مقدمه و هدف مقاله

دسته‌بندی شمارنده‌های مهم SQL Server یکی از موضوع‌های مهم پایش Microsoft SQL Server است. هدف آن انتخاب مجموعه‌ای متوازن از شمارنده‌های بارکاری، حافظه، ورودی/خروجی، قفل و لاگ است. در یک سامانه عملیاتی، عدد این شاخص زمانی ارزش دارد که همراه زمان نمونه‌برداری، بار کاری، رخدادهای استقرار و وضعیت منابع تحلیل شود؛ در غیر این صورت یک مقدار جدا می‌تواند هم هشدار کاذب بسازد و هم یک مشکل واقعی را پنهان کند.

در این راهنما از سطح پایه تا اجرای Query، تفسیر واحد «دسته»، نمونه‌برداری، نگهداری تاریخچه، طراحی هشدار و ارتباط با sys.dm_os_wait_stats پیش می‌رویم. مثال‌ها برای SQL Server نوشته شده‌اند و خروجی نمونه دارند تا ساختار نتیجه پیش از اجرا روشن باشد. با این حال اعداد خروجی نمایشی‌اند و مقدار واقعی به نسخه، Uptime، سخت‌افزار و الگوی مصرف شما وابسته است.

اصل کلیدی در تحلیل Important Counter Categories این است که ابتدا نوع Counter مشخص شود. یک داشبورد سالم باید هم‌زمان فشار، ظرفیت، انتظار و نرخ کار انجام‌شده را نمایش دهد؛ یک عدد منفرد برای تشخیص کافی نیست. همچنین باید دانست که آستانه ثابت بدون خط مبنا و بدون توجه به نوع بارکاری می‌تواند هشدار کاذب ایجاد کند. این دو نکته جلوی رایج‌ترین برداشت‌های اشتباه در داشبوردهای دست‌ساز را می‌گیرند.

برای دیدن نقشه کامل شاخص‌ها و ارتباط این موضوع با سایر حوزه‌های حافظه، I/O، Query Processing، Lock و Transaction به راهنمای جامع شمارنده‌های کارایی SQL Server بازگردید.

تعریف، منبع داده و کاربرد

Important Counter Categories در دسته «طراحی پایش» قرار می‌گیرد. منبع اصلی این مقاله نمای مدیریتی sys.dm_os_performance_counters است؛ نمایی که بسیاری از Counterهای موتور را از داخل T-SQL قابل‌خواندن می‌کند. مزیت این روش، امکان ساخت Collector، گزارش و Health Check بدون وابستگی به رابط گرافیکی Performance Monitor است.

کاربرد واقعی این شاخص فقط نمایش یک کارت سبز یا قرمز نیست. روند دسته‌بندی شمارنده‌های مهم SQL Server می‌تواند برای مقایسه قبل و بعد از Deploy، تحلیل ساعات اوج، ظرفیت‌سنجی، ارزیابی اثر Query جدید، تشخیص Regression و ساخت گزارش SLA به کار رود. برای نتیجه معتبر باید Counter را در بازه کافی و با فاصله نمونه‌برداری ثابت یا ثبت‌شده جمع‌آوری کرد.

دسترسی به DMVهای سیستمی ممکن است به مجوزهای مشاهده وضعیت سرور یا مجوز متناظر نسخه جدید نیاز داشته باشد. حساب Collector را با اصل حداقل دسترسی بسازید، خطای دسترسی را ثبت کنید و از اجرای Collector با حساب مدیریتی روزمره خودداری نمایید. در محیط Always On نیز نام Replica و Instance را همراه Snapshot نگه دارید.

نحو پایه

SELECT SYSDATETIME() AS SampleTime,
       object_name,
       counter_name,
       instance_name,
       cntr_value,
       cntr_type
FROM sys.dm_os_performance_counters
WHERE counter_name IN
(
    N'Batch Requests/sec',
    N'Page life expectancy',
    N'Memory Grants Pending'
);

ستون‌ها و پارامترهای مهم

• object_name: نام شیء Performance Counter همراه پیشوند Instance؛ برای قابل‌حمل‌بودن می‌توان suffix گروه را با دقت فیلتر کرد.
• counter_name: نام دقیق شاخص؛ در این مقاله نام موردنظر یا نگاشت واقعی آن به‌صورت Unicode استفاده می‌شود.
• instance_name: زیرنمونه‌ای مانند نام پایگاه داده، نوع Lock یا _Total؛ انتخاب اشتباه آن موجب دوباره‌شماری یا تحلیل دامنه نادرست می‌شود.
• cntr_value: مقدار خام bigint؛ معنی آن بدون cntr_type و فرمول Counter کامل نیست.
• cntr_type: نوع Windows Performance Counter که مشخص می‌کند مقدار مستقیم، تجمعی یا Fraction چگونه تبدیل شود.
• واحد تحلیلی: دسته. واحد را در نام ستون تاریخچه، Tooltip داشبورد و متن هشدار صریح نگه دارید.

نوع خروجی و تفسیر

خروجی خام cntr_value از نوع bigint است، اما خروجی تحلیلی می‌تواند تعداد، نرخ decimal یا درصد باشد. درباره Important Counter Categories، یک داشبورد سالم باید هم‌زمان فشار، ظرفیت، انتظار و نرخ کار انجام‌شده را نمایش دهد؛ یک عدد منفرد برای تشخیص کافی نیست. اگر تبدیل انجام می‌شود، مقدار خام را نیز نگه دارید تا امکان بازحساب، بررسی Formula و مهاجرت ابزار مانیتورینگ وجود داشته باشد.

