開篇小測驗
下面這樣一個小SQL 你該怎麼樣添加最優索引
兩個表上現在只有聚集索引
bigproduct 表上已經有聚集索引 ProductID
bigtransactionhistory 表上已經有聚集索引 TransactionID
你是否一眼就能看出來呢？
答案將在文章中逐步揭曉~~~
簡單粗暴的添加索引
首先我們看一下沒有優化前的執行計劃
clustered index scan 這其實就是表掃描，不是table scan 只是因為表上有聚集索引
可以看出這個查詢倆表都使用了表掃描！
where 條件添加索引
首先大多數人都知道 where 條件中的字段需要添加索引! 我們添加一下看看效果創建
在 bigproduct 表上創建 name 列索引，在bigtransactionhistory表上創建TransactionDate 列索引。
再次執行語句看一下效果！
添加where索引以後可以看到以下幾個現象
- bigproduct 從原來的clustered index scan 變成 index seek
- 另外多出來個KEY Lookup(clustered)
- bigproduct 上添加的索引起了作用，邏輯讀bigproduct 由 601 變成10。
- bigtransactionhistory 沒啥變化啊還是clustered index scan
解釋一下出現的現象 ：首先一點bigproduct 邊添加的where條件索引，起到了作用，執行的時候不是全表掃描了，邏輯讀有明顯的下降，出現的 KEY Lookup 是因為選擇（select）的列，在索引中沒有，而需要通過聚集索引再查找一次，再找一次也意味着多一部分開銷！那麼同樣添加了where 條件索引的bigtransactionhistory表為什麼沒起作用呢？那是因為SQL優化器在選擇計劃的時候認為，不使用TransactionDate 列索引查找效率會更好!
真的麼？我們來驗證一下，通過指定選擇索引，來讓優化器選擇索引查找！
強制使用索引以後，可以看出邏輯讀由 14W 變成1961W，語句時間也變得很長，這就是優化器為什麼不選用你加的索引！優化器還是很智能的吧。
高能預警：優化器可不是什麼時候都這麼智能的...由於緩存計劃或優化器抽風等原因，也會出現優化器用了這種索引，導致你的語句奇慢，讀飆升直接影響到你的內存、磁盤、CPU資源！另外如果這樣一條語句是系統中一條很頻繁運行的語句，你的系統就掛了！沒錯就掛了！這就是開篇拋出的問題就是因為一條語句！
消滅Key Lookup 添加select 字段
這就是傳説中的覆蓋索引！
看到執行計劃中存在Key Lookup 而且消耗佔比很高，如上面強制索引的計劃，那麼我們就要想到的 在索引中包含那些SELECT 的列！如果消耗低，邏輯讀少，如上面bigproduct 表中的Key Lookup 就可以忽略（如果你追求完美，也一樣優化就可以了）。
包含列的圖形化創建：@秋仙 特意給你的説明
語句創建就是：
下面我們添加一下看看效果：
添加select 索引字段後可以看出的現象：
- 優化器自己選擇了index seek
- bigtransactionhistory佔比最高的Key Lookup消失了
- 邏輯讀由原來無索引的14W變成1W
- bigtransactionhistory表還提示缺少索引？
通過優化索引添加select 字段，我們看出語句又一次得到了提升bigtransactionhistory 從表掃描變成索引查找，邏輯讀由14W變成 1W！這是一個質的飛躍啊！
CREATE NONCLUSTERED INDEXTransactionDate包含ProductID_QuantityON[dbo].[bigTransactionHistory] ([TransactionDate])------INCLUDE 就是包含列INCLUDE ([ProductID],[Quantity])GO
那為什麼還提示缺少索引呢？創建一下試試吧！
索引再優化加入表關聯列
按照提示我們創建索引：和上一個索引的不同 ProductID 列由包含列變成了索引列！
我們看一下效果：
再次優化索引以後可以看到以下幾個現象
- bigtransactionhistory表還是索引查找index seek
- bigtransactionhistory依然沒有了Key Lookup
- 兩表關聯的hash join 變成了nested loops
- 並行計劃變成了串行
- 邏輯讀又從1W 變成18
又一次質的飛躍！讀從原來的14W 變成1W 又變成18，這樣大大減少了內存和IO的消耗，另外並行計劃也變成了串行，無疑又減少了大量CPU的消耗！語句時間，我想這裏就不用多説了吧？
高能預警：這裏所説的hash join，並行變串行，不懂的朋友可以在百度自行學習，這裏只是針對當前語句的情況，不能一概而論！
精簡你的索引
大家都知道，索引會導致update、insert、delete操作變慢！那麼儘量精簡你的索引就是一個很重要的話題了！
上面的優化過程中我們創建了幾個索引，以bigTransactionHistory為例來看一下：
腳本這裏就不貼了，其實我們最後創建的索引 ProductID_TransactionDate包含Quantity 已經包含了前兩個索引，而且可以説無論任何類似語句都使用ProductID_TransactionDate包含Quantity 就可以了！
那麼我們就可以清除前兩個索引！
至此語句的優化算是結束了，留下的就是bigproduct 依然有一個Key Lookup可以優化，可以仿照上面的繼續優化，這裏就不細説了。
這就是索引的重要性！
開篇小測試你做對了麼？如果沒做對那麼這麼請你自行模擬一個場景再現本篇的話題吧！
總結
數據庫整體緩慢往往都是因為索引問題導致的，不要小看一條語句的威力，一條高頻的語句足可以讓你的數據庫徹底無法工作。在和大量的運維人員交流的過程中發現，對於索引的重要性恰恰沒有足夠的重視，一提到優化就是修改SQL語句、讀寫分離、分佈式數據庫等捨近求遠的方案，優化索引才是對數據庫最高性價比的優化。
