منهج التحسين: لا تبدأ بتغيير عشوائي
تحسين الاستعلام مش مسابقة مين يكتب SQL أقصر. الهدف تقليل الموارد مع الحفاظ على نفس النتيجة الصحيحة تحت نفس ظروف التشغيل. ابدأ بتحديد symptom: latency؟ CPU؟ logical reads؟ blocking؟ timeout؟ وبعدها اربط القياس باستعلام محدد وخطة تنفيذ.
سجل baseline: query text أو Query Store query id، parameters، row count، logical reads، CPU، duration، execution plan، وقت الاختبار، وهل البيانات في cache. بعد التعديل قارن apples-to-apples؛ ما تقارنش تشغيل cache دافئ بتشغيل cache بارد وتستنتج إن index هو السبب.
قراءة Execution Plan عمليًا
الخطة شجرة من operators. اتجاه قراءة البيانات في الخطة الرسومية غالبًا من اليمين لليسار، لكن تدفق البيانات المنطقي من leaf operators ناحية root. افحص Actual Number of Rows مقابل Estimated Number of Rows؛ الفرق الكبير علامة على cardinality estimation غير دقيق، وقد ينتج عنه join أو memory grant غير مناسب.
| Operator | معناه | إيه اللي تراجعه؟ |
|---|---|---|
| Index Seek | الوصول لنطاق/مفاتيح محددة | عدد الصفوف المقروءة مقابل المرجعة |
| Index Scan | قراءة جزء كبير أو كل index | هل scan منطقي؟ هل selectivity منخفضة؟ |
| Key Lookup | الرجوع للـ clustered row لجلب أعمدة ناقصة | تكرار lookup وعدد الصفوف |
| Nested Loops | تكرار inner lookup لكل outer row | حجم outer input ووجود index مناسب |
| Hash Match | Hash join/aggregate | memory grant و spill و cardinality |
| Sort | ترتيب بيانات | هل index يحقق ترتيبًا؟ هل sort spill؟ |
مافيش operator شرير بطبيعته. Scan ممكن يكون أفضل من seek لو الاستعلام بيرجع نسبة كبيرة من الجدول. و Nested Loops ممتازة مع outer input صغير و inner seek رخيص. الحكم على السياق والأرقام.
SET STATISTICS IO, TIME ON;
-- Run the exact production-shaped query with representative parameters.
SELECT Id, CreatedAt, Total
FROM dbo.Orders
WHERE CustomerId = 42
AND CreatedAt >= '2026-01-01'
ORDER BY CreatedAt DESC;
SET STATISTICS IO, TIME OFF;Logical reads تقيس صفحات 8KB التي احتاج المحرك قراءتها منطقيًا، مش عدد مرات القراءة من القرص بالضرورة. لذلك ممكن تشوف logical reads عالية مع physical reads صفر بسبب cache، ومع ذلك الاستعلام يستهلك CPU وذاكرة ووقت.
SARGability: خلّي الشرط قابلًا لاستخدام الفهرس
Predicate تكون SARGable لما تتيح للمحرك البحث بكفاءة عن نطاق مفاتيح. تجنب لف العمود المفهرس داخل function أو تحويل غير ضروري. بدل ما تطبق YEAR على كل قيمة CreatedAt، حدد range زمني نصف مفتوح.
-- Often non-SARGable: function applied to the column
SELECT Id FROM dbo.Orders
WHERE YEAR(CreatedAt) = 2026;
-- SARGable range predicate
SELECT Id FROM dbo.Orders
WHERE CreatedAt >= '20260101'
AND CreatedAt < '20270101';نفس المبدأ مع WHERE ISNULL(Status, 'Pending') = ... أو CAST(IndexedColumn AS ...). لكن مش كل function تمنع seek في كل حالة؛ optimizer قد يستخدم computed persisted column أو expression matching. افحص actual plan بدل قواعد مطلقة.
Leading wildcard مثل LIKE '%phone' غالبًا لا يستفيد من B-tree seek التقليدي لأن بداية النص مجهولة؛ Full-Text Search أو تصميم بحث مختلف قد يكون أنسب حسب المتطلب. لا تحوّل المقارنة بين أنواع مختلفة وتترك implicit conversion على العمود المفهرس؛ وحّد parameter type مع column type.
Index Design: الفهرس يخدم Query Pattern
ابدأ بالاستعلامات الفعلية المتكررة والمكلفة، مش بإنشاء index لكل عمود. في composite index ترتيب المفاتيح مهم. غالبًا أعمدة equality predicates ثم range/order columns، لكن الترتيب النهائي يعتمد على selectivity والـ joins وأنماط الاستعلامات.
