标签: performance-tuning

我们目前在固态驱动器上有 tempdb（8 个文件）。

我们知道建议主 mdf 和事务日志 ndf 位于不同的驱动器上，以减少争用。tempdb 文件应该在不同的驱动器上以保持一致的原则，还是可以都在同一个驱动器上？

以下文章指出它们都在同一个驱动器上，但正在寻找背景技术解释。 对多个 tempdb 文件的建议

ALTER DATABASE [tempdb] ADD FILE ( NAME = N'tempdev2', FILENAME = N'G:\tempdb2.ndf' , SIZE = 12288000KB , MAXSIZE = UNLIMITED, FILEGROWTH = 0 )
GO
ALTER DATABASE [tempdb] ADD FILE ( NAME = N'tempdev3', FILENAME = N'G:\tempdb3.ndf' , SIZE = 12288000KB , MAXSIZE = UNLIMITED, FILEGROWTH = 0 )
....

我有一个 After Update 触发器，其中触发器在同一个表中插入一个值以查找持续时间列。我的目标是每当插入 end_time 值时，触发器将找到hh:mm:ss格式的持续时间并插入到持续时间列中。

问题-触发器导致如此多的死锁，从而阻塞了另一个进程。

列数据类型信息..

Start_time datetime, End_time datetime, Duration time(3)

ALTER TRIGGER [dbo].[GET_DURATION] ON [dbo].[INBOUND_CALL_xxx]
AFTER UPDATE AS
SET TRANSACTION ISOLATION LEVEL READ UNCOMMITTED;
Begin Transaction

               UPDATE INBOUND_CALL_xxx
               SET DURATION = convert(time(0),(END_TIME- START_TIME))                                                     
               FROM INBOUND_CALL_xxx with (nolock)
Commit;

如果我理解正确，索引一列会提高 SELECT 速度，但会降低 INSERT 速度。

假设您的应用程序是新的，并且您已经确定了适合编制索引的列（基于您查看视图的方式，例如 WHERE / JOINS）。

您是否必须在发现性能问题之前立即索引这些列？或者稍后再做这些操作而不影响 INSERT 是否有意义？

我正在使用 MongoDB Atlas，我有一个 3 个集群，具有 M30 和 100gb 的存储空间。

我当前的用例如下： - 用户在我的平台中分派一个搜索 - 平台将此搜索分派给其他提供商 (12) - 对于此搜索，每个提供商获得 2k 份文档

对于配置，我在 3 个副本集集群（M30 = 8 GB RAM • 100 GB 存储）中使用 Mongodb Atlas。我还有一个 TTL 索引，用于根据每个文档中的日期字段 (searchStartedAt) 使我用来在 10 分钟后删除文档的唯一数据库/集合中的文档过期。

我试图理解的是我收到的这个警报（“复制操作日志窗口已经低于 1 小时”），如果我做对了，主节点可以在从节点失去同步之前继续接收数据多长时间。

我想检查一下我的理解是否正确，是否有任何调整可以避免这种情况。

有人可以给我一个提示吗？如果任何其他信息可以对此提供帮助，请告诉我，我会更新问题。

非常感谢您提供有关它的任何提示。

问题：

一个巨大的表导致了一个非常重要的生产数据库（MS SQL Server 2016 SP1 标准版）上的严重性能问题。

关于有问题的表的事实：

• 没有索引的堆表。
• 450 GB 大小。
• 超过 1.9 亿条记录。
• 每次执行简单的 SELECT 查询时，物理 I/O 活动都超过 900 MB/s。如果查询包含 WHERE 子句，则最糟糕。
• 在此表上执行的查询会导致应用程序 UI 延迟 4-5 分钟。

应用程序/系统制造商建议的解决方案：

• 将堆表转换为聚集索引表。

与建议解决方案相关的建议性能调整步骤：

• 截断 db 表（与客户同意删除超过 1 年的记录）。
  • 不要删除记录。将过去 1 年中创建的记录复制到临时表。截断原始表，然后将您从临时表复制的记录插入到清空的原始表中。
• 对 db 表进行碎片整理。
• 将 db 表从堆迁移到聚簇表。
• 创建聚集索引。
• 创建维护作业并安排它定期重新构建聚集索引。

