笔记51-徐 参数嗅探 Parameter Sniffing
笔记51-徐 参数嗅探 Parameter Sniffing
1 --参数嗅探 Parameter Sniffing 2013-2-8 2 3 --当使用存储过程的时候,总是要使用到一些变量。变量有两种,一种 4 --是在存储过程的外面定义的。当调用存储过程的时候,必须要给他代入 5 --值。这种变量,SQL在编译的时候知道他的值是多少。 6 7 --例如: 8 USE [AdventureWorks] 9 GO 10 DROP PROC Sniff 11 GO 12 CREATE PROC Sniff(@i INT) 13 AS 14 SELECT COUNT(b.[SalesOrderID]),SUM(p.[Weight]) 15 FROM [dbo].[SalesOrderHeader_test] a 16 INNER JOIN [dbo].[SalesOrderDetail_test] b 17 ON a.[SalesOrderID]=b.[SalesOrderID] 18 INNER JOIN [Production].[Product] p 19 ON b.[ProductID]=p.[ProductID] 20 WHERE a.[SalesOrderID]=@i 21 GO 22 23 --这里的变量@i,就是要在调用的时候代入值的 24 EXEC [dbo].[Sniff] @i = 50000 -- int 25 GO 26 27 28 --还有一种变量是在存储过程里面定义的。他的值在存储过程的语句执行的过程中得到的。 29 --所以对这种本地变量,SQL在编译的时候不知道他的值是多少。 30 --例如: 31 USE [AdventureWorks] 32 GO 33 DROP PROC Sniff2 34 GO 35 CREATE PROC Sniff2(@i INT) 36 AS 37 DECLARE @j INT 38 SET @j=@i 39 SELECT COUNT(b.[SalesOrderID]),SUM(p.[Weight]) 40 FROM [dbo].[SalesOrderHeader_test] a 41 INNER JOIN [dbo].[SalesOrderDetail_test] b 42 ON a.[SalesOrderID]=b.[SalesOrderID] 43 INNER JOIN [Production].[Product] p 44 ON b.[ProductID]=p.[ProductID] 45 WHERE a.[SalesOrderID]=@j 46 GO 47 48 EXEC [dbo].[Sniff2] @i = 500000 -- int 49 GO 50 51 52 53 --这里的变量@j,是SQL在运行的过程中算出来的 54 --已经谈到过多次,SQL在处理存储过程的时候,为了节省编译时间, 55 --是一次编译,多次重用的。用sp_executesql的方式调用的指令也是 56 --这样。那么执行计划重用就有两个潜在问题 57 58 59 --(1)对于第一类变量,根据第一次运行时代入的值生成的执行计划,是不是 60 --就能够适合所有可能的变量值呢? 61 62 63 --(2)对于第二类本地变量,SQL在编译的时候并不知道他的值是多少,那怎么 64 --选择“合适”的执行计划呢? 65 66 --对于第一个问题,会引出对 “参数嗅探”问题的定义。而对于第二个问题,本节 67 --将介绍使用本地变量对执行计划选择的影响。最后介绍参数嗅探问题的候选 68 --解决方案 69 70 71 ------------------------------------------------------------------------ 72 --什么是参数嗅探 73 --带着第一个问题,请做下面这两个测试 74 --测试一: 75 USE [AdventureWorks] 76 GO 77 DBCC freeproccache 78 GO 79 EXEC [dbo].[Sniff] @i = 500000 -- int 80 --发生编译,插入一个使用nested loops联接的执行计划 81 GO 82 83 EXEC [dbo].[Sniff] @i = 75124 -- int 84 --发生执行计划重用,重用上面的nested loops的执行计划 85 GO 86 87 --测试二: 88 89 USE [AdventureWorks] 90 GO 91 DBCC freeproccache 92 GO 93 EXEC [dbo].[Sniff] @i = 75124 -- int 94 --发生编译,插入一个使用hash match联接的执行计划 95 GO 96 97 EXEC [dbo].[Sniff] @i = 50000 -- int 98 --发生执行计划重用,重用上面的hash match的执行计划 99 GO 100 101 102 --从上面两个测试可以清楚地看到执行计划重用的副作用。由于数据分布差别很大 103 --参数50000和75124只对自己生成的执行计划有好的性能,如果使用对方生成的 104 --执行计划,性能就会下降。参数50000返回的结果集比较小,所以性能下降 105 --不太严重。参数75124返回的结果集大,就有了明显的性能下降,两个执行计划 106 --的差别有近10倍 107 108 --对于这种因为重用他人生成的执行计划而导致的水土不服现象,SQL有一个专有 109 --名词,叫“参数嗅探 parameter sniffing”是因为语句的执行计划对变量的值 110 --很敏感,而导致重用执行计划会遇到性能问题 111 112 113 --本地变量的影响 114 --那对于有parameter sniffing问题的存储过程,如果使用本地变量,会怎样呢? 115 --下面请看测试3。