对于语句的运行，除了执行计划本身，还有一些其他因素要考虑，例如语句的编译时间、执行时间、做了多少次磁盘读等。
如果dba能够把问题语句单独测试运行，可以在运行前打开下面这三个开关，收集语句运行的统计信息。
这些信息对分析问题很有价值。
复制代码 代码如下:
set statistics time on
set statistics io on
set statistics profile on
set statistics time on
——————————————————————————–
请先来看看set statistics time on会返回什么信息。先运行语句：
复制代码 代码如下:
dbcc dropcleanbuffers
–清除buffer pool里的所有缓存数据
dbcc freeproccache
go
–清除buffer pool里的所有缓存的执行计划
set statistics time on
go
use [adventureworks]
go
select distinct([productid]),[unitprice] from [dbo].[salesorderdetail_test]
where [productid]=777
go
set statistics time off
go
除了结果集之外，sqlserver还会返回下面这两段信息
复制代码 代码如下:
sql server 分析和编译时间:
cpu 时间 = 15 毫秒，占用时间 = 104 毫秒。
sql server 分析和编译时间:
cpu 时间 = 0 毫秒，占用时间 = 0 毫秒。
(4 行受影响)
sql server 执行时间:
cpu 时间 = 171 毫秒，占用时间 = 1903 毫秒。
sql server 分析和编译时间:
cpu 时间 = 0 毫秒，占用时间 = 0 毫秒。
大家知道sqlserver执行语句是分以下阶段：分析-》编译-》执行
根据表格的统计信息分析出比较合适的执行计划，然后编译语句，最后执行语句
下面说一下上面的输出是什么意思：
——————————————————————————–
1、cpu时间 ：这个值的含义指的是在这一步，sqlserver所花的纯cpu时间是多少。也就是说，语句花了多少cpu资源
2、占用时间 ：此值指这一步一共用了多少时间。也就是说，这是语句运行的时间长短，有些动作会发生i/o操作，产生了i/o等待，或者是遇到阻塞、产生了阻塞等待。总之时间用掉了，但是没有用cpu资源。所以占用时间比cpu时间长是很正常的 ，但是cpu时间是语句在所有cpu上的时间总和。如果语句使用了多颗cpu，而其他等待几乎没有，那么cpu时间大于占用时间也是正常的
3、分析和编译时间：这一步，就是语句的编译时间。由于语句运行之前清空了所有执行计划，sqlserver必须要对他编译。
这里的编译时间就不为0了。由于编译主要是cpu的运算，所以一般cpu时间和占用时间是差不多的。如果这里相差比较大，就有必要看看sqlserver在系统资源上有没有瓶颈了。
这里他们是一个15毫秒，一个是104毫秒
4、sqlserver执行时间： 语句真正运行的时间。由于语句是第一次运行，sqlserver需要把数据从磁盘读到内存里，这里语句的运行发生了比较长的i/o等待。所以这里的cpu时间和占用时间差别就很大了，一个是171毫秒，而另一个是1903毫秒
总的来讲，这条语句花了104+1903+186=2193毫秒，其中cpu时间为15+171=186毫秒。语句的主要时间应该是都花在了i/o等待上
现在再做一遍语句，但是不清除任何缓存
复制代码 代码如下:
set statistics time on
go
select distinct([productid]),[unitprice] from [dbo].[salesorderdetail_test]
where [productid]=777
go
set statistics time off
go
这次比上次快很多。输出时间统计信息是：
复制代码 代码如下:
sql server 分析和编译时间:
cpu 时间 = 0 毫秒，占用时间 = 0 毫秒。
sql server 分析和编译时间:
cpu 时间 = 0 毫秒，占用时间 = 0 毫秒。
(4 行受影响)
sql server 执行时间:
cpu 时间 = 156 毫秒，占用时间 = 169 毫秒。
sql server 分析和编译时间:
cpu 时间 = 0 毫秒，占用时间 = 0 毫秒。
由于执行计划被重用，“sql分析和编译时间” cpu时间是0，占用时间是0
由于数据已经缓存在内存里，不需要从磁盘上读取，sql执行时间 cpu时间是156，占用时间这次和cpu时间非常接近，是169。
