המלצות למיטוב ביצועי נתונים

חל על המלצה זו של רשימת פעולות לביצוע של יעילות ביצועים שמתוכננת היטב ב- Power Platform:

PE:08 מיטוב ביצועי נתונים. ניתן למטב מאגרי נתונים לשימוש המיועד והממשי שלהם בעומס העבודה.

מדריך זה מתאר את ההמלצות למיטוב ביצועי הנתונים. מיטוב ביצועי הנתונים היא חידוד היעילות שבה עומס העבודה מעבד ומאחסן נתונים. כל פעולת עומס עבודה, טרנזקציה או חישוב מסתמכים בדרך כלל על שליפה, עיבוד ואחסון מהירים ומדויקים של נתונים. כאשר ביצועי הנתונים ממוטבים, עומס העבודה פועל בצורה חלקה. ביצועי נתונים פגומים יוצרים אפקט דומינו של יעילות ביצועים ירודה. נתונים לא ממוטבים יגרומו לעיכובים בתגובה‬, זמן השהיה ארוך וצמצום בכושר ההרחבה. דבר זה מסכן את היעילות של עומס העבודה כולו.

הגדרות

מונח הגדרה
מאגר נתונים משאב המאחסן נתונים כגון מסד נתונים, מאגר אובייקטים או שיתוף קבצים.
Index מבנה מסד נתונים המספק גישה מהירה לפריטים.
עיבוד אנליטי מקוון (OLAP) טכנולוגיה שמארגנת מסדי נתונים עסקיים גדולים, תומכת בניתוח מורכב ומבצעת שאילתות אנליטיות מורכבות מבלי להשפיע לרעה על מערכות טרנזקציונליות.
עיבוד טרנזקציות מקוון (OLTP) טכנולוגיה שמתעדת אינטראקציות עסקיות כפי שהן מתרחשות בפעילות היומיומית של ארגון.
‏‫חלוקה למחיצות‬ תהליך של חלוקה פיזית של נתונים למאגרי נתונים נפרדים.
כוונון שאילתות תהליך הממטב את המהירות של שאילתת מסד נתונים.

אסטרטגיות מרכזיות בתכנון

כדי לייעל את השימוש בנתונים, יש לוודא שמאגרי הנתונים מותאמים לשימוש המיועד שלהם ולשימוש בפועל שלהם בעומס עבודה. שימוש ממוטב בנתונים יכול לשפר את ביצועי השאילתות, להפחית את צריכת המשאבים ולשפר את יעילות המערכת הכוללת. יש לקחת בחשבון את האסטרטגיות הבאות:

  • נתוני פרופיל. יש להבין את הנתונים לוודא שמודל הנתונים שלך מתאים לעומס העבודה שלך. יש לקחת בחשבון גורמים כגון נורמליזציה של נתונים וטכניקות חלוקה למחיצות. לאחזור נתונים יעיל, יש לוודא שבחרת את סוגי נתונים מתאימים והגדרת קשרים בין הטבלאות.

  • מיטוב ביצועי שאילותות. ניתוח ומיטוב של שאילתות הפועלות בעומס העבודה. יש להשתמש בטכניקות כגון מיטוב של שאילתות ואחסון במטמון. ניתן להשתמש בתצוגות בצד השרת כדי לסנן נתונים מראש. כדי לזהות צווארי בקבוק, ניתן להשתמש בכלי ניטור ביצועים ולאחר מכן לבצע את השיפורים הנדרשים.

  • יש לבצע מעקב וכוון של המערכת באופן קבוע. יש לעקוב באופן מתמשך אחר הביצועים של עומס העבודה ולחזור על תצורת אחסון הנתונים ומיטוב השאילתות. בהתבסס על שיטות עבודה מומלצות לכוונון ביצועים, יש לנתח מדדי מערכת, לזהות אזורי שיפור וליישום שינויים. ככל שהנתונים גדלים, ייתכן שיהיה צורך לעדכן את השאילתות כדי לשמור על ביצועים.

