互联网时代的进程越走越深，使用MySQL的人也越来越多，关于MySQL的数据库优化指南很多，而关于SQL SERVER的T-SQL优化指南看上去比较少，近期有学习SQLSERVER的同学问到SQL SERVER数据库有哪些优化建议？本文列举了部分常见的优化建议，具体内容如下：
1、优化建议
索引优化：
eg：考虑一个订单表 Orders，其中有列 OrderDate 和 CustomerID。如果经常需要按订单日期范围和顾客ID进行查询，可以在这两列上建立复合索引，以提高查询性能。
NULL 值判断避免全表扫描：
eg：对于包含 status 列的用户表 Users，避免使用 SELECT * FROM Users WHERE status IS NULL，可以在设计表时设置 status 默认值，确保所有用户都有一个状态，然后使用 SELECT * FROM Users WHERE status = 0 进行查询。
!= 或 <> 操作符避免全表扫描：
eg：考虑一个产品表 Products，如果要查询所有不属于某个特定类别的产品，避免使用 SELECT * FROM Products WHERE CategoryID != 5，而是使用 SELECT * FROM Products WHERE CategoryID <> 5。
OR 连接条件避免全表扫描：
eg：对于一个学生成绩表 Grades，如果需要查询得分为 A 或 B 的记录，避免使用 SELECT * FROM Grades WHERE Grade = 'A' OR Grade = 'B'，而是使用 SELECT * FROM Grades WHERE Grade = 'A' UNION ALL SELECT * FROM Grades WHERE Grade = 'B'。
IN 和 NOT IN 避免全表扫描：
eg：考虑一个员工表 Employees，如果需要查询属于某个特定部门的员工，避免使用 SELECT * FROM Employees WHERE DepartmentID IN (1, 2, 3)，而是使用 SELECT * FROM Employees WHERE DepartmentID BETWEEN 1 AND 3。
LIKE 查询优化：
eg：在一个文章表 Articles 中，如果需要模糊查询包含关键词的文章，避免使用 SELECT * FROM Articles WHERE Title LIKE '%SQL%'，可以考虑全文检索或者其他优化方式。
参数使用避免全表扫描：
eg：在一个订单表 Orders 中，如果需要根据输入的订单号查询订单信息，避免使用 SELECT * FROM Orders WHERE OrderID = @OrderID，可以使用强制索引的方式，如 SELECT * FROM Orders WITH(INDEX(OrderID_Index)) WHERE OrderID = @OrderID。
字段表达式操作避免全表扫描：
eg：在一个商品表 Products 中，如果需要查询价格除以2等于100的商品，避免使用 SELECT * FROM Products WHERE Price/2 = 100，可以改为 SELECT * FROM Products WHERE Price = 100*2。
字段函数操作避免全表扫描：
eg：在一个员工表 Employees 中，如果需要查询名字以"Smith"开头的员工，避免使用 SELECT * FROM Employees WHERE LEFT(LastName, 5) = 'Smith'，可以改为 SELECT * FROM Employees WHERE LastName LIKE 'Smith%'。
不要在“=”左边进行函数、算术运算：
eg：在一个库存表 Inventory 中，避免使用 SELECT * FROM Inventory WHERE YEAR(StockDate) = 2023，而是使用 SELECT * FROM Inventory WHERE StockDate >= '2023-01-01' AND StockDate < '2024-01-01'。
索引字段顺序使用避免全表扫描：
eg：在一个订单表 Orders 中，如果有复合索引 (CustomerID, OrderDate)，查询时应该先使用 CustomerID，如 SELECT * FROM Orders WHERE CustomerID = @CustomerID AND OrderDate BETWEEN @StartDate AND @EndDate。
避免写没有意义的查询：
eg：不建议使用 SELECT col1, col2 INTO #t FROM t WHERE 1 = 0，可以改为明确创建表结构并使用 CREATE TABLE #t (...)。