这里省下运行时间1903-169=1734毫秒，从这里可以再次看出，缓存对语句执行性能起着至关重要的作用
为了不影响其他测试，请运行下面的语句关闭set statistics time on
复制代码 代码如下:
set statistics time off
go
set statistics io on
——————————————————————————–
这个开关能够输出语句做的物理读和逻辑读的数目。对分析语句的复杂度有很重要的作用
还是以刚才那个查询作为例子
复制代码 代码如下:
dbcc dropcleanbuffers
go
set statistics io on
go
select distinct([productid]),[unitprice] from [dbo].[salesorderdetail_test]
where [productid]=777
go
他的返回是：
(4 行受影响)
表 ‘salesorderdetail_test’。扫描计数 5，逻辑读取 15064 次，物理读取 0 次，预读 15064 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。
各个输出的含义是：
——————————————————————————–
表：表的名称。这里的表就是salesorderdetail_test
扫描计数：执行的扫描次数。按照执行计划，表格被扫描了几次。一般来讲大表扫描的次数越多越不好。唯一的例外是如果执行计划选择了并发运行， 由多个thread线程同时做一个表的读取，每个thread读其中的一部分，但是这里会显示所有thread的数目。也就是有几个thread在并发做， 就会有几个扫描。这时数目大一点没问题的。
逻辑读取：从数据缓存读取的页数。页数越多，说明查询要访问的数据量就越大，内存消耗量越大，查询也就越昂贵。
可以检查是否应该调整索引，减少扫描的次数，缩小扫描范围
物理读取：从磁盘读取的页数
预读：为进行查询而预读入缓存的页数
物理读取+预读：就是sqlserver为了完成这句查询而从磁盘上读取的页数。如果不为0，说明数据没有缓存在内存里。运行速度一定会受到影响
lob逻辑读取：从数据缓存读取的text、ntext、image、大值类型（varchar(max)、nvarchar(max)、varbinary(max)）页的数目
lob物理读取：从磁盘读取的text、ntext、image、大值类型页的数目
lob预读：为进行查询而放入缓存的text、ntext、image、大值类型页的数目
然后再来运行一遍，不清空缓存
复制代码 代码如下:
set statistics io on
go
select distinct([productid]),[unitprice] from [dbo].[salesorderdetail_test]
where [productid]=777
go
结果集返回：
复制代码 代码如下:
1 表 ‘salesorderdetail_test’。扫描计数 5，逻辑读取 15064 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，
2 lob 物理读取 0 次，lob 预读 0 次。
这次逻辑读取不变，还是15064页。但是物理读取和预读都是0了。说明数据已经缓存在内存里第二次运行不需要再从磁盘上读一遍，节省了时间为了不影响其他测试，请运行下面语句关闭set statistics io on
复制代码 代码如下:
set statistics io off
go
set statistics profile on
——————————————————————————–
这是三个设置中返回最复杂的一个，他返回语句的执行计划，以及语句运行在每一步的实际返回行数统计。
通过这个结果，不仅可以得到执行计划，理解语句执行过程，分析语句调优方向，也可以判断sqlserver是否
选择了一个正确的执行计划。
复制代码 代码如下:
set statistics profile on
go
select count(b.[salesorderid])
from [dbo].[salesorderheader_test] a
inner join [dbo].[salesorderdetail_test] b
on a.[salesorderid]=b.[salesorderid]
where a.[salesorderid]>43659 and a.[salesorderid]<53660
go
返回的结果集很长，下面说一下重要字段