这次用不同的变量值时,都清空执行计划缓存,迫使其 116 --重编译 117 --第一次 118 USE [AdventureWorks] 119 GO 120 DBCC freeproccache 121 GO 122 SET STATISTICS TIME ON 123 SET STATISTICS PROFILE ON 124 EXEC [dbo].[Sniff] @i = 50000 -- int 125 GO 126 ------------------------------ 127 --第二次 128 USE [AdventureWorks] 129 GO 130 DBCC freeproccache 131 GO 132 SET STATISTICS TIME ON 133 SET STATISTICS PROFILE ON 134 EXEC [dbo].[Sniff] @i = 75124 -- int 135 GO 136 -------------------------------- 137 --第三次 138 USE [AdventureWorks] 139 GO 140 DBCC freeproccache 141 GO 142 SET STATISTICS TIME ON 143 SET STATISTICS PROFILE ON 144 EXEC [dbo].[Sniff2] @i = 50000 -- int 145 GO 146 --------------------------------- 147 --第四次 148 USE [AdventureWorks] 149 GO 150 DBCC freeproccache 151 GO 152 SET STATISTICS TIME ON 153 SET STATISTICS PROFILE ON 154 EXEC [dbo].[Sniff2] @i = 75124 -- int 155 GO 156 157 158 --来看他们的执行计划: 159 --对于第一句和第二句,因为SQL在编译的时候知道变量的值,所以在做EstimateRows的时候, 160 --做得非常准确,选择了最适合他们的执行计划 161 162 163 --但是对于第三句和第四句,SQL不知道@j的值是多少,所以在做EstimateRows的时候, 164 --不管代入的@i值是多少,一律给@j一样的预测结果。所以两个执行计划是完全一样的。 165 --这里EstimateRows的大小,在语句1和语句2的值之间,所以他选择的执行计划,和 166 --语句1与语句2都不一样 167 168 --我们再来比较一下不同执行计划下的速度 169 -------------------------------------- 170 --第一次 171 SQL Server 执行时间: 172 CPU 时间 = 0 毫秒,占用时间 = 715 毫秒。 173 174 SQL Server 执行时间: 175 CPU 时间 = 16 毫秒,占用时间 = 1775 毫秒。 176 -------------------------------------------- 177 -------------------------------------- 178 --第二次 179 SQL Server 执行时间: 180 CPU 时间 = 998 毫秒,占用时间 = 9821 毫秒。 181 182 SQL Server 执行时间: 183 CPU 时间 = 998 毫秒,占用时间 = 9906 毫秒。 184 -------------------------------------------- 185 -------------------------------------- 186 --第三次 187 SQL Server 执行时间: 188 CPU 时间 = 15 毫秒,占用时间 = 57 毫秒。 189 190 SQL Server 执行时间: 191 CPU 时间 = 15 毫秒,占用时间 = 66 毫秒。 192 -------------------------------------------- 193 -------------------------------------- 194 --第四次 195 SQL Server 执行时间: 196 CPU 时间 = 1981 毫秒,占用时间 = 6926 毫秒。 197 198 SQL Server 执行时间: 199 CPU 时间 = 1997 毫秒,占用时间 = 6933 毫秒。 200 -------------------------------------------- 201 202 --有参数嗅探的情况,语句三和语句四作出来的执行计划是一种比较中庸的方法,不是最快的 203 --也不是最慢的。他对语句性能的影响,一般不会有参数嗅探那么严重,他还是解决 204 --参数嗅探的一个候选方案 205 206 207 --------------------------------------------------------------------------------- 208 --参数嗅探的解决方案 209 210 --参数嗅探的问题发生的频率并不高,他只会发生在一些表格里的数据分布很不均匀,或者 211 --用户带入的参数值很不均匀的情况下。例如,查询一个时间段数据的存储过程,如果 212 --大部分用户都只查1天的数据,SQL缓存的也是这样的执行计划,那对于那些要查一年 213 --的数据,可是SQL碰到“参数嗅探”问题的风险了。