查询执行的总图：
根据总图的流程，详细说明每个部分：
1. 请求(Request)
SQL Server是C/S架构的平台。与它交互的唯一方式就是发送包含数据库命令的请求。应用程序和数据库之前的通信协议叫做TDS(Tabular Data Stream)协议。应用程序可以使用以下几种实现了TDS协议的客户端：
- The CLR managed SqlClient,
- OleDB,
- ODBC,
- JDBC,
- PHP Driver for SQL Server
- 开源的FreeTDS
TDS的请求分为以下几类：
- 批请求(Batch Request)
这种请求只包括T-SQL文本，不包含参数，但是可以包含本地变量。在SqlClient中带有空参数列表的SqlCommand对象上执行SqlCommand.ExecuteReader(), ExecuteNonQuery(), ExecuteScalar()或者ExecuteXmlReader()，就会是批请求。通过Profile会观察到SQL:BatchStarting事件。
它包含过程标识符(Procedure Identifier，用于)和任意数理的参数。不同的过程标识符代表了不同的系统存储过程。执行带有非空参数列表的SqlCommand对象时，就是这种请求类型。通过Profile可以观察到RPC:Starting事件。
- 批量加载请求(Bulk Load Request)
批量加载是批量插入操作所使用的一种特别的请求类型。例如BCP工具、OleDB的IRowsetFastLoad接口和SqlBulkcopy类。它是唯一一种在TDS协议中不需要完成包发送就可以开始执行的请求。开始执行后，就可以使用数据流中的数据进行插入操作了。
2. 任务(Task)
当完整的请求到达数据库引擎，SQL Server会创建一个Task去处理此请求。可以通过sys.dm_exec_requests观察请求情况。一个任务代表一个完整的请求，而不会是请求的一部分语句。同样，对于请求中的部分语句，也不会创建新的任务。有些请求的中语句会并行执行，而Task会生成sub-task处理并行。当客户端取走所有请求返回的结果集中的数据后，Task就完成了。
可以通过sys.dm_os_tasks观察Task情况。
3. 工作进程(Workers)
根据新请求所创建的Task，初始状态是PENDING。这个阶段,SQL Server并不知道请求的内容。Task须要执行这个请求，引擎就会分配worker去执行。(是分配，不是创建)
Workers是SQL Server的线程池。在SQL Server启动过程中会初始化一定数量的Workers。可以通过Max_Worker_Threads参数，按需要配置最大线程数。只有Worker才执行代码。当没有空闲的worker时，task变成Pending状态。worker完成task后，变成可用状态，才会去选择Pending状态的task执行。
在SQL批请求中，worker选择task后，执行批请求中的每一个语句。很明显，批请求中语句，是串行执行的。前一个完成，才会开始下一个。批中的某些语句会并行执行，这个并行是Task创建sub-task来完成的。而每一个sub-task会经历和task一样处理过程（如等待可用的worker来选取它并执行）。
可以通过sys.dm_os_workers查看worker及其状态。
4. 语法解析和编译(Parsing & Compilation)
当task开始执行，首先它要弄明白请求的具体的内容。这个阶段SQL Server对请求中的T-SQL文本进行语法解析并生成表示请求的抽象语法树(abstract syntax tree)。整个请求会被解析和编译。如果在这个阶段产生错误，则会返回编译错误，并结果任务并释放task和worker。
编译T-SQL不会产生像本地CPU指令一样的可执行代码，也产生类似于字节码的东西。它产生查询计划(Query Plan)。查询计划描述了数据访问的路径和访问对象的方法。
5. 优化(Optimization)
优化是从很多个查询计划中选择出最优的一个。SQL Server采用基于成本的优化器。它会估算所有可能(大多数)的查询计划的成本，并选择出成本最低的一个。成本主要通过计算查询计划需要读取的数据大小(data size)。为了知道数据大小，SQL Server需要知道每个表的大小和列值的分布情况(通过统计信息数据)。成本还会考虑CPU和内存使用量。再通过一个公式将这些数据综合个成本值，然后选取出成本值最小的那个执行计划。
优化过程需要消耗时间和CPU，所以一当查询计划最终生成，则会被缓存到计划缓存中，以备重用。
6. 执行(Execution)
一旦优化器选定了执行计划，请求就可以开始执行了。执行计划会被转换成实际的执行树。树中的每个节点是一个操作符。所有操作符都实现三个抽象接口:open()、next()和close()。循环执行包括调用根节点的open()，然后逐级调用next()直到返回false，再调用close()。
叶级节点通常是一些物理数据访问操作符(访问实际的数据和索引)，中间节点通常是一些实现数据过滤、排序和连接等数据操作的操作符。并行执行有一个专门的操作符:Exchange操作符。Exchange操作符发出多个线程，每个线程执行一个查询计划的子树，然后再使用multiple-producers-one-consumer 方式聚合所有子线程的输出。
数据修改操作也适用于这个执行方式。
有些操作符非常简单，如TOP(N)。当调用它的next()，它会去调用子节点的next()并记录数据。当重复执行N次后，它就返回false，并终止对子节点的调用和对相应分支子树的迭代执行。
有些操作符非常复杂，如nested loop操作符。这需要跟踪内外子节点循环迭代的位置，调用外节点的next()，值重绕(rewind)内节点并不断调用内节点的next()直到找到匹配的值。
有些操作符需要等到获取到它的所有子节点的输出数据时，才能产生自己的输出数据。这种行为方式也叫stop-and-go。如sort操作符，它第一次调用netxt()，不会返回数据，需要等到所有的数据被返回并排序，这才能返回数据。
HASH JOIN是一个非常复杂并且又是stop-and-go类型的操作符。为了构造hash表，它要调用构建侧(build side)节点的next()，直到返回false。然后再调用探测侧(probe side)的next()，直到找到在hash表中找到匹配的值，然后返回。重复探测侧的操作，直到next()返回false。
7. 返回结果(Results)
查询一旦开始执行就可以开始返回数据给客户端程序。当执行树开始产生返回数据后，最顶端的操作符会负责把数据写入网络缓存并发送给客户端。执行中产生的返回结果，不会被缓存到任何地方，一但产生就开始返回给客户端。
显然，通过网络返回数据给客户端会受到网络流量控制协议的约束。如果客户端不能及时地取走返回的数据，最终会阻塞数据发送方的发送行为，并使得查询执行被挂起。当客户端的数据接收能力正常后，发送方的发送行为和查询执行会被重置，正常产生返回结果数据。
OUTPUT参数的输出值，只能在执行计划完成后，才能被写入到数据流中。所以它也只能在所有返回结果被客户端取走后，才能被读取到。
总结：
1. 这是一篇译文，计划分为3部分。学习之用，非逐字翻译，很多是结合自己的理解译的，与原文内容相比，有一些增和删。