poptest是国内唯一一家培养测试开发工程师的培训机构，以学员能胜任自动化测试，性能测试，测试工具开发等工作为目标。在poptest的loadrunner的培训中，为了提高学员性能优化的经验，加入了很多服务器方面的优化知识，为性能调优的能力打下基础。今天sqlserver的性能测试方面的知识。（大家对课程感兴趣，请加qq：564202718）
性能测试的分析都有一定的方法和思路，这次我们来看看sqlserver方面的性能的知识。
数据库开发者在存储过程和脚本中使用局部变量，但是，局部变量会影响查询的性能。我们创建一个表并插入一些测试数据：
USE AdventureWorks
GO
CREATE TABLE TempTable
(tempID UNIQUEIDENTIFIER,tempMonth INT, tempDateTime DATETIME )
GO
INSERTINTOTempTable (tempID, tempMonth, tempDateTime)
SELECT NEWID(),(CAST(100000*RAND() AS INT) % 12) + 1 ,GETDATE()
GO 100000 -- (EXECUTE THIS BATCH 100000 TIME)
-- Create an index to support our query
CREATE NONCLUSTERED INDEX [IX_tempDateTime] ON [dbo].[TempTable]
([tempDateTime] ASC)
INCLUDE ( [tempID]) WITH ( ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON) ON [PRIMARY]
GO
然后我们做一个简单的查询：
SET STATISTICS IO ON
GO
SELECT * FROM TempTable
WHERE tempDateTime > ‘2015-10-10 03:18:01.640‘
Table ‘TempTable‘. Scan count 1, logical reads 80, physical reads 0, read-ahead reads 0, lob logical reads 0, lob physical reads 0, lob read-ahead reads 0.
检查这个执行计划以及索引检索的属性，你会发现预估行数是实际行数的两倍，但并不会太影响执行计划，因为优化器选择了最合适的查询方法：
查询优化器根据基本统计直方图来预估数据行数，即：EQ_ROWS + AVG_RANGE_ROWS (77 + 88.64286) DBCC SHOW_STATISTICS (‘dbo.TempTable‘, IX_tempDateTime)
现在我们修改 SELECT 语句以使用局部变量，你会发现查询优化器使用了一个不同的查询计划，这是一个更耗时的计划，为什么？
DECLARE @RequiredDate DATETIME
SET @RequiredDate = ‘2015-10-10 03:18:01.640‘
SELECT * FROM TempTable
WHERE tempDateTime > @RequiredDate
Table ‘TempTable‘. Scan count 1, logical reads 481, physical reads 0, read-ahead reads 0, lob logical reads 0, lob physical reads 0, lob read-ahead reads 0.
预估值和实际值差别更大，相当于查询优化器无法选择最适合的查询计划，因为错误的预估值。因为查询优化在执行时并不清楚局部变量值，导致无法使用统计直方图。
不等式运算符的情况
在我们的查询中使用的不等式运算符，因此查询优化器使用了一个简单的 30% 的算式来预估。
Estimated Rows =(Total Rows * 30)/100 = (100000*30)/100 = 30000
等式运算符的情况
DECLARE @RequiredDate DATETIME
SET @RequiredDate = ‘2012-07-10 03:18:01.640‘
SELECT * FROM TempTable
WHERE tempDateTime = @RequiredDate
如果在局部变量中使用等式运算符，那么查询优化器又会选择不同的公式，即 精确度 * 表记录总数. 执行下面查询可获取精确的值
DBCC SHOW_STATISTICS(‘dbo.TempTable‘, IX_tempDateTime)
All Density = 0.0007358352 Total Number of Rows in Table = 100000
Estimated Rows = Density * Total Number = 0.0007358352 * 100000 = 73.5835