- 环境准备
使用1个表，生成1000万行来进行性能对比（勉强也算比较大了），对比性能差别。
为了简化过程，不提供生成随机数据的过程。该表初始为非聚集索引(堆表)，测试过程中会改为聚集索引(栈表)。
CREATE TABLE [dbo].[TC_1]( [sys_guid] [nvarchar](50) NOT NULL, -- 主键，非聚集索引 [valueF] [decimal](18, 2) NOT NULL, [valueN] [bigint] NOT NULL, [c] [bigint] IDENTITY(1,1) NOT NULL, [g] [int] NOT NULL, -- 1-4的随机整数，相当于随机分成4组（接近平均分） CONSTRAINT [PK_TC_1] PRIMARY KEY NONCLUSTERED ( [sys_guid] ASC )WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, IGNORE_DUP_KEY = OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON) ON [PRIMARY] ) ON [PRIMARY] GO -- 先使用非聚集索引，再改为聚集索引进行相同查询 CREATE NONCLUSTERED INDEX [IX_TC_1_c] ON [dbo].[TC_1] ( [c] ASC )WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, SORT_IN_TEMPDB = OFF, DROP_EXISTING = OFF, ONLINE = OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON) ON [PRIMARY] GO CREATE NONCLUSTERED INDEX [IX_TC_1_g] ON [dbo].[TC_1] ( [g] ASC )WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, SORT_IN_TEMPDB = OFF, DROP_EXISTING = OFF, ONLINE = OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON) ON [PRIMARY] GO
SELECT COUNT(*) FROM dbo.TC_1 SELECT TOP 10 * FROM dbo.TC_1
找出一行用于产生seek执行计划(用以下查询任挑一行)：
SELECT TOP 10 * FROM dbo.TC_1 ORDER BY NEWID()
- 语句准备
-- 将c列的索引改为聚集索引的语句(时间会比较久)： DROP INDEX IX_TC_1_c ON dbo.TC_1 GO CREATE CLUSTERED INDEX IX_TC_1_c ON dbo.TC_1 ( c ) WITH( STATISTICS_NORECOMPUTE = OFF, IGNORE_DUP_KEY = OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON) ON [PRIMARY] GO
-- 清除缓存，每次测试前执行一下 CHECKPOINT DBCC DROPCLEANBUFFERS
比较以下几种常见的查询形式在堆表和栈表下的表现：
SELECT * FROM dbo.TC_1 WHERE c=6940451 -- 1.一般期望索引seek
SELECT * FROM dbo.TC_1 WHERE sys_guid=N'710C4412FBA1962DAB48D66184BF62CE' -- 2.一般期望索引seek
SELECT COUNT(*) FROM dbo.TC_1 -- 3.一般期望索引scan(基本不可能seek)
SELECT avg(valueF),avg(valueN) FROM dbo.TC_1 WHERE g = 1 GROUP BY g -- 4.一般只能是scan
- 进行测试
打开实际的执行计划和客户端统计信息，开始对比测试
运行以下语句打开时间和IO统计消息：
SET STATISTICS IO ON; SET STATISTICS TIME ON;
- 如何对比
执行时间与计算机整体状态有关，差别不大时我们不作为可靠结果去对比。由于我们总是清除缓存后再执行查询，因此读取次数是稳定的，这是对比的重点。
逻辑读与物理读，哪个更重要呢？
参考资料1 http://www.cnblogs.com/CareySon/archive/2011/12/23/2299127.html
参考资料2 http://www.canway.net/Original/shujuku/012CE2016.html
其中有一个结论：
关于时间的对比，参考资料 http://www.cnblogs.com/xqhppt/p/4041799.html
其中有一个结论：
- 对比结果
红色√表示对比结果相对更好一点。
普通√表示可以或基本可以满足需求。
SELECT * FROM dbo.TC_1 WHERE c=6940451 -- 1.一般期望索引seek
| 堆表 | 栈表 | |
| 执行计划 |  |
 |
| 结果 |  |
 |
| 消息 |
SQL Server 分析和编译时间: SQL Server 执行时间: (1 行受影响) (1 行受影响) SQL Server 执行时间: SQL Server 执行时间: |
