stats rs ON p.plan_id = rs.plan_id
WHERE t.query_sql_text LIKE '%orders by status%'
ORDER BY rs.avg_duration DESC;

-- 处置 1:对该查询强制用好计划(解释:Query Store 计划强制、2022 增强了自动计划更正)
EXEC sp_query_store_force_plan @query_id = 123, @plan_id = 45;

-- 处置 2:存储过程内局部变量隔离嗅探(解释:或加 OPTION (RECOMPILE))
CREATE OR ALTER PROC dbo.orders_by_status @status TINYINT AS
BEGIN
  DECLARE @s TINYINT = @status;   -- 局部变量、绕开嗅探
  SELECT * FROM orders WHERE status = @s OPTION (RECOMPILE);
END

图 2


五、案例 4:索引重构(碎片 + 冗余 + 未使用索引)

复制代码
-- ① 找碎片(解释:avg_fragmentation_in_percent 超 30% 重建、5% 到 30% 重组)
SELECT OBJECT_NAME(ips.object_id) AS tbl, i.name AS idx,
       ips.avg_fragmentation_in_percent, ips.page_count
FROM sys.dm_db_index_physical_stats(DB_ID(), NULL, NULL, NULL, 'LIMITED') ips
JOIN sys.indexes i ON ips.object_id = i.object_id AND ips.index_id = i.index_id
WHERE ips.avg_fragmentation_in_percent > 10;

-- ② 重建 / 重组(解释:重建锁表时间长、业务低峰做;重组在线轻量)
ALTER INDEX IX_orders_user_create ON orders REBUILD PARTITION = ALL;   -- 碎片 >30%
ALTER INDEX IX_orders_user_create ON orders REORGANIZE;               -- 碎片 5 到 30%

-- ③ 找从未使用的索引(解释:写入成本白付、可考虑删除)
SELECT OBJECT_NAME(s.object_id) AS tbl, i.name AS idx,
       s.user_seeks, s.user_scans, s.user_updates
FROM sys.dm_db_index_usage_stats s
JOIN sys.indexes i ON s.object_id = i.object_id AND s.index_id = i.index_id
WHERE s.user_seeks = 0 AND s.user_scans = 0 AND s.user_updates > 1000;

图 3

类比 MySQL:MySQL 用 OPTIMIZE TABLE 整理碎片、sys.schema_unused_indexes 找冗余索引;SQL Server 用 ALTER INDEX REBUILD/REORGANIZE,粒度更细(可按分区重建)。


六、案例 5:JOIN 优化(被驱动表没走索引)

复制代码
-- 慢:订单 join 用户、用户表走全表(解释:嵌套循环 join 里内表必须有索引)
SELECT o.order_id, u.nickname
FROM orders o JOIN users u ON o.user_id = u.id
WHERE o.create_time > '2026-10-01';
-- 计划:Nested Loops、内表 users 是 Clustered Index Scan、每行扫一遍

-- 优化:users.id 是主键已有聚集索引即可;问题在 o 侧缺
-- orders 的 create_time 索引,导致外层也是扫描
CREATE NONCLUSTERED INDEX IX_orders_create ON orders (create_time);
-- 收益:外层 Index Seek 定位 10 月订单,内表主键索引 nested loop 直查

若结果集大(几百万行 join),优化器自动选 Hash Join,此时关注内存授予(memory grant)是否过大导致 tempdb 溢出------用 GRANT 提示或调小查询行数。


七、案例 6:参数调整收益对比

复制代码
-- 32G 内存主机推荐基线(解释:SQL Server 动态吃内存,要给 OS 留 4G)
EXEC sp_configure 'show advanced options', 1; RECONFIGURE;
EXEC sp_configure 'max server memory (MB)', 24576; RECONFIGURE;   -- 24G
-- 并行度:OLTP 小查询不要乱并行
EXEC sp_configure 'max degree of parallelism', 4; RECONFIGURE;       -- 按 NUMA 核数
EXEC sp_configure 'cost threshold for parallelism', 50; RECONFIGURE;  -- 默认 5 太低、OLTP 调 50
参数 默认 32G 生产建议 收益
max server memory 无上限(吃满) 物理内存 - 4G 避免 OS 换页、OOM
MAXDOP 0(全核) 4 OLTP 小查询不并行、减少 CXPACKET 等待
cost threshold for parallelism 5 50 只有真大查询才并行
备份压缩 关 开 备份体积、时间降 60%

八、案例 7:慢查询常态化治理(Query Store)

