SQL Server
Optimización del rendimiento de SQL Server: lista de verificación práctica
Una guía práctica y basada en evidencias para diagnosticar problemas de rendimiento en SQL Server: bloqueos, consultas, planes, estadísticas e índices.

En este artículo
Optimizar el rendimiento es una investigación, no una lista de soluciones rápidas. «La base de datos va lenta» describe un síntoma, pero no indica el alcance, el intervalo, la carga ni el recurso afectados. Actuar de inmediato —añadir un índice, borrar la caché de planes, aumentar la memoria o terminar una sesión— puede ocultar las evidencias y crear otro problema.
El objetivo práctico es convertir un síntoma general en una descripción reproducible: qué carga fue lenta, cuándo, qué estaba esperando, cuánto trabajo realizó, qué plan utilizó y qué cambió. Esta checklist sigue ese proceso.
- 1Sistema lentoEl síntoma reportado, todavía no un diagnóstico
- 2AlcanceIntervalo, base de datos, aplicación y usuarios afectados
- 3Solicitudes activasQué se ejecuta ahora y qué está esperando
- 4BloqueosEncontrar la cabeza de la cadena de bloqueo
- 5Consultas costosasCPU, lecturas, escrituras, duración y frecuencia
- 6PlanPlan real y filas estimadas frente a reales
- 7Estadísticas / índicesDatos de cardinalidad y rutas de acceso
- 8CambioUna variable comprendida y una vía de reversión
- 9Volver a medirComparar con la referencia registrada
Empezar por las evidencias, no por las suposiciones
Registra primero el intervalo del incidente, incluida la zona horaria. Si es posible, identifica la base de datos, la aplicación, el login y el host afectados. Averigua si todas las solicitudes iban lentas o solo una operación, si hubo errores además de latencia y si el problema sigue activo.
Recopila una referencia básica de CPU, lecturas lógicas, lecturas físicas, escrituras, duración, esperas y bloqueos. Estas señales responden a preguntas distintas. Un CPU alto puede indicar cálculos costosos o una frecuencia de ejecución excesiva. Muchas lecturas sugieren que la consulta está accediendo a más páginas de las esperadas. Las escrituras pueden deberse a modificaciones, al uso de TempDB o a spills. Las esperas describen dónde los workers no pudieron avanzar. Los bloqueos describen dependencias entre sesiones, no necesariamente una consulta lenta de forma aislada.
Conserva las evidencias antes de reiniciar servicios o borrar cachés. Captura el historial de Query Store, las solicitudes activas, la información de esperas y los gráficos de monitoreo pertinentes. Un reinicio puede aliviar el síntoma y, al mismo tiempo, destruir el estado necesario para explicarlo.
Revisar las solicitudes activas
Durante un incidente activo, sys.dm_exec_requests muestra el trabajo que se está ejecutando. Únela a sys.dm_exec_sessions para obtener el contexto del cliente y usa sys.dm_exec_sql_text para recuperar el texto enviado.
SELECT
r.session_id,
s.login_name,
s.host_name,
DB_NAME(r.database_id) AS database_name,
r.status,
r.command,
r.blocking_session_id,
r.cpu_time,
r.total_elapsed_time,
r.logical_reads,
r.reads,
r.writes,
r.wait_type,
r.wait_time,
SUBSTRING(
txt.text,
(r.statement_start_offset / 2) + 1,
CASE
WHEN r.statement_end_offset = -1 THEN LEN(CONVERT(nvarchar(max), txt.text))
ELSE (r.statement_end_offset - r.statement_start_offset) / 2 + 1
END
) AS statement_text
FROM sys.dm_exec_requests AS r
JOIN sys.dm_exec_sessions AS s
ON s.session_id = r.session_id
CROSS APPLY sys.dm_exec_sql_text(r.sql_handle) AS txt
WHERE r.session_id <> @@SPID
AND s.is_user_process = 1
ORDER BY r.total_elapsed_time DESC;Notas
- líneas 16–23statement_start_offset y statement_end_offset son desplazamientos en bytes dentro de un texto Unicode, de ahí la división entre 2; -1 significa que la instrucción llega hasta el final del lote. El resultado es la instrucción que se ejecuta ahora, no el lote completo.
- línea 27CROSS APPLY descarta las solicitudes sin identificador SQL. Usa OUTER APPLY para conservarlas todas.
La lectura de estas DMV requiere los permisos adecuados sobre el estado del servidor. Trata el texto de las consultas como datos operativos potencialmente sensibles. Restringe el acceso y evita copiar valores de parámetros en tickets o conversaciones no protegidos.
