想了好久索引的重要性应该怎么写？讲原理结构？我估计大部分人不愿意看，也不愿意花那么多时间仔细研究。光写应用？感觉不明白原理一样不会用。举例说明？情况太多也写不全....到底该怎么写呢？

　　随便写吧，想到哪写到哪！

　  前面很多篇不管CPU、内存、磁盘、语句等等等都提到了索引的重要，我想刚刚开始学数据库的在校学生都知道索引对语句性能的重要性。但他们可能不知道，对语句的重要性就是对系统的重要性！

　　抛出一个问题 ：你相信一条语句就能让你的大系统挂掉么？

　　带着问题，首先还是贴出我的座驾

　　最近不太喜欢红色换了一辆！

--------------博客地址---------------------------------------------------------------------------------------

Expert 诊断优化系列 http://www.cnblogs.com/double-K/

废话不多说，直接开整-----------------------------------------------------------------------------------------

• 开篇小测验

　　下面这样一个小SQL 你该怎么样添加最优索引

　　两个表上现在只有聚集索引

bigproduct 表上已经有聚集索引 ProductID

　　bigtransactionhistory 表上已经有聚集索引 TransactionID

select p.productnumber,p.reorderpoint,th.Quantity
from bigproduct as p
join bigtransactionhistory as th on th.productid=p.productid and th.TransactionDate > p.SellStartDate
where p.name in ('LL Crankarm1000','ML Crankarm1000') and th.TransactionDate > '2010-01-01'

　　你是否一眼就能看出来呢？

　　答案将在文章中逐步揭晓~~~

• 简单粗暴的添加索引

　　看过我前面文章的看官们一定会发现我很喜欢用“简单粗暴”这个词，一是因为词汇量小文笔也差，真心用不出高大上的词儿！ 再一个，你们不喜欢简单粗暴么~~干货最重要，不是么？

　　首先我们看一下没有优化前的执行计划

　　clustered index scan 这其实就是表扫描，不是table scan 只是因为表上有聚集索引

　　可以看出这个查询俩表都使用了表扫描！　　

　　where 条件添加索引

　　首先大多数人都知道 where 条件中的字段需要添加索引! 我们添加一下看看效果创建

　　在 bigproduct 表上创建 name 列索引 ，在bigtransactionhistory表上创建 TransactionDate 列索引。

　　再次执行语句看一下效果！

　　添加where索引以后可以看到以下几个现象

1. bigproduct 从原来的clustered index scan 变成 index seek
2. 另外多出来个KEY Lookup(clustered)
3. bigproduct 上添加的索引起了作用，逻辑读bigproduct 由 601 变成 10。
4. bigtransactionhistory 没啥变化啊 还是clustered index scan

　　解释一下出现的现象 ： 首先一点bigproduct 边添加的where 条件索引，起到了作用，执行的时候不是全表扫描了，逻辑读有明显的下降，出现的 KEY Lookup 是因为选择（select）的列，在索引中没有，而需要通过聚集索引再查找一次，再找一次也意味着多一部分开销！

　　那么同样添加了where 条件索引的bigtransactionhistory 表为什么没起作用呢？ 那是因为SQL优化器在选择计划的时候认为，不使用TransactionDate 列索引查找效率会更好!

　　真的么？ 我们来验证一下，通过指定选择索引，来让优化器选择索引查找！

　　　强制使用索引以后，可以看出逻辑读由 14W 变成1961W，语句时间也变得很长，这就是优化器为什么不选用你加的索引！优化器还是很智能的吧。

　　高能预警：优化器可不是什么时候都这么智能的...由于缓存计划或优化器抽风等原因，也会出现优化器用了这种索引，导致你的语句奇慢，读飙升直接影响到你的内存、磁盘、CPU资源！另外如果这样一条语句是系统中一条很频繁运行的语句，你的系统就挂了！没错就挂了！这就是开篇抛出的问题就是因为一条语句！

　　消灭Key Lookup 添加select 字段

　　 这就是传说中的覆盖索引！

　　　看到执行计划中存在Key Lookup　而且消耗占比很高，如上面强制索引的计划，那么我们就要想到的 在索引中包含那些SELECT 的列！如果消耗低，逻辑读少，如上面bigproduct 表中的Key Lookup 就可以忽略（如果你追求完美，也一样优化就可以了）。

　　　包含列的图形化创建 ： @秋仙 特意给你的说明

　　　语句创建就是 ：

CREATE NONCLUSTERED INDEX TransactionDate包含ProductID_Quantity
ON [dbo].[bigTransactionHistory] ([TransactionDate])------INCLUDE 就是包含列
INCLUDE ([ProductID],[Quantity])
GO