我对社区的问题：

您将如何提高这种有问题的表的性能？您会在建议的性能调整步骤中添加或删除哪些内容？

非常感谢并提前感谢。

从这里开始编辑：

好的，我不想一一回复所有评论。所以我正在编辑问题并添加更多信息。

第一：我不是专家 DBA。我会说一个高级初学者。这就是为什么我在这里尽可能多地向社区学习。

第二：我们两周前才得到这个客户，我自己还没有完全访问环境。这个关于问题的信息（事实），关于表直接来自客户的系统管理员。

第三：因此，我不知道为什么该表是堆的第一手，没有索引，他们让它在没有任何分区的情况下增长这么多，等等。

第四：建议的解决方案和建议的步骤不是我自己的，而是直接来自整个系统的制造商（这是一个众所周知的统一通信系统，制造商在这方面是最好的。我想你们都知道哪个）。

5th：我希望下周可以完全访问环境，在此之前我只是想分享我手头的东西，并在陷入困境之前尝试获得尽可能多的意见/建议。

第 6 名：因为不幸的是，我将把这个烂摊子从这里拿走，并试图让它更好、更顺畅地工作。

感谢所有已经抽出时间并回复的人。我已经有了一些见识。一旦我手头有更多信息，我肯定会分享更多信息。

使用 Demo from here重现我的问题，更改表结构如下，并将演示分区函数修改为 datetime

CREATE TABLE [dbo].[DemoPartitionedTable](
    [DemoID] [int] IDENTITY(1,1) NOT NULL,
    [SomeData] [sysname] NOT NULL,
    [CaptureDate] [datetime] NULL,
 CONSTRAINT [PK_DemoPartitionedTable] UNIQUE NONCLUSTERED 
(
    [DemoID] ASC,
    [CaptureDate] ASC
)WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, IGNORE_DUP_KEY = OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON)
)
GO

用户运行如下查询（查询 1）

SELECT [DemoID], [SomeData], [CaptureDate] FROM    
[dbo].[DemoPartitionedTable] WHERE (1=1) and (1=1) and    
CONVERT(varchar(10),CaptureDate,112) between 20190912 and 20190912

计划是https://www.brentozar.com/pastetheplan/?id=r1veZhovH

大约需要 4 小时才能返回 500 万行

如果我使用如下分区键来改进上面的代码（查询 2）

 SELECT [DemoID], [SomeData], [CaptureDate] FROM …

我有一个过程，它在数百个数据库中动态运行查询，这些数据库都具有相同的确切架构，并将结果聚合到临时表中。该查询仅涉及 3 个表（每个表都在数百万行的 10 到 100 之间，但我总共只提取了大约 50,000 行数据）。

在查看查询的汇总 IO 统计信息（通过 StatisticsParser.com - 大声喊出 Richie Rump）时，它显示创建了一个工作表，并且该工作表上有大约 550,000 个 LOB 逻辑读取。查询中所有表的常规逻辑读取总数略低于大约 400,000 次逻辑读取。

查询中的实际表都没有使用任何 LOB 数据类型，那么这到底意味着什么，它是否是我查询中瓶颈的潜在来源？

（顺便说一句，我拉回的 50,000 行数据仅相当于大约 3 MB 的数据，但我的查询在第一次运行时需要大约 10 秒才能运行（例如，当表的数据页仍在加载到内存中时） )，然后在后续运行中不到一半的时间，因此尝试查看我是否可以始终接近 <= 4s 基准测试，以及这些 LOB 逻辑读取是否与之相关。）

更新：这是一个类似的示例查询（再次查看它，我可能会发现 LOB 逻辑读取的来源）。

过程签名： sp_StoredProc_ToGetData (@IdsTable TVP (Id INT), @StartDate DateTime, @EndDate DateTime)

sp_StoredProc_ToGetData 内部的查询：

SELECT Id
INTO #IdsTableTemp
FROM @IdsTable;

-- This query is ran using dynamic SQL but for the example simplicity this is just the root …