Delta Store در ایندکس Columnstore SQL Server با ۱۰ مثال عملی در SQL Server

Delta Store در ایندکس Columnstore SQL Server

توسط admin | گروه SQL Server | 1405/05/05

نظرات 0

Delta Store در ایندکس Columnstore SQL Server

Delta Store یک B-tree داخلی برای دریافت ردیف‌هایی است که هنوز وارد Rowgroup فشرده نشده‌اند. Rowgroup باز پس از رسیدن به آستانه یا بسته‌شدن، توسط Tuple Mover یا عملیات نگه‌داری به Columnstore منتقل می‌شود. در این راهنما موضوع از سطح مقدماتی تا طراحی عملی، خطاهای رایج، ملاحظات کارایی و سناریوهای نگه‌داری بررسی می‌شود.

مخاطب مقاله برنامه‌نویسان، مدیران پایگاه داده و تحلیل‌گرانی هستند که می‌خواهند Delta Store را بدون تصمیم‌های حدسی در Microsoft SQL Server به‌کار بگیرند. بازگشت به راهنمای جامع کارایی Columnstore در SQL Server

تعریف و جایگاه موضوع

Delta Store یک B-tree داخلی برای دریافت ردیف‌هایی است که هنوز وارد Rowgroup فشرده نشده‌اند. Rowgroup باز پس از رسیدن به آستانه یا بسته‌شدن، توسط Tuple Mover یا عملیات نگه‌داری به Columnstore منتقل می‌شود.

این قابلیت را باید در کنار مفاهیم Delta Store، Delta Rowgroup، OPEN و CLOSED تحلیل کرد. تصمیم درست تنها با مشاهده یک Query سریع حاصل نمی‌شود؛ بلکه نرخ رشد داده، الگوی DML، نحوه بارگذاری، محدودیت منابع و زمان نگه‌داری نیز باید وارد مدل تصمیم شوند.

نکته نسخه: مقادیر آستانه و رفتار بستن Rowgroup داخلی هستند و نباید به‌صورت عدد ثابت برای همه سناریوها فرض شوند.

چرا این موضوع مهم است؟

در جداول تحلیلی بزرگ، تفاوت میان طراحی درست و اجرای صرف یک دستور می‌تواند به اختلاف قابل‌توجه در IO، CPU و زمان پاسخ منجر شود. Delta Store وقتی ارزش واقعی ایجاد می‌کند که با هدف کسب‌وکار، الگوی Query و ظرفیت زیرساخت هماهنگ باشد.

  • پذیرش Insertهای کوچک
  • مرحله واسط فشرده‌سازی
  • پایش بارگذاری
  • تشخیص Rowgroup کوچک
  • طراحی Batch Load

به همین دلیل لازم است معیار موفقیت پیش از پیاده‌سازی تعریف شود. برای نمونه می‌توان زمان گزارش ماهانه، تعداد Rowgroupهای کم‌حجم، درصد ردیف‌های حذف‌شده، حجم Log یا تعداد Segmentهای خوانده‌شده را به‌عنوان شاخص پایه ثبت کرد.

نقشه مفهومی Delta Storeنمایش اجزای اصلی، رابطه Rowgroup و مسیر داده در موضوع Delta Storeنقشه مفهومی Delta StoreDelta Store1Delta Storeورودی2Delta Rowgroupساختار مرکزی3OPENفراداده4CLOSEDمرحله میانی5Tuple Moverپردازش6Bulk Loadخروجی

این نمودار اجزای کلیدی «Delta Store» و ارتباط میان Delta Store، Delta Rowgroup و OPEN را نشان می‌دهد.

نحو، اجزا و پارامترهای اصلی

نحو پایه زیر نقطه شروع است. نام شیء، Schema، پارتیشن و گزینه‌ها باید با محیط واقعی جایگزین شوند. در رشته‌های فارسی SQL از پیشوند N استفاده شده تا داده یونیکد درست ذخیره شود.

SELECT state_desc, total_rows, trim_reason_desc FROM sys.dm_db_column_store_row_group_physical_stats;

اجزای کلیدی

مفهومنقش در موضوعنکته عملی
Delta Storeبخشی از معماری یا رفتار Delta StoreBatchهای بزرگ‌تر بسازید
Delta Rowgroupبخشی از معماری یا رفتار Delta Storeوضعیت OPEN و CLOSED را جدا تحلیل کنید
OPENبخشی از معماری یا رفتار Delta Storeاز COMPRESS_ALL فقط با دلیل استفاده کنید
CLOSEDبخشی از معماری یا رفتار Delta Storeبعد از ETL پایش کنید
Tuple Moverبخشی از معماری یا رفتار Delta Storeبرای OLTP مسیر مناسب انتخاب کنید
Bulk Loadبخشی از معماری یا رفتار Delta StoreBatchهای بزرگ‌تر بسازید

نوع خروجی بسته به موضوع ممکن است یک ساختار ایندکس، Plan اجرایی، مجموعه Rowgroup، شمارنده DMV یا مقدار عددی باشد. همیشه خروجی را با Metadata و Plan واقعی تأیید کنید؛ پیام موفقیت دستور به‌تنهایی نشان‌دهنده بهبود نیست.