使用 EXISTS 代替 IN：
eg：在一个产品表 Products 中，避免使用 SELECT * FROM Products WHERE ProductID IN (SELECT ProductID FROM DiscontinuedProducts)，可以改为 SELECT * FROM Products WHERE EXISTS (SELECT 1 FROM DiscontinuedProducts WHERE ProductID = Products.ProductID)。
索引不一定对所有查询有效：
eg：在一个性别字段 Gender 几乎均匀分布的表中，对 Gender 建立索引可能不会提高查询效率。
索引数量谨慎选择：
eg：在一个订单表 Orders 中，不宜过多地在每个列上建立索引，需要根据查询和更新的具体需求进行权衡。
更新 clustered 索引数据列谨慎操作：
eg：在一个用户表 Users 中，如果频繁更新用户姓名，考虑是否将姓名列设为非聚集索引，以避免整个表记录顺序调整。
使用数字型字段：
eg：在一个学生成绩表 Grades 中，如果考试成绩以整数形式表示，使用整数型字段而非字符型字段。
使用 VARCHAR/NVARCHAR：
eg：在一个文章表 Articles 中，如果存储文章内容，使用 VARCHAR(MAX) 而非 TEXT。
避免使用 SELECT *：
eg：在一个员工表 Employees 中，避免使用 SELECT * FROM Employees，而是明确指定需要的列，如 SELECT EmployeeID, FirstName, LastName FROM Employees。
使用表变量代替临时表：
eg：在一个小型数据集的情况下，可以使用表变量而不是创建临时表来存储中间结果。例如，使用表变量替代以下的临时表：
-- 不推荐
CREATE TABLE #TempResults (
ID INT,
Name VARCHAR(255),
...
-- 推荐
DECLARE @TempResults TABLE (
ID INT,
Name VARCHAR(255),
...
);避免频繁创建和删除临时表：
eg：在一个存储过程中，如果需要多次使用相同的临时表，不要在每次使用时都创建和删除，而是在存储过程的开头创建一次，最后删除。
合理使用临时表：
eg：在一个复杂的查询中，如果需要多次引用中间结果，可以考虑使用临时表。但应注意不要滥用，确保临时表的使用是必要的。
选择合适的临时表创建方式：
eg：在需要一次性插入大量数据的情况下，可以使用 SELECT INTO 替代 CREATE TABLE 和 INSERT 的两步操作，以减少日志记录。
-- 不推荐
CREATE TABLE #TempTable (
ID INT,
Name VARCHAR(255),
...
);
INSERT INTO #TempTable
SELECT ID, Name, ...
FROM SomeTable;
-- 推荐
SELECT ID, Name, ...
INTO #TempTable
FROM SomeTable;显式删除临时表：
eg：在存储过程或脚本的最后，确保显式删除所有创建的临时表，以释放系统表资源。
-- 不推荐
DROP TABLE #TempTable;
-- 推荐
TRUNCATE TABLE #TempTable;
DROP TABLE #TempTable;避免使用游标：
eg：在一个订单表 Orders 中，避免使用游标来逐行处理数据，可以考虑使用集合操作或者其他优化方法。
基于集的方法替代游标或临时表：
eg：在需要对大量数据进行操作时，尽量寻找基于集的解决方案，以避免使用游标或临时表。例如，使用窗口函数或联接来处理数据。
存储过程中使用 SET NOCOUNT ON/OFF：
eg：在存储过程中使用 SET NOCOUNT ON 和 SET NOCOUNT OFF，以减少向客户端发送 DONE_IN_PROC 消息，提高性能。
-- 存储过程开头
SET NOCOUNT ON;
-- 存储过程结尾
SET NOCOUNT OFF;避免大事务操作：
eg：在一个银行交易表 Transactions 中，避免在一个事务中处理过多的交易记录，以提高系统并发能力。
避免向客户端返回大数据量：
eg：在一个日志表 Logs 中，如果查询可能返回大量的日志记录，应该审查客户端是否真的需要这么多数据，考虑分页或其他方式减少返回的数据量。
- SQL Server执行计划掌握：
使用EXPLAIN或Show Execution Plan分析查询执行计划，发现潜在问题。
2、结语
熟悉其他数据库的同学应该也能对比出，很多数据库的优化经验是相通的，所以在学习其他数据库的时候可以借鉴已掌握的经验去对比学习，这样学习起来也会事半功倍。
