Vägledning för prestandajustering för serverlös SQL-pool i Azure Synapse Analytics

Artikel
11/20/2024

Gäller för: Azure Synapse Analytics

Den här artikeln hjälper dig att förbättra prestandan för en serverlös SQL-pool i Azure Synapse Analytics.

Kommentar

Granska listan över kända problem som för närvarande är aktiva eller nyligen lösta i Azure Synapse Analytics.

I de kommande avsnitten finns information om hur du uppnår optimala prestanda och förhindrar fel som är relaterade till resursbegränsningar i dina serverlösa SQL-pooler i Azure Synapse Analytics.

Metodtips och felsökningsguider

Informationen och strategierna i följande artiklar kan hjälpa dig att få ut bästa möjliga prestanda av din serverlösa SQL-pool. Vi rekommenderar att du använder de här artiklarna för att granska användningsfall och felsöka vanliga problem.

Förstå skalning på serverlös SQL-pool

Serverlösa SQL-pooler kräver inte att du väljer rätt storlek manuellt. Systemet justerar automatiskt storleken baserat på dina frågekrav och hanterar därmed infrastrukturen och väljer rätt storlek för din lösning.

Vägledning för prestandajustering för Delta Lake-filer

Mer information om prestandajustering för Delta Lake-filer finns i följande resurser:

Vägledning för prestandajustering för CSV-filer

När du kör frågor mot CSV-filer i en serverlös SQL-pool är den viktigaste uppgiften att säkerställa höga prestanda att skapa statistik för de externa tabellerna. Även om statistik skapas automatiskt på Parquet- och CSV-filer och nås med hjälp OPENQUERY()av , kräver läsning av CSV-filerna med hjälp av externa tabeller att du skapar statistik manuellt.

Mer detaljerad information om statistikens roll vid frågor mot CSV-filer i serverlösa SQL-pooler finns i följande artiklar:

Rekommendationer för att använda Power BI och andra rapporteringsverktyg

Vi rekommenderar följande metodtips när du använder Power BI och andra rapporteringsverktyg:

Kontrollera alltid klientorganisationens plats.
Konfigurera en cache för att förbättra användarupplevelsen.
Undvik att returnera miljontals poster till en instrumentpanel.
Använd schemalagda uppdateringar för att undvika parallella frågekörningar som tömmer sql-serverlösa poolresurser.
Använd Spark för att föra samman vanliga analysfrågor. Den här metoden "write once/read many" kan undvika tunga frågor som körs kontinuerligt.
För kopplingar mellan olika datalager: Använd filter för att undvika stordatavolymer som har flyttats över din Azure-infrastruktur.
Använd Latin1_General_100_BIN2_UTF8 sortering för teckendatatyper. Den här sorteringen undviker överföring av alla data från lagring till din serverlösa SQL-pool genom att trycka ned filter när verktyg läse från lagring.
Använd den mest optimala storleken om du gjuter eller konverterar data till char eller varchar när du kör en fråga. Undvik att använda VARCHAR(MAX), om det är möjligt.
Automatisk slutsatsdragning konverterar datatyper till ett format som kanske inte är optimalt. Använd WITH-satsen för att optimera datatyperna.
Azure Synapse SQL-serverlösa poolresurser har gränser. Om du kör frågor samtidigt används resurser. Det är vanligt att power BI-instrumentpaneler (PBI) når resursgränser när flera uppdateringar sker parallellt. Schemalagda uppdateringar och belastningstestning kan hjälpa dig att undvika det här problemet. Om du använder flera Azure Synapse-arbetsytor kan du också uppfylla större samtidighetskrav.
Du kan köra frågan sys.columns eller använda sp_describe_first_result_set och select top 0 from <view> kontrollera datatyperna när du har skapat en vy. Den här metoden är snabbare och billigare än att använda SELECT * FROM....
Använd instruktionsgeneratorn för att automatiskt skapa optimala kolumnformat för din fråga.
OPENJSON Använd funktionen för att exponera kapslade JSON-data som kolumner. Men om du också använder AS JSON kommandot måste kolumntypen vara NVARCHAR(MAX). Den här metoden är inte idealisk för prestanda. Det bästa alternativet är att använda WITH-satsen för att exponera kapslade matriser som kolumner.
Partitionsnyckeln för Cosmos DB-transaktionslager används inte i analysarkivet. I Azure Synapse Link kan du nu modellera dina transaktionsdata för att optimera datainmatningen och punktläsningar.

Extra vägledning och metodtips

Kategori	Rekommenderade åtgärder eller dokumentation
Datautforskning	Azure Storage Lagra frågeresultat i Azure Storage Logiskt informationslager
OPENROWSET och externa tabeller	Funktionen OPENROWSET Externa tabeller Lagrade procedurer Vyer Datatransformationer
Tillgängliga T-SQL-funktioner i serverlösa SQL-pooler	T-SQL-funktioner i Azure Synapse-pooler

Ansvarsfriskrivning för information från tredje part

De produkter från andra tillverkare som diskuteras i denna artikel tillverkas oberoende av Microsoft. Produkternas funktion eller tillförlitlighet kan därför inte garanteras.

Dela via