复制代码
-- 开启 Query Store(解释:2019 默认开;2022 加了自动计划更正、只读模式自动恢复)
ALTER DATABASE orderdb SET QUERY_STORE = ON
(OPERATION_MODE = READ_WRITE,
 QUERY_CAPTURE_MODE = AUTO,
 MAX_STORAGE_SIZE_MB = 1000);
-- 每周从 Query Store 捞 Top 耗时代码、进优化队列

九、优化收益闭环(验证纪律)

图 4

纪律:每次优化前后 SET STATISTICS TIME ON 跑同一 SQL 三次取平均;动了索引后观察写入侧(INSERT、UPDATE 是否变慢);强制计划后在 Query Store 盯一周。


十、踩坑记录(实测汇总)

# 坑 现象 解决
1 加索引不管写入成本 查询快了、批量导入慢 评估读写比、批量任务用索引开关临时关
2 max server memory 不设 OS 换页、整机卡 留 4G 给 OS,锁上限
3 碎片 >30% 用 REORGANIZE 收效甚微 >30% 必须 REBUILD,低峰做
4 参数嗅探直接升级数据库版本 没解决问题 Query Store 强制计划 + RECOMPILE 局部处理
5 函数包列改了应用不改 还是走全表 改 WHERE 为范围条件,应用侧配合
6 并行等待 CXPACKET 当病治 调小 MAXDOP 误伤大报表 区分 OLTP 与报表库参数,别一刀切
7 隐式转换不改类型对齐 索引一直失效 字段类型与传参类型对齐,查计划里 CONVERT_IMPLICIT
8 Query Store 空间满变只读 历史丢失 MAX_STORAGE_SIZE 设 1G、定期清理

十一、类比 MySQL 速查

优化动作 MySQL SQL Server
捞慢 SQL 慢查询日志、performance_schema Query Store
执行计划 EXPLAIN 实际执行计划、SET STATISTICS
加索引 CREATE INDEX CREATE NONCLUSTERED INDEX、INCLUDE
碎片整理 OPTIMIZE TABLE ALTER INDEX REBUILD、REORGANIZE
计划复用问题 慢查询自适应 参数嗅探、Query Store 强制计划
内存上限 innodb_buffer_pool_size max server memory

十二、本文要点速记

  1. 捞慢 SQL 用 Query Store,改完用实际计划 + STATISTICS 验证。
  2. 索引失效两大元凶:函数包列、隐式类型转换。
  3. 参数嗅探用 Query Store 强制计划或 RECOMPILE,不要乱升版本。
  4. 碎片 >30% 重建、5% 到 30% 重组;未使用索引及时删。
  5. 内存上限给 OS 留 4G,MAXDOP 与并行阈值按 OLTP 调。

十三、参考资料(官方正式文档)

主题 官方链接
Query Store https://learn.microsoft.com/sql/relational-databases/performance/monitoring-performance-by-using-the-query-store
查询存储强制计划 https://learn.microsoft.com/sql/relational-databases/performance/force-a-plan
索引重组与重新生成 https://learn.microsoft.com/sql/relational-databases/indexes/reorganize-and-rebuild-indexes
执行计划 https://learn.microsoft.com/sql/relational-databases/performance/execution-plans
参数嗅探 https://learn.microsoft.com/sql/relational-databases/performance/parameter-sniffing
sp_configure 服务器配置 https://learn.microsoft.com/sql/database-engine/configure-windows/server-configuration-options-sql-server

本文章属于《SQL Server 数据库全栈运维实战系列》实战与配套解决方案篇。欢迎收藏、交流。

相关推荐
CoderYanger37 分钟前
Java EE 进阶:9.MyBatis 操作数据库(进阶)(第二弹)
java·数据库·面试·职场和发展·java-ee·tomcat·mybatis
Mr_万能胶1 小时前
官方发布,不烧心的 AOSP 编译提速技巧
android·ci/cd·架构
Allen36681 小时前
从答疑机器人到有办公桌的助理:一次 RAG Agent 的「加法」改造
架构
龙腾AI白云1 小时前
具身智能的空间导航与未知环境探索
大数据·数据库·人工智能·机器学习·知识图谱
优化Henry2 小时前
LTE 站点 S1 链路反复闪断导致小区频闪退服故障排查
运维·网络·学习·信息与通信·tdd
ClouGence2 小时前
DBeaver太重,Navicat付费?试试这4款好用的开源数据库管理工具!
数据库·开源
Jahzo2 小时前
DSH 客户端二开实战(四):业务登录如何接入原生桌面与本地 Host
架构·deepseek
manageengine2 小时前
服务器 CPU 100% 怎么排查:8 条命令从现象定位到根因
运维·服务器·cpu
字节跳动数据库2 小时前
火山引擎缓存数据库:如何构建超大规模缓存集群的无感弹性能力
数据库·人工智能·后端