CREATE INDEX IX_Orders_Customer_CreatedAt
ON dbo.Orders (CustomerId, CreatedAt DESC)
INCLUDE (Total, Status);
SELECT Id, CreatedAt, Total, Status
FROM dbo.Orders
WHERE CustomerId = @CustomerId
AND CreatedAt >= @FromDate
ORDER BY CreatedAt DESC;أعمدة INCLUDE ليست جزءًا من ترتيب المفتاح؛ بتغطي projection لتقليل Key Lookup. لا تضع كل الأعمدة في INCLUDE؛ index أكبر يعني storage أكبر و cache أقل وعمليات INSERT/UPDATE/DELETE أغلى. راجع fragmentation و usage stats بحذر، ولا تعتبر DMV snapshot تاريخًا كاملًا.
Filtered index مفيد لما الاستعلامات تستهدف subset ثابتة نسبيًا، مثل الطلبات غير المؤرشفة. لازم predicate الاستعلام يطابق filter بشكل يقدر optimizer يثبت صحته.
CREATE INDEX IX_Orders_Open_Customer
ON dbo.Orders (CustomerId, CreatedAt)
INCLUDE (Total)
WHERE Status IN (N'Pending', N'Processing');Index Design: تكلفة القراءة مقابل الكتابة
Index يقلل تكلفة reads في query patterns محددة، لكنه يزيد storage و buffer pool pressure، ويضيف work لكل INSERT/UPDATE/DELETE، وقد يؤدي إلى fragmentation/maintenance. كثرة indexes المتداخلة ترفع write amplification وتزيد احتمالات اختيار plan غير مناسبة. راجع usage stats على فترة ممثلة قبل حذف index؛ index قليل الاستخدام قد يكون مهمًا لعملية شهرية حرجة.
Composite index ترتيب columns فيه يحدد seek prefixes. لو query تساوي CustomerId ثم ترتب CreatedAt، فـ (CustomerId, CreatedAt DESC, Id DESC) قد يخدمها. INCLUDE columns تغطي SELECT list من غير أن تصبح key columns، لكن تضخم index. Filtered index مفيد subset ثابتة مثل Pending rows، بشرط query predicate يطابق filter بشكل يمكن لل optimizer إثباته.
Index Design: Key Order و Included Columns و Filtered Index
Composite index key order مهم: equality predicates غالبًا قبل range/order columns حسب query shape. Included columns قد تغطي SELECT دون زيادة key width، لكن index واسع يرفع storage و write cost و buffer pool pressure. Filtered index مفيد عندما query تستهدف subset ثابتًا مثل IsDeleted = 0، بشرط أن predicate في query يطابق filter بشكل قابل للاستخدام.
لا تضف index لكل column؛ كل insert/update/delete يجب يحافظ على indexes. راجع duplicate/overlapping indexes، fragmentation وفق workload، statistics freshness، و write amplification. اختبر query parameterized بقيم selective وغير selective. لو optimizer يختار plan سيئة لبعض القيم، افحص parameter sniffing/PSP قبل إضافة hints.
Statistics و Cardinality Estimation
Statistics بتحتفظ بمعلومات توزيع القيم (histogram على leading statistics column ومعلومات density) عشان optimizer يقدّر عدد الصفوف. لو التوزيع skewed أو الإحصاءات قديمة أو correlation بين أعمدة، التقدير ممكن يخطئ. ده يؤثر على join order، join algorithm، memory grant، parallelism.
UPDATE STATISTICS dbo.Orders;
-- Or update a specific statistic when investigation supports it:
UPDATE STATISTICS dbo.Orders IX_Orders_Customer_CreatedAt;
EXEC sys.sp_helpstats @objname = N'dbo.Orders', @results = 'ALL';تحديث الإحصاءات مش علاجًا تلقائيًا لكل بطء؛ له تكلفة وقد يغيّر plan. راجع auto update settings و sample rate وحجم التغيير، واستخدم Query Store لملاحظة plan regression.
Statistics و Cardinality Estimation عمليًا
Statistics تلخص توزيع القيم وتساعد optimizer يتوقع عدد الصفوف بعد predicates. Histogram غالبًا يصف توزيع leading column، و density information يساعد في تقدير combinations. لو البيانات skewed أو correlation بين columns قوي، التقدير قد يكون غير دقيق. auto statistics قد تحدث، لكن التحديث ليس حلًا لكل estimation problem.
لو estimated rows=1 بينما actual=100000، اختيار Nested Loops/lookup قد يصبح كارثيًا. راجع هل statistics قديمة، هل predicate يستخدم function/conversion، هل parameter value atypical، وهل correlation بين columns تحتاج multi-column stats أو index مناسب. تحديث statistics عشوائيًا على كل الجداول قد يسبب recompiles وضغطًا؛ استخدم evidence.
UPDATE STATISTICS dbo.Orders IX_Orders_Customer_Created
WITH FULLSCAN;
DBCC SHOW_STATISTICS
('dbo.Orders', 'IX_Orders_Customer_Created')
WITH HISTOGRAM;FULLSCAN قد يكون مكلفًا على جداول كبيرة؛ لا تستخدمه تلقائيًا في كل production update. قارن sampling، auto stats behavior، partition-level stats، وحجم الجدول. في كثير من الحالات query rewrite/index change أهم من تحديث statistics فقط.
كيف يختار Query Optimizer الخطة؟
الـ optimizer لا يجرب كل خطة ممكنة؛ يبحث في مساحة بدائل ويقدّر تكلفة كل بديل. تقدير عدد الصفوف (cardinality estimation) يؤثر في اختيار Nested Loops أو Hash Join أو Merge Join، وفي قرار seek/scan وحجم memory grant. لو التقدير بعيد عن الواقع، قد تختار الخطة join algorithm غير مناسب أو تحجز ذاكرة أقل/أكثر من اللازم.
Statistics تحتوي histogram لأعلى القيم وتقديرات density. تحديث الإحصاءات قد يساعد بعد تغير توزيع البيانات، لكنه ليس علاجًا لكل بطء. افحص actual مقابل estimated rows في كل operator، وحدد أول نقطة يبدأ عندها الانحراف الكبير. بعدها افحص skew، parameter sensitivity، correlation بين الأعمدة، ووجود predicates غير SARGable.
-- Inspect a specific statistic (SQL Server):
DBCC SHOW_STATISTICS ('dbo.Orders', 'IX_Orders_CustomerId_OrderDate');
-- Refresh one statistic after validating it is stale:
UPDATE STATISTICS dbo.Orders IX_Orders_CustomerId_OrderDate
WITH FULLSCAN;لا تبدأ بـ FULLSCAN لكل الجداول. هو مكلف على الجداول الكبيرة. استخدم maintenance strategy مناسبة، وراقب تاريخ التحديث وعدد modifications. Query Store مفيد لمقارنة plan history وربط regression بتغيير خطة، لكنه لا يغني عن قراءة query وبياناتها.
Parameter Sensitivity و Plan Reuse
SQL Server غالبًا يعيد استخدام execution plan. لو قيمة parameter بتطابق 5 صفوف وقيمة ثانية بتطابق 40% من الجدول، خطة واحدة ممكن لا تكون مثالية للحالتين. ده يُعرف تاريخيًا بـ parameter sniffing/parameter sensitivity؛ مش معناه إن sniffing bug دائمًا، لأنه غالبًا مفيد.
خيارات العلاج حسب الإصدار والـ workload: تحسين index/statistics، كتابة predicate أو query shape أفضل، OPTION (RECOMPILE) لاستعلامات محددة منخفضة التكرار، OPTIMIZE FOR بحذر، dynamic SQL parameterized، أو ميزات Parameter Sensitive Plan optimization في الإصدارات المدعومة. قارن عدد الخطط وتوزيع القيم والـ Query Store قبل التدخل.
SELECT Id, CustomerId, Total
FROM dbo.Orders
WHERE CustomerId = @CustomerId
OPTION (RECOMPILE);RECOMPILE يضيف compile CPU ويتخلى عن plan reuse لذلك لا تضفه على كل query. استخدمه عندما تثبت القياسات إن تفاوت cardinality يجعل الخطة المعاد استخدامها ضارة.
Pagination: OFFSET ولا Keyset؟
OFFSET/FETCH بسيط لواجهات الصفحات، لكنه قد يقرأ ويتخطى عددًا كبيرًا من الصفوف كلما زاد page number. لازم ORDER BY ثابت وفريد لتجنب تكرار/اختفاء صفوف بين الصفحات عند التعادل أو التغييرات.
SELECT Id, CreatedAt, Total
FROM dbo.Orders
ORDER BY CreatedAt DESC, Id DESC
OFFSET @Skip ROWS FETCH NEXT @Take ROWS ONLY;Keyset pagination يستخدم آخر مفتاح في الصفحة السابقة كنقطة استمرار؛ عادة أفضل للصفحات العميقة والتدفق المستمر، لكنه لا يدعم القفز المباشر لرقم صفحة اعتباطي بنفس السهولة.
SELECT TOP (@Take) Id, CreatedAt, Total
FROM dbo.Orders
WHERE CreatedAt < @LastCreatedAt
OR (CreatedAt = @LastCreatedAt AND Id < @LastId)
ORDER BY CreatedAt DESC, Id DESC;أنشئ index متوافقًا مع filter/order keys، واحتفظ بال cursor من آخر صف. لو بيانات الصفحة لازم تمثل snapshot ثابت، pagination وحدها لا تكفي؛ فكر في transaction/snapshot أو watermark حسب تجربة المنتج.
Query Store و Production Diagnosis
Query Store يحتفظ بتاريخ query texts والخطط وإحصاءات runtime حسب intervals، فيساعدك تكتشف إن query كانت سريعة ثم حصل plan regression بعد deployment أو تغير بيانات. فعّله وراقب الحجم وسياسة retention؛ لا تعتمد على DMV لحظية فقط لأنها قد تصفر بعد restart أو eviction.
ALTER DATABASE MyShopDb
SET QUERY_STORE = ON;
ALTER DATABASE MyShopDb
SET QUERY_STORE (OPERATION_MODE = READ_WRITE);خطة التشخيص: حدّد query من Query Store؛ قارن runtime stats والـ plans؛ افحص parameter values والـ schema/index changes؛ جرّب forcing لخطة سابقة فقط كإجراء مؤقت ومراقب لو الأدلة تدعم ذلك؛ ثم أصلح السبب الجذري وأزل forcing غير الضروري.
Anti-patterns وخريطة قرار
- لا تضف index قبل ما تحدد query المستفيدة وتكلفة الكتابة.
- لا تستخدم NOLOCK لتجاوز blocking؛ قد تحصل على نتائج غير صحيحة.
- لا تعتمد على Missing Index suggestions وحدها؛ قد تكون متكررة أو متداخلة ولا تراعي write cost.
- لا تعتبر Scan سيئًا دائمًا أو Seek جيدًا دائمًا.
- لا تغيّر أكثر من عامل في التجربة الواحدة.
- لا تقيس query على بيانات صغيرة غير ممثلة.
- لا تستخدم SELECT * في API query بلا داعٍ؛ projection تقلل IO والنقل والذاكرة.
هل Index Seek دائمًا أسرع من Index Scan؟
ما معنى estimated rows بعيدة جدًا عن actual rows؟
لماذا Keyset Pagination أنسب أحيانًا للصفحات العميقة؟
هل Query Store بديل عن Actual Execution Plan؟
دراسة تشخيص كاملة: endpoint بطيء لقائمة الطلبات
عندك endpoint يعرض آخر طلبات عميل معين. المستخدم يشتكي إن أول صفحة سريعة لكن الصفحة رقم 400 بطيئة. قبل أي تعديل، خذ query الفعلية من logs أو Query Store، واعرف حجم البيانات، وعدد الصفوف المرجعة، و parameters، والـ sort order. افترض إن الاستعلام بالشكل التالي:
SELECT Id, CreatedAt, Total, Status
FROM dbo.Orders
WHERE CustomerId = @CustomerId
ORDER BY CreatedAt DESC
OFFSET @Skip ROWS FETCH NEXT @Take ROWS ONLY;فرضية أولى: المحرك يضطر لتجاوز عدد كبير من الصفوف قبل إرجاع الصفحة المتأخرة. افحص Actual Plan و logical reads. لو مفيش index مناسب، ممكن يحتاج scan/sort. أنشئ index تجريبيًا على (CustomerId, CreatedAt DESC) مع Id كـ tie-breaker، ثم INCLUDE للأعمدة الصغيرة المستخدمة في projection إذا أثبتت الخطة إن lookup مكلف.
CREATE INDEX IX_Orders_Customer_CreatedAt_Id
ON dbo.Orders (CustomerId, CreatedAt DESC, Id DESC)
INCLUDE (Total, Status);بعدها غيّر pagination إلى Keyset إذا UX يسمح بالتنقل التالي/السابق بدل القفز إلى رقم صفحة. قارن الصفحة الأولى والصفحات العميقة، وتأكد إن cursor predicate متوافق مع ترتيب DESC. اختبر حالات تعادل CreatedAt، وتأكد إن Id يمنع عدم الاستقرار.
ثم افحص أثر index على writes: هل زاد insert latency؟ هل حجم index مناسب؟ هل يوجد index متداخل يمكن دمجه؟ راقب usage stats خلال workload ممثل، وليس جلسة اختبار قصيرة فقط. في النهاية وثّق baseline والقرار والـ rollback plan.
اختيار Join Strategy وفهم Cardinality
Nested Loops عادة مناسبة لما outer input صغير والـ inner side عليه seek رخيص. Hash Join غالبًا مناسبة لمدخلات كبيرة غير مرتبة وتحتاج hash table، لكنها تحتاج memory grant وقد تعمل spill إلى tempdb. Merge Join تحتاج inputs مرتبة على join keys، وقد تستفيد من indexes توفر الترتيب. optimizer يختار وفق estimates، لذلك خطأ cardinality ممكن يسبب اختيار join strategy غير مناسبة.
لو estimated rows = 1 بينما actual rows = 200,000، اسأل: هل parameter value غير ممثلة؟ هل statistics قديمة؟ هل predicate فيه function أو implicit conversion؟ هل فيه correlation بين الأعمدة؟ هل الجدول variable أو temp table؟ لا تبدأ بتغيير join hint؛ أصلح مصدر التقدير أو query shape أولًا.
Blocking و Wait Stats و Deadlocks
Query بطيئة مش شرط تكون CPU-heavy. ممكن تكون منتظرة lock أو IO أو memory grant أو network. Wait statistics تساعد تصنف الانتظار على مستوى instance، لكنها cumulative وتحتاج baseline وفترة قياس. افحص blocking chain: مين الـ blocker؟ إيه transaction المفتوحة؟ هل فيه user transaction بتفضل مفتوحة أثناء network call؟ هل update predicate غير مفهرس فيقفل صفوفًا أكثر؟
Deadlock يحصل لما معاملات تحتفظ بموارد وتنتظر موارد بعض في cycle. SQL Server يختار victim ويرجع error 1205. التطبيق ممكن يعيد المحاولة بشكل محدود مع jitter، لكن لازم العملية تكون safe/idempotent. الإصلاح الحقيقي غالبًا توحيد ترتيب الوصول للموارد وتقليل transaction duration وتحسين indexes وتقليل lock footprint.
SELECT r.session_id, r.status, r.wait_type, r.wait_time,
r.blocking_session_id, r.command,
DB_NAME(r.database_id) AS DatabaseName
FROM sys.dm_exec_requests AS r
WHERE r.session_id <> @@SPID;DMVs تحتاج permissions مناسبة وقد تعرض snapshot لحظية. لا تشغّل diagnostic query ثقيلة على production بلا داعٍ، ولا تنشر أسماء قواعد/بيانات حساسة في logs.
Checklist قبل اعتماد أي Optimization
- هل النتيجة بعد التعديل مطابقة وظيفيًا؟ اختبر nulls والتكرار والحدود.
- هل المقارنة تمت على نفس parameters ونفس dataset تقريبًا؟
- هل logical reads و CPU والمدة تحسنت؟ وأي metric تدهورت؟
- هل actual rows قريبة من estimates؟
- هل index الجديد يضيف write/storage cost؟
- هل الترتيب deterministic والـ pagination stable؟
- هل الخطة مستقرة مع parameters مختلفة؟
- هل وثّقت السبب وقياسات before/after وخطة rollback؟
قراءة الـ Plan Node by Node
ابدأ من Actual Execution Plan واقرأ من data sources إلى root operator، لكن افهم إن الرسم غالبًا يعرض اتجاه تدفق البيانات بشكل قد يربك المبتدئ. ركز على عدد الصفوف المتوقع والفعلي، وعدد executions/loops، والـ warnings. Operator تكلفتها ليست مجرد الرقم الظاهر؛ cardinality errors في node مبكرة تتضخم في بقية الخطة.
Index Seek يعني الوصول إلى نطاق index محدد، لكنه لا يضمن قراءة صفوف قليلة إذا predicate واسع. Index Scan قد يكون الاختيار الصحيح لو نسبة كبيرة من الجدول مطلوبة. Key Lookup قد يكون مقبولًا لعدد قليل من rows، لكنه مكلف لو يتكرر آلاف المرات؛ فكر في INCLUDE columns أو projection أصغر. Sort قد يحتاج memory grant، ولو الذاكرة غير كافية يحصل spill إلى tempdb. Hash Match قد يكون مناسبًا لعمليات joins/aggregations كبيرة، لكنه يتأثر جدًا بتقدير الصفوف.
لا تلاحق كلمة Scan باعتبارها bug. اسأل: كام row اتقرأ؟ كام row رجع؟ هل فيه predicate على seek key؟ هل estimated rows قريب من actual؟ هل lookup يتكرر؟ هل sort spill؟ هل memory grant أكبر أو أقل من اللازم؟
Diagnostic Loop قبل وبعد كل Optimization
- حدد endpoint/query والـ baseline: p50/p95/p99، CPU، logical reads، duration، rows returned.
- التقط parameter values و actual execution plan في بيئة آمنة.
- قارن estimated/actual rows وحدد أول node حصل فيها أكبر انحراف.
- راجع predicates، implicit conversions، indexes، stats، joins و sorts.
- غير شيئًا واحدًا فقط: index أو query shape أو projection أو pagination.
- أعد القياس على نفس data shape والـ parameters، وليس على sample صغير فقط.
- راجع write cost و plan stability و regression على queries أخرى.
- سجل decision/rollback plan، واستخدم Query Store لمراقبة regression.
لو query أسرعت من 3s إلى 100ms لكن أضافت index يبطئ كل writes 30%، لازم القرار يشمل workload كله. الأداء ليس query واحدة؛ هو سلوك النظام تحت mix من reads/writes/concurrency.
قراءة Execution Plan: من Symptom إلى Hypothesis
ابدأ بالـ actual execution plan عندما يمكن إعادة إنتاج query بأمان؛ قارن estimated rows بالـ actual rows. فرق كبير يشير إلى statistics أو parameter sensitivity أو correlation غير ممثلة. راقب scans/seeks، key lookups، sorts، hash joins، spills إلى tempdb، memory grants، parallelism، و implicit conversions. لا تعتبر Index Scan سيئًا دائمًا؛ scan قد يكون الأفضل إذا query ترجع نسبة كبيرة من الجدول.
قارن logical reads و CPU و elapsed time، ولا تعتمد على elapsed time وحده بسبب cache/network/queueing. استخدم SET STATISTICS IO, TIME ON في بيئة مناسبة، و Query Store لتاريخ plan regressions. لا تنسخ query production إلى بيئة غير محمية إذا كانت تحتوي PII. احفظ baseline مع data volume و parameter values حتى تكون المقارنة عادلة.
SARGability وتصميم Index يخدم الاستعلام
الـ predicate تكون SARGable عندما يستطيع المحرك استخدام index key للبحث عن range أو قيمة من غير تحويل كل row أولًا. تطبيق function على العمود أو implicit conversion على الطرف الخطأ قد يمنع seek فعالًا. لكن وجود Index Seek لا يضمن أن الخطة أسرع؛ seek قد يقرأ ملايين الصفوف عبر lookups، بينما scan sequential قد يكون أرخص.
الـ composite index يتأثر بترتيب الأعمدة. ضع الأعمدة المستخدمة في equality predicates ثم range/order حسب workload، مع مراعاة selectivity والـ query patterns. الأعمدة غير المفتاحية يمكن إضافتها بـ INCLUDE لتغطية projection وتقليل Key Lookup. لا تضف كل الأعمدة إلى key لأن ذلك يضخم index ويزيد تكلفة الكتابة.
-- Avoid applying a function to the indexed column:
SELECT OrderId, OrderDate
FROM dbo.Orders
WHERE OrderDate >= '2026-01-01'
AND OrderDate < '2026-02-01';
-- A possible covering index for this access pattern:
CREATE INDEX IX_Orders_Customer_Date
ON dbo.Orders (CustomerId, OrderDate DESC)
INCLUDE (Status, Total);قارن actual plan و logical reads قبل وبعد، وعلى بيانات ممثلة. لا تستخدم FORMAT() أو CAST() على عمود filter لمجرد راحة العرض. حوّل parameter إلى نوع العمود، وخزن التواريخ في UTC أو اتفق على timezone semantics بوضوح.
المراجع والقراءة الإضافية
الدرس بيشرح الفكرة نفسها؛ الروابط دي للتحقق والتعمق والرجوع لتفاصيل الـ API. (محتاجة إنترنت.)
خلصت الدرس وحليت الأسئلة؟ علّم عليه عشان يتحسب في تقدّمك.