前置说明：
本文旨在通过一个简单的执行计划来引申并总结一些SQL Server数据库中的SQL优化的关键点，日常总结，其中的概念介绍中有不足之处有待补充修改，希望大神勘误。
SQL语句如下：
SELECT <所需列> --列太多，不一一列出
FROM study1
INNER JOIN series1
ON (study1.study_uid_id = series1.study_uid_id) --连接条件1
INNER JOIN image1 image1
ON (series1.series_uid_id = image1.series_uid_id) --连接条件2
where ((study1.user_group &8) != 0) --过滤条件1
and (series1.modality) not in ('PR', 'KO', 'SR', 'AU') --过滤条件2
and study1.study_uid ='xxx' --过滤条件3
order by <排序列>; --列太多，不一一列出
第一部分：执行计划怎么看？
1.从右往左看 + 从上往下看
同一行的执行计划步骤，右边的先执行。同一列的执行步骤，上边的先执行。
SQL Server优化器根据统计信息生成执行计划，由返回行数和统计信息直方图决定执行的先后顺序和表连接方式，但是最基本的一点：过滤条件先于与连接条件执行还是要遵守的。
表连接方式包含nested loop,merge join,hash join这三种，三种连接方式的区别有兴趣可以bing搜索查看，与Oracle的三种表连接方式一样，这里不再详述。
步骤一：根据统计信息发现3个where条件中【过滤条件3】的选择性最好，预估行数最少，于是放在执行计划最右。由于study_uid是主键，无需回表（即无需书签查找），因此实际上步骤一的聚集索引查找同时还兼顾了【((study1.user_group &8) != 0)】这个【过滤条件1】。
步骤一对应过滤条件1、3。
步骤二：这个index seek是根据步骤一得到的study_uid_id结合【连接条件1】，对series_index进行的索引查找，series_index是series表的study_uid_id这列的索引。
步骤三：步骤一和步骤二通过【连接条件1】进行nested loop合成一个中间表，这个中间表中有从series_index中拿到的series表的主键值，有了这个主键值我们就可以在步骤四中进行针对series的主键键查找。
步骤三对应连接条件1。
步骤四：这一步的目的就是通过步骤三得到的series表主键值，到series的聚集索引中找到主键对应的完整的行，在完整行记录中找到对应【过滤条件2】的行记录。
步骤四对应过滤条件2。
步骤五：步骤三、四通过nested loop合成一个中间表，这里的nested loop并不对应某个连接条件，只是纯粹的为了生成一个中间表。
步骤六：根据步骤五中间表里的series_uid_id值到image1表中进行索引查找，image_index就是image1.series_uid_id列的索引。
步骤七：步骤五、六进行nested loop生成中间表，这个中间表中含有image1表的主键值，这个主键值是执行步骤六时从image_index中拿到的。拿到这主键值我们就可以在步骤八中去取到最终我们需要的所有image1表的列了。
步骤七对应连接条件2。
步骤八：根据步骤七中间表中的image1主键值，到image1的主键聚集索引中去取我们需要的image1的列数据。
步骤九：步骤七、八进行nested loop生成最后的中间表。
步骤十：对步骤九中生成的中间表进行排序。
最终，我们就取到了需要的、排序好的所有数据。
2.查看每一步的详细信息
在出现错误的执行计划时，有时我们需要判断为什么优化器选错了执行计划，由于选错执行计划很有可能导致SQL语句变慢，因此搞清其中的原因是很有必要的。
将鼠标移到每一个执行计划node，会出现如下图所示的详细信息。
我们需要关注的主要有以下几点：
物理运算和逻辑运算：
逻辑运算表明了本步骤执行计划做了什么，而物理运算表明用哪种方式做的。一般物理运算和逻辑运算名字相同，也有例外如Aggregate这种逻辑运算就包含流聚合和哈希匹配两种物理实现方式。
1.表连接的物理运算方式：
1.嵌套循环
Logical Operation：nested loop
2.哈希连接
Logical Operation：hash join
3.合并连接
Logical Operation：merge join
2.索引访问的物理运算方式：
1.索引扫描
Logical Operation：index scan
2.索引查找
Logical Operation：index seek
3.聚集索引扫描
Logical Operation：cluster index scan
4.聚集索引查找
Logical Operation：cluster index seek
3.表访问的物理运算方式：
1.表扫描
Logical Operation：table scan
2.RID查找
Logical Operation：RID lookup
3.键查找
Logical Operation：key lookup。
(以前的bookmark lookup在SQL Server 2005之后被细分为RID lookup和key loopkup)
##关于RID LOOKUP和KEY LOOKUP的区别，一个是无主键一个是有主键时候出现的，RID LOOKUP的效率不如KEY LOOKUP，因此微软警告表一定要有主键##
4.其他的物理运算方式：
1.排序
Logical Operation：sort
2.流聚合和哈希匹配
Logical Operation：Aggregate。
在相应排序的流中，计算多组行的汇总值。group by子句出现时出现，一般配合min,max,avg,count,sum等组函数。哈希匹配适用于排序量较大时，优化器总是选择流聚合和哈希匹配两种物理运算中代价较小的一种。
3.计算标量
Logical Operation：Compute scalar,count()，avg()，sum()等计算组函数出现时出现，一般出现在流聚合物理运算之后，哈希匹配自带计算标量功能。
4.并行
Logical Operation：Parallel，与并行开销阈值和预估的执行时间有关。
估计行数
根据统计信息估算出的中间表或结果集的行数。与最终的运行结果记录数比较可以推断出统计信息是否失真。
谓词（或seek 谓词，有时两者一起出现）
表示SQL语句的过滤条件或内部过滤条件。
估计子树大小（即subtree cost和total subtree cost）
这是最为直观的判断执行计划是否优良的指标，相当于Oracle的cost，默认情况下totalsubtreecost超过5时SQL Server使用并行执行语句。此外也可以查看每个node的subtreecost来判断哪个步骤消耗最多。
第二部分：怎么优化？
SQL Server的优化还是相对简单的，大致分为以下几种：
1.统计信息失真引起的
更新统计信息即可，方便起见应当创建定时更新全库统计信息的作业计划。
2.索引缺失或者索引过多或索引错误引起的
增删索引，或者更改联合索引顺序或者加包含列即可。
多表join时联合索引的存在对性能的提升很大，但是要保证有正确的联合索引顺序。
3.语句太烂引起的
类似not in,not exists,like ‘%xxx%’这些可能引发全表扫描的操作，具体情况具体改写吧……幺蛾子太多列不出来了。