فرایند تصمیم‌گیری و پیاده‌سازی

  1. Workload اصلی را مشخص کنید و Queryهای پرتکرار مرتبط با Delta Store را از Query Store یا مانیتورینگ استخراج کنید.
  2. وضعیت فعلی Delta Rowgroup و OPEN را ثبت کنید تا خط پایه قابل مقایسه باشد.
  3. Syntax را در محیط آزمایشی اجرا کنید و اثر آن را روی اندازه Batch و تعداد Delta Rowgroup بسنجید.
  4. سناریوهای بارگذاری، حذف، به‌روزرسانی، گزارش‌گیری و بازیابی خطا را جداگانه آزمایش کنید.
  5. پس از تأیید، اجرای Production را با پنجره تغییر، Rollback Plan و گزارش کنترلی انجام دهید.

این روش مرحله‌ای مانع آن می‌شود که یک بهبود محلی، هزینه پنهان در ETL یا عملیات تراکنشی ایجاد کند. همچنین مستندسازی خروجی‌های قبل و بعد، تصمیم‌های نگه‌داری آینده را قابل دفاع می‌سازد.

جریان اجرای Delta Storeنمایش جریان ورودی تا خروجی و نقاط کنترلی مرتبط با Delta Storeجریان اجرای Delta StoreDelta Store1Delta Storeداده ورودی2Delta Rowgroupتشخیص3OPENپردازش4CLOSEDکنترل5Tuple Moverنتیجه6Bulk Loadپایش

در این جریان، داده از مرحله ورودی عبور می‌کند، در نقطه‌های کنترلی مرتبط با Delta Rowgroup و CLOSED ارزیابی می‌شود و سپس نتیجه قابل پایش تولید می‌گردد.

۱۰ مثال عملی از ساده تا حرفه‌ای

مثال 1: مثال پایه و اجرای نخست

در این مثال، «Delta Store» در سناریوی مثال پایه و اجرای نخست بررسی می‌شود. Query به‌گونه‌ای نوشته شده که در یک محیط آزمایشی SQL Server قابل اجرا باشد و نتیجه آن با DMV، خروجی تجمیعی یا Metadata کنترل شود.

USE tempdb;
    DROP TABLE IF EXISTS dbo.FactSalesDemo;
    CREATE TABLE dbo.FactSalesDemo
    (
        SaleID bigint NOT NULL,
        OrderDate date NOT NULL,
        CustomerID int NOT NULL,
        ProductID int NOT NULL,
        Quantity smallint NULL,
        Amount decimal(18,2) NULL
    );

    INSERT INTO dbo.FactSalesDemo
    (
        SaleID, OrderDate, CustomerID, ProductID, Quantity, Amount
    )
    SELECT TOP (25000)
        ROW_NUMBER() OVER (ORDER BY (SELECT NULL)),
        DATEADD(day, -ABS(CHECKSUM(NEWID())) % 730, CONVERT(date, '20260727')),
        1 + ABS(CHECKSUM(NEWID())) % 5000,
        1 + ABS(CHECKSUM(NEWID())) % 800,
        1 + ABS(CHECKSUM(NEWID())) % 12,
        CONVERT(decimal(18,2), 10 + ABS(CHECKSUM(NEWID())) % 50000 / 10.0)
    FROM sys.all_objects AS a
    CROSS JOIN sys.all_objects AS b;

    CREATE CLUSTERED COLUMNSTORE INDEX CCI_FactSalesDemo
    ON dbo.FactSalesDemo;

    SELECT state_desc,total_rows FROM sys.dm_db_column_store_row_group_physical_stats WHERE object_id=OBJECT_ID(N'dbo.FactSalesDemo');
شاخصخروجی نمونهتفسیر
وضعیتCOMPRESSEDساختار برای اسکن تحلیلی آماده است
تعداد ردیف25,137مقدار نمونه برای مقایسه قبل و بعد
هزینه منطقی40 صفحهخروجی نمونه و وابسته به محیط واقعی

نکته فنی: هنگام استفاده از Delta Store فقط به موفق‌بودن دستور اکتفا نکنید؛ اندازه Batch را قبل و بعد اندازه بگیرید و اثر آن را روی Workload واقعی ثبت کنید.

مثال 2: کار روی داده نمونه واقعی

در این مثال، «Delta Store» در سناریوی کار روی داده نمونه واقعی بررسی می‌شود. Query به‌گونه‌ای نوشته شده که در یک محیط آزمایشی SQL Server قابل اجرا باشد و نتیجه آن با DMV، خروجی تجمیعی یا Metadata کنترل شود.

USE tempdb;
    DROP TABLE IF EXISTS dbo.FactSalesDemo;
    CREATE TABLE dbo.FactSalesDemo
    (
        SaleID bigint NOT NULL,
        OrderDate date NOT NULL,
        CustomerID int NOT NULL,
        ProductID int NOT NULL,
        Quantity smallint NULL,
        Amount decimal(18,2) NULL
    );

    INSERT INTO dbo.FactSalesDemo
    (
        SaleID, OrderDate, CustomerID, ProductID, Quantity, Amount
    )
    SELECT TOP (25000)
        ROW_NUMBER() OVER (ORDER BY (SELECT NULL)),
        DATEADD(day, -ABS(CHECKSUM(NEWID())) % 730, CONVERT(date, '20260727')),
        1 + ABS(CHECKSUM(NEWID())) % 5000,
        1 + ABS(CHECKSUM(NEWID())) % 800,
        1 + ABS(CHECKSUM(NEWID())) % 12,
        CONVERT(decimal(18,2), 10 + ABS(CHECKSUM(NEWID())) % 50000 / 10.0)
    FROM sys.all_objects AS a
    CROSS JOIN sys.all_objects AS b;

    CREATE CLUSTERED COLUMNSTORE INDEX CCI_FactSalesDemo
    ON dbo.FactSalesDemo;

    INSERT INTO dbo.FactSalesDemo VALUES (30001,'2026-07-27',1,1,1,10.0);
    SELECT state_desc,total_rows FROM sys.dm_db_column_store_row_group_physical_stats WHERE object_id=OBJECT_ID(N'dbo.FactSalesDemo');
شاخصخروجی نمونهتفسیر
وضعیتCOMPRESSEDساختار برای اسکن تحلیلی آماده است
تعداد ردیف25,274مقدار نمونه برای مقایسه قبل و بعد
هزینه منطقی38 صفحهخروجی نمونه و وابسته به محیط واقعی

نکته فنی: هنگام استفاده از Delta Store فقط به موفق‌بودن دستور اکتفا نکنید؛ تعداد Delta Rowgroup را قبل و بعد اندازه بگیرید و اثر آن را روی Workload واقعی ثبت کنید.

مثال 3: استفاده در SELECT تحلیلی

در این مثال، «Delta Store» در سناریوی استفاده در SELECT تحلیلی بررسی می‌شود. Query به‌گونه‌ای نوشته شده که در یک محیط آزمایشی SQL Server قابل اجرا باشد و نتیجه آن با DMV، خروجی تجمیعی یا Metadata کنترل شود.

USE tempdb;
    DROP TABLE IF EXISTS dbo.FactSalesDemo;
    CREATE TABLE dbo.FactSalesDemo
    (
        SaleID bigint NOT NULL,
        OrderDate date NOT NULL,
        CustomerID int NOT NULL,
        ProductID int NOT NULL,
        Quantity smallint NULL,
        Amount decimal(18,2) NULL
    );

    INSERT INTO dbo.FactSalesDemo
    (
        SaleID, OrderDate, CustomerID, ProductID, Quantity, Amount
    )
    SELECT TOP (25000)
        ROW_NUMBER() OVER (ORDER BY (SELECT NULL)),
        DATEADD(day, -ABS(CHECKSUM(NEWID())) % 730, CONVERT(date, '20260727')),
        1 + ABS(CHECKSUM(NEWID())) % 5000,
        1 + ABS(CHECKSUM(NEWID())) % 800,
        1 + ABS(CHECKSUM(NEWID())) % 12,
        CONVERT(decimal(18,2), 10 + ABS(CHECKSUM(NEWID())) % 50000 / 10.0)
    FROM sys.all_objects AS a
    CROSS JOIN sys.all_objects AS b;

    CREATE CLUSTERED COLUMNSTORE INDEX CCI_FactSalesDemo
    ON dbo.FactSalesDemo;

    SELECT COUNT(*) AS delta_groups FROM sys.dm_db_column_store_row_group_physical_stats WHERE state_desc IN(N'OPEN',N'CLOSED');
شاخصخروجی نمونهتفسیر
وضعیتCOMPRESSEDساختار برای اسکن تحلیلی آماده است
تعداد ردیف25,411مقدار نمونه برای مقایسه قبل و بعد
هزینه منطقی36 صفحهخروجی نمونه و وابسته به محیط واقعی

نکته فنی: هنگام استفاده از Delta Store فقط به موفق‌بودن دستور اکتفا نکنید؛ نرخ فشرده‌سازی را قبل و بعد اندازه بگیرید و اثر آن را روی Workload واقعی ثبت کنید.

مثال 4: فیلتر و شرط کاربردی

در این مثال، «Delta Store» در سناریوی فیلتر و شرط کاربردی بررسی می‌شود. Query به‌گونه‌ای نوشته شده که در یک محیط آزمایشی SQL Server قابل اجرا باشد و نتیجه آن با DMV، خروجی تجمیعی یا Metadata کنترل شود.

USE tempdb;
    DROP TABLE IF EXISTS dbo.FactSalesDemo;
    CREATE TABLE dbo.FactSalesDemo
    (
        SaleID bigint NOT NULL,
        OrderDate date NOT NULL,
        CustomerID int NOT NULL,
        ProductID int NOT NULL,
        Quantity smallint NULL,
        Amount decimal(18,2) NULL
    );

    INSERT INTO dbo.FactSalesDemo
    (
        SaleID, OrderDate, CustomerID, ProductID, Quantity, Amount
    )
    SELECT TOP (25000)
        ROW_NUMBER() OVER (ORDER BY (SELECT NULL)),
        DATEADD(day, -ABS(CHECKSUM(NEWID())) % 730, CONVERT(date, '20260727')),
        1 + ABS(CHECKSUM(NEWID())) % 5000,
        1 + ABS(CHECKSUM(NEWID())) % 800,
        1 + ABS(CHECKSUM(NEWID())) % 12,
        CONVERT(decimal(18,2), 10 + ABS(CHECKSUM(NEWID())) % 50000 / 10.0)
    FROM sys.all_objects AS a
    CROSS JOIN sys.all_objects AS b;

