Planes de ejecución en SQL Server 2014

Transcripción

1 Planes de ejecución en SQL Server 2014 Enrique Catala Bañuls MVP MCT Moderada: Freddy Angarita

2 Gracias a nuestros auspiciadores Database Security as Easy as A-B-C Hardcore Developer and IT Training SQL Server Performance Try PlanExplorer today!

3 Próximos SQL Saturday 6 de Diciembre de de Enero de de Abril de de Mayo de

4 Capítulo Global PASS en Español Reuniones semanales todos los miércoles a las 12PM UTC-5 (Hora de Colombia) 4 4

5 Asistencia Técnica Si requiere asistencia durante la sesión debe usar la sección de preguntas que esta en el menú de la derecha. Use el botón de Zoom para ajustar su pantalla al tamaño deseado Escriba sus preguntas en la sección de preguntas que esta en el menú de la derecha 5

6 Enrique Cátala Mentor en SolidQ Microsoft SQL Server MVP Ingeniero en informática Microsoft Certified Trainer (MCT), MCSE y MAP (Microsoft Active Professional). Centrado en el motor relacional SQL Server, tanto en la resolución de problemas de rendimiento y escalabilidad en sistemas OLTP como la definición e implementación de entornos de alta disponibilidad confiables, en donde ha llevado con éxito más de 90 proyectos no solo en España, sino en diferentes países como EEUU, Holanda, México, Arabia Saudí o Austria. Arquitecto principal de las soluciones para SolidQ llamadas HealthCheck, SQL2Cloud, SCODA y del generador de SSIS de SolidQ Ponente habitual del SolidQ SUMMIT, miembro y ponente en SQL PASS tanto en España como Iberoamérica ponente en varios SQLSaturday Colabora con Microsoft realizando Webcast y conferencias. Mantiene tanto su blog personal ( ), como "El Rincón del DBA" ( ) con colegas de SolidQ. 6 6

7 Agenda 1. Planes de ejecución 2. Operadores 3. Cardinality estimator

8 Planes de ejecución Sabemos interpretarlos? Sentencia SQL Mágia Plan de ejecución Optimizador de consultas 8

9 Operadores Cuántos y cuales son? 11

10 Operadores Los básicos que debes conocer SELECT Sort Clustered Index Seek Clustered Index Scan Non-clustered index scan Non-clustered index seek Table Scan RID Lookup Key Lookup Hash Match Nested Loops Merge Join Compute Scalar Constant Scan Spool Stream Aggregate Distribute Streams Gather Streams Repartition Streams Bitmap Split Top Filter Lazy Spool Eager Spool 12

11 Operadores Qué son? Todo operador funciona pidiendo filas de uno o mas hijos y devolviéndolas al que se las ha pedido Caso especial Common Table Spool Cada operador devuelve de 1 fila en 1 fila *No todos 13

12 DEMO Operadores básicos 15

13 Procesamiento lógico De una consulta 1. FROM 2. WHERE 3. GROUP BY 4. HAVING 5. SELECT 1. Evaluar expresiones 2. Eliminar duplicados 6. ORDER BY 7. OFFSET-FETCH/TOP 16

14 Planes de ejecución Flechas 1. Analiza el grosor de las flechas 2. Compara los valores del plan estimado vs. el real Ves la diferencia en el grosor de la flecha? Estimación un poco equivocada! 17

15 Planes de ejecución Comparar planes Fíjate en los % de consulta 18

16 Operadores join Nested loops for each row R1 in the outer table for each row R2 in the inner table if R1 joins with R2 return (R1, R2) *No confundir inner table con inner join ni outer table com outer join 19

17 Tabla de Cursos: ID_Curso Nombre_Curso 1Paisajismo 2Fotografía 3Arte Clásico 4Matemáticas 5Física 6Química Tabla de Alumnos: ID_Alum Nombre_Aluno ID_Curso 1Luis 2 2Ana 6 3Juan 5 4Pepe 3 5Carlos 4 6Felipe 3 7Iratxe 5 8María 4 Resultado: Nombre Alumno Nombre Curso 1-Luis 2-Fotografía 4-Pepe 3-Arte Clásico 6-Felipe 3-Arte Clásico 5-Carlos 4-Matemáticas 8-María 4-Matemáticas... 20

18 Operadores join Merge join get first row R1 from input 1 get first row R2 from input 2 while not at the end of either input { if R1 joins with R2 { return (R1, R2) get next row R2 from input 2 } else if R1 < R2 get next row R1 from input 1 else get next row R2 from input 2 } 21

19 Operadores join Merge join Tabla de Cursos: ID_Curso Nombre_Curso 1Paisajismo 2Fotografía 3Arte Clásico 4Matemáticas 5Física 6Química Tabla de Alumnos: ID_Alum Nombre_Alumno ID_Curso ID_Alunos1LuísNome_Aluno ID_Cursos2 1Luís 4Pepe 23 2Ana 6Felipe 63 3Juan 5Carlos 54 4Pepe 8María 34 5Carlos 4 6Felipe 3 7Iratxe 5 8María 4 Resultado: Nombre Alumno Nombre Curso 1-Luis 2-Fotografía 4-Pepe 3-Arte Clásico 6-Felipe 3-Arte Clásico 5-Carlos 4-Matemáticas 8-María 4-Matemáticas... 22

20 Operadores join Hash join Ejecución en dos fases 1. Build: Cálculo de clave hash del inner 2. Prueba: Lee la outer, crea su hash y compara con hash precalculado en fase build for each row R1 in the build table { calculate hash value on R1 join key(s) insert R1 into the appropriate hash bucket } for each row R2 in the probe table { calculate hash value on R2 join key(s) for each row R1 in the corresponding hash bucket if R1 joins with R2 return (R1, R2) } 23

21 Nested Loop Merge Join Hash Join Recomendaciones No bloqueante Eficiencia de tabla inner (arriba) Soporta cualquier join Util cjtos pequeños No bloqueante Datos ordenados Solo equijoin Bloqueante Tabla inner muy pequeña

22 Propiedades

23 DEMO Leamos planes! 26

24 Operadores exchange Distribute Streams Hash Round Robin Range Broadcast Demand Los valores de filas obtienen hash y cada hilo se responsabiliza de un rango hash Los valores de las filas se envían al siguiente hilo de la lista Determina a que hilo enviar la fila evaluando una funcion de rango sobre una columna Rara y usada en algunos parallel index recreation Todas las filas se envian a todos los hilos Se usa un modo pull en lugar de push como en las otras. Envia la fila al thread que se la está pidiendo Aparece en tablas particionadas

25 Operadores exchange Repartition streams Consume múltiples fuentes y produce multiples fuentes No se modifican las filas Se reducen filas si aparece un operador bitmap 28

26 Operadores exchange Gather streams Consume múltiples hilos y produce un único hilo Combina resultados Es el que mayor % de esperas suele generar

27 Agenda 1. Planes de ejecución 2. Operadores 3. Cardinality estimator

28 Estimar selectividad del predicado Cardinality estimator El mayor cambio en el motor OnDisk desde SQL Server 7.0 Aporta el nº de registros involucrados WHERE en la sentencia (en cada paso) Estima el recuento de filas afectadas Aporta distribución de valores Aporta info distinct count Aporta info sobre duplicados 32

29 Cardinality estimator El mayor cambio en el motor OnDisk desde SQL Server 7.0 Se decide el algoritmo de obtención de datos Malas interpretaciones producen Malos planes de ejecución Mal rendimiento de consultas 33

30 Cardinality estimator Desde SQL Server 7.0 hasta SQL Server 2012 Acaso eso sucede? Independencia Distribución de datos independiente de unos campos a otros salvo que se indique lo contrario Uniformidad Los valores se distribuyen uniformemente Contenido Si algo se busca será porque existe Si una table se cruza, será porque existe el dato en ambas Inclusión El rango menor se asume contenido en el mayor En equijoin se assume que el valor existe 34

31 DEMO Nuevo cardinality estimator 36

32 Conclusión 1. Ser capaces de leer los planes de ejecución 2. Conocer el funcionamiento de los operadores mas importantes 3. Conocer algunas novedades en SQL Server

33 Preguntas?

34 A continuación Introducción a Multidimensional Expressions (MDX) en Analysis Services Multidimensional Alan Koo

35 Gracias por participar