本文共 1628 字，大约阅读时间需要 5 分钟。

数据库优化学习（一）

现有一个名为 Orders 的表，包含字段 OrderId、UserId、CreateDate、TotalMoney 和 OrderType。目前该表没有主键和其他索引。为了查询指定日期的订单数量，并返回 OrderId、UserId、TotalMoney 三个字段的数据，我们可以使用以下查询语句：

SELECT OrderId, UserId, TotalMoney
FROM Orders
WHERE CreateDate = '2012-12-17 14:59:53.463';

在执行上述查询时，观察到执行计划显示表扫描（Table Scan）。分析表的数据存储结构可知，该表采用堆存储形式。由于没有索引，查询会逐行检查表数据，评估 CreateDate 这个条件是否为真，从而返回满足条件的行数据。

此时，扫描表操作会涉及表中所有数据行，不管是否满足条件，因此其开销与表的数据量成正比。如果表数据量较少，或者满足条件的数据行比例较大，这样的执行计划是有效的。但如果表数据量较大，而满足条件的数据行比例较小，则会产生大量不必要的数据页和行的I/O开销。

为了优化查询性能，我们可以为表 Orders 创建一个聚集索引：

CREATE CLUSTERED INDEX Orders_OrderId_idx ON Orders(OrderId);

此时，表的数据存储将采用 B-Tree 结构。执行查询时，执行计划显示聚集索引扫描（Clustered Index Scan），取代了之前的表扫描。聚集索引与数据存储在一起，决定了表数据的物理存储顺序。一个表只能有一个聚集索引，其叶子结点存储数据行。聚集索引扫描时，直接访问索引页，而索引页存储整个表的数据副本。通过聚集索引找到记录时，可以直接获取相关列的值。

接下来，我们可以为 CreateDate 字段创建一个非聚集索引：

CREATE NONCLUSTERED INDEX Orders_CreateDate_idx ON Orders(CreateDate);

此时，执行计划显示非聚集索引查找（Nonclustered Index Seek）和检查找（CheckNext）两部分。非聚集索引存储在 B-Tree 中，叶子结点存储记录的 CreateDate 值。非聚集索引查找会通过索引页找到满足条件的记录，然后通过行定位符（RID）访问表中的完整记录。

此时，执行计划中包含键查找（Key Seek）和检查找两部分。键查找通过聚集索引找到满足条件的记录，而检查找则通过非聚集索引查找满足条件的记录。由于查询需要返回 UserId 和 TotalMoney 两个字段，而这两个字段不在非聚集索引中，优化器需要通过行定位符再次访问表中的记录。

为了避免键查找和检查找的开销，我们可以修改非聚集索引，包含 UserId 和 TotalMoney 这两个字段：

CREATE NONCLUSTERED INDEX Orders_CreateDate_idx ON Orders(CreateDate)
INCLUDE (UserId, TotalMoney);

此时，执行计划显示非聚集索引查找直接访问满足条件的记录，而无需再次通过行定位符访问表中的记录。

如果不创建聚集索引，而直接为 CreateDate 字段创建非聚集索引：

CREATE NONCLUSTERED INDEX Orders_CreateDate_idx ON Orders(CreateDate);

则执行计划显示行定位符查找（RID Seek），即通过行定位符直接访问满足条件的记录。这与之前的键查找和检查找方式相比，仅涉及单个迭代器。

综上所述，合理设计索引覆盖查询所需字段，可以显著优化查询性能，避免不必要的二次查找操作。通过优化索引设计，可以将 I/O 开销降到最低，从而提升数据库查询效率。