本文我们将重点给出动态视图法发现数据库中缺失的索引。对于索引的调整和新建将不在本文阐述范围，后续将陆续分享相关经验。
sys.dm_db_missing_index_details 缺失索引明细，包括相等列，不等列以及包含列，执行如下脚本，并查看结果
USE WideWorldImporters;
GO
SELECT * FROM sys.dm_db_missing_index_details;
从结果可以看出，所有数据库中，缺失索引的表或索引视图都被列出来了。但是否需要把列出来的缺失索引都直接建上去呢？显然，这样做可能不但不能提升性能，还可能会导致性能下降。如，
有些查询是偶发性的，使用率极低，而对应的表又有大量的插入、更新等；
或者某些索引的创建对性能本身提升不多；
又或者，缺失索引的列，在某些存储的索引中已经部分包含，按照缺失索引给出信息去创建，会造成索引冗余。
结合以上情形，如果我们想补缺失索引，那么我们还需要知道缺失索引使用的频率，对性能的提升等信息。动态视图sys.dm_db_missing_index_group_stats 给出了我们需要的信息，下面我们给出缺失索引的状态
SELECT OBJECT_NAME(m.OBJECT_ID) tableName,equality_columns,inequality_columns,included_columns
,unique_compiles,user_seeks,user_scans,avg_user_impact,avg_system_impact
FROM sys.dm_db_missing_index_details m
LEFT JOIN sys.dm_db_missing_index_groups g ON m.index_handle=g.index_handle
LEFT JOIN sys.dm_db_missing_index_group_stats s ON g.index_group_handle=s.group_handle
WHERE m.database_id=DB_ID();
我们可以根据上面查询的结果，用户查找、用户扫描次数，用户性能影响，初步判断需要的索引。最终还要根据已经存在的索引，以及索引创建的一些规则，确定需要新创建的索引。
创建角本：
SELECT TOP 100
statement AS 表 ,
equality_columns AS 相等列 ,
inequality_columns AS 不相等列 ,
included_columns AS 包含列 ,
user_scans + user_seeks AS 总查询次数 ,
avg_user_impact AS 平均百分比收益 ,
avg_total_user_cost AS 平均成本 ,
avg_total_user_cost * avg_user_impact * ( user_scans + user_seeks ) AS 可能改进 ,
‘CREATE INDEX [IX_’ + obj.name + ‘_’
+ CONVERT(VARCHAR(32), GS.group_handle) + ‘_’
+ CONVERT(VARCHAR(32), D.index_handle) + ‘]’ + ‘ ON ‘ + [statement]
+ ‘ (‘ + ISNULL(equality_columns, ”)
+ CASE WHEN equality_columns IS NOT NULL
AND inequality_columns IS NOT NULL THEN ‘,’
ELSE ”
END + ISNULL(inequality_columns, ”) + ‘)’ + ISNULL(‘ INCLUDE (‘
+ included_columns
+ ‘)’, ”) AS Create_Index_Syntax
FROM sys.dm_db_missing_index_details AS D
INNER JOIN sys.dm_db_missing_index_groups G ON G.index_handle = D.index_handle
INNER JOIN sys.dm_db_missing_index_group_stats GS ON G.index_group_handle = GS.group_handle
INNER JOIN sys.objects AS obj ON obj.object_id = OBJECT_ID([statement])
AND obj.type = ‘U’