如果系统里大部分用户都要查一年的数据 214 --可是SQL碰巧缓存了一个只查一天数据的存储过程,那大部分用户都会遇到“参数嗅探”的问题 215 --这个对性能的影响就大了 216 217 --有什么办法能够缓解,或者避免参数嗅探问题呢?在SQL2005以后,可以有很多种方法可供 218 --选择 219 220 --(1)用exec()的方式运行动态SQL 221 --如果在存储过程里不是直接运行语句,而是把语句带上变量,生成一个字符串,再让exec()这样 222 --的命令做动态语句运行,那SQL就会在运行到这句话的时候,对动态语句进行编译。这时SQL 223 --已经知道了变量的值,会根据生成优化的执行计划,从而绕过参数嗅探问题 224 225 --例如前面的存储过程Sniff,就可以改成这样 226 USE [AdventureWorks] 227 GO 228 DROP PROC NOSniff 229 GO 230 CREATE PROC NOSniff(@i INT) 231 AS 232 DECLARE @cmd VARCHAR(1000) 233 SET @cmd='SELECT COUNT(b.[SalesOrderID]),SUM(p.[Weight]) 234 FROM [dbo].[SalesOrderHeader_test] a 235 INNER JOIN [dbo].[SalesOrderDetail_test] b 236 ON a.[SalesOrderID]=b.[SalesOrderID] 237 INNER JOIN [Production].[Product] p 238 ON b.[ProductID]=p.[ProductID] 239 WHERE a.[SalesOrderID]=' 240 EXEC(@cmd+@i) 241 GO 242 243 --然后再用上面的顺序调用会得到比他更好的性能 244 245 USE [AdventureWorks] 246 GO 247 DBCC freeproccache 248 GO 249 SET STATISTICS TIME ON 250 SET STATISTICS PROFILE ON 251 EXEC [dbo].NOSniff @i = 50000 -- int 252 GO 253 -------------------------------- 254 USE [AdventureWorks] 255 GO 256 SET STATISTICS TIME ON 257 SET STATISTICS PROFILE ON 258 EXEC [dbo].NOSniff @i = 75124 -- int 259 GO 260 261 262 263 --使用exec()的方式产生动态编译 264 --在查询语句执行之前,都能看见SP:CacheInsert事件。SQL做了动态编译,根据变量的值, 265 --正确地估计出每一步的返回结果集大小。所以这两个执行计划,是完全不一样的 266 267 --执行结果很快,这种方法的好处,是彻底避免参数嗅探问题。但缺点是要修改存储过程 268 --的定义,而且放弃了存储过程一次编译,多次运行的优点,在编译性能上有所损失 269 270 271 --(2)使用本地变量local variable 272 --在前面,提到了如果把变量值赋给一个本地变量,SQL在编译的时候是没办法知道这个本地 273 --变量的值的。所以他会根据表格里数据的一般分布情况,“猜测”一个返回值。不管用户 274 --在调用存储过程的时候代入的变量值是多少,做出来的执行计划都是一样的。而这样 275 --的执行计划一般比较“中庸”,不会是最优的执行计划,但是对大多数变量值来讲,也不会 276 --是一个很差的执行计划 277 278 --存储过程[Sniff2]就是这样一个例子 279 --这种方法的好处,是保持了存储过程的优点,缺点是要修改存储过程,而且执行计划也不是 280 --最优的 281 282 283 284 --(3)在语句里使用query hint,指定执行计划 285 --在select,insert,update,delete语句的最后,可以加一个"option(<query_hint>)"的子句 286 --对SQL将要生成的执行计划进行指导。当DBA知道问题所在以后,可以通过加hint的方式,引导 287 --SQL生成一个比较安全的,对所有可能的变量值都不差的执行计划 288 289 --现在SQL的query hint还是很强大的,有十几种hint。完整的定义是: 290 --msdn:http://msdn.microsoft.com/zh-cn/library/foo66fb1520-dcdf-4aab-9ff1-7de8f79e5b2d.aspx 291 <query_hint > ::= 292 { { HASH | ORDER } GROUP 293 | { CONCAT | HASH | MERGE } UNION 294 | { LOOP | MERGE | HASH } JOIN 295 | FAST number_rows 296 | FORCE ORDER 297 | MAXDOP number_of_processors 298 | OPTIMIZE FOR ( @variable_name = literal_constant [ , ...n ] ) 299 | PARAMETERIZATION { SIMPLE | FORCED } 300 | RECOMPILE 301 | ROBUST PLAN 302 | KEEP PLAN 303 | KEEPFIXED PLAN 304 | EXPAND VIEWS 305 | MAXRECURSION number 306 | USE PLAN N'xml_plan' 307 } 308 309 310 --这些hint的用途不一样。