נתוני פרופיל

יצירת פרופילי נתונים כוללת בחינת הנתונים ממקור ואיסוף מידע אודותיו. המטרה היא להבין את האיכות, המבנה והמאפיינים של נתוני עומס העבודה. תהליך זה מאפשר זיהוי של בעיות כגון ערכים חסרים, כפילויות, פורמטים לא עקביים וחריגות אחרות.

ליצירת פרופיל נתונים באופן יעל, יש לקחת בחשבון את האסטרטגיות הבאות:

  • הבנת מבנה הנתונים. יש לבדוק את מבנה הנתונים, כולל טבלאות, עמודות וקשרים. קבע את סוגי הנתונים, האורכים והאילוצים המוחלים על כל עמודה. הערכת מבנה נתונים עוזרת להבין כיצד הנתונים מאורגנים וכיצד הם קשורים לרכיבי נתונים אחרים.

  • יש לנתח את נפח הנתונים. יש להעריך את נפח הנתונים כדי להבין את הגודל הכללי ואת דפוסי הצמיחה. יש לקבוע את מספר הרשומות או המסמכים ואת הגודל של טבלאות או אוספים בודדים. מידע זה יסייע לך להעריך את דרישות האחסון ולזהות בעיות בכושר ההרחבה.

  • יש לזהות את קשרי הנתונים. יש לחקור את קשרים בין רכיבי נתונים. הבנת האופן שבו הנתונים מחוברים, יאפשר לך לקבוע כיצד שינויים בטבלה או במסמך אחד עשויים להשפיע על נתונים קשורים.

  • יש לאמוד על איכות הנתונים. ניתן להעריך את איכות הנתונים על ידי בחינת גורמים כגון שלמות, דיוק, עקביות וייחודיות. יש לזהות חריגות בנתונים, ערכים חסרים או רשומות כפולות שעשויות להשפיע על שלמות הנתונים וביצועי השאילתות. שלך זה יסייע לך לזהות אזורים לניקוי ושיפור נתונים.

  • יש ללכוד את תפוצת הנתונים. ניתן לנתח את תפוצת הערכים בתוך כל עמודה כדי לקבוע דפוסי נתונים. ניתן לזהות ערכים תכופים ונדירים, חריגים והטיות נתונים. כדי למטב את ביצועי השאילתות, יש לנתח אם מפתחות חלופיים יתאימו לאספקת ביצועים משופרים.

ניטור ביצועי נתונים

ניטור ביצועי נתונים היא הפרקטיקה של מעקב עקבי אחר היעילות של מאגרי נתונים. פרקטיקה זו כרוכה באיסוף וניתוח מדדי ביצועים הספציפיים לפעולות נתונים, תוך שימוש בכלים המותאמים לפתרונות ניטור ברמת המערכת, ספציפית למסד נתונים או צד שלישי. ניטור ביצועי נתונים יעיל מאפשר זיהוי יזום של צווארי בקבוק פוטנציאליים וצימצומם, ומבטיח שתהליכים ומשימות הקשורות לנתונים יעילים.

כדי לנטר את ביצועי הנתונים, יש לשקול את האסטרטגיות הבאות:

  • איסוף מדדים ספציפיים לנתונים. יש לאסוף מדדי מפתח הקשורים ישירות לביצועי הנתונים. מדדים אלה כוללים את זמני התגובה לשאילתות ותפוקת נתונים.

  • הגדרהתראות נתונים. הגדר התראות ספציפיות עבור מדדי נתונים. ניתן להשתמש בספים מוגדרים מראש או חריגות במדדים אלה כדי להפעיל התראות. התראות מאפשרות לך לקבל הודעות כאשר מדדי ביצועים חורגים מהטווחים המקובלים או מראים התנהגות חריגה; למשל, אם שאילתת מסד נתונים נמשכת זמן רב מהצפוי או אם תפוקת הנתונים יורדת באופן משמעותי. ניתן להגדיר התראות אלה באמצעות כלי ניטור מיוחדים או סקריפטים מותאמים אישית.