SQL Server 分析和编译时间:
CPU 时间 = 0 毫秒，占用时间 = 0 毫秒。 SQL Server 执行时间: (1 行受影响) (1 行受影响) SQL Server 执行时间: SQL Server 执行时间: |
| 客户端统计信息 |  |
 |
| 对比 | √ | √ |
| 栈表具有非常微弱的优势，这类查询一般只会返回很少的行，因此也可以认为差别不大。 | ||
SELECT * FROM dbo.TC_1 WHERE sys_guid=N'710C4412FBA1962DAB48D66184BF62CE' -- 2.一般期望索引seek
| 堆表 | 栈表 | |
| 执行计划 |  |
 |
| 结果 |  |
 |
| 消息 |
SQL Server 分析和编译时间: SQL Server 执行时间: (1 行受影响) (1 行受影响) SQL Server 执行时间: SQL Server 执行时间: |
SQL Server 分析和编译时间: SQL Server 执行时间: (1 行受影响) (1 行受影响) SQL Server 执行时间: SQL Server 执行时间: |
| 客户端统计信息 |  |
 |
| 对比 | √ | √ |
| 两者几乎一样。也可以认为堆表具有非常微弱的优势，因为栈表的逻辑读取次数略高于堆表。 | ||
SELECT COUNT(*) FROM dbo.TC_1 -- 3.一般期望索引scan(基本不可能seek)
| 堆表 | 栈表 | |
| 执行计划 |  |
 |
| 结果 |  |
 |
| 消息 |
SQL Server 分析和编译时间: SQL Server 执行时间: (1 行受影响) (1 行受影响) SQL Server 执行时间: SQL Server 执行时间: |
SQL Server 分析和编译时间: SQL Server 执行时间: (1 行受影响) (1 行受影响) SQL Server 执行时间: SQL Server 执行时间: |
| 客户端统计信息 |  |
 |
| 对比 | √ | √ |
| 可以认为基本没差别。 | ||
SELECT avg(valueF),avg(valueN) FROM dbo.TC_1 WHERE g = 1 GROUP BY g -- 4.一般只能是scan
| 堆表 | 栈表 | |
| 执行计划 |  |
 |
| 结果 |  |
 |
| 消息 |
SQL Server 分析和编译时间: SQL Server 执行时间: (1 行受影响) (1 行受影响) SQL Server 执行时间: SQL Server 执行时间: |
SQL Server 分析和编译时间: SQL Server 执行时间: (1 行受影响) (1 行受影响) SQL Server 执行时间: SQL Server 执行时间: |
| 客户端统计信息 |  |
 |
| 对比 | √ | √ |
| 堆表具有微弱优势(聚集索引扫描，实际上就等于表扫描了) | ||
- 结论
现实中大表的使用往往不可能只经过聚集索引去查找或统计，也往往会有多个索引，有些甚至高达20个以上的索引(这里不讨论其合理性)。
分两种情况讨论：
1.OLTP：一般认为以1、2、3三类语句为主，再考虑到高并发特点，还必须尽可能避免死锁，并提供一个可以接受的性能，从中找到一个比较满意的平衡点。由于若有修改聚集索引键会引起的所有非聚集索引更新，因此，可以认为栈表比堆表更有可能发生死锁(相同的写入操作涉及的索引可能更多)，除非聚集索引是采用单向递增且永不更改的列，否则这将可能引起噩梦般的死锁频发。而堆表不存在某一个索引键修改就能引起其它所有索引的更新，可以认为其写入操作涉及的资源都是直接所需(相同的写入操作涉及的索引只是必需的范围)，因此死锁的可能性相对更低。再看两者的性能表现差距，对于人类体验来说，大多数时候是感觉不到的。因此在OLTP系统中，为了减少死锁可能性，可以认为堆表更具有广泛适用性。
那么，栈表是否就没用了呢？答案当然是否定的。
如果能选择出一些单向递增且永不更改(或基本不会更改)的列，并且大部分查询也必须使用这些列作为条件(至少有一个必须的列)，在这种情况下，使用满足这些条件的列作为聚集索引，并且选择这些列中使用率最高的一列作为聚集索引的第一列，这通常是会比堆表更好的。
只不过OLTP系统往往查询(包括读和写)是多样化的，避免死锁往往会更重要，因此，在不确定聚集索引是否合理时，使用堆表系统会更稳定；当然，性能上相应的可能会有所降低，只要在能接受的范围内，堆表可以说是更稳妥的选择。
2.OLAP：一般认为3、4两类语句的性能表现更重要，且不存在高并发写入操作(多是夜间定时批量更新)。在表扫描上，堆表反而具有微弱优势，这可能比较出人意料。我认为这应该是由于聚集索引扫描过程中需要访问更多的磁盘，因为聚集索引本身除了叶结点，还有B+树非叶结点的数据，而堆表相当于只有聚集索引的叶结点的数据，这导栈表扫描的致逻辑读和物理读比堆表扫描更高。但是除了扫描，更多的查询也一样是只需要索引seek就能查到结果，因此在OLAP系统，可以认为栈表更具有广泛适用性。
- 题外话
OLTP中的小表由于行数少，无论是栈表还是堆表，对于人类体验来说，区别一般都不会太大，往往是不可能感觉到的，因此不会成为关注的焦点，所以大多数小表可以认为无所谓；但如果存在频繁更新聚集索引键值且表上的索引总数也不少，同时还存在高并发，并且切实的导致了不少的死锁，则建议重新选择合适的聚集索引或使用堆表吧。
以上均以个人经验和测试结果得出的结论，欢迎大家拍砖指正！