5、還是運行SQL Server Profiler，將運行結果保存到某個庫的新表中（隨便起個名字系統會自己建）。讓它運行一段時間，然后可以用 select top 100 * from test where textdata is not null order by duration desc 這個可以選出運行時間長的語句，在ORDER BY 中可以替換成CPU、READS，來選出CPU占用時間長和讀數據過多的語句。 定位出問題的語句之后就可以具體分析了。有些語句在執行計劃中很明顯可以看出問題所在。 常見的有沒有建索引或索引建立不合理，會出現table scan或index scan，凡是看到SCAN，就意味著會做全表或全索引掃描，這是帶來的必然是讀次數過多。我們期望看到的是seek或鍵查找。
7、如何優化單個部分，一個復雜的SQL語句，SQL SERVER會很聰明地重組WHERE后的語句，試圖匹配索引。選中帶優化的步驟，選擇旁邊的‘屬性”，再選擇其中的“謂詞”，將其中部分復制下來，這部分就是分解后的WHERE 語句，然后在查詢界面中select * from 表 where 剛才復制下來的“謂詞”。這個就是需要優化的部分，既然已經走到這一步了，大部分人應該能手動建立索引了，因為這里的WHERE語句比之前的肯定簡單不少。（在我項目中原始SELECT語句的WHERE部分有10個條件組合，涉及6個字段，提取出來要優化的部分就4個條件，涉及到3個字段。新的索引建立后，CPU占用率一下子就降低了，而且新建立的索引涉及的字段屬于不常UPDATE的部分，頻繁的讀寫操作不會影響UPDATE的效率）
8、以上就是優化的思路，最后提一些優化過程或是系統設計時中需要注意的問題。 A、盡量避免用select * from xxx where abc like '%xxx'類型的模糊查詢，因為%在前面的話是無法利用到索引，必然會引起全量SCAN操作。應該找尋替代方式或用前置條件語句把like查找之前的行數減到最低。 B、盡量避免對大表數據進行select top n * from xxx where xxxx order by newid()的取隨機記錄的操作。newid()操作會讀全量數據后再排序。也會占用大量CPU和讀操作。可以考慮用RAND()函數來實現，這方面我還在研究中，對于整表操作比較好弄，比如id>=(select max(id) from table)*rand()。但如果取局部數據的隨機記錄還需要思量。 C、在SQL Server Profiler記錄中會看到Audit Logout會占用大量CPU和讀寫等操作。查了一些資料稱是某個鏈接在某次連接過程中執行SQL語句產生的總數，不用過于擔心。看下來的確似乎這樣，很多Audit Logout的CPU和IO消耗量和之前優化的語句基本一致。所以在第5點我提的SQL語句用textdata is not null條件把Audit Logout給隱去。 D、兩個不同字段OR語句會導致全表掃描。例如 where m=1 or n=1。如果建立一個索引是m和n，同樣會引起scan，解決方法是給m和n分別建立索引。測試12萬條數據的表，索引建立錯誤的情況下IO開銷高達 10.xxx，分別建立索引后，全部變成0.003，這個反差是非常巨大的。雖然會引起INSERT操作的性能問題，但畢竟大部分瓶頸在SELECT的讀操作上。 E、索引查找（Index Seek)和索引掃描(Index Scan)，我們需要的是前者，而引起后者的原因通常是某個索引里的字段多余要查找的，例如索引建立在A和B兩個字段，而我們只要查找A，則會導致 INDEX SCAN。建議針對單獨的A建立索引，以形成索引查找。 F、對于小表不建議建立索引，特別是幾百的數據量，只有上千上萬級別的數據建立索引才有效果。
