अद्यतन करें
इसे अब SQL Server Azure में लागू किया गया है। यह अनुशंसाएं उत्पन्न करता है
और सूचकांक प्रबंधन को स्वचालित होने के लिए कॉन्फ़िगर किया जा सकता है ।
स्वचालित सूचकांक प्रबंधन सक्षम करें
आप अनुशंसाएँ स्वचालित रूप से लागू करने के लिए SQL डेटाबेस सलाहकार सेट कर सकते हैं। जैसे ही सिफारिशें उपलब्ध होंगी वे स्वचालित रूप से लागू हो जाएंगे। यदि प्रदर्शन प्रभाव नकारात्मक है, तो सेवा द्वारा प्रबंधित सभी अनुक्रमणिका संचालन की सिफारिश की जाएगी।
मूल उत्तर
कुछ डेटाबेस पहले से ही (तरह का) स्वचालित रूप से अनुक्रमित बनाते हैं।
SQL सर्वर में निष्पादन योजना कभी-कभी एक सूचकांक स्पूल ऑपरेटर को शामिल कर सकती है जहां RDBMS गतिशील रूप से डेटा की एक अनुक्रमित प्रतिलिपि बनाता है। हालांकि यह स्पूल स्रोत डेटा के साथ सिंक में रखे गए डेटाबेस का एक निरंतर हिस्सा नहीं है और इसे क्वेरी निष्पादन के बीच साझा नहीं किया जा सकता है, जिसका अर्थ है कि ऐसी योजनाओं का निष्पादन एक ही डेटा पर अस्थायी इंडेक्स को बार-बार बनाने और छोड़ने का हो सकता है।
शायद भविष्य में RDBMSs में कार्यभार के अनुसार गतिशील रूप से ड्रॉप और लगातार इंडेक्स बनाने की क्षमता होगी।
इंडेक्स ऑप्टिमाइजेशन की प्रक्रिया अंत में केवल एक लागत लाभ विश्लेषण है। जबकि यह सच है कि मनुष्यों को सिद्धांत रूप में कार्यभार में प्रश्नों के सापेक्ष महत्व के बारे में अधिक जानकारी हो सकती है, ऐसा कोई कारण नहीं है कि यह जानकारी आशावादी को उपलब्ध नहीं कराई जा सकती है। SQL सर्वर में पहले से ही एक संसाधन गवर्नर होता है जो सत्रों को प्राथमिकता के अनुसार अलग-अलग संसाधन आवंटन के साथ विभिन्न कार्यभार समूहों में वर्गीकृत करने की अनुमति देता है।
केनेथ द्वारा उल्लिखित गायब सूचकांक डीएमवी को नेत्रहीन रूप से लागू करने का इरादा नहीं है क्योंकि वे केवल एक विशिष्ट क्वेरी के लाभों पर विचार करते हैं और संभावित सूचकांक की लागत को अन्य प्रश्नों के लिए लेने का कोई प्रयास नहीं करते हैं। न ही यह समान लापता सूचकांक को समेकित करता है। जैसे इस DMV के उत्पादन पर लापता अनुक्रमित रिपोर्ट कर सकते हैं A,B,CऔरA,B INCLUDE(C)
विचार के साथ कुछ वर्तमान मुद्दे हैं
- किसी भी स्वचालित विश्लेषण की गुणवत्ता जो वास्तव में सूचकांक नहीं बनाती है, लागत मॉडल की सटीकता पर अत्यधिक निर्भर होगी।
- यहां तक कि स्वचालित विश्लेषण के क्षेत्र में एक ऑफ़लाइन समाधान एक ऑनलाइन समाधान की तुलना में अधिक पूरी तरह से सक्षम हो जाएगा क्योंकि यह जरूरी है कि एक ऑनलाइन समाधान लाइव सर्वर पर ओवरहेड रखते हुए बड़ी पुस्तक को न जोड़ें और प्रश्नों को निष्पादित करने के अपने प्राथमिक उद्देश्य में हस्तक्षेप करें।
- वर्कलोड के जवाब में स्वचालित रूप से बनाए गए इंडेक्स आवश्यक रूप से प्रश्नों के जवाब में बनाए जाएंगे जो उन्हें उपयोगी मिलेंगे ताकि पहले से ही इंडेक्स बनाने वाले समाधानों से पीछे रह जाएंगे।
समय के साथ सुधार करने के लिए लागत मॉडल की सटीकता की उम्मीद करना शायद उचित है लेकिन बिंदु 2 हल करने के लिए पेचीदा दिखता है और बिंदु 3 स्वाभाविक रूप से अघुलनशील है।
फिर भी संभवत: इंस्टॉल का विशाल बहुमत कुशल कर्मचारियों के साथ इस आदर्श स्थिति में नहीं है, जो लगातार काम की निगरानी करते हैं, निदान करते हैं, और आशा करते हैं (या कम से कम प्रतिक्रिया करते हैं) कार्यभार में परिवर्तन करते हैं।