  • אבחן בעיות בביצועי נתונים. יש לסקור באופן קבוע את מדדי הנתונים שנאספו כדי לזהות צווארי בקבוק פוטנציאליים בביצועים או ירידה בפעולות הנתונים. כלי תצוגה חזותית או לוחות מחוונים יכולים להיות בעלי ערך רב בתהליך זה, ועוזרים להדגיש מגמות, צווארי בקבוק וחריגות בביצועי הנתונים. לאחר הזיהוי, יש לחקור את הסיבות השורשיות לבעיות אלו ולתכנן שלבי תיקון מתאימים.

‏‫חלוקת נתונים

החלוקה כוללת חלוקת מערכי נתונים גדולים או עומסי עבודה בנפח גדול לתתי-קבוצות קטנות יותר וניתנות לניהול. החלוקה משפרת את יעילות ביצועי הנתונים על ידי חלוקת עומס העבודה ושיפור עיבוד מקביל. היא גם מבטיחה גישה יעילה יותר לנתונים בהתבסס על צרכים ספציפיים ודפוסי שאילתות. ניתן לחלק נתונים בצורה אנכית או אופקית (נקרא חלוקה לשברים). לדוגמה, אם טבלאות אלסטיות של Dataverse משמשות אותך, יש לשקול מה צריך להיות מפתח המחיצות.

אסטרטגיה הגדרה דוגמה מקרי שימוש
מחיצות אנכיות ניתן לחלק טבלה לטבלאות קטנות יותר על ידי בחירת עמודות או שדות ספציפיים עבור כל מחיצה. כל מחיצה מייצגת תת-קבוצה של הנתונים המלאים. אם יש לך טבלה עם עמודות A‏, B‏, C ו- D, ניתן ליצור טבלה אחת עם עמודות A ו- B ועוד אחת עם עמודות C ו- D. - טבלה מכילה עמודות רבות, אך שאילתות אינן ניגשות לכל העמודות יחד.
- עמודות מסוימות גדולות יותר מאחרות והפרדה ביניהן יכולה להגביר את ביצועי הקלט/פלט.
- לחלקי נתונים שונים יש דפוסי גישה מגוונים.
מחיצות אופקיות ניתן לפצל נתונים על סמך שורות או טווחי ערכים (הידוע גם בשם חלוקה לשברים). כל מחיצה מכילה תת-קבוצה של שורות בעלות מאפיינים דומים. אם יש לך טבלה עם שורות 1 עד 1000, באפשרותך ליצור מחיצה אחת עם שורות 1 עד 500 ואחרת עם שורות 501 עד 1000. - ערכת נתונים גדולה מדי עבור מיקום או שרת בודד.
- הגישה לנתונים מבוססת על טווחים או מסננים ספציפיים.
- צריך לחלק את עומס העבודה על פני צמתים או שרתים פיזיים לביצועים משופרים.

כדי לחלק את הנתונים יש לשקול את השלבים הבאים:

  • ניתוח נתונים ושאילתות. יש לנתח נתונים ודפוסי שאילתות כדי לזהות אסטרטגיות חלוקה או פיצול מתאימות. יש להבין את אופי הנתונים, דפוסי הגישה ודרישות ההפצה.

  • יש לקבוע מפתח. יש לבחור מפתח חלוקה או פיצול לשברים כדי להפיץ נתונים בין מחיצות או שברים. יש לבחור בקפידה את המפתח על סמך מאפייני הנתונים ודרישות השאילתה.

  • יש לקבוע את הלוגיקה. יש לקבוע לוגיקה של חלוקה או פיצול לשברים על סמך המפתח הנבחר. אפשר לשקול את חלוקת הנתונים לטווחים, להחיל אלגוריתמי גיבוב או להשתמש בטכניקות חלוקה אחרות.

