当 SQL Server 单表数据量突破千万级别时“查询越来越慢”几乎是可能会出现的问题。其实，很多同学一上来就加索引、改代码，结果收效甚微，甚至越调越慢。

真正有效的性能调优，不是靠“感觉”。而是靠一套可复现、可验证的步骤。这篇文章结合生产实践，给你一套从“看现状 → 找瓶颈 → 精准调整 → 验证效果”的完整流程。

一、先别急着改：建立性能基线

调优的第一步先，是搞清楚：现在到底有多慢？为什么慢，不过，

. 明确业务指标

• 单次查询耗时这方面。从 200ms 到 5s？
• 并发下 QPS / TPS 下降多少？
• CPU / 内存 / IO 是否被打满？按理说，
• 影响的是全部查询。还是某几个特定 SQL，

. 抓取“坏 SQL”

使用 SQL Server 自带的工具定位问题 SQL：

-- 查看当前正在执行的请求
SELECT
r.session_id,r.status,r.command,r.cpu_time,r.total_elapsed_time,t.text AS sql_text,p.query_plan
FROM sys.dm_exec_requests r
CROSS APPLY sys.dm_exec_sql_text t
CROSS APPLY sys.dm_exec_query_plan p
WHERE r.session_id <@@SPID;

也可以用的观点是。

• SQL Server Profiler / Extended Events: 抓慢查询
• DMV: 分析历史执行情况

主要关注：

• Total_Elapsed_Time
• Total_Logical_Reads
• Total_Worker_Time

这些指标能告诉你：是 CPU 算得慢，还是 IO 读得多，还是等锁等得久？

二、看执行计划：找到真正的“罪魁祸首”

. 获取实际执行计划

在 SSMS 中按 Ctrl + M 打开“包含实际执行计划”，再执行你的 SQL。老实说，

主要查看：

• % Table Scan / Clustered Index Scan: 全表扫描。大表的噩梦，
• % Key Lookup: 非聚集索引回表次数太多。
• % Sort / Hash Match: 内存不足导致溢出到 TempDB。
• % Estimated vs Actual Rows: 预估行数偏差过大，说明统计信息过期。

. 常见“危险信号”示例表格

现象	可能原因/建议措施
Table Scan 无合适索引	缺失 WHERE 条件索引；按理说，考虑添加复合索引或分区。
Key Lookup 多	非聚集索引覆盖不足；添加覆盖列或 为聚集索引。
Sort 溢出内存不足	增大内存或使用排序列上的覆盖索引；避免 ORDER BY 对大量行排序。
预估行数偏差大/统计信息过期	手动更新统计信息；对关键列使用 FULLSCAN 更新。

" />

三、索引调整：最值得投入的 % 性能提高方法

. 检查现有索引使用情况与成本收益比率

SELECT
i.name AS index_name,i.type_desc,s.user_seeks。s.user_scans,s.user_lookups,s.user_updates
FROM sys.indexes i
JOIN sys.dm_db_index_usage_stats s
ON i.object_id = s.object_id AND i.index_id = s.index_id
WHERE OBJECT_NAME = 'YourBigTable';

• User_Scans 高： 缺失 WHERE 条件或 JOIN 的字段无适配索引，需要添加新索引。
• User_Updates 高 && User_Seeks 很低： 该索引维护成本高但收益低，可考虑删除或改造为更有效结构。
• 常见错误： 在 SELECT * 或 ORDER BY 未加列名时导致全表扫描或临时文件溢出！应先做准确测量后再

. 合理设计复合和覆盖索引

sql -- 示例场景： -- 查询订单列表，经常按 CustomerID 和 OrderDate 筛选并排序。CREATE INDEX IX_Orders_Customer_OrderDate ON Orders;

• 等值条件字段放前面——最先过滤行数。
• 范围条件字段放后面——避免全扫描后再筛选。
• ORDER BY 与前缀一致 —— 能直接利用聚集/非聚集键完成排序，无需额外 Sort 步骤。
• 必要时加入 INCLUDE 列实现覆盖，如 TotalAmount、Status 等经常被 SELECT 的字段。sql CREATE INDEX IX_Orders_Covering ON Orders INCLUDE;这能彻底消除 Key Lookup，从而提高数倍甚至数十倍速度。

  避免导致 “失效”的写法

  写法	导致	建议
  WHERE ISNULL = ''	函数包裹列	改为 WHERE Status IS NULL OR Status = ''
  WHERE DATEDIFF)> N	函数包裹列	改为 WHERE CreateTime
  LIKE '%abc%'	前导通配符	改为前缀搜索或全文检索
  WHERE Column + '' = ''	字符串拼接	简化成直接比较

  小结

  • 复合键 必须匹配业务逻辑顺序。
  • 覆盖 索引用于减少回表，提高 I/O 效率。话说回来，
  • 避免函数包裹 列。以保持指数可用性，

  ---

  Tiny hint – 如果统计信息不准。即使再好的索引都无法得到正确估算，也会导致错误计划！是在增删批量操作后更容易失效。

  检查方法和状态项分析
  sql D娱乐C SHOW_STATISTICS;关注： 是否远小于总行数 – 表明采样不足，需要 FULLSCAN 更新。 时间是否太久远 – 若超过业务峰值周期，请及时更新。 sql UPDATE STATISTICS Orders WITH FULLSCAN;或者在维护窗口内定期执行： sql EXEC sp_updatestats;千万级表建议对关键高频访问列采用 FULLSCAN 更新。而且最好在业务低峰期完成，以免占用大量 CPU 和 IO。 禁止 SELECT * —— 明确只返回所需列，可以显著减少 I/O 和网络负载。 分页必须带有可利用的 ORDER BY 列 —— 如创建时间戳或自增主键。用 OFFSET/FETCH 或 ROW_NUMBER 实现无刷新的分页，而不是子查询 + TOP+OFFSET 的旧式方式。sql SELECT Id,Name。CreateTime FROM Orders ORDER BY CreateTime DESC OFFSET @PageIndex * @PageSize ROWS FETCH NEXT @PageSize ROWS ONLY;确保 CreateTime 上已存在单列或复合键，否则分页将变成全表扫描并产生临时文件！ 如果只要是否存在满足条件的数据，就用 EXISTS 替代 COUNT。 把过滤逻辑提前到 JOIN 或 WHERE，而不是 HING 或子查询里延迟计算。说起来，sql -- 不推荐： SELECT CustomerID。COUNT FROM Orders GROUP BY CustomerID HING COUNT> @MinCount;-- 推荐： SELECT CustomerID,COUNT FROM Orders WHERE Status ='Active' GROUP BY CustomerID; 查询只扫相关分区。 重建索引、删除历史数据更快，只针对部分分区就可以完成操作。 快速备份恢复，只需备份热点分区即可。
  原始类型	可替代类型
  INT	SMALLINT/TINYINT
  VARCHAR	VARCHAR
  NVARCHAR	VARCHAR
  DATETIME	DATE

  ---

  • 年龄超过 N 年的数据迁移到 Archive 表/库。实现热表体积缩小，同时保留历史记录供报表分析。
  • 日志类数据按月拆分。每月末压缩归档到冷存储设备中，以免占用热硬盘空间。

  ---