AutoAdmin परियोजना माइक्रोसॉफ्ट रिसर्च में 1996 के बाद से चल रहा है
इस परियोजना का लक्ष्य कार्यभार के ज्ञान का दोहन करके डेटाबेस को आत्म-ट्यूनिंग और आत्म-प्रशासन करना है
प्रोजेक्ट होम पेज कई पेचीदा परियोजनाओं को सूचीबद्ध करता है। एक विशेष रूप से यहाँ प्रश्न के लिए प्रासंगिक है
एक और दिलचस्प समस्या तब उत्पन्न होती है जब कोई डीबीए उपलब्ध नहीं होता है (उदाहरण के लिए एक एम्बेडेड डेटाबेस या छोटा व्यवसाय)। ऐसे परिदृश्यों में, एक कम स्पर्श निरंतर सूचकांक ट्यूनिंग दृष्टिकोण महत्वपूर्ण हो सकता है। हमने ICDE 2007 में ... [में] " एक ऑनलाइन दृष्टिकोण शारीरिक डिजाइन ट्यूनिंग के लिए " का पता लगाया है ।
लेखक राज्य
ऑनलाइन इंडेक्स की तरह तेजी से सामान्य DBMS सुविधाओं के साथ, यह कला की स्थिति को आगे बढ़ाने वाले भौतिक डिजाइन समस्या के लिए और अधिक स्वचालित समाधान तलाशने की अपील कर रहा है।
कागज एक एल्गोरिथ्म का परिचय देता है
इसकी मुख्य विशेषताएं हैं:
- जैसे-जैसे प्रश्नों को अनुकूलित किया जाता है, हम उम्मीदवार अनुक्रमित के एक प्रासंगिक सेट की पहचान करते हैं जो प्रदर्शन में सुधार करेगा। यह सुविधा क्वेरी प्रसंस्करण को पृष्ठभूमि में निर्मित अनुक्रमणिकाओं के समानांतर जारी रखने की अनुमति देती है।
- निष्पादन के समय, हम संभावित bene execution t को ट्रैक करते हैं जो हम ऐसे उम्मीदवार अनुक्रमित नहीं होने से खो देते हैं और प्रश्नों, अद्यतनों और अंतरिक्ष बाधाओं की उपस्थिति में मौजूदा अनुक्रमित की उपयोगिता भी।
- हम पर्याप्त "सबूत" इकट्ठा करने के बाद कि एक भौतिक डिजाइन परिवर्तन bene, cial है, हम स्वचालित रूप से इंडेक्स क्रिएशन या विलोपन को ट्रिगर करते हैं।
- हमारी समस्या की ऑनलाइन प्रकृति का अर्थ है कि हम आम तौर पर भविष्य को जानने वाले इष्टतम समाधानों से पीछे रह जाएंगे। हालांकि, सावधानीपूर्वक प्रमाणों को मापने के द्वारा, हम यह सुनिश्चित करते हैं कि हम "देर से" फैसलों पर हस्ताक्षर नहीं करते हैं, इस तरह से, इस प्रकार नुकसान की मात्रा को सीमित करना
एल्गोरिथ्म का कार्यान्वयन सर्वर लोड में परिवर्तन के जवाब में थ्रॉटलिंग के लिए अनुमति देता है और अगर कार्यभार में परिवर्तन के दौरान सूचकांक सृजन को समाप्त कर सकता है और अपेक्षित लाभ इस बिंदु से नीचे आता है कि इसे सार्थक माना जाता है।
ऑनलाइन बनाम पारंपरिक शारीरिक ट्यूनिंग के विषय पर लेखकों का निष्कर्ष ।
इस कार्य में ऑनलाइन एल्गोरिदम उपयोगी होते हैं जब डीबीए कार्यभार के भविष्य के व्यवहार के बारे में अनिश्चित होते हैं, या व्यापक विश्लेषण या मॉडलिंग करने की कोई संभावना नहीं होती है। यदि किसी DBA के पास कार्यभार विशेषताओं के बारे में पूरी जानकारी है, तो एक स्थैतिक विश्लेषण और मौजूदा उपकरणों (जैसे, [2, 3]) द्वारा तैनाती एक बेहतर विकल्प होगा।
यहां निष्कर्ष एक अन्य पेपर ऑटोनॉमस क्वेरी द्वारा संचालित इंडेक्स ट्यूनिंग के समान हैं
यदि संपूर्ण कार्यभार पहले से ज्ञात हो तो हमारा दृष्टिकोण सूचकांक सलाहकार को हरा नहीं सकता है। हालाँकि, विकसित और बदलते वर्कलोड के साथ गतिशील वातावरण में क्वेरी द्वारा संचालित दृष्टिकोण बेहतर परिणाम देता है।