La duración por sí sola no basta. Una solicitud puede tardar mucho porque está bloqueada y consumir poco CPU. Otra puede terminar rápido, pero ejecutarse miles de veces. Si es posible, captura varias muestras para distinguir una solicitud persistente de una instantánea puntual.
Agrupar la carga
La agrupación permite saber si la presión procede de una identidad de aplicación, una base de datos, un host o un estado de solicitud. Resulta especialmente útil cuando la lista de solicitudes activas contiene tantas sesiones individuales que cuesta interpretarla.
SELECT
s.login_name,
DB_NAME(r.database_id) AS database_name,
s.host_name,
r.status,
COUNT(*) AS active_requests,
SUM(r.cpu_time) AS cpu_time_ms,
SUM(r.logical_reads) AS logical_reads,
SUM(r.writes) AS writes
FROM sys.dm_exec_requests AS r
JOIN sys.dm_exec_sessions AS s
ON s.session_id = r.session_id
WHERE s.is_user_process = 1
GROUP BY
s.login_name,
DB_NAME(r.database_id),
s.host_name,
r.status
ORDER BY logical_reads DESC;Notas
- línea 16GROUP BY repite la expresión DB_NAME() porque T-SQL no acepta un alias del SELECT en GROUP BY.
Los totales corresponden a las solicitudes activas en el instante de la consulta, no a un registro histórico completo. Úsalos para orientar la investigación y después pasa a Query Store o a la telemetría de monitoreo para analizar un intervalo más amplio.
Agrupar por host puede revelar un despliegue que generó demasiada concurrencia. Agrupar por login puede mostrar que una cuenta de integración domina la actividad del servidor. Agrupar por base de datos evita que una carga intensa pero saludable distraiga del problema de la aplicación afectada.
Buscar bloqueos
blocking_session_id identifica la sesión que impide que una solicitud obtenga un recurso necesario. La sesión bloqueada es la víctima de la espera, pero eso no significa que el bloqueador sea necesariamente el responsable. Puede estar realizando trabajo legítimo dentro de una transacción que la aplicación mantiene abierta más tiempo del previsto.
Reconstruye la cadena de bloqueo. Encuentra el bloqueador principal y revisa su instrucción actual o más reciente, el estado y la duración de la transacción, y la aplicación. Busca sesiones inactivas con transacciones abiertas, modificaciones grandes, comportamientos de aislamiento incompatibles u operaciones DDL.
No conviertas «matar al bloqueador» en la respuesta predeterminada. Revertir una transacción grande puede llevar tiempo y aumentar la presión. Terminar una operación de negocio también puede dejar la aplicación en un estado inesperado. Decide junto con el responsable de la aplicación, comprende el impacto de la reversión y captura las evidencias primero. La solución duradera puede consistir en transacciones más cortas, un orden coherente de acceso a objetos, un índice mejor, otra estrategia de aislamiento o una gestión correcta de errores en la aplicación.
Leer el plan de ejecución
Un plan de ejecución explica cómo SQL Server eligió acceder a los datos y combinarlos. Léelo junto con las métricas de ejecución y el propósito de la consulta.
- Los seeks pueden ser eficientes, pero repetir un seek millones de veces puede resultar costoso.
- Los scans no son malos automáticamente; recorrer una tabla pequeña o casi toda una grande puede ser lo correcto.
- Los key lookups son útiles para unas pocas filas, pero pueden encarecerse al repetirse para un resultado grande.
- Los tipos de join —nested loops, hash o merge— dependen del número y orden de las filas y de los índices disponibles.
- Los spills indican que un operador necesitó más espacio de trabajo del que proporcionó su concesión de memoria, a menudo por estimaciones erróneas o memoria disponible limitada.
- El paralelismo puede reducir la duración y, a la vez, aumentar el CPU total y la presión de concurrencia.
Compara las filas estimadas con las reales en los operadores importantes. Las diferencias grandes pueden provocar un orden o tipo de join inadecuado y concesiones de memoria incorrectas. Revisa también cuántos datos se leyeron frente a los que se devolvieron. Una consulta que devuelve diez filas después de leer millones merece atención, aunque el resultado final sea pequeño.
Los porcentajes de costo de los operadores son estimaciones del optimizador dentro de ese plan. No son porcentajes medidos de tiempo real ni sustituyen a un profiler. Empieza por la duración real, CPU, lecturas, esperas, spills y cantidad de filas.
Revisar las estadísticas
Las estadísticas describen la distribución de los datos al optimizador. Si están desactualizadas, se muestrearon mal para una distribución poco habitual o faltan para una expresión importante, las estimaciones de cardinalidad pueden ser incorrectas aunque existan índices adecuados.
