SQL Server数据库查询速度慢的原因有很多，常见的有以下几种：
创新互联主要从事网页设计、PC网站建设（电脑版网站建设）、wap网站建设（手机版网站建设）、成都响应式网站建设公司、程序开发、网站优化、微网站、微信小程序定制开发等，凭借多年来在互联网的打拼，我们在互联网网站建设行业积累了丰富的成都做网站、成都网站设计、网站设计、网络营销经验，集策划、开发、设计、营销、管理等多方位专业化运作于一体。
1、没有索引或者没有用到索引(这是查询慢最常见的问题，是数据库设计的缺陷)
2、I/O吞吐量小，形成了瓶颈效应。
3、没有创建计算列导致查询不优化。
4、内存不足
5、网络速度慢
6、查询出的数据量过大（可以采用多次查询，其他的方法降低数据量）
7、锁或者死锁(这也是查询慢最常见的问题，是程序设计的缺陷)
8、sp_lock,sp_who,活动的用户查看,原因是读写竞争资源。
9、返回了不必要的行和列
10、查询语句不好，没有优化
●可以通过以下方法来优化查询 :
1、把数据、日志、索引放到不同的I/O设备上，增加读取速度，以前可以将Tempdb应放在RAID0上，SQL2000不在支持。数据量（尺寸）越大，提高I/O越重要。
2、纵向、横向分割表，减少表的尺寸(sp_spaceuse)
3、升级硬件
4、根据查询条件,建立索引,优化索引、优化访问方式，限制结果集的数据量。注意填充因子要适当（最好是使用默认值0）。索引应该尽量小，使用字节数小的列建索引好（参照索引的创建）,不要对有限的几个值的字段建单一索引如性别字段。
不需要Item_Photo字段数据，那么我们可以修改SQL，只取我们需要的字段数据，就可以避免这个问题，提高SQL性能，另外根据我的经验，开发人员习惯性使用SELECT *，从不管那些数据是需要还是不需要的，先全部取过来再说，这种习惯性行为确实不是一个好习惯。
通常情况下,即在数据库的数据量,服务器硬件都在承受范围内,进行的是:1.语句调优,包括创建索引,优化语句的实现方式使执行计划更流畅2.表结构变更,即在语句级别的调优没有办法满足性能要求的时候不得不采用的措施.包括表的拆分,横向拆分,纵向拆分等 还有其他的一些比较大的改动,包括服务器迁移,读写分离,分布式规划等等
SQLServer性能监控
这套性能优化的清单将至少准科学的帮助你找出你的SQLServer任何明显的性能问题。说是这样说，SQLServer的性能调优仍然是很困难的。我试图用这套清单去找出“容易”的sqlserver性能问题，困难的留待稍后。我这样做是因为很容易将容易和困难的的性能调优问题搞混。通过列出一个“容易” 的性能调优范围，就很容易的将这些问题解决，一旦解决了这些容易的问题，那么你就能集中去解决更困难的问题。
使用这个SQLServer性能调优清单的一个好处是，它将不仅仅告诉你目前最容易解决的性能问题是什么，而且还帮助你正确的去解决。在某种程度上，你可以选择不同的顺序进行。换句话说，你可以故意做出特殊的决定而不是按照清单通常的顺序进行。某种意义上说你是对的，不是所有的性能调优建议都适合所有的情形。另外，你的决定是基于你的资源限制，例如没有足够的钱去买满足负荷的硬件。如果真是那样的话，你就别无选择了。还有，你的决定可能基于一些政治原因，那是你不得不作出的改变。不管怎样，你需要知道你能做什么，使用这个性能调优清单找出你能改变的范围并做出相应的改变提升你的SQLServer的性能。
一般来说，你将在你的每一个SQL服务器上执行这个清单。如果遇到清单中的一些问题，这会花掉你一些时间。我建议你从目前性能问题最多的的服务器开始，然后当你有时间的时候按照自己的思路去解决其他服务器。
一旦你完成了，可仍然有很多事情要去做。记住，这些只是一些容易的。一旦你完成了这些容易的，接下来你需要花时间去解决更困难问题。
怎样进行你的SQLServer性能调优呢?
为了使其变得容易，我把它们分成了以下几个部分：
使用性能监视器找出硬件瓶颈
SQLServer硬件性能监控列表
操作系统性能监控列表
SQLServer2000配置性能监控列表
数据库配置设置性能监控列表
索引性能监控列表
应用程序和T-SQL性能监控列表
SQLServer数据库作业性能监控列表
使用Profiler找出低效的查询
怎样最好的实现SQLServer性能监控
管理你的SQLServe性能的最好方法是首先回顾上面每一部分的内容，把它们打印出来。然后完成每一部分的内容，写下你收集到的结果。你也可以按照你喜欢的顺序进行。上面的步骤仅仅列出了我执行的顺序，因为那样通常能达到一个比较好的效果。
一旦你完成其中一部分，你可以按照在清单中发现的不同的建议进行你的性能优化工作。然后你将在后面的部分学到更多。
一、建立索引
二、建立存储过程
三、只查询您所需要的数据，不要把所有数据都查询出来，防止数据冗余。
四、对于大量及海量数据一般还要建立分区