——————————————————————————–
注意：这里是从最下面开始向上看的，也就是说从最下面开始一直执行直到得到结果集所以（行1）里的rows字段显示的值就是这个查询返回的结果集。
而且有多少行表明sqlserver执行了多少个步骤,这里有6行，表明sqlsrver执行了6个步骤！！
rows:执行计划的每一步返回的实际行数
executes:执行计划的每一步被运行了多少次
stmttext:执行计划的具体内容。执行计划以一棵树的形式显示。每一行都是运行的一步，都会有结果集返回，也都会有自己的cost
estimaterows:sqlserver根据表格上的统计信息，预估的每一步的返回行数。在分析执行计划时，我们会经常将rows和estimaterows这两列做对比，先确认sqlserver预估得是否正确，以判断统计信息是否有更新
estimateio:sqlserver根据estimaterows和统计信息里记录的字段长度，预估的每一步会产生的i/o cost
estimatecpu:sqlservr根据estimaterows和统计信息里记录的字段长度，以及要做的事情的复杂度，预估每一步会产生的cpu cost
totalsubtreecost:sqlserver根据estimateio和estimatecpu通过某种计算公式，计算出每一步执行计划子树的cost （包括这一步自己的cost和他的所有下层步骤的cost总和），下面介绍的cost说的都是这个字段值
warnings:sqlserver在运行每一步时遇到的警告，例如，某一步没有统计信息支持cost预估等。
parallel:执行计划的这一步是不是使用了并行的执行计划
从上面结果可以看出执行计划分成4步，其中第一步又分成并列的两个子步骤
步骤a1（第5行）：从[salesorderheader_test]表里找出所有a.[salesorderid]>43659 and a.[salesorderid]<53660的值
因为表在这个字段上有一个聚集索引，所以sql可以直接使用这个索引的seek
sql预测返回10000条记录，实际也就返回了10000条记录.。这个预测是准确的。这一步的cost是0.202(totalsubtreecost)
步骤a2（第6行）：从[salesorderdetail_test]表里找出所有 a.[salesorderid]>43659 and a.[salesorderid]<53660的值
因为表在这个字段上有一个非聚集索引，所以sql可以直接使用这个索引的seek 这里能够看出sql聪明的地方。虽然查询语句只定义了[salesorderheader_test]表上有a.[salesorderid]>43659 and a.[salesorderid]<53660过滤条件，但是根据语义分析，sql知道这个条件在[salesorderdetail_test]上也为真。所以sql选择先把这个条件过滤然后再做join。这样能够大大降低join的cost
在这一步sql预估返回50561条记录，实际返回50577条。cost是0.127，也不高
步骤b（第4行）：将a1和a2两步得到的结果集做一个join。因为sql通过预估知道这两个结果集比较大，所以他直接选择了hash match的join方法。
sql预估这个join能返回50313行，实际返回50577行。因为sql在两张表的[salesorderid]上都有统计信息，所以这里的预估非常准确
这一步的cost等于totalsubtreecost减去他的子步骤，0.715-0.202-0.127=0.386。由于预估值非常准确，可以相信这里的cost就是实际每一步的cost
步骤c（第3行）：在join返回的结果集基础上算count(*)的值这一步比较简单，count(*)的结果总是1，所以预测值是正确的。
其实这一步的cost是根据上一步（b）join返回的结果集大小预估出来的。我们知道步骤b的预估返回值非常准确，所以这一步的预估cost也不会有什么大问题
这棵子树的cost是0.745，减去他的子节点cost，他自己的cost是0.745-0.715=0.03。是花费很小的一步
步骤b（第2行）：将步骤c返回的值转换为int类型，作为结果返回
这一步是上一步的继续，更为简单。convert一个值的数据类型所要的cost几乎可以忽略不计。所以这棵子树的cost和他的子节点相等，都是0.745。
也就是说，他自己的cost是0
通过这样的方法，用户可以了解到语句的执行计划、sqlserver预估的准确性、cost的分布
最后说一下：不同sqlserver版本，不同机器cost可能会不一样，例如sql2005 ,sql2008