Dela via

Historisk frågelagring och analys i Azure Synapse Analytics

  • Artikel

Historisk frågeanalys är ett av de viktigaste behoven hos datatekniker. Azure Synapse Analytics stöder fyra huvudsakliga sätt att analysera frågehistorik och prestanda. Dessa inkluderar Query Store, DMV:er, Azure Log Analytics och Azure Data Explorer.

Den här artikeln visar hur du använder vart och ett av dessa alternativ för dina behov. Granska användningsfall när det gäller att analysera frågehistorik och den bästa metoden för var och en.

Kundens behov Query Store DMV Azure Log Analytics Azure-datautforskaren
Out of the box-lösning Behöver aktiveras ✔️ Tilläggstjänst krävs Tilläggstjänst krävs
Längre analysperioder 30 dagar Upp till 1 0000 rader med historik Anpassningsbart Anpassningsbart
Viktig måtttillgänglighet Begränsad ✔️ Begränsad Anpassningsbart
Använda SQL för analys ✔️ ✔️ KQL krävs SQL-stödet är begränsat

Query Store

Funktionen Query Store ger insikter om val och prestanda för frågeplan. Det förenklar prestandafelsökningen genom att hjälpa dig att snabbt hitta prestandaskillnader som orsakas av ändringar i frågeplanen.

Query Store är inte aktiverat som standard för nya Azure Synapse Analytics-databaser. Så här aktiverar du Query Store för att köra följande T-SQL-kommando:

ALTER DATABASE <database_name>
SET QUERY_STORE = ON;

Till exempel:

ALTER DATABASE [SQLPOOL1]
SET QUERY_STORE = ON;

Du kan köra prestandagranskning och felsöka relaterade uppgifter genom att hitta senast utförda frågor, körningsantal, frågor som körs längst, frågor med maximalt antal fysiska I/O-leads. Se Övervakningsprestanda genom att använda Query Store för exempelfrågor.

Fördelar:

  • Upp till 30 dagars lagring för frågedata. Standardvärdet är 7 dagar.
  • Data kan användas i samma verktyg som du kör frågan i.

Känd begränsning:

  • Standardlagringen av historiska frågedata är mindre.
  • Scenarier för analys är begränsade i Query Store för Azure Synapse jämfört med att använda DMV:er.

Dynamiska hanteringsvyer (DMV)

Dynamiska hanteringsvyer (DMV:er) är mycket användbara när det gäller att samla in information om frågeväntetider, körningsplaner, minne osv. Vi rekommenderar starkt att du märker din fråga av intresse för att spåra den senare. Till exempel:

-- Query with Label
SELECT *
FROM sys.tables
OPTION (LABEL = 'My Query');

Mer information om hur du etiketterar dina frågor i Azure Synapse SQL finns i Använda frågeetiketter i Synapse SQL.

Mer information om hur du använder DMV:er för att övervaka din Azure Synapse Analytics-arbetsbelastning finns i Övervaka din dedikerade SQL-poolarbetsbelastning med DMV:er. Dokumentation om katalogvyer som är specifika för Azure Synapse Analytics finns i Katalogvyer för Azure Synapse Analytics.

Fördelar:

  • Data kan användas i samma frågeverktyg.
  • DMV:er innehåller omfattande alternativ för analys.

Kända begränsningar:

  • DMV:er är begränsade till 10 000 rader med historiska poster.
  • Vyer återställs när poolen pausas/återupptas.

Log Analytics

Log Analytics-arbetsytor kan enkelt skapas i Azure Portal. Mer information om hur du ansluter Synapse med Log Analytics finns i Övervaka arbetsbelastning – Azure Portal.

Precis som i Azure Data Explorer använder Log Analytics Kusto-frågespråk (KQL). Mer information om Kusto-syntax finns i Kusto-frågeöversikt.

Tillsammans med konfigurerbar kvarhållningsperiod väljer du den arbetsyta som du specifikt riktar in dig på för att fråga i Log Analytics. Log Analytics ger dig flexibiliteten att lagra data, köra och spara frågor.

Fördelar:

  • Azure Log Analytics har en anpassningsbar loggkvarhållningsprincip

Kända begränsningar:

  • KQL läggs till i inlärningskurvan.
  • Begränsade vyer kan loggas ut ur rutan.

Azure Data Explorer (ADX)

Azure Data Explorer (ADX) är en ledande datautforskningstjänst. Den här tjänsten kan användas för att analysera historiska frågor från Azure Synapse Analytics. Information om hur du konfigurerar en Azure Data Factory-pipeline (ADF) för att kopiera och lagra loggar till ADX finns i Kopiera data till eller från Azure Data Explorer. I ADX kan du köra en kusto-fråga för att analysera loggarna. Du kan kombinera andra strategier här, till exempel för att fråga och läsa in DMV-utdata till ADX via ADF.

Fördelar:

  • ADX tillhandahåller en anpassningsbar loggkvarhållningsprincip.
  • Utföra frågekörning mot stora mängder data, särskilt frågor som rör strängsökning.

Känd begränsning:

  • KQL läggs till i inlärningskurvan.

Nästa steg