利用SQL Profiler处理开销较大的查询

利用SQL Profiler处理开销较大的查询

　　当SQL Server的性能变差时，最可能发生的是以下两件事：

• 首先，某些查询产生了系统资源上很大的压力。这些查询影响整个系统的性能，因为服务器无法足够快速地服务其他SQL查询。
• 另外，开销较大的查询阻塞了其他请求相同数据库资源的查询，进一步降低了这些查询的性能。优化开销较大的查询不仅改进它们本身的性能，而且减少数据库阻塞和SQL Server资源压力从而提高了其他查询的性能。

识别开销较大的查询

　　SQL Server的目标是在最短时间内将结果集返回给用户。为此，SQL Server查询优化器生成一个成本效益高的查询执行计划。查询优化器计算许多因素的权重，包括执行查询所需要的CPU、内存以及磁盘I/O的使用情况-这些均来自于由索引维护或过程中生成的统计。通常开销最低的计划有最少的I/O，因为I/O操作代价昂贵。

　　逻辑读提供指出了查询产生的内存压力。它还提供了磁盘压力指标，因为内存页面必须在操作查询中被备份，在第一次数据访问期间写入，并且在内存瓶颈时被移到磁盘上。查询的逻辑读数量越大，磁盘压力的可能性就越大。过多的逻辑页面也增加了CPU用于管理这些页面的负载。

　　导致大量逻辑读的查询通常在相应的大数据集上得到锁。即使读也需要在所有数据上的共享锁。这些查询阻塞了其他请求修改这些数据的查询，但是不阻塞读取数据的查询。因为这些查询固有的开销并且需要长时间执行，他们持续地阻塞其他查询。被阻塞的查询进一步阻塞查询，引入了数据中的阻塞链。

　　识别开销较大的查询并优化它们有如下意义：

• 　　增进开销较大的查询本身的性能；
• 　　降低系统资源上的总体压力；
• 　　较少数据库阻塞；

　　其中开销较大的查询可以被分为如下两类：

• 　　单词执行：查询的一次单独执行开销较大；
• 　　多次执行：查询本身开销并不大，但是该查询的重复执行导致系统资源上的压力；

　　1、单次执行开销较大的查询

　　可以分析SQL Profiler跟踪输出文件来识别开销较大的查询。比如，如果对识别执行大量的逻辑读的查询感兴趣，应该在跟踪输出的Reads数据列上排序。

• 　　捕捉表示典型工作负载的Profiler跟踪；
• 　　将跟踪输出保存到一个跟踪文件；
• 　　打开跟踪文件进行分析；
• 　　通过事件选择选项卡，单击组织列按钮，在Reads列上分组跟踪输出。

　　

　　跟踪输出如下：

　　

　　在某些情况下，可能从系统监视器输出中识别CPU上的大压力。CPU上的压力可能是因为大量CPU密集型操作，如存储过程重编译、总计函数、数据排序、哈希连接等。在这种情况下，应该在CPU列上排序Profiler跟踪输出以识别使用大量处理器周期的查询。

　　2、多次执行开销较大的查询

　　有时候一个查询可能本身开销并不大，但是同一查询多次执行的累积效应可能造成系统资源的压力。在Reads列上排序对识别这种类型的查询没有帮助。如果希望知道查询的多次执行进行的总读取数，不幸的是Profiler在这里不能直接提供帮助，但是仍然可以用以下方法得到这一信息。

• 　　在Profiler中跟踪输出的以下列上分组：EventClass、TextData和Reads。对于相同EventClass和TextData的分组，手工计算所有对应的Reads的总和。
• 　　在Profiler中选择文件=》另存为=》跟踪表将输出到一个跟踪表。也可以使用内建函数fn_trace_gettable和Profiler的跟踪文件输出导入到一个跟踪表。
• 　　访问sys.dm_exec_query_stats DMV从生产服务器上检索信息。这假设打算处理一个即时的问题并且不关注历史问题。

　　在将跟踪输入保存到文件以后，先将跟踪数据导入到一张表：

SELECT * INTO TraceTable
FROM ::fn_trace_gettable('D:\123.trc',default)

　　然后执行以下语句：

SELECT COUNT(*) AS TotalExecutions,EventClass,
CAST(TextData AS NVARCHAR(MAX)) TextData,
SUM(Duration) AS Duration_Total, 
SUM(CPU) AS CPU_Total, SUM(Reads) AS Reads_Total, 
SUM(Writes) AS Writes_Total 
FROM TraceTable 
GROUP BY EventClass,CAST(TextData AS NVARCHAR(MAX)) 
ORDER BY Reads_Total DESC

　　脚本中的TotalExecutions列指出了查询被执行的次数，Reads_Total列指出了该查询多次执行所进行的读操作的总数。注意NTEXT不支持GROUP BY,因此要转换一下类型。

　　这个方法识别出来的开销较大的查询比Profiler识别出的单次执行的开销较大查询更好地指出了负载。例如，一个需要50个读操作的查询可能执行1000次。这个查询本身被认为足够经济了，但是执行的读操作总是是5万，这不能被认为是经济的。优化这个查询降低读操作数，即使每次执行减少10次，读操作数也将降低1万次。这比优化一个5千次读操作的查询更有利。

　　从sys.dm_exec_query_stats视图中得到相同的信息只需要一个查询：

SELECT ss.sum_execution_count
,t.TEXT
,ss.sum_total_elapsed_time
,ss.sum_total_worker_time
,ss.sum_total_logical_reads
,ss.sum_total_logical_writes
FROM (SELECT s.plan_handle
,SUM(s.execution_count) sum_execution_count
,SUM(s.total_elapsed_time) sum_total_elapsed_time
,SUM(s.total_worker_time) sum_total_worker_time
,SUM(s.total_logical_reads) sum_total_logical_reads
,SUM(s.total_logical_writes) sum_total_logical_writes
FROM sys.dm_exec_query_stats s
GROUP BY s.plan_handle
)AS ss
CROSS APPLY  sys.dm_exec_sql_text(ss.plan_handle) t
ORDER BY sum_total_logical_reads DESC

　　这比所有收集跟踪数据所需要的工作要容易得多，那么为什么还要使用跟踪数据？使用跟踪的主要原因是精确性。sys.dm_exec_query_stats视图是给定计划已经存在于内存中时的流动总计，时间点并不精确。另一方面，跟踪是运行的任何时间段的历史记录。甚至可以在数据库中加入跟踪，并且拥有一系列可以比依靠给定的瞬间更精确地生成总计的数据。但是对定位性能问题的理解关注是查询运行缓慢的时点，这是sys.dm_exec_query_stats不可替代的场合。

　　3、识别运行缓慢的查询

　　如果运行缓慢的查询的响应时间变得不可接受，那么应该分析性能下降的原因。但是不是所有运行缓慢的查询都是由于资源问题造成的，其他需要关心的因素如阻塞也可能导致缓慢的查询。

　　为了发现运行缓慢的查询，在Duration列上分组跟踪输出。

　　

　　跟踪输出如下：

　　

　　对于运行缓慢的系统，应该注意优化过程前后运行缓慢的持续查询时间。应用优化技术之后，应该计算在系统上的总体性能。优化步骤可能负面地影响其他查询，使其变慢。