　　　下面我们添加一下看看效果 ：

　　添加select 索引字段后可以看出的现象：

1. 优化器自己选择了index seek
2. bigtransactionhistory占比最高的Key Lookup消失了
3. 逻辑读由原来无索引的14W变成1W
4. bigtransactionhistory表还提示缺少索引？

　　　通过优化索引添加select 字段，我们看出语句又一次得到了提升 bigtransactionhistory 从表扫描变成索引查找，逻辑读由14W变成 1W！这是一个质的飞跃啊！

CREATE NONCLUSTERED INDEX TransactionDate包含ProductID_Quantity
ON [dbo].[bigTransactionHistory] ([TransactionDate])------INCLUDE 就是包含列
INCLUDE ([ProductID],[Quantity])
GO

　　那为什么还提示缺少索引呢？ 创建一下试试吧！

　　索引再优化加入表关联列

　　按照提示我们创建索引 ： 和上一个索引的不同 ProductID 列由包含列变成了索引列！

USE [AdventureWorks2012]
GO
CREATE NONCLUSTERED INDEX ProductID_TransactionDate包含Quantity
ON [dbo].[bigTransactionHistory] ([ProductID],[TransactionDate])
INCLUDE ([Quantity])

　　我们看一下效果：

　　再次优化索引以后可以看到以下几个现象

1. bigtransactionhistory表还是索引查找index seek
2. bigtransactionhistory依然没有了Key Lookup
3. 两表关联的hash join 变成了nested loops
4. 并行计划变成了串行
5. 逻辑读又从1W 变成18

　　又一次质的飞跃！读从原来的14W 变成1W 又变成18，这样大大减少了内存和IO的消耗，另外并行计划也变成了串行，无疑又减少了大量CPU的消耗！语句时间，我想这里就不用多说了吧？

　　高能预警：这里所说的hash join，并行变串行，不懂的朋友可以在百度自行学习，这里只是针对当前语句的情况，不能一概而论！

　　精简你的索引

　　大家都知道，索引会导致update、insert、delete操作变慢！那么尽量精简你的索引就是一个很重要的话题了！

　　 上面的优化过程中我们创建了几个索引，以bigTransactionHistory为例来看一下：

　　　脚本这里就不贴了，其实我们最后创建的索引 ProductID_TransactionDate包含Quantity 已经包含了前两个索引，而且可以说无论任何类似语句都使用ProductID_TransactionDate包含Quantity 就可以了！

　　　那么我们就可以清除前两个索引！

--------------博客地址---------------------------------------------------------------------------------------

Expert 诊断优化系列 http://www.cnblogs.com/double-K/

-----------------------------------------------------------------------------------------------------

　　至此语句的优化算是结束了，留下的就是bigproduct 依然有一个Key Lookup可以优化，可以仿照上面的继续优化，这里就不细说了。语句只是经过了简单的索引优化就从一辆2手QQ变成了法拉利，是不是很神奇？

　　这就是索引的重要性！

　 开篇小测试你做对了么？如果没做对那么这么请你自行模拟一个场景再现本篇的话题吧！

-----------------------------------------------------------------------------------------------------

　　总结 ： 往往一个系统的整体缓慢都是因为索引问题导致的，优化索引是对你系统最简单的保养！

　　　　　 不要小看一条语句的威力，一条语句足可以让你的系统彻底无法工作！

　　　　　一个问题随之而来语句一条一条漫无目的的优化么？我怎么找出系统的问题语句？怎么样的一个优先级？ 

　　　　　请参见前文 ： Expert 诊断优化系列------------------语句调优三板斧

　　　　　后一篇我将使用 Expert for sqlserver  工具讲述怎么样针对重点语句调索引，喜欢的看官请mark了！　

Expert 诊断优化系列-------------针对重点语句调索引

----------------------------------------------------------------------------------------------------

注：此文章为原创，欢迎转载，请在文章页面明显位置给出此文链接！
若您觉得这篇文章还不错请点击下右下角的推荐，非常感谢！

　　引用高大侠的一句话 ：“拒绝SQL Server背锅，从我做起!”

为了方便阅读给出系列文章的导读链接：

SQL SERVER全面优化-------Expert for SQL Server 诊断系列

----------------------深入索引原理推荐博客--------------------------

目测这几篇文章每篇的编写时间都要超过10小时，非常值得阅读！

pursuer.chen 的博客

SQL Server 深入解析索引存储(上)

SQL Server 深入解析索引存储(中)

SQL Server 深入解析索引存储(下)

桦仔的博客

SQLSERVER聚集索引与非聚集索引的再次研究（上）

SQLSERVER聚集索引与非聚集索引的再次研究（下）