有些是引导执行计划使用什么样的运算的,比如, 311 -- | { CONCAT | HASH | MERGE } UNION 312 -- | { LOOP | MERGE | HASH } JOIN 313 314 --有些是防止重编译的,例如 315 -- | PARAMETERIZATION { SIMPLE | FORCED } 316 -- | KEEP PLAN 317 -- | KEEPFIXED PLAN 318 319 320 --有些是强制重编译的,例如 321 -- | RECOMPILE 322 323 324 --有些是影响执行计划的选择的,例如 325 --| FAST number_rows 326 --| FORCE ORDER 327 --| MAXDOP number_of_processors 328 --| OPTIMIZE FOR ( @variable_name = literal_constant [ , ...n ] ) 329 330 --所以他们适合在不同的场合。具体的定义,请看SQL的联机帮助 331 332 --为了避免参数嗅探的问题,有下面几种常见的query hint使用方法 333 334 --(1)recompile 335 --recompile这个查询提示告诉SQL,语句在每一次存储过程运行的时候,都要重新编译一下。 336 --这样能够使SQL根据当前变量的值,选一个最好的执行计划。对前面的那个例子,我们可以 337 --这样写 338 USE [AdventureWorks] 339 GO 340 DROP PROC NoSniff_QueryHint_Recompile 341 GO 342 CREATE PROC NoSniff_QueryHint_Recompile(@i INT) 343 AS 344 SELECT COUNT(b.[SalesOrderID]),SUM(p.[Weight]) 345 FROM [dbo].[SalesOrderHeader_test] a 346 INNER JOIN [dbo].[SalesOrderDetail_test] b 347 ON a.[SalesOrderID]=b.[SalesOrderID] 348 INNER JOIN [Production].[Product] p 349 ON b.[ProductID]=p.[ProductID] 350 WHERE a.[SalesOrderID]=@i 351 OPTION(RECOMPILE) 352 GO 353 354 -------------------------------------- 355 USE [AdventureWorks] 356 GO 357 DBCC freeproccache 358 GO 359 EXEC NoSniff_QueryHint_Recompile 50000 360 GO 361 ------------------------------------- 362 USE [AdventureWorks] 363 GO 364 EXEC NoSniff_QueryHint_Recompile 75124 365 GO 366 367 368 --在SQL Trace里我们能够看到,语句运行之前,都会有一个SQL:StmtRecompile的事件发生 369 --而使用的执行计划,就是最准确的那种 370 --和这种方法类似,是在存储过程的定义里直接指定“recompile”,也能达到避免 371 --参数嗅探的效果 372 373 USE [AdventureWorks] 374 GO 375 DROP PROC NoSniff_SPCreate_Recompile 376 GO 377 CREATE PROC NoSniff_SPCreate_Recompile(@i INT) 378 WITH RECOMPILE 379 AS 380 SELECT COUNT(b.[SalesOrderID]),SUM(p.[Weight]) 381 FROM [dbo].[SalesOrderHeader_test] a 382 INNER JOIN [dbo].[SalesOrderDetail_test] b 383 ON a.[SalesOrderID]=b.[SalesOrderID] 384 INNER JOIN [Production].[Product] p 385 ON b.[ProductID]=p.[ProductID] 386 WHERE a.[SalesOrderID]=@i 387 GO 388 389 390 ------------------------------------------------- 391 USE [AdventureWorks] 392 GO 393 DBCC freeproccache 394 GO 395 EXEC NoSniff_SPCreate_Recompile 50000 396 GO 397 398 ------------------------------------------------ 399 USE [AdventureWorks] 400 GO 401 EXEC NoSniff_QueryHint_Recompile 75124 402 GO 403 404 405 --在SQL Trace里,我们能看到,存储过程在执行的时候已经找不到前面的执行计划 406 --SP:CacheMiss,所以要生成新的。