Аналитика запросов в хранилище данных Fabric

Область применения:✅ конечная точка аналитики SQL и хранилище в Microsoft Fabric

В Microsoft Fabric функция аналитики запросов — это масштабируемое, устойчивое и расширяемое решение для улучшения возможностей аналитики SQL. С помощью данных журнала запросов, агрегированных аналитических сведений и доступа к фактическому тексту запроса можно анализировать и настраивать производительность запросов. QI предоставляет сведения о запросах, выполняемых только в контексте пользователя, системные запросы не учитываются.

Функция аналитики запросов предоставляет центральное расположение для исторических данных запросов и полезных сведений в течение 30 дней, помогая принимать обоснованные решения для повышения производительности конечной точки хранилища или аналитики SQL. При выполнении SQL-запроса в Microsoft Fabric функция аналитики запросов собирает и объединяет данные о выполнении, предоставляя ценные сведения. Полный текст запроса можно просмотреть для ролей администратора, участника и участника.

• Данные журнала: функция аналитики запросов сохраняет исторические данные о выполнении запросов, что позволяет отслеживать изменения производительности с течением времени. Системные запросы не хранятся в аналитике запросов.
• Агрегированная аналитика: функция аналитики запросов объединяет данные выполнения запросов в аналитические сведения, которые являются более активными, например определение длительных запросов или наиболее активных пользователей. Эти агрегаты основаны на фигуре запроса. Дополнительные сведения см. в статье о том, как аналогичные запросы, агрегированные для создания аналитических сведений?

Подготовка к работе

У вас должен быть доступ к конечной точке аналитики SQL или хранилищув рабочей области емкости Premium с разрешениями участника или более высокого уровня.

Когда требуется аналитика запросов?

Функция аналитики запросов решает несколько вопросов и проблем, связанных с производительностью запросов и оптимизацией базы данных, в том числе:

Анализ производительности запросов

• Что такое историческая производительность наших запросов?
• Существуют ли длительные запросы, требующие внимания?
• Можно ли определить запросы, вызывающие узкие места производительности?
• Был ли кэш использован для моих запросов?
• Какие запросы используют большую часть ЦП?

Оптимизация запросов и настройка

• Какие запросы часто выполняются и могут быть улучшены их производительность?
• Можно ли определить запросы, которые завершились сбоем или были отменены?
• Можно ли отслеживать изменения производительности запросов с течением времени?
• Есть ли запросы, которые последовательно выполняются плохо?

Мониторинг активности пользователей

• Кто отправил конкретный запрос?
• Кто является наиболее активными пользователями или пользователями с самыми длительными запросами?

Существует три системных представления для предоставления ответов на следующие вопросы:

• queryinsights.exec_requests_history (Transact-SQL)

  • Возвращает сведения о каждом завершенных sql-запросах или запросах.

• queryinsights.exec_sessions_history (Transact-SQL)

  • Возвращает сведения о часто выполняемых запросах.

• queryinsights.long_running_queries (Transact-SQL)

  • Возвращает сведения о запросах по времени выполнения запроса.

• queryinsights.frequently_run_queries (Transact-SQL)

  • Возвращает сведения о часто выполняемых запросах.

Где можно просмотреть аналитические сведения о запросах?

Автоматически созданные представления находятся в схеме в конечной queryinsights точке аналитики SQL и хранилище. Например, в обозревателе Fabric хранилища найдите представления аналитики запросов в разделах "Схемы", "Запросы", "Представления".

После завершения выполнения запроса вы увидите данные о выполнении в queryinsights представлениях конечной точки хранилища или аналитики SQL, к которому вы подключились. При выполнении запроса между базами данных в контексте WH_2запроса запрос отображается в аналитических сведениях о запросах WH_2. Завершенные запросы могут отображаться до 15 минут в аналитике запросов в зависимости от выполняемой параллельной рабочей нагрузки. Время, затраченное на появление запросов в аналитике запросов, увеличивается с увеличением числа одновременных запросов, выполняемых.

Как аналогичные запросы агрегируются для создания аналитических сведений?

Запросы считаются одинаковыми в аналитике запросов, если запросы имеют одну и ту же форму, даже если предикаты могут отличаться.

Столбец в представлениях можно использовать query hash для анализа аналогичных запросов и детализации до каждого выполнения.

Например, следующие запросы считаются одинаковыми после параметризации их предикатов:

SELECT * FROM Orders
WHERE OrderDate BETWEEN '1996-07-01' AND '1996-07-31';

и

SELECT * FROM Orders
WHERE OrderDate BETWEEN '2000-07-01' AND '2006-07-31';

Примеры

Определение запросов, выполняемых вами за последние 30 минут

Следующий запрос использует queryinsights.exec_requests_history и встроенную USER_NAME() функцию, которая возвращает текущее имя пользователя сеанса.

SELECT * FROM queryinsights.exec_requests_history 
WHERE start_time >= DATEADD(MINUTE, -30, GETUTCDATE())
AND login_name = USER_NAME();

Определение наиболее потребляющих ЦП запросов по времени ЦП

Следующий запрос возвращает первые 100 запросов по выделенному времени ЦП.

SELECT TOP 100 distributed_statement_id, query_hash, allocated_cpu_time_ms, label, command
FROM queryinsights.exec_requests_history
ORDER BY allocated_cpu_time_ms DESC;

Определение того, какие запросы сканируют большинство данных из удаленного, а не кэша

Вы можете определить, замедляется ли сканирование больших данных во время выполнения запроса и принятия решений по настройке кода запроса соответствующим образом. Этот анализ позволяет сравнить различные выполнения запросов и определить, является ли дисперсию в количестве сканированных данных причиной изменений производительности.

Кроме того, вы можете оценить использование кэша, проверив сумму data_scanned_memory_mb и data_scanned_disk_mbсравнивая его с data_scanned_remote_storage_mb прошлыми выполнениями.

SELECT distributed_statement_id, query_hash, data_scanned_remote_storage_mb, data_scanned_memory_mb, data_scanned_disk_mb, label, command
FROM queryinsights.exec_requests_history
ORDER BY data_scanned_remote_storage_mb DESC;

Определение наиболее часто выполняемых запросов с помощью подстроки в тексте запроса

Следующий запрос возвращает последние запросы, соответствующие определенной строке, упорядоченные по количеству успешных выполнений по убыванию.

SELECT * FROM queryinsights.frequently_run_queries
WHERE last_run_command LIKE '%<some_label>%'
ORDER BY number_of_successful_runs DESC;

Определение длительных запросов с помощью подстроки в тексте запроса

Следующий запрос возвращает запросы, соответствующие определенной строке, упорядоченные по времени выполнения медианного запроса по убыванию.

SELECT * FROM queryinsights.long_running_queries
WHERE last_run_command LIKE '%<some_label>%'
ORDER BY median_total_elapsed_time_ms DESC;

Связанный контент

• Мониторинг подключений, сеансов и запросов с помощью динамических представлений
• queryinsights.exec_requests_history (Transact-SQL)
• queryinsights.exec_sessions_history (Transact-SQL)
• queryinsights.long_running_queries (Transact-SQL)
• queryinsights.frequently_run_queries (Transact-SQL)