


Warum die hohen logischen Lesevorgänge für Fensteraggregatfunktionen?
Bei der Verwendung gängiger Unterausdruckspools in Ausführungsplänen sind die logischen Lesevorgänge tendenziell erheblich überhöht für größere Tische. Nach dem Experimentieren und Beobachten des Ausführungsplans wurde festgestellt, dass die folgende Formel zuzutreffen scheint:
Logische Lesevorgänge der Arbeitstabelle = 1 NumberOfRows 2 NumberOfGroups 4
Der zugrunde liegende Grund für diese Formel bleibt jedoch unklar. Ziel dieses Artikels ist es, das Geheimnis hinter dieser logischen Leseberechnung zu lüften.
Grundlegendes zur Ausführung von Aggregatfunktionen mit Fenstern
Der Segmentiterator am Anfang des Plans hängt eine Markierung an Zeilen an Zeigt den Beginn jeder neuen Partition an. Anschließend ruft der primäre Segmentspool die Zeilen einzeln ab und fügt sie in eine tempdb-Arbeitstabelle ein. Beim Erkennen des neuen Gruppenflags gibt die Spule eine Zeile an den oberen Eingang des Operators für verschachtelte Schleifen zurück.
Dies löst die Stream-Aggregation über die Arbeitstabellenzeilen aus und berechnet den Durchschnitt. Der berechnete Durchschnitt wird dann mit den Arbeitstabellenzeilen verknüpft und die Arbeitstabelle wird zur Vorbereitung auf die nächste Gruppe abgeschnitten. Die Segmentspule generiert eine Dummy-Zeile, um die endgültige Gruppe zu verarbeiten.
Logische Leseberechnung für Arbeitstabellen
Nach unserem Verständnis ist die Arbeitstabelle ein Heap (oder Indexspule). sofern im Plan nicht anders angegeben). Im bereitgestellten Beispiel sind wider Erwarten nur 11 logische Lesevorgänge erforderlich. Eine Erklärung für diesen Unterschied lautet wie folgt:
- Zeileneinfügungen in die Arbeitstabelle machen jeweils einen logischen Lesevorgang aus, was zu 3 logischen Lesevorgängen führt.
- Die Berechnung des Durchschnitts erfordert einen logischen Lesevorgang. Dies ergibt insgesamt 4 Lesevorgänge.
- Das Zurückgeben von Zeilen mit der Durchschnittsspalte erfordert vier logische Schritte Lesevorgänge.
- Das Abschneiden der Arbeitstabelle führt zu keinen logischen Lesevorgängen.
Dadurch beträgt die Gesamtzahl der logischen Lesevorgänge 4 x 3 = 12, wobei das Einfügen der vierten Zeile, die einen logischen Lesevorgang auslöst, entfällt nur im Original Szenario.
Fazit
Der Schlüssel zum Verständnis dieser Formel liegt in der Diskrepanz zwischen der logischen Lesezählung für Arbeitstabellen und reguläre Spooltabellen. Bei Arbeitstabellen wird jede gelesene Zeile als ein logischer Lesevorgang gezählt, während bei Spooltabellen jede gehashte Seite gezählt wird.
Die Formel stimmt mit der beobachteten Ausführung überein: Zwei sekundäre Spools werden zweimal gelesen (2 COUNT ()), während die primäre Spule (COUNT(DISTINCT CustomerID) 1) Zeilen ausgibt, wie im erwähnten Blogeintrag erläutert zusätzliche Informationen. Die zusätzliche Zeile ist auf die zusätzliche Zeile zurückzuführen, die ausgegeben wird, um das Ende der letzten Gruppe anzuzeigen.
Das obige ist der detaillierte Inhalt vonWarum verursachen fensterbasierte Aggregatfunktionen so viele logische Lesevorgänge in SQL Server?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

