SQL Server性能新特性

SQL Server发展至今，为了不断提升性能，引入了不少最新技术。它们主要以分区表/索引，In-Memory OLTP 和列存储索引这三类核心技术为主。虽然这些技术有各自的使用场景，但是都具有一个共同的目标：针对关键系统大幅度提高性能。这些功能不仅仅是提升性能，而且还是大幅度提升！

接下来会简单介绍这三种技术，有机会的话再细说具体技术。由于工作需要，首先从分区表和分区索引入手。

分区表和分区索引

这个严格意义来说不能称为“新技术“，因为从SQL Server 2005开始就有了。而且业界很多数据库产品都有分区功能。分区的出现源自于大量关系数据的出现。当一个表存储了亿级（请更新你对几百万行数据就成为“大表“的叫法），增删改查的性能将明显下降，其维护成本（比如备份/重建索引/更新统计信息等等）都会变得非常大。
因此，业界通常会对表进行拆分操作。拆分通常有***垂直拆分***和***横向拆分***，垂直拆分大概就是把一个有很多列的表，按照业务逻辑，拆成多个行数相等但是列数更少的表。这种拆分***并不减少数据行数***，但是可以减少列数，可以减少很多开销，特别是索引相关的开销。横向拆分也是根据业务，把数据按某些条件来拆分搬到别的相同结构的新表中，比如按照日期、地区等，把一个存有全国一年数据的表，拆成34个表（按照省级行政区域），也可以拆成12个表（按照月份）或者综合这两种方法，使其体积降到原有的1/n，大大减少单表体积，增大数据操作的性能。
其中垂直拆分通常会针对明细表或者DW类型的宽表，因为这个方式更多是减少列数。但是对于常规的OLTP系统而言，其问题往往在于行数太多，这时候通常用横向拆分，也就是把表的部分数据搬到其他表中。
在SQL Server 2000时代，只能通过把数据拆到“实体”表中，实现横向拆分，但是这种方式下，表的个数可能会突增，而且需要很多额外维护操作，在编写SQL语句时，也需要使用类似UNION/UNION ALL或者视图等方式来合并起来，同时需要记住某些筛选条件需要访问哪些具体的实体表，总而言之，用起来很不友好。
从SQL 2005开始，引入了分区技术，简单来说，它就是由SQL Server帮你管理分区的功能，最大限度降低运维和使用成本的前提下面，减少最终直接操作的表的数据行数。不过需要提醒的是，分区实际上跟垂直和横向拆分是不一样的。
从业务出发，有一些数据天生就是可被“切片”的。比如前面提到的地区、时间，或者种类这些相对固化的特性。使用分区之前，先了解一下技术概念：

分区函数（partition function）：用于通过使用一个范围的值来定义分区的数量和分区的范围（边界）。就是定义哪个列的哪里到哪里的值属于某个分区。（定义范围）
分区方案（partition scheme）：定义分区函数使用那些文件组，通常一个分区会映射到一个或多个“用户”文件组上，但是这个过程只能用TSQL命令实现。（定义物理存储）
分区列（partition column）：是具体分区的依据，分区函数配合这个列及其值来做分区，最常用的分区列就是日期了。

很多人听说过，分区的优点源自于数据量的减少。但是从技术来说，应该是来自于叫“partition elimination”（分区消除）。
但是很多人又可能认为，一旦出现了扫描操作，那么就意味着没有使用partition elimination，后面将会演示一下分区消除的内容。

分区演示

在本篇中，我们先快速演示一下简单的分区创建：
我们使用WideWorldImporters库做演示，因为这个库已经做了相应的分区，所以我们这里就不实操创建过程，不过可以展示一下，我们可以在数据库的【存储】看到创建了什么分区函数和分区方案：在这里插入图片描述
然后查看红框的两个地方看一下它们具体的实现：

在这里插入图片描述
导出来的脚本如下：

USE [WideWorldImporters]
GO

/****** Object:  PartitionFunction [PF_TransactionDate]    Script Date: 2020/1/8 11:20:30 ******/
CREATE PARTITION FUNCTION [PF_TransactionDate](date) AS RANGE RIGHT 
FOR VALUES (N'2014-01-01T00:00:00.000', N'2015-01-01T00:00:00.000', 
N'2016-01-01T00:00:00.000', N'2017-01-01T00:00:00.000')
GO