    CREATE CLUSTERED COLUMNSTORE INDEX CCI_FactSalesDemo
    ON dbo.FactSalesDemo;

    SELECT SUM(total_rows) AS delta_rows FROM sys.dm_db_column_store_row_group_physical_stats WHERE state_desc IN(N'OPEN',N'CLOSED');
شاخصخروجی نمونهتفسیر
وضعیتCOMPRESSEDساختار برای اسکن تحلیلی آماده است
تعداد ردیف25,548مقدار نمونه برای مقایسه قبل و بعد
هزینه منطقی34 صفحهخروجی نمونه و وابسته به محیط واقعی

نکته فنی: هنگام استفاده از Delta Store فقط به موفق‌بودن دستور اکتفا نکنید؛ کیفیت Rowgroup را قبل و بعد اندازه بگیرید و اثر آن را روی Workload واقعی ثبت کنید.

مثال 5: ترکیب با قابلیت دیگر

در این مثال، «Delta Store» در سناریوی ترکیب با قابلیت دیگر بررسی می‌شود. Query به‌گونه‌ای نوشته شده که در یک محیط آزمایشی SQL Server قابل اجرا باشد و نتیجه آن با DMV، خروجی تجمیعی یا Metadata کنترل شود.

USE tempdb;
    DROP TABLE IF EXISTS dbo.FactSalesDemo;
    CREATE TABLE dbo.FactSalesDemo
    (
        SaleID bigint NOT NULL,
        OrderDate date NOT NULL,
        CustomerID int NOT NULL,
        ProductID int NOT NULL,
        Quantity smallint NULL,
        Amount decimal(18,2) NULL
    );

    INSERT INTO dbo.FactSalesDemo
    (
        SaleID, OrderDate, CustomerID, ProductID, Quantity, Amount
    )
    SELECT TOP (25000)
        ROW_NUMBER() OVER (ORDER BY (SELECT NULL)),
        DATEADD(day, -ABS(CHECKSUM(NEWID())) % 730, CONVERT(date, '20260727')),
        1 + ABS(CHECKSUM(NEWID())) % 5000,
        1 + ABS(CHECKSUM(NEWID())) % 800,
        1 + ABS(CHECKSUM(NEWID())) % 12,
        CONVERT(decimal(18,2), 10 + ABS(CHECKSUM(NEWID())) % 50000 / 10.0)
    FROM sys.all_objects AS a
    CROSS JOIN sys.all_objects AS b;

    CREATE CLUSTERED COLUMNSTORE INDEX CCI_FactSalesDemo
    ON dbo.FactSalesDemo;

    ALTER INDEX CCI_FactSalesDemo ON dbo.FactSalesDemo REORGANIZE WITH(COMPRESS_ALL_ROW_GROUPS=ON);
شاخصخروجی نمونهتفسیر
وضعیتCOMPRESSEDساختار برای اسکن تحلیلی آماده است
تعداد ردیف25,685مقدار نمونه برای مقایسه قبل و بعد
هزینه منطقی32 صفحهخروجی نمونه و وابسته به محیط واقعی

نکته فنی: هنگام استفاده از Delta Store فقط به موفق‌بودن دستور اکتفا نکنید؛ فشار حافظه را قبل و بعد اندازه بگیرید و اثر آن را روی Workload واقعی ثبت کنید.

مثال 6: رفتار با NULL یا تغییر داده

در این مثال، «Delta Store» در سناریوی رفتار با NULL یا تغییر داده بررسی می‌شود. Query به‌گونه‌ای نوشته شده که در یک محیط آزمایشی SQL Server قابل اجرا باشد و نتیجه آن با DMV، خروجی تجمیعی یا Metadata کنترل شود.

USE tempdb;
    DROP TABLE IF EXISTS dbo.FactSalesDemo;
    CREATE TABLE dbo.FactSalesDemo
    (
        SaleID bigint NOT NULL,
        OrderDate date NOT NULL,
        CustomerID int NOT NULL,
        ProductID int NOT NULL,
        Quantity smallint NULL,
        Amount decimal(18,2) NULL
    );

    INSERT INTO dbo.FactSalesDemo
    (
        SaleID, OrderDate, CustomerID, ProductID, Quantity, Amount
    )
    SELECT TOP (25000)
        ROW_NUMBER() OVER (ORDER BY (SELECT NULL)),
        DATEADD(day, -ABS(CHECKSUM(NEWID())) % 730, CONVERT(date, '20260727')),
        1 + ABS(CHECKSUM(NEWID())) % 5000,
        1 + ABS(CHECKSUM(NEWID())) % 800,
        1 + ABS(CHECKSUM(NEWID())) % 12,
        CONVERT(decimal(18,2), 10 + ABS(CHECKSUM(NEWID())) % 50000 / 10.0)
    FROM sys.all_objects AS a
    CROSS JOIN sys.all_objects AS b;

    CREATE CLUSTERED COLUMNSTORE INDEX CCI_FactSalesDemo
    ON dbo.FactSalesDemo;

    SELECT trim_reason_desc,COUNT(*) FROM sys.dm_db_column_store_row_group_physical_stats GROUP BY trim_reason_desc;
شاخصخروجی نمونهتفسیر
وضعیتCOMPRESSEDساختار برای اسکن تحلیلی آماده است
تعداد ردیف25,822مقدار نمونه برای مقایسه قبل و بعد
هزینه منطقی30 صفحهخروجی نمونه و وابسته به محیط واقعی

نکته فنی: هنگام استفاده از Delta Store فقط به موفق‌بودن دستور اکتفا نکنید؛ اندازه Batch را قبل و بعد اندازه بگیرید و اثر آن را روی Workload واقعی ثبت کنید.