Comprueba cuándo se actualizaron las estadísticas pertinentes, cuántas modificaciones se han producido y si el histograma representa los valores usados por la consulta lenta. El mantenimiento automático de estadísticas es útil, pero no garantiza que todos los conjuntos de datos sesgados o que cambian rápidamente estén perfectamente representados en todo momento.
Actualiza las estadísticas de forma deliberada y mide el resultado. Una actualización general en una base grande consume recursos y puede provocar cambios de plan no relacionados con el incidente. Si el cambio de estadísticas corrige la consulta, documenta qué estimación cambió y por qué, para que la estrategia de mantenimiento pueda resolver la causa raíz.
Revisar los índices como un conjunto
Un índice resulta útil cuando reduce lecturas importantes o facilita ordenaciones, joins y restricciones con un costo aceptable de escritura y almacenamiento. Un índice de cobertura puede incluir columnas no clave necesarias para una consulta y evitar búsquedas repetidas, pero los índices más anchos cuestan más de mantener y almacenar en caché.
Revisa los índices existentes antes de agregar otro. Busca claves solapadas, definiciones duplicadas, índices que solo difieren en unas pocas columnas incluidas e índices que cada escritura mantiene pero casi nunca se usan. Consolidar puede ser mejor que acumular, pero las estadísticas de uso se reinician y no abarcan todos los ciclos de negocio; no elimines un índice basándote en un periodo de observación breve.
Las DMV de índices que faltan son pistas, no instrucciones. Sus sugerencias se basan en eventos de optimización individuales. No conocen el conjunto completo de índices, la carga de escritura, el presupuesto de almacenamiento ni las prioridades operativas. Varias sugerencias pueden consolidarse en un solo diseño o descartarse si optimizan una consulta poco frecuente a un costo excesivo de escritura.
Para un índice propuesto, registra la consulta objetivo, el plan y las lecturas de referencia, el impacto esperado en las escrituras y el plan de reversión. Vuelve a medir después del despliegue.
Investigar la sensibilidad a los parámetros
SQL Server puede compilar un plan con un conjunto de valores de parámetros y reutilizarlo para otros. Normalmente esto es beneficioso. Se convierte en un problema cuando distintos valores requieren estrategias muy diferentes; por ejemplo, un cliente tiene unas pocas filas y otro representa una parte grande de la tabla.
Entre los síntomas habituales están la latencia intermitente, una consulta que se vuelve lenta tras una recompilación o despliegue, y varios planes con consumos de recursos muy distintos. Query Store es valioso porque muestra el historial de planes y las distribuciones de ejecución, no solo el plan que está ahora en caché.
Algunas respuestas posibles son reescribir la consulta, mejorar las estadísticas, separar formas de carga realmente distintas, usar un hint adecuado, recompilar de forma selectiva o recurrir a las funciones de gestión de planes admitidas por la versión de SQL Server. Ninguna es una solución universal. OPTION (RECOMPILE) intercambia trabajo de compilación por un plan específico para los parámetros; forzar un plan puede estabilizar un caso y perjudicar otro. Primero diagnostica la distribución de datos y los patrones de ejecución.
Usar Query Store para consultar el historial
Query Store conserva en la base de datos el historial de consultas, planes y estadísticas de ejecución. Suele ser el mejor punto de partida para una regresión que ya no está activa. Permite comparar duración, CPU, lecturas, cantidad de ejecuciones y cambios de plan entre distintos intervalos.
Úsalo para responder preguntas concretas: ¿la consulta recibió un plan nuevo?, ¿aumentó el número de ejecuciones?, ¿cambió la duración media aunque el plan permaneciera estable?, ¿un plan es sistemáticamente mejor para la carga pertinente o el rendimiento varía según los parámetros?
Forzar un plan puede ser una mitigación útil mientras se prepara una corrección duradera, pero hay que supervisarlo. La distribución de los datos y el esquema cambian. Un plan que antes era bueno puede dejar de ser adecuado; registra por qué se forzó y define cuándo se revisará.
Procesar las modificaciones grandes por lotes
Las operaciones UPDATE, DELETE e INSERT grandes pueden generar mucha actividad en el transaction log, mantener bloqueos durante mucho tiempo y provocar bloqueos en cadena. Procesar por lotes limita el trabajo de cada transacción y proporciona puntos de control del progreso.
DECLARE @rows int = 1;
WHILE @rows > 0
BEGIN
DELETE TOP (5000)
FROM dbo.EventHistory
WHERE EventDate < DATEADD(year, -2, SYSUTCDATETIME());
SET @rows = @@ROWCOUNT;
-- Commit each batch when this loop is not already inside a wider transaction.
-- Optionally add controlled pacing based on measured production impact.
END;Notas
- línea 5TOP (5000) limita cada DELETE, así cada transacción, sus bloqueos y su uso del registro siguen siendo pequeños.
- línea 9Lee @@ROWCOUNT justo después del DELETE: el bucle termina cuando un lote no elimina nada.
El tamaño del lote es un parámetro operativo, no una constante mágica. Mide la generación del log, la duración de los bloqueos, el rendimiento y el impacto en el trabajo concurrente. Asegúrate de que el predicado esté respaldado para que cada lote no vuelva a recorrer el mismo intervalo grande. Diseña el proceso para poder reanudarlo y confirma si las filas pueden cambiar mientras se ejecuta.
Tablas muy grandes
Con cientos de millones de filas, el diseño físico y los procesos operativos deben estar alineados. Indexa solo las rutas de acceso cuyo costo de mantenimiento esté justificado. Mantén las estadísticas con una estrategia adecuada al patrón de modificaciones. Archiva datos cuando los requisitos de retención y consulta lo permitan. Usa procesamiento incremental en lugar de recorrer o reescribir el historial una y otra vez.
El particionamiento puede facilitar las operaciones del ciclo de vida de los datos y la eliminación de particiones cuando la clave coincide con esas operaciones. No es un interruptor general para acelerar. Las consultas que no filtran por la dimensión de particionamiento quizá no mejoren, y cada partición añade tareas de administración.
Prueba las operaciones por lotes con una distribución de datos y una concurrencia realistas. Un plan que funciona en un subconjunto pequeño restaurado puede comportarse de otra manera cuando las estadísticas, las necesidades de memoria y la profundidad de los índices reflejan la tabla completa. La hoja de ruta prevista de SQL Server a gran escala profundizará en particionamiento, modificaciones grandes, estadísticas e índices.
Lista de verificación de rendimiento
- Confirmar el intervalo del incidente, el alcance y la aplicación afectada.
- Identificar la carga activa y conservar las evidencias.
- Revisar los bloqueos y reconstruir la cadena completa.
- Encontrar las consultas costosas por CPU, lecturas, escrituras, duración y frecuencia.
- Inspeccionar los planes de ejecución reales y las métricas de ejecución.
- Comparar las estimaciones con las filas reales y revisar las estadísticas.
- Evaluar los índices existentes y propuestos como un conjunto.
- Comparar el historial en Query Store y detectar regresiones.
- Cambiar una sola variable comprendida y registrar la referencia.
- Medir después del cambio y conservar una vía de reversión.
Conclusión
Una buena optimización reduce la incertidumbre antes de modificar el sistema. Identifica la carga, sigue las evidencias a través de las esperas y el uso de recursos, explica el plan de ejecución y mide el resultado de un cambio controlado.
Las soluciones aleatorias a veces aceleran una consulta, pero no crean una práctica operativa repetible. Una investigación documentada sí lo hace. Conserva suficiente contexto para que el siguiente ingeniero entienda no solo qué cambió, sino por qué ese fue el cambio más acotado que encajaba con la carga observada.
¿Te resultó útil este contenido?
¿Qué podríamos mejorar?
Gracias — esto me ayuda a mejorar Javi Builds.
Sigue aprendiendo
- ArtículoCómo encontrar regresiones de rendimiento en SQL Server con Query StoreUn flujo práctico con Query Store para regresiones de SQL Server: compara intervalos, encuentra consultas que se volvieron lentas, revisa cambios de plan, fuerza planes con seguridad y deshazlos.Leer artículo
- Guía rápidaReferencia rápida de Query StoreUsa Query Store de SQL Server para encontrar regresiones, comparar planes, analizar el historial de ejecución, forzar planes o deshacer su forzado con seguridad, y entender cuándo los datos de Query Store pueden llevarte a conclusiones equivocadas.Abrir guía rápida
- RecursoContenido en inglésSQL Server Performance Tuning ChecklistA one-page troubleshooting reference for slow SQL Server workloads: ten steps from incident scope to measured change, with three diagnostic queries.Ver recurso
¿Qué debería crear después?
Estoy construyendo Javi Builds alrededor de problemas reales que enfrentan los ingenieros de datos. Dime qué tema te gustaría ver después.
Mantente al día
Recibe solo las novedades de Javi Builds que realmente te interesan.
Revisa tu bandeja de entrada
Te he enviado un enlace de confirmación. Tu suscripción se activará cuando la confirmes.