USE [WideWorldImporters]
GO

/****** Object:  PartitionScheme [PS_TransactionDate]    Script Date: 2020/1/8 11:20:13 ******/
CREATE PARTITION SCHEME [PS_TransactionDate] AS PARTITION [PF_TransactionDate] 
TO ([USERDATA], [USERDATA], [USERDATA], [USERDATA], [USERDATA], [USERDATA])
GO

下面来解释一下：

分区函数定义了分区是基于一个date类型的列，同时指定了5个分区，每个分区是一个自然年。RANGE RIGHT意味着第五个分区是所有≥2017-01-01的值。
分区方案把分区函数映射到USERGROUP的文件组中，但是这个文件组包含了5个USERDATA的文件。这种方式可以分摊I/O性能和减缓单个磁盘的空间压力。并且可以通过使用“文件组”备份来处理超大规模的数据库备份工作。

现在回到表上面，我们导出表的脚本看看：

CREATE TABLE [Sales].[CustomerTransactions](
      [CustomerTransactionID] [int] NOT NULL,
      [CustomerID] [int] NOT NULL,
      [TransactionTypeID] [int] NOT NULL,
      [InvoiceID] [int] NULL,
      [PaymentMethodID] [int] NULL,
      [TransactionDate] [date] NOT NULL,
      [AmountExcludingTax] [decimal](18, 2) NOT NULL,
      [TaxAmount] [decimal](18, 2) NOT NULL,
      [TransactionAmount] [decimal](18, 2) NOT NULL,
      [OutstandingBalance] [decimal](18, 2) NOT NULL,
      [FinalizationDate] [date] NULL,
       [IsFinalized]  AS (case when [FinalizationDate] IS NULL then 
CONVERT([bit],(0)) else CONVERT([bit],(1)) end) PERSISTED,
      [LastEditedBy] [int] NOT NULL,
      [LastEditedWhen] [datetime2](7) NOT NULL,
 CONSTRAINT [PK_Sales_CustomerTransactions] PRIMARY KEY NONCLUSTERED
(
      [CustomerTransactionID] ASC
)WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, IGNORE_DUP_KEY = OFF, 
ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON) ON [USERDATA]
) ON [PS_TransactionDate]([TransactionDate])
GO
CREATE CLUSTERED INDEX [CX_Sales_CustomerTransactions] ON [Sales].
[CustomerTransactions]
(
      [TransactionDate] ASC
)WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, SORT_IN_TEMPDB = OFF, 
DROP_EXISTING = OFF, ONLINE = OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = 
ON) ON [PS_TransactionDate]([TransactionDate])
GO

表上的非聚集索引是基于CustomerTransactionID，但是分区是基于TransactionDate。同时聚集索引也是TransactionDate列，称之为“对齐（align）”

在表中的数据是根据元数据，并且按照分区函数中的范围来划分分区。分区函数和分区方案都是独立的，所以可以被重用，如果你查看[Purchasing].[SupplierTransactions]表，可以看到它和CustomerTransaction使用同样的分区函数和分区方案。

分区之后，来看看性能表现：

SET STATISTICS IO ON
GO
SET STATISTICS XML ON
GO
SELECT COUNT(*) FROM Sales.CustomerTransactions
WHERE TransactionDate between '2013-01-01' and '2014-01-01'
GO

开启执行计划后，我们看一下XML格式的执行计划：

在这里插入图片描述

PartitionAccessed表名访问了2个分区，然后分别是1和2（看PartitionRange）。这个表名即使执行计划里面是扫描，底层执行的时候也不会真的需要访问全表。

小结

到这里为止，我演示了简单的分区创建和简单的查询，主要目的是一种引入，接下来的文章会对分区做一个比较深入的介绍。

發糞塗牆博客专家

发布了192 篇原创文章 · 获赞 1268 · 访问量 250万+

他的留言板关注

SQL Server On Linux（21）—— SQL Server On Linux性能（7）——性能进阶简介——分区（1）

SQL Server性能新特性

分区表和分区索引

分区演示

小结

猜你喜欢