如果说有10条数据，那么大不了每条去逐一检查，人为处理，如果有上百条数据，也可以考虑，如果数据上到千万级别，甚至过亿，那不是手工能解决的了，必须通过工具或者程序进行处理，尤其海量的数据中，什么情况都可能存在，例如，数据中某处格式出了问题，尤其在程序处理时，前面还能正常处理，突然到了某个地方问题出现了，程序终止了。今天就讲一下SQL Server数据库的部分优化方法。

1. 关键字段建立索引

索引是与表或视图关联的磁盘上结构，可以加快从表或视图中检索行的速度。 索引包含由表或视图中的一列或多列生成的键。 这些键存储在一个结构（B 树）中，使 SQL Server 可以快速高效地找到与键值关联的行。索引是把双刃剑并不是任何时候都适合使用，正确的选择索引设计能获的最佳性能，错误的使用索引不仅不会提升而且还会降低性能。

2. 建立缓存机制

缓存机制指的是在执行任何查询时，SQL Server都会将数据读取到内存，数据使用之后，不会立即释放，而是会缓存在内存Buffer中，当再次执行相同的查询时，如果所需数据全部缓存在内存中，那么SQL Server不会产生Disk IO操作，立即返回查询结果。

3. 使用临时表和表变量

临时表/表变量的使用可以降低语句的复杂度，当很多表关联的时候，我们可以降筛选度大的数据存放在临时表中，在通过临时表/表变量去和别的表关联，从而提高性能。需要注意的是临时表是利用了硬盘(tempdb数据库) ，表变量是占用内存，因此小数据量当然是内存中的表变量更快。当大数据量时，由于太消耗内存所以不能用表变量了，大数据量时适合用临时表。

4. 建立视图或者物化视图

某个查询内部、某个存储过程内部，或者从另一个视图内部来使用视图。通过向视图添加函数、join 等等，我们可以向用户精确地提交我们希望提交的数据。客户端只要对视图写简单的代码，就能返回我所需要的数据，一些复杂的逻辑操作，放在视图来完成。视图还有另外一个作用就是隐藏敏感数据提高数据库安全性。

5. 优化查询SQL语句

避免在where子句中对字段进行 null 值判断、任何时候都不要用“*”查询所有字段、用exists代替in和like等，SQL语句优化就太多就不一一说明，提高查询速度的方法很多，但是更多的情况下需要结合实际，反复试验比较不同的语句以得到最佳方案。

在当今大数据盛行的时代，SQL数据库性能优化尤其重要，教科书无法给你最好的方案，一切优化设计都是要结合实际情况，通过实践测试才能得出最适合的方案。