מיטוב שאילתות

מיטוב שאילתות מחדדת את השאילתות כדי לצמצם את הנתונים המתאימים ואת הנתונים המוחזרים. התאמות אלו מגדילות את היעילות ואת מהירות אחזור הנתונים. כתוצאה מכך, למסד הנתונים יש עומס עבודה קל יותר, המשאבים עובדים ביעילות רבה יותר והמשתמשים נהנים מאינטראקציות חלקות יותר.

כדי למטב שאילתות של מסד הנתונים, יש לשקול את האסטרטגיות הבאות:

  • שכתוב שאילתות. בדיקה וניתוח שאילתות מורכבות כדי לזהות הזדמנויות לשכתב אותן. מומלץ לשקול ארגון מחדש של לוגיקת השאילתות, ביטול פעולות מיותרות או לפשט את תחביר השאילתה.

  • יש להימנע מבעיית השאילתה N+1. יש לצמצם את מספר המעברים הלוך ושוב למסד הנתונים על ידי שימוש בצירופים אחזור אצוות כדי לאחזר נתונים קשורים ביעילות.

  • סידור מחדש של צירופים. יש להעריך ולשקול ארגון מחדש של סדר הצירופים כדי למזער את מספר השורות בכל פעולת צירוף. הסדר שבו מבוצע צירוף טבלאות יכול להשפיע על ביצועי השאילתה.

  • אחסון שאילתות במטמון. יש לאחסן את התוצאות של שאילתות המופעלות לעתים קרובות לשימוש חוזר קל. אחסון שלאיתות במטמון מבטל את הצורך בהפעלה חוזרת ונשנית של אותה שאילתה, והוא מפחית את התקורה של עיבוד שאילתות.

  • ניטור וכוונון. יש לנטר מדדים של ביצועי שאילתות, כגון זמן ריצה, ניצול משאבים ותפוקת שאילתות. ניתן להשתמש בכלים ליצירת פרופילים של מסד נתונים ובפונקציונליות ניטור כדי לזהות שאילתות שהביצועים שלהן גרועים. יש להשתמש במידע זה כדי למטב את ביצועי השאילתות.

ניקוי נתונים והעברה לארכיון

אחסון בארכיון ומחיקה לצמיתות הן אסטרטגיות המייעלות את אחסון הנתונים. אחסון בארכיון מעביר נתונים ישנים יותר, שנגישים אליהם בתדירות נמוכה יותר, לאחסון חסכוני יותר. מחיקת נתונים לצמיתות מסירה לצמיתות נתונים מיותרים. שתי השיטות תורמות ליעילות הביצועים על ידי הפחתת נפח הנתונים, הגדלת מהירות הגישה לנתונים והפחתת זמני הגיבוי והשחזור.

  • הפחתת נפח הנתונים: פחות נתונים פירושו זמני עיבוד מהירים יותר, מה שמבטיח תגובות מהירות לבקשות משתמשים.
  • הגברת מהירות גישה לנתונים: מערך נתונים מצומצם מאפשר שאילתות ואחזור נתונים מהירים יותר, תוך אופטימיזציה של תגובת המערכת.
  • צמצום זמני גיבוי ושחזור: מערכי נתונים קטנים יותר מזרזים תהליכי גיבוי ושחזור, ממזערים את זמן ההשבתה ומבטיחים ביצועים עקביים.

אחסון בארכיון ומחיקה לצמיטות של נתונים מסייעים בשמירה על יעילות שיא בביצועים במערכות מונעות נתונים.

מיטוב עומס האחסון

מיטוב עומס האחסון פירושה ייעול בקשות למערכת האחסון. פעולה זו מסייעת לבטל בקשות מיותרות, משפרת את אחזור הנתונים ומונעת העמסת יתר על מערכת האחסון. מיטוב עומס האחסון מבטיחה שמערכת האחסון תישאר תגובתית לבקשות לגיטימיות ושומרת על ביצועי שיא. יישם אסטרטגיות להפחתת עומס העיבוד על מאגר נתונים. כדי למטב את העומס על מאגר נתונים, יש לשקול את האסטרטגיות הבאות.