مثال 7: حالت مرزی و کنترل Metadata

در این مثال، «Delta Store» در سناریوی حالت مرزی و کنترل Metadata بررسی می‌شود. Query به‌گونه‌ای نوشته شده که در یک محیط آزمایشی SQL Server قابل اجرا باشد و نتیجه آن با DMV، خروجی تجمیعی یا Metadata کنترل شود.

USE tempdb;
    DROP TABLE IF EXISTS dbo.FactSalesDemo;
    CREATE TABLE dbo.FactSalesDemo
    (
        SaleID bigint NOT NULL,
        OrderDate date NOT NULL,
        CustomerID int NOT NULL,
        ProductID int NOT NULL,
        Quantity smallint NULL,
        Amount decimal(18,2) NULL
    );

    INSERT INTO dbo.FactSalesDemo
    (
        SaleID, OrderDate, CustomerID, ProductID, Quantity, Amount
    )
    SELECT TOP (25000)
        ROW_NUMBER() OVER (ORDER BY (SELECT NULL)),
        DATEADD(day, -ABS(CHECKSUM(NEWID())) % 730, CONVERT(date, '20260727')),
        1 + ABS(CHECKSUM(NEWID())) % 5000,
        1 + ABS(CHECKSUM(NEWID())) % 800,
        1 + ABS(CHECKSUM(NEWID())) % 12,
        CONVERT(decimal(18,2), 10 + ABS(CHECKSUM(NEWID())) % 50000 / 10.0)
    FROM sys.all_objects AS a
    CROSS JOIN sys.all_objects AS b;

    CREATE CLUSTERED COLUMNSTORE INDEX CCI_FactSalesDemo
    ON dbo.FactSalesDemo;

    SELECT object_id,index_id,partition_number,state_desc,total_rows FROM sys.dm_db_column_store_row_group_physical_stats WHERE state_desc<>N'COMPRESSED';
شاخصخروجی نمونهتفسیر
وضعیتCOMPRESSEDساختار برای اسکن تحلیلی آماده است
تعداد ردیف25,959مقدار نمونه برای مقایسه قبل و بعد
هزینه منطقی28 صفحهخروجی نمونه و وابسته به محیط واقعی

نکته فنی: هنگام استفاده از Delta Store فقط به موفق‌بودن دستور اکتفا نکنید؛ تعداد Delta Rowgroup را قبل و بعد اندازه بگیرید و اثر آن را روی Workload واقعی ثبت کنید.

مثال 8: سناریوی گزارش‌گیری سازمانی

در این مثال، «Delta Store» در سناریوی سناریوی گزارش‌گیری سازمانی بررسی می‌شود. Query به‌گونه‌ای نوشته شده که در یک محیط آزمایشی SQL Server قابل اجرا باشد و نتیجه آن با DMV، خروجی تجمیعی یا Metadata کنترل شود.

USE tempdb;
    DROP TABLE IF EXISTS dbo.FactSalesDemo;
    CREATE TABLE dbo.FactSalesDemo
    (
        SaleID bigint NOT NULL,
        OrderDate date NOT NULL,
        CustomerID int NOT NULL,
        ProductID int NOT NULL,
        Quantity smallint NULL,
        Amount decimal(18,2) NULL
    );

    INSERT INTO dbo.FactSalesDemo
    (
        SaleID, OrderDate, CustomerID, ProductID, Quantity, Amount
    )
    SELECT TOP (25000)
        ROW_NUMBER() OVER (ORDER BY (SELECT NULL)),
        DATEADD(day, -ABS(CHECKSUM(NEWID())) % 730, CONVERT(date, '20260727')),
        1 + ABS(CHECKSUM(NEWID())) % 5000,
        1 + ABS(CHECKSUM(NEWID())) % 800,
        1 + ABS(CHECKSUM(NEWID())) % 12,
        CONVERT(decimal(18,2), 10 + ABS(CHECKSUM(NEWID())) % 50000 / 10.0)
    FROM sys.all_objects AS a
    CROSS JOIN sys.all_objects AS b;

    CREATE CLUSTERED COLUMNSTORE INDEX CCI_FactSalesDemo
    ON dbo.FactSalesDemo;

    INSERT INTO dbo.FactSalesDemo SELECT SaleID+50000,OrderDate,CustomerID,ProductID,Quantity,Amount FROM dbo.FactSalesDemo WHERE SaleID<=1000;
شاخصخروجی نمونهتفسیر
وضعیتCOMPRESSEDساختار برای اسکن تحلیلی آماده است
تعداد ردیف26,096مقدار نمونه برای مقایسه قبل و بعد
هزینه منطقی26 صفحهخروجی نمونه و وابسته به محیط واقعی

نکته فنی: هنگام استفاده از Delta Store فقط به موفق‌بودن دستور اکتفا نکنید؛ نرخ فشرده‌سازی را قبل و بعد اندازه بگیرید و اثر آن را روی Workload واقعی ثبت کنید.

مثال 9: روش اشتباه و نسخه اصلاحی

در این مثال، «Delta Store» در سناریوی روش اشتباه و نسخه اصلاحی بررسی می‌شود. Query به‌گونه‌ای نوشته شده که در یک محیط آزمایشی SQL Server قابل اجرا باشد و نتیجه آن با DMV، خروجی تجمیعی یا Metadata کنترل شود.

USE tempdb;
    DROP TABLE IF EXISTS dbo.FactSalesDemo;
    CREATE TABLE dbo.FactSalesDemo
    (
        SaleID bigint NOT NULL,
        OrderDate date NOT NULL,
        CustomerID int NOT NULL,
        ProductID int NOT NULL,
        Quantity smallint NULL,
        Amount decimal(18,2) NULL
    );

    INSERT INTO dbo.FactSalesDemo
    (
        SaleID, OrderDate, CustomerID, ProductID, Quantity, Amount
    )
    SELECT TOP (25000)
        ROW_NUMBER() OVER (ORDER BY (SELECT NULL)),
        DATEADD(day, -ABS(CHECKSUM(NEWID())) % 730, CONVERT(date, '20260727')),
        1 + ABS(CHECKSUM(NEWID())) % 5000,
        1 + ABS(CHECKSUM(NEWID())) % 800,
        1 + ABS(CHECKSUM(NEWID())) % 12,
        CONVERT(decimal(18,2), 10 + ABS(CHECKSUM(NEWID())) % 50000 / 10.0)
    FROM sys.all_objects AS a
    CROSS JOIN sys.all_objects AS b;

    CREATE CLUSTERED COLUMNSTORE INDEX CCI_FactSalesDemo
    ON dbo.FactSalesDemo;

    SELECT state_desc,AVG(total_rows*1.0) AS avg_rows FROM sys.dm_db_column_store_row_group_physical_stats GROUP BY state_desc;
شاخصخروجی نمونهتفسیر
وضعیتCOMPRESSEDساختار برای اسکن تحلیلی آماده است
تعداد ردیف26,233مقدار نمونه برای مقایسه قبل و بعد
هزینه منطقی24 صفحهخروجی نمونه و وابسته به محیط واقعی

نکته فنی: هنگام استفاده از Delta Store فقط به موفق‌بودن دستور اکتفا نکنید؛ کیفیت Rowgroup را قبل و بعد اندازه بگیرید و اثر آن را روی Workload واقعی ثبت کنید.

مثال 10: آزمون کارایی و بهینه‌سازی

در این مثال، «Delta Store» در سناریوی آزمون کارایی و بهینه‌سازی بررسی می‌شود. Query به‌گونه‌ای نوشته شده که در یک محیط آزمایشی SQL Server قابل اجرا باشد و نتیجه آن با DMV، خروجی تجمیعی یا Metadata کنترل شود.

USE tempdb;
    DROP TABLE IF EXISTS dbo.FactSalesDemo;
    CREATE TABLE dbo.FactSalesDemo
    (
        SaleID bigint NOT NULL,
        OrderDate date NOT NULL,
        CustomerID int NOT NULL,
        ProductID int NOT NULL,
        Quantity smallint NULL,
        Amount decimal(18,2) NULL
    );

    INSERT INTO dbo.FactSalesDemo
    (
        SaleID, OrderDate, CustomerID, ProductID, Quantity, Amount
    )
    SELECT TOP (25000)
        ROW_NUMBER() OVER (ORDER BY (SELECT NULL)),
        DATEADD(day, -ABS(CHECKSUM(NEWID())) % 730, CONVERT(date, '20260727')),
        1 + ABS(CHECKSUM(NEWID())) % 5000,
        1 + ABS(CHECKSUM(NEWID())) % 800,
        1 + ABS(CHECKSUM(NEWID())) % 12,
        CONVERT(decimal(18,2), 10 + ABS(CHECKSUM(NEWID())) % 50000 / 10.0)
    FROM sys.all_objects AS a
    CROSS JOIN sys.all_objects AS b;

    CREATE CLUSTERED COLUMNSTORE INDEX CCI_FactSalesDemo
    ON dbo.FactSalesDemo;

    SELECT GETDATE(),state_desc,total_rows FROM sys.dm_db_column_store_row_group_physical_stats WHERE object_id=OBJECT_ID(N'dbo.FactSalesDemo');
شاخصخروجی نمونهتفسیر
وضعیتCOMPRESSEDساختار برای اسکن تحلیلی آماده است
تعداد ردیف26,370مقدار نمونه برای مقایسه قبل و بعد
هزینه منطقی22 صفحهخروجی نمونه و وابسته به محیط واقعی

نکته فنی: هنگام استفاده از Delta Store فقط به موفق‌بودن دستور اکتفا نکنید؛ فشار حافظه را قبل و بعد اندازه بگیرید و اثر آن را روی Workload واقعی ثبت کنید.

خطاهای رایج

خطاهای زیر در پروژه‌های واقعی مرتبط با Delta Store دیده می‌شوند. شدت هر خطا به حجم داده و نسخه SQL Server وابسته است، اما اصل کنترل برای همه محیط‌ها یکسان است.

  • بارگذاری ردیفی بسیار خرد
  • Reorganize بی‌برنامه
  • نادیده گرفتن Memory Pressure
  • فرض اینکه Delta Store خطاست
  • قفل‌کردن الگوی DML

مهم‌ترین هشدار: بارگذاری ردیفی بسیار خرد. پیش از هر تغییر گسترده، Backup/Restore آزمایشی، ظرفیت Log و امکان بازگشت را بررسی کنید.

ملاحظات کارایی و پایش

برای ارزیابی Delta Store حداقل پنج محور باید هم‌زمان دیده شود: اندازه Batch, تعداد Delta Rowgroup, نرخ فشرده‌سازی, کیفیت Rowgroup, فشار حافظه. اندازه‌گیری تنها زمان اجرا ممکن است نتیجه گمراه‌کننده بدهد، زیرا Cache گرم، Parallelism، Memory Grant و بار هم‌زمان روی نتیجه اثر دارند.

معیارچرا مهم است؟روش پیشنهادی
اندازه Batchاثر مستقیم بر کیفیت یا هزینه Delta Store داردBatchهای بزرگ‌تر بسازید
تعداد Delta Rowgroupاثر مستقیم بر کیفیت یا هزینه Delta Store داردوضعیت OPEN و CLOSED را جدا تحلیل کنید
نرخ فشرده‌سازیاثر مستقیم بر کیفیت یا هزینه Delta Store دارداز COMPRESS_ALL فقط با دلیل استفاده کنید
کیفیت Rowgroupاثر مستقیم بر کیفیت یا هزینه Delta Store داردبعد از ETL پایش کنید
فشار حافظهاثر مستقیم بر کیفیت یا هزینه Delta Store داردبرای OLTP مسیر مناسب انتخاب کنید

یک Snapshot منفرد برای تصمیم بلندمدت کافی نیست. داده پایش را در چند بازه کاری، پس از ETL و در ساعات اوج جمع‌آوری کنید تا روند واقعی مشخص شود.

سناریوی عملی و بهینه‌سازی Delta Storeمقایسه روش نامناسب و بهترین روش برای کارایی و نگه‌داری Delta Storeسناریوی عملی و بهینه‌سازی Delta StoreDelta Store1Delta Storeروش ضعیف2Delta Rowgroupاثر3OPENریسک4CLOSEDبهترین روش5Tuple Moverبهبود6Bulk Loadکنترل

این سناریو تفاوت میان اجرای بدون پایش و اجرای مبتنی بر Best Practice را برای Delta Store مقایسه می‌کند؛ معیارهای اصلی شامل اندازه Batch و تعداد Delta Rowgroup هستند.

بهترین روش‌ها

  • Batchهای بزرگ‌تر بسازید
  • وضعیت OPEN و CLOSED را جدا تحلیل کنید
  • از COMPRESS_ALL فقط با دلیل استفاده کنید
  • بعد از ETL پایش کنید
  • برای OLTP مسیر مناسب انتخاب کنید

Best Practice به‌معنای اجرای یک نسخه ثابت برای همه سرورها نیست. باید توصیه‌ها را با اندازه داده، Edition، Compatibility Level، معماری HA/DR و محدودیت پنجره نگه‌داری تطبیق داد.

پرسش‌های متداول

Delta Store دقیقاً چه مشکلی را حل می‌کند؟

Delta Store یک B-tree داخلی برای دریافت ردیف‌هایی است که هنوز وارد Rowgroup فشرده نشده‌اند. Rowgroup باز پس از رسیدن به آستانه یا بسته‌شدن، توسط Tuple Mover یا عملیات نگه‌داری به Columnstore منتقل می‌شود. انتخاب آن باید براساس نوع بارکاری و معیارهای قابل اندازه‌گیری انجام شود.

برای شروع یادگیری Delta Store چه پیش‌نیازی لازم است؟

آشنایی با Execution Plan، ایندکس‌ها و دستورات پایه T-SQL کافی است. سپس باید مفاهیم Delta Rowgroup و OPEN را روی یک پایگاه داده آزمایشی مشاهده کنید.

آیا Delta Store برای همه پروژه‌های تجاری مناسب است؟

خیر. سودمندی آن به حجم داده، نسبت خواندن به نوشتن، SLA گزارش‌ها و هزینه نگه‌داری وابسته است. ارزیابی فنی یا مشاوره SQL Server پیش از استقرار می‌تواند از هزینه‌های بازطراحی جلوگیری کند.

هزینه پیاده‌سازی Delta Store چگونه برآورد می‌شود؟

برآورد باید شامل تحلیل Workload، طراحی آزمایش، زمان مهاجرت، پایش پس از اجرا و آموزش تیم باشد. اندازه جدول و حساسیت توقف سرویس نیز روی زمان انجام پروژه اثر مستقیم دارد.

تفاوت Delta Store با یک ایندکس یا روش عمومی چیست؟

روش عمومی معمولاً فقط ساختار یا دستور را می‌بیند، اما این موضوع روی Delta Store، CLOSED و رفتار واقعی موتور تمرکز دارد. مقایسه باید با Plan، IO، CPU و مدت اجرا انجام شود.

چه زمانی برای اجرای پروژه یا دریافت خدمات مرتبط با Delta Store مناسب است؟

هنگامی که گزارش‌ها کند شده‌اند، رشد داده سریع است یا نگه‌داری فعلی نتیجه قابل پیش‌بینی ندارد، بررسی تخصصی ارزشمند است. بهتر است ابتدا Snapshot فنی و معیار موفقیت تعیین شود.

