sql server性能调优 I/O开销的深入解析
作者:花阴偷移 时间:2024-01-19 05:17:57
一.概述
IO 内存是sql server最重要的资源,数据从磁盘加载到内存,再从内存中缓存,输出到应用端,在sql server 内存初探中有介绍。在明白了sqlserver内存原理后,就能更好的分析I/O开销,从而提升数据库的整体性能。 在生产环境下数据库的sqlserver服务启动后一个星期,就可以通过dmv来分析优化。在I/O分析这块可以从物理I/O和内存I/O二方面来分析, 重点分析应在内存I/O上,可能从多个维度来分析,比如从sql server服务启动以来 历史I/O开销总量分析,自执行计划编译以来执行次数总量分析,平均I/0次数分析等。
sys.dm_exec_query_stats:返回缓存的查询计划,缓存计划中的每个查询语句在该视图中对应一行。当sql server工作负载过重时,该dmv也有可以统计不正确。如果sql server服务重启缓存的数据将会清掉。这个dmv包括了太多的信息像内存扫描数,内存空间数,cpu耗时等,具体查看msdn文档。
sys.dm_exec_sql_text:返回的 SQL 文本批处理,它是由指定sql_handle,其中的text列是查询的文本。
1.1 按照物理读的页面数排序 前50名
SELECT TOP 50
qs.total_physical_reads,qs.execution_count,
qs.total_physical_reads/qs.execution_count AS [avg I/O],
qs. creation_time,
qs.max_elapsed_time,
qs.min_elapsed_time,
SUBSTRING(qt.text,qs.statement_start_offset/2,
(CASE WHEN qs.statement_end_offset=-1
THEN LEN(CONVERT(NVARCHAR(max),qt.text))*2
ELSE qs.statement_end_offset END -qs.statement_start_offset)/2) AS query_text,
qt.dbid,dbname=DB_NAME(qt.dbid),
qt.objectid,
qs.sql_handle,
qs.plan_handle
from sys.dm_exec_query_stats qs
CROSS APPLY sys.dm_exec_sql_text(qs.sql_handle) AS qt
ORDER BY qs.total_physical_reads DESC
如下图所示:
total_physical_reads:计划自编译后在执行期间所执行的物理读取总次数。
execution_count :计划自上次编译以来所执行的次数。
[avg I/O]: 平均读取的物理次数(页数)。
creation_time:编译计划的时间。
query_text:执行计划对应的sql脚本
后面来包括所在的数据库ID:dbid,数据库名称:dbname
1.2 按照逻辑读的页面数排序 前50名
SELECT TOP 50
qs.total_logical_reads,
qs.execution_count,
qs.max_elapsed_time,
qs.min_elapsed_time,
qs.total_logical_reads/qs.execution_count AS [AVG IO],
SUBSTRING(qt.text,qs.statement_start_offset/2,
(CASE WHEN qs.statement_end_offset=-1
THEN LEN(CONVERT(NVARCHAR(max),qt.text)) *2
ELSE qs.statement_end_offset END -qs.statement_start_offset)/2)
AS query_text,
qt.dbid,
dbname=DB_NAME(qt.dbid),
qt.objectid,
qs.sql_handle,
creation_time,
qs.plan_handle
from sys.dm_exec_query_stats qs
CROSS APPLY sys.dm_exec_sql_text(qs.sql_handle) AS qt
ORDER BY qs.total_logical_reads DESC
如下图所示:
通过上面的逻辑内存截图来简要分析下:
从内存扫描总量上看最多的是8311268次页扫描,自执行编译后运行t-sql脚本358次,这里的耗时是毫秒为单位包括最大耗时和最小耗时,平均I/O是232115次(页),该语句文本是一个update 修改,该表数据量大没有完全走索引(权衡后不对该语句做索引覆盖),但执行次数少,且每次执行时间是非工作时间,虽然扫描开销大,但没有影响白天客户使用。
从执行次数是有一个43188次, 内存扫描总量排名39位。该语句虽然只有815条,但执行次数很多,如里服务器有压力可以优化,一般是该语句没有走索引。把文本拿出来如下
SELECT Count(*) AS TotalCount FROM [MEM_FlagshipApply]
WITH(NOLOCK) Where (((([Status] = 2) AND ([IsDeleted] = 1)) AND ([MemType] = 0)) AND ([MEMID] <> 6))
下面两图一个是分析该语句的执行计划,sqlserver提示缺少索引,另一个是i/o统计扫描了80次。
新建索引后在来看看
CREATE NONCLUSTERED INDEX ix_1
ON [dbo].[MEM_FlagshipApply] ([Status],[IsDeleted],[MemType],[MEMID])
来源:https://www.cnblogs.com/MrHSR/p/9257685.html
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
python K近邻算法的kd树实现
Python自制一个PDF转PNG图片小工具
![](https://img.aspxhome.com/file/2023/8/115518_0s.png)
laravel的用户修改密码与绑定邮箱的详细操作
![](https://img.aspxhome.com/file/2023/5/55535_0s.jpg)
利用python爬取m3u8格式视频的具体实现
![](https://img.aspxhome.com/file/2023/7/103177_0s.jpg)
Pandas实现一列数据分隔为两列
Pyinstaller打包Pytorch框架所遇到的问题
![](https://img.aspxhome.com/file/2023/5/134765_0s.png)
WxPython界面利用pubsub如何实现多线程控制
![](https://img.aspxhome.com/file/2023/7/77877_0s.png)
解析array splice的移除数组中指定键的值,返回一个新的数组
python循环控制之break和continue流程控制语句
Python基础之教你怎么在M1系统上使用pandas
![](https://img.aspxhome.com/file/2023/1/82921_0s.png)
如何创建一个Flask项目并进行简单配置
JS实现css边框样式设置工具
![](https://img.aspxhome.com/file/UploadPic/20085/25/border-style-tool_82s.gif)
关于ES6的六个小特性(二)
PHP利用ChatGPT实现轻松创建用户注册页面
详解MySQL分组链接的使用技巧
![](https://img.aspxhome.com/file/2023/2/107412_0s.png)
Sql Server在安装时提示挂起的解决方法
![](https://img.aspxhome.com/file/UploadPic/20091/200911419322531.jpg)
python实习总结(yeild,async,azwait和协程)
mysql按照自定义(指定顺序)排序的方法实例
![](https://img.aspxhome.com/file/2023/1/122891_0s.jpg)
selenium+python自动化测试之页面元素定位
![](https://img.aspxhome.com/file/2023/0/75900_0s.png)