而使用的执行计划,就是最准确的那种 407 408 --这两种“Recompile”提示的差别是,如果在语句层次指定OPTION(RECOMPILE), 409 --那存储过程级别的计划重用还是会有的。只是在运行到那句话的时候,才会发生重编译。 410 --如果存储过程里有if-else之类的逻辑,使得发生问题的语句没有执行到,那重编译就不会发生。 411 --所以,这是一种问题精确定位后,比较精细的一种调优方法。如果在存储过程级别 412 --指定WITH RECOMPILE,那整个存储过程在每次执行的时候都要重编译,这个重复工作量就比较大了 413 --但是,如果问题没有精确定位,可以用这种方法快速缓解问题 414 415 416 417 --(2)指定join运算 { LOOP | MERGE | HASH } JOIN 418 --很多时候,参数嗅探问题是由于SQL对一个该用merge join/hash join的情况误用了 419 --nested loops join。确定了问题后,当然可以用查询提示,指定语句里所有join方法。 420 --但是这种方法一般很不推荐,因为不是所有的join,SQL都能够根据你给的提示做出来 421 --执行计划的。如果对例子存储过程的那个查询最后加上“option(hash join)”,运行 422 --的时候会返回这样的错误。SQL不接受这个查询提示: 423 424 消息 8622,级别 16,状态 1,第 1 行 425 由于此查询中定义了提示,查询处理器未能生成查询计划。请重新提交查询, 426 并且不要在查询中指定任何提示,也不要使用 SET FORCEPLAN。 427 428 429 --更常见的是,在特定的那个join上使用join hint。这种方法成功几率要高得多 430 --例如: 431 USE [AdventureWorks] 432 GO 433 DROP PROC NoSniff_QueryHint_JoinHint 434 GO 435 CREATE PROC NoSniff_QueryHint_JoinHint(@i INT) 436 AS 437 SELECT COUNT(b.[SalesOrderID]),SUM(p.[Weight]) 438 FROM [dbo].[SalesOrderHeader_test] a 439 INNER JOIN [dbo].[SalesOrderDetail_test] b 440 ON a.[SalesOrderID]=b.[SalesOrderID] 441 INNER hash JOIN [Production].[Product] p 442 ON b.[ProductID]=p.[ProductID] 443 WHERE a.[SalesOrderID]=@i 444 GO 445 446 447 USE [AdventureWorks] 448 GO 449 DBCC freeproccache 450 GO 451 SET STATISTICS PROFILE ON 452 GO 453 EXEC NoSniff_QueryHint_JoinHint 50000 454 GO 455 --------------------------------------------- 456 USE [AdventureWorks] 457 GO 458 SET STATISTICS PROFILE ON 459 GO 460 EXEC NoSniff_QueryHint_JoinHint 75124 461 GO 462 463 464 465 --这种方法的好处,是保持了存储过程一次编译,后续多次使用的特性,节省编译时间。 466 --但是缺点也很明显,使用这样的方法生成执行计划,不一定就是一个好的执行计划 467 --而且表格里的数据量变化以后,现在合适的join方式将来可能就不合适,到时候还会 468 --造成性能问题,所以使用的时候要很小心 469 470 471 472 473 --(3)OPTIMIZE FOR ( @variable_name = literal_constant [ , ...n ] ) 474 --当确认了参数嗅探问题后,发现,根据某些变量值生成的执行计划,快和慢会相差 475 --很大,而根据另外一些变量生成的执行计划,性能在好和坏的时候,相差并不很大。 476 --例如当变量等于50000的时候,他用最好的nested loops执行计划,用时十几毫秒, 477 --用hash join的那个执行计划,也不过300多毫秒。但是变量等于75124的时候, 478 --hash join执行计划需要500多毫秒,用nested loops的时候,要用4000多。 479 --从绝对值来讲,让用户等几百毫秒一般是没问题的。但是等上几秒钟,就容易 480 --收到抱怨了。所以hash join是一个比较“安全”的执行计划。如果SQL总是使用75124 481 --这个值做执行计划,会对大部分查询都比较安全。 482 483 --使用OPTIMIZE FOR这个查询指导,就能够让SQL做到这一点。这是SQL2005以后的一个新 484 --功能。 485 486 USE [AdventureWorks] 487 GO 488 DROP PROC NoSniff_QueryHint_OptimizeFor 489 GO 490 CREATE PROC NoSniff_QueryHint_OptimizeFor(@i INT) 491 AS 492 SELECT COUNT(b.[SalesOrderID]),SUM(p.[Weight]) 493 FROM [dbo].[SalesOrderHeader_test] a 494 INNER JOIN [dbo].[SalesOrderDetail_test] b 495 ON a.[SalesOrderID]=b.[SalesOrderID] 496 INNER hash JOIN [Production].[Product] p 497 ON b.[ProductID]=p.[ProductID] 498 WHERE a.[SalesOrderID]=@i 499 OPTION(optimize FOR(@i=75124)) 500 GO 501 --------------------------------- 502 USE [AdventureWorks] 503 GO 504 DBCC freeproccache 505 GO 506 SET STATISTICS PROFILE ON 507 GO 508 EXEC NoSniff_QueryHint_OptimizeFor 50000 509 GO 510 --------------------------------------------- 511 USE [AdventureWorks] 512 GO 513 SET STATISTICS PROFILE ON 514 GO 515 EXEC NoSniff_QueryHint_OptimizeFor 75124 516 GO 517 518 519 --从SQL Trace里看,存储过程第一次运行时有编译,但是第二次就出现了执行计划重用 520 --分析执行计划会发现SQL在第一次编译时,虽然变量值是50000,他还是根据75124 521 --来做预估的,EstimateRows的值很大。正因为这样,第二次运行也有不错的性能 522 523 --这种方法的优点是,既能够让SQL作出有倾向性的执行计划,又能保证SQL选择执行计划 524 --时候的自由度,所以得到的执行计划一般是比较好的。相对于用join hint,这个方法 525 --更精细一些。缺点是,如果表格里的数据分布发生了变化,比如用户有一天把 526 --75124的记录全删除了,那SQL选择的执行计划就不一定继续正确了。所以他也有他 527 --的局限性。 528 529 530 --上面介绍的方法,都有一个明显的局限性,那就要去修改存储过程定义。有些时候没有 531 --应用开发组的许可,修改存储过程是不可以的。对用sp_executesql的方式调用的指令, 532 --问题更大。因为这些指令可能是写在应用程序里,而不是SQL里。DBA是没办法去修改 533 --应用程序的。 534 535 --好在SQL2005和2008里,引入和完善了一个种叫Plan Guide的功能。DBA可以告诉SQL,当 536 --运行某一个语句的时候,请你使用我指定的执行计划。这样就不需要去修改存储过程或 537 --应用了。 538 539 540 541 --(4)Plan Guide 542 --例如可以用下面的方法,在原来那个有参数嗅探问题的存储过程“Sniff”上,解决sniffing问题 543 USE [AdventureWorks] 544 GO 545 EXEC [sys].[sp_create_plan_guide] 546 @name=N'Guide1', 547 @stmt=N'SELECT COUNT(b.[SalesOrderID]),SUM(p.[Weight]) 548 FROM [dbo].[SalesOrderHeader_test] a 549 INNER JOIN [dbo].[SalesOrderDetail_test] b 550 ON a.[SalesOrderID]=b.[SalesOrderID] 551 INNER JOIN [Production].[Product] p 552 ON b.[ProductID]=p.[ProductID] 553 WHERE a.[SalesOrderID]=@i', 554 @type=N'OBJECT', 555 @module_or_batch=N'Sniff', 556 @params=NULL, 557 @hints=N'option(optimize for(@i=75124))'; 558 GO 559 560 ----------------------------------- 561 USE [AdventureWorks] 562 GO 563 SET STATISTICS PROFILE ON 564 GO 565 DBCC freeproccache 566 GO 567 EXEC [dbo].[Sniff] @i = 50000 -- int 568 GO 569 570 --使用了75124的hash match的join方式 571 572 --对于Plan Guide,他还可以使用在一般的语句调优里。在后面的章节会介绍 573 574 575 -----------------------各种方法的比较----------------------------------- 576 -- 方法 是否修改存储过程 是否每次运行都要重编译 执行计划准确度 577 --用exec()方式运行动态SQL 需要 会 很准确 578 --使用本地变量local variable 需要 不会 一般 579 --query hint+"recompile" 需要 会 很准确 580 --query hint指定join运算 需要 不会 很一般 581 --query hint optimize for 需要 不会 比较准确 582 --Plan Guide 不需要 不会 比较准确 583 584 585 --DBA可以根据实际情况,选择对他最合适的解决方案