שימוש באחסון במטמון

אחסון במטמון מאחסן את הנתונים הנפוצים באזור אחסון עם גישה מהירה, מה שהופך את אחזור הנתונים למהיר יותר מאשר משיכתם מהמקור הראשי. טכניקה זו משפרת את ביצועי הנתונים על ידי צמצום זמני הגישה והימנעות משליפות נתונים חוזרות ונשנות. שמירה במטמון משפרת את מהירויות הקריאה ואת זמני תגובת המשתמש, במיוחד עבור נתונים שאליהם הגישה תכופה. שיטה זו יעילה ביותר בנתונים סטטיים או בנתונים שרק לעתים רחוקות משתנים.

כדי להבטיח יעילות אופטימלית של אחסון במטמון, יש לשקול גורמים כמו מדיניות תפוגה, אסטרטגיות פינוי וניהול גודל המטמון. יש להתאים הגדרות, כגון אורך חיים (TTL), לביצועים מיטביים. כדי להשתמש במטמון לייעול עומס האחסון, יש לשקול את האסטרטגיות הבאות:

  • אחסון במטמון בזיכרון: בצע אחסון במטמון בזיכרון כדי לאחסן נתונים הנגישים לעתים קרובות בזיכרון לאחזור מהיר. ניתן להשתמש בטכניקה זו עבור נתוני יישומים שיקרים לחישוב או לאחזור ממסד נתונים. אחסון במטמון בזיכרון שימושי עבור נתונים שנקראים לעתים קרובות אך לא משתנים לעתים קרובות. לדוגמה, ניתן להשתמש במשתנים בזרימות ענן או באוספים ביישומי בד ציור כדי לאחסן נתונים במטמון.

  • אחסון במטמון של שאילתות מסד נתונים: השתמש בטכניקה זו כדי לשמור במטמון תוצאות של שאילתות מסד נתונים כדי להימנע מהרצת אותה שאילתה מספר פעמים. אחסון במטמון של שאילתות מסד נתונים שימושי עבור שאילתות מסד נתונים מורכבות שגוזלות זמן. לאחר אחסון התוצאות של שאילתה במטמון, בקשות עוקבות עבור אותה שאילתה מוחזרות במהירות. כמו כן יש שקול להשתמש בתצוגות בצד השרת במידת האפשר לסינון נתונים מראש כדי לצמצם את הנתונים לאלה הרלוונטיים לשאילתה שלך.

  • אחסון במטמון ברשת אספקת תוכן: השתמש בטכניקה זו כדי לשמור תוכן אינטרנט במטמון בשרתי רשת מבוזרים כדי להפחית את ההשהיה ולשפר את אספקת התוכן. אחסון במטמון של רשת אספקת תוכן יעיל עבור תוכן סטטי, כמו תמונות, קובצי CSS וקובצי JavaScript. רשתות אספקת תוכן מאחסנות עותקים של תוכן במספר מיקומים ברחבי העולם, כך שמשתמשים יכולים לגשת לתוכן משרת שנמצא בקרבתם מבחינה גיאוגרפית.

מיטוב עדכוני נתונים

מיטוב עדכוני נתונים כרוכה בהערכת עדכוני הנתונים המבוצעים כדי להבטיח שהם מתפקדים. עדכונים יכולים להשפיע על הביצועים יותר מפעולות אחרות מכיוון שהם יכולים להפעיל עבודה מיותרת ולגרום להתנגשויות נעילה.

כדי להבין כיצד למטב עדכוני נתונים, מומלץ לשקול:

  • שינויי נתונים. יש למטב את האוטומציה לשימוש בתמונות מוקדמות של הנתונים או במסננים כדי למזער את העבודה כאשר לא התרחש שינוי ממשי. יש להימנע מהפעלת אוטומציה עבור נתונים שלא שונו.

  • אוטומציה. יש להעריך מתי וכיצד עדכונים מופעלים על סמך שינויים בנתונים, ולבצע מיטוב של גורמים מפעילים כך שיכללו מסנן. לדוגמה, הפעלת האוטומציה רק ​​כאשר שדה ספציפי במקור הנתונים משתנה. יש לבצע הערכת עדכונים שמפעילים באופן הדרגתי אוטומציות מספר פעמים. במקום זאת, כדאי לשקול אם אפשר ליצור פעולה מותאמת אישית כדי לטפל בכל העיבוד. לדוגמה, אם הזמנה נשלחת ותאריך המשלוח ומספר המעקב מתעדכנים בנפרד, שניהם יכולים להתעדכן בו-זמנית בפעולת "ShipOrder" מותאמת אישית.

  • מבוי סתום. יש לבצע הערכה לפעולות עדכון איטיות שעלולות לגרום לבעיות עקב זרימות מרובות המעדכנות את אותם נתונים ברצפים שונים. חוסר יעילות זו יכולה להוביל לקונפליקטים נועלים או אפילו למבוי סתום פוטנציאלי, וכתוצאה מכך לעבודה חוזרת מיותרת. יש לעדכן את המשאבים השונים באותו רצף כדי למזער את המחלוקת.

  • עדכונים בכמות גדולה. במקרה של הפעלת פעולות במספר שורות בטבלה, יש לשקול להשתמש בפעולות בצובר.

מיטוב עיבוד ותנועת נתונים

אופטימיזציה של עיבוד ותנועת נתונים כרוכה בשיפור היעילות והביצועים של פעולות הקשורות לחילוץ נתונים, טרנספורמציה, טעינה ועיבוד. יש לשקול את ההיבטים המרכזיים הבאים של מיטוב העיבוד והתנועה של נתונים:

  • אופטימיזציה של חילוץ, טרנספורמציה וטעינה (ETL): אופטימיזציה של תהליכי ETL כדי למזער את זמן העיבוד. ניתן לייעל את תהליך החילוץ, ליישם אלגוריתמי טרנספורמציה יעילים ולמטב את תהליך הטעינה. כאשר מייעלים כל שלב ושלב, מייעלים את זרימת העבודה הכוללת.

  • עיבוד מקבילי: השתמש בטכניקות עיבוד מקבילי כדי לשפר את הביצועים. בהפצת משימות עיבוד נתונים על פני שרשורים או צמתים מרובים, ניתן לחלק ולעבד את עומס העבודה במקביל, מה שמביא לעיבוד מהיר.

  • עיבוד אצווה: קיבוץ משימות דומות יחד כדי להפחית את התקורה הנגרמת מפעולות חוזרות ונשנות. ניתן לעבד משימות מרובות באצווה כדי להפחית את זמן העיבוד הכולל.

תכנון לקרבת נתונים

קרבת נתונים מתייחסת למיקום אסטרטגי של נתונים קרוב יותר למשתמשים או לשירותים שניגשים אליהם בתדירות הגבוהה ביותר. צמצום המרחק הפיזי או הלוגי בין הנתונים למשתמשים בו מבטיח גישה מהירה יותר לנתונים ושיפור היענות. כדי למטב את תכנון לקרבה, יש לשקול את האסטרטגיות הבאות:

  • הערכת דפוסי גישה לנתונים: הערכת דפוסי הגישה של עומס העבודה שלך ואת הנתונים הנגישים אליהם לעתים קרובות. ניתוח זה יכול לעזור לקבוע היכן למקם נתונים לתועלת מרבית.

  • בחרו פתרונות התומכים בהעברת נתונים: שקלו פתרונות המציעים העברת נתונים דינמית המבוססת על דפוסי גישה משתנים, תוך הבטחת מיקום נתונים אופטימלי.

  • בחרו פתרונות התומכים בסנכרון נתונים: אם אתם משרתים בסיס משתמשים מבוזר, בחרו פתרונות המאפשרים סנכרון נתונים בין האזורים השונים, כדי להבטיח שעותקי נתונים זמינים בקרבת המשתמשים.

פשרה: אם הנתונים הבסיסיים משתנים לעתים קרובות, יש ליישם מנגנון ביטול תוקף של מטמון כדי להבטיח שהנתונים המאוחסנים במטמון יישארו מעודכנים.

סיוע ל- Power Platform

ניטור ביצועי נתונים: כדי לנטר ביצועי נתונים, שקול להשתמש ב Azure Monitor כדי לאסוף ולנתח מדדי תשתית, יומני רישום ונתוני יישומים. ניתן לשלב את Monitor עם שירותים אחרים כמו Application Insights. Application Insights מספק ניטור ביצועי יישומים ותומך בפלטפורמות רבות.

Application Insights אוסף נתוני שימוש וביצועים. ניתן להשתמש ב- Log Analytics כדי לתאם את הנתונים האלה עם נתוני תצורה וביצועים על פני משאבי Azure. זרם הנתונים Application Insights עבור Dataverse מספק כעת נתוני ביצועים הקשורים ל‏‫קריאות API נכנסות של Dataverse, לקריאות ביצוע של יישומי Plug-in של Dataverse ולקריאות SDK של Dataverse.

מיטוב דפוסי נתוני שאילתה ביישומי בד ציור: פעל לפי ההנחיות וההצעות המתועדות. יש לעיין במאמר: דפוסי נתוני שאילתות ממוטבים ב- Power Apps.

בצע אופטימיזציה של אופן ההתאמה האישית, ההרחבה או השילוב שלך עם Dataverse: פעל לפי שיטות העבודה המומלצות וההנחיות המתועדות. יש לעיין במאמר: שיטות עבודה מומלצות והנחיות לשימוש ב- Microsoft Dataverse.

מיטוב שאילתות מסד נתונים וביצועי אינדקס: השתמש בתכונת תובנות ביצועי שאילתות של Azure SQL Database כדי למטב שאילתות, טבלאות ומסדי נתונים. ניתן גם להשתמש בתכונה זו כדי לזהות ולפתור בעיות בביצועי שאילתות.

עבור מסדי נתונים יחסיים, יש לפעול לפי ההנחיות לעיצוב אינדקס, הנחיות לאינדקס של SQL Server, והנחיות לאינדקס של Azure Cosmos DB. יש להשתמש במסד נתוני SQL לביצוע כוונון אוטומטי לשאילתות לשיפור הביצועים שלהן.

עבור מסדי נתוני SQL, צריך באופן קבוע לארגן מחדש או לבנות מחדש אינדקסים. יש לזהות שאילתות איטיות וכוונן אותן כדי לשפר את הביצועים. למנועי מסדי נתונים רבים יש תכונות לכוונון שאילתות. למידע נוסף, יש לעיין בשיטות עבודה מומלצות לביצועי שאילתות.

ל- Azure Cosmos DB יש מדיניות ברירת מחדל ליצירת אינדקס שמוסיף לאינדקס כל מאפיין של כל פריט ואוכף אינדקסים של טווח עבור כל מחרוזת או מספר. מדיניות זו מספקת לך ביצועי שאילתות יעילים, ולא צריך לנהל אינדקסים מראש.

מיטוב עומס האחסון: שירותי מסד נתונים רבים של Azure תומכים בקריאה של עותקים משוכפלים. הזמינות והתצורה של עותק קריאה משתנות בהתאם לשירות מסד הנתונים של Azure. עיין בתיעוד הרשמי של כל שירות כדי להבין את הפרטים והאפשרויות.

רשימה לבדיקה של יעילות ביצועים

עיין במכלול ההמלצות המלא.

רשימה לבדיקה של יעילות ביצועים

  • Last updated on