مثال‌های عملی و قابل اجرا

مثال 1: Snapshot گروه بارکاری

Batch، Compilation و Recompilation در یک Snapshot خوانده می‌شوند تا حجم کار و هزینه تولید Plan کنار هم قرار گیرد.

SELECT counter_name, cntr_value, cntr_type
FROM sys.dm_os_performance_counters
WHERE object_name LIKE N'%:SQL Statistics'
  AND counter_name IN
      (N'Batch Requests/sec', N'SQL Compilations/sec', N'SQL Re-Compilations/sec');

نکته کاربردی: برای نسبت‌ها و نرخ‌ها از Delta دو Snapshot هم‌زمان استفاده کنید.

مثال 2: محاسبه نسبت Compilation به Batch

داده نمونه نرخ‌های از قبل محاسبه‌شده را به درصد تبدیل می‌کند. بالا رفتن پایدار نسبت می‌تواند نشانه استفاده مجدد کم از Plan باشد.

DECLARE @BatchRate decimal(18,2) = 1500,
        @CompileRate decimal(18,2) = 75;
SELECT CAST(100.0 * @CompileRate / NULLIF(@BatchRate, 0) AS decimal(6,2)) AS CompilationPercent;

نکته کاربردی: نسبت را همراه CPU، نوع Query و گزینه optimize for ad hoc workloads بررسی کنید.

مثال 3: Snapshot گروه حافظه

Target، Total و Memory Grants Pending ظرفیت و فشار Workspace را در کنار هم نمایش می‌دهند.

SELECT counter_name, cntr_value
FROM sys.dm_os_performance_counters
WHERE object_name LIKE N'%:Memory Manager'
  AND counter_name IN
      (N'Target Server Memory (KB)', N'Total Server Memory (KB)', N'Memory Grants Pending');

نکته کاربردی: فاصله Total و Target بدون بررسی فشار OS و زمان Uptime نتیجه قطعی نمی‌دهد.

مثال 4: Snapshot گروه Buffer

PLE، Lazy Writes و Page Reads سه زاویه از ماندگاری صفحه، فشار تخلیه و I/O فیزیکی ارائه می‌کنند.

SELECT counter_name, cntr_value, cntr_type
FROM sys.dm_os_performance_counters
WHERE object_name LIKE N'%:Buffer Manager'
  AND counter_name IN
      (N'Page life expectancy', N'Lazy writes/sec', N'Page reads/sec');

نکته کاربردی: Rateها را تبدیل کنید و افت PLE را نسبت به خط مبنای سرور بسنجید.

مثال 5: مقایسه خواندن و نوشتن صفحه

اختلاف دو Snapshot نمایشی به نرخ Page Read و Page Write تبدیل می‌شود تا جهت غالب I/O مشخص گردد.

DECLARE @Seconds decimal(10,2) = 10,
        @ReadDelta bigint = 8200,
        @WriteDelta bigint = 2100;
SELECT @ReadDelta / @Seconds AS PageReadsPerSec,
       @WriteDelta / @Seconds AS PageWritesPerSec,
       CAST(1.0 * @ReadDelta / NULLIF(@WriteDelta, 0) AS decimal(10,2)) AS ReadWriteRatio;

نکته کاربردی: نسبت بار را توصیف می‌کند؛ برای تشخیص کندی latency فایل‌ها و Wait Stats نیز ضروری است.

مثال 6: اتصال Memory Grant به Wait Stats

شمارنده انتظار Grant با RESOURCE_SEMAPHORE ترکیب می‌شود تا رخداد لحظه‌ای با زمان انتظار تجمعی اعتبارسنجی شود.

SELECT pc.cntr_value AS PendingGrants,
       ws.waiting_tasks_count, ws.wait_time_ms
FROM sys.dm_os_performance_counters AS pc
LEFT JOIN sys.dm_os_wait_stats AS ws
  ON ws.wait_type = N'RESOURCE_SEMAPHORE'
WHERE pc.object_name LIKE N'%:Memory Manager'
  AND pc.counter_name = N'Memory Grants Pending';

نکته کاربردی: Planهای دارای Sort و Hash بزرگ و تخمین Cardinality را در مرحله بعد بررسی کنید.

مثال 7: Snapshot رقابت قفل

Lock Waits و Deadlock برای Instance کل قفل‌ها انتخاب می‌شوند تا دو سطح متفاوت رقابت مشاهده شود.

SELECT counter_name, instance_name, cntr_value
FROM sys.dm_os_performance_counters
WHERE object_name LIKE N'%:Locks'
  AND counter_name IN (N'Lock Waits/sec', N'Number of Deadlocks/sec')
  AND instance_name = N'_Total';

نکته کاربردی: برای Deadlock از Extended Events نمودار XML و برای Blocking از DMV درخواست‌های فعال استفاده کنید.

مثال 8: Throughput پایگاه و فشار Log

Transactions و Log Flushes برای یک پایگاه مشخص کنار هم قرار می‌گیرند؛ نرخ آن‌ها باید از Delta محاسبه شود.

DECLARE @DatabaseName sysname = N'Sales';
SELECT counter_name, instance_name, cntr_value
FROM sys.dm_os_performance_counters
WHERE object_name LIKE N'%:Databases'
  AND counter_name IN (N'Transactions/sec', N'Log Flushes/sec')
  AND instance_name = @DatabaseName;

نکته کاربردی: نسبت Flush به Transaction می‌تواند تراکنش‌های بسیار کوچک را آشکار کند، اