数据库占用cpu较高的查询

近来看到别人的有关数据库查询cpu占用较高的sql语句（本人sql并不好），所以查询了一下资料，记录一下，便于理解和应用。

首先，将语句贴在这里

SELECT TOP 10
　　--平均cpu时间

   total_worker_time/execution_count AS avg_cpu_cost,  
   plan_handle,

   execution_count,

   (SELECT SUBSTRING(text, statement_start_offset/2 + 1,

      (CASE WHEN statement_end_offset = -1

         THEN LEN(CONVERT(nvarchar(max), text)) * 2

         ELSE statement_end_offset

      END - statement_start_offset)/2)

   FROM sys.dm_exec_sql_text(sql_handle)) AS query_text

FROM sys.dm_exec_query_stats

ORDER BY [avg_cpu_cost] DESC

然后，讲解一下，我对于这段代码的理解

首先将语句分解，最内层的为：

首先的意思：将text转化为字符串，然后获取长度。

然后case when else end的意思：

当 statement_end_offset = -1的时候，输出text的长度*2 ，如果不是，输出 statement_end_offset的大小，最终将输出的结果减去statement_start_offset，最终得到结果。/2,就不用说了，大家都懂的。其中的 text 是属于dm_exec_sql_text的，即最终的sql语句存储在这个变量中。

然后就是SUBSTRING()函数了。从截图中可以看出，Substring 的用法及其含义了，第一个参数是表达式，然后是截取开始的位置，然后是长度，这样就不难理解上面的语句了。

现在，就是这个模块了首先，需要知道 sys.dm_exec_sql_text(sql_handle) 是什么。

官方解释：返回由指定的sql_handle标识的SQL批处理的文本。也就是说，返回执行的sql语句。

那么，现在开始说 sys.dm_exec_query_stats 官方解释：返回缓存的查询计划中的聚合性能统计信息 sql server。缓存计划中的每个查询语句在该视图中对应一行，并且行的生存期与计划本身相关联。从缓存删除计划时，也将从该视图中删除对应行。备注：若要从我们称之为Azure SQL数据仓库或并行数据仓库，使用名称 sys.dm_pdw_nodes_exec_query_stats。其中上面用到的参数 sql_handle，statement_start_offset，statement_end_offset 都是它产生的。

列名	数据类型	描述
sql_handle	varbinary(64)	表示包含查询的皮查询或存储过程的标记。 sql句柄以及statement_start_offset和语句结束偏移量，可以用于检索查询的sql文本通过调用sys.dm_exec_sql_text动态管理函数。
statement_start_offset	int	指示行所说明的查询在其批查询或持久化对象文本中的开始位置（一字节为单位，从0开始）。
statement_end_offset	int	指示行所说明的查询在其批查询或持久化对象文本中的结束位置（以字节为单位，从0开始）。之前的版本为sql server 2014，值为-1指示批处理的末尾。不再包括尾随的注释。
total_worker_time	bigint	此计划自编译以来执行所用的cpu时间总量（以微妙为单位报告，但仅精确到毫秒）。
execution_count	bigint	计划自上次编译以来所执行的次数。
plan_handle	varbinary(64)	表示查询所属的已编译计划的标记。此值可以传递给sys.dm_exec_query_plan动态管理函数来获取查询计划。当本机编译的存储过程查询内存优化的表时，此项将始终为0x000.
execution_count	bingint	此计划自编译以来所执行的次数。

参照上面表格的,我们不难理解初始的语句了。

但是，对于我自己来说，还是有许多的问题的：

第一个：为什么start需要/2+1
第二个：len()获取到长度为什么需要*2
第三个：最终的结果为什么要/2
第四个：plan_handle得到的结果如何解读

请教了别人，得到了答案加上我自己的理解，在此记录一下第四个的答案（前三个有待研究）：

对于第四个问题，看一个这个文章基本就能够明白了：https://www.cnblogs.com/huangxincheng/p/4279870.html