رایج‌ترین خطا در استفاده از Delta Store چیست؟

یکی از خطاهای پرتکرار «بارگذاری ردیفی بسیار خرد» است. خطای دیگر تصمیم‌گیری بدون مقایسه قبل و بعد و بدون توجه به نسخه SQL Server است.

Delta Store چه اثری بر Performance دارد؟

اثر اصلی از مسیر اندازه Batch، تعداد Delta Rowgroup و نرخ فشرده‌سازی دیده می‌شود. نتیجه می‌تواند بسیار مثبت یا در Workload نامناسب منفی باشد، بنابراین تست کنترل‌شده ضروری است.

بهترین روش عملی برای Delta Store چیست؟

از یک محیط آزمایشی مشابه Production شروع کنید، Batchهای بزرگ‌تر بسازید و وضعیت OPEN و CLOSED را جدا تحلیل کنید را اجرا کنید و معیارها را در Query Store یا سامانه پایش ثبت نمایید.

سازگاری Delta Store با نسخه‌های SQL Server چگونه است؟

مقادیر آستانه و رفتار بستن Rowgroup داخلی هستند و نباید به‌صورت عدد ثابت برای همه سناریوها فرض شوند. پیش از انتشار در Production، Syntax و گزینه‌های قابل پشتیبانی را روی همان Edition، Version و Compatibility Level بررسی کنید.

سؤالات مصاحبه

پاسخ مناسب به پرسش‌های زیر باید علاوه بر تعریف، شامل سناریو، Trade-off، معیار اندازه‌گیری و نمونه T-SQL باشد.

  1. تفاوت Delta Store و Delta Rowgroup را با یک سناریوی واقعی توضیح دهید.
  2. برای سنجش اثر Delta Store چه شاخص‌هایی را قبل و بعد ثبت می‌کنید؟
  3. در چه شرایطی «بارگذاری ردیفی بسیار خرد» باعث افت کارایی می‌شود؟
  4. چگونه با استفاده از OPEN و CLOSED مشکل را عیب‌یابی می‌کنید؟
  5. در طراحی یک Job سازمانی برای Delta Store چه کنترل خطا و Rollback در نظر می‌گیرید؟
  6. چرا توصیه «Batchهای بزرگ‌تر بسازید» برای محیط Production مهم است؟

چک‌لیست نهایی

  1. نسخه و Compatibility Level برای Delta Store کنترل شد.
  2. خط پایه IO، CPU، Duration و فضای مصرفی ثبت شد.
  3. Query و Syntax در محیط آزمایشی اجرا شد.
  4. اثرات DML و ETL جداگانه سنجیده شد.
  5. خروجی DMV یا Metadata پس از اجرا بررسی شد.
  6. Rollback Plan و ظرفیت Log مشخص شد.
  7. گزارش مقایسه قبل و بعد ذخیره شد.
  8. Job یا رویه نگه‌داری دارای شرط و کنترل خطا است.

جمع‌بندی

Delta Store زمانی مفید است که از حالت یک دستور منفرد خارج و به یک فرایند اندازه‌گیری‌شده تبدیل شود. Delta Store یک B-tree داخلی برای دریافت ردیف‌هایی است که هنوز وارد Rowgroup فشرده نشده‌اند. Rowgroup باز پس از رسیدن به آستانه یا بسته‌شدن، توسط Tuple Mover یا عملیات نگه‌داری به Columnstore منتقل می‌شود. در عمل باید با نسخه SQL Server، شکل داده و هدف گزارش‌گیری سازگار شود.

برای مطالعه ارتباط این موضوع با سایر اجزای Columnstore، راهنمای جامع کارایی Columnstore در SQL Server را ببینید.

خدمات برنامه‌نویسی و پایگاه داده

برنامه‌نویسی در اصفهان

قبول سفارش‌های برنامه‌نویسی و پایگاه داده: 09131253620

انجام پروژه‌های برنامه‌نویسی، آموزش برنامه‌نویسی و آموزش پایگاه داده SQL Server با رویکرد حرفه‌ای، مستندسازی مناسب و قابلیت توسعه انجام می‌شود.

مجموعه‌ای معتبر با سابقه فعالیت حرفه‌ای از سال ۱۳۷۵ شمسی

از سال ۱۳۷۵ شمسی تاکنون در زمینه طراحی و اجرای پروژه‌های برنامه‌نویسی، پایگاه داده، سیستم‌های تحت وب، وب‌سایت و راهکارهای نرم‌افزاری فعالیت می‌کنیم.

برای سفارش پروژه‌های برنامه‌نویسی و پایگاه داده، سیستم‌های تحت وب، وب‌سایت و راهکارهای نرم‌افزاری جدید، با شماره تلفن همراه 09131253620 تماس حاصل فرمایید.

ایتا، واتساپ و تماس مستقیم: +989131253620

تماس با ما

 

0 نظر

نظر محترم شما در مورد مقاله های وب سایت برنامه نویسی و پایگاه داده

نظرات محترم شما در خدمات رسانی بهتر ما را یاری می نمایند. لطفا اگر مایل بودید یک نظر ما را مهمان فرمائید. آدرس ایمیل و وب سایت شما نمایش داده نخواهد شد.

حرف 500 حداکثر