Сводка
В этом модуле вы узнали о возможностях производительности SQL Azure по сравнению с SQL Server. Вы также узнали о таких задачах обеспечения производительности, как настройка и обслуживание.
Для обеспечения стабильной производительности вам требуется мониторинг и устранение неполадок. В этом модуле были представлены различные методы и средства для мониторинга и устранения неполадок с практическими действиями для сценария масштабирования ЦП. Вы узнали, как улучшить масштабирование ЦП для рабочей нагрузки без необходимости переноса базы данных. Повышение производительности приложения в Azure не всегда требует изменения масштаба, поэтому вы познакомились с распространенным сценарием узкого места производительности, который был разрешен путем настройки рабочей нагрузки запроса.
Наконец, вы узнали об уникальных возможностях интеллектуальной производительности в базе данных SQL Azure. Сюда входят интеллектуальная обработка запросов, автоматическое исправление плана и автоматическое индексирование.
Подробнее
Дополнительные сведения о производительности SQL Azure см. на следующих ресурсах:
- Фиксированные выбираемые емкости для ЦП, памяти и ввода/вывода. Изучите ограничения ресурсов для Управляемых экземпляров и Баз данных SQL Azure.
- Конфигурация ввода-вывода для Управляемого экземпляра SQL может повысить производительность.
- Существуют привычные средства, такие как динамические административные представления и расширенные события.
- Хранилище запросов по умолчанию включено и обеспечивает работу таких функций, как автоматическая настройка.
- Вы можете использовать метрики Azure для замены таких функций, как Монитор производительности Windows.
- Вы можете использовать sys.dm_db_resource_stats, которое предназначено для Azure.
- Вы можете использовать типы ожидания, специально предназначенные для Azure, например LOG_RATE_GOVERNOR.
- Увеличивайте и уменьшайте вертикальный масштаб без миграции.
- Используйте преимущества интеллектуального управления производительностью, чтобы ускорить работу. Автоматическая настройка использует машинное обучение, чтобы рекомендовать лучшие методики по повышению производительности, такие как индексы.