MySQLhandlesconcurrencyusingamixofrow-levelandtable-levellocking,primarilythroughInnoDB'srow-levellocking.ComparedtootherRDBMS,MySQL'sapproachisefficientformanyusecasesbutmayfacechallengeswithdeadlocksandlacksadvancedfeatureslikePostgreSQL'sSerializa

MysqlHandLestransactionSeffektivtheInodbengine, unterstützend propertiessimilartopostgresqlandoracle.1) MysqlusesRepeAtReadastHeDeFaultISolationLevel, was kanbeadToreadcommittforhigh-Trafficcenarios.2) itopeTiPeTePectoreToRectcommittforhighscenarios.2) itopeTIPIPIPIPIPIPIPIMISCHISCHISCHISHEPERFORMERCREPHIPUTION.

MySQL -Datentypen sind in numerische, Datum und Uhrzeit-, String-, Binär- und Räumtypen unterteilt. Durch die Auswahl des richtigen Typs können Sie die Datenbankleistung und die Datenspeicherung optimieren.

Zu den Best Practices gehören: 1) Verständnis der Datenstruktur und der MySQL -Verarbeitungsmethoden, 2) geeignete Indizierung, 3) Auswahl*, 4) Verwenden geeigneter Join -Typen, 5) Unterabfragen mit Vorsicht verwenden, 6) Analyse von Abfragen mit Erklärung, 7) Die Auswirkungen von Abfragen auf Serverressourcen betrachten, 8) die Datenbank regelmäßig beibehalten. Diese Praktiken können MySQL -Abfragen nicht nur schnell, sondern auch Wartbarkeit, Skalierbarkeit und Ressourceneffizienz machen.

MySQLisbetterforspeedandsimplicity,suitableforwebapplications;PostgreSQLexcelsincomplexdatascenarioswithrobustfeatures.MySQLisidealforquickprojectsandread-heavytasks,whilePostgreSQLispreferredforapplicationsrequiringstrictdataintegrityandadvancedSQLf

MySQL verarbeitet die Datenreplikation durch drei Modi: Asynchron, halbsynchron und Gruppenreplikation. 1) Die asynchrone Replikationsleistung ist hoch, die Daten können jedoch verloren gehen. 2) Die halbsynchrone Replikation verbessert die Datensicherheit, erhöht jedoch die Latenz. 3) Die Gruppenreplikation unterstützt die Replikation und das Failover mit mehreren Master, die für Anforderungen an hoher Verfügbarkeit geeignet sind.

Die Erklärungserklärung kann verwendet werden, um die SQL -Abfrageleistung zu analysieren und zu verbessern. 1. Führen Sie die Erklärung zur Erklärung aus, um den Abfrageplan anzuzeigen. 2. Analysieren Sie die Ausgabeergebnisse, achten Sie auf den Zugriffstyp, die Indexverwendung und den Verbindung der Reihenfolge. 3. Erstellen oder passen Sie die Indizes anhand der Analyseergebnisse an, optimieren Sie die Join -Operationen und vermeiden Sie die volle Tabellen -Scan, um die Effizienz der Abfrage zu verbessern.

Die Verwendung von MySQldump für logische Sicherungen und MySQLenterPriseBackups für Hot Backup ist effektive Möglichkeiten, um MySQL -Datenbanken zu sichern. 1. Verwenden Sie MySQldump, um die Datenbank zu sichern: mysqldump-uroot-pmydatabase> mydatabase_backup.sql. 2. Verwenden Sie MySQLenterPriseBackup für Hot Backup: Mysqlbackup-User = Root-Password = Passwort-Backup-Dir =/path/to/backupbackup. Verwenden Sie bei der Wiederherstellung das entsprechende Leben


Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

EditPlus chinesische Crack-Version
Geringe Größe, Syntaxhervorhebung, unterstützt keine Code-Eingabeaufforderungsfunktion

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

WebStorm-Mac-Version
Nützliche JavaScript-Entwicklungstools

ZendStudio 13.5.1 Mac
Leistungsstarke integrierte PHP-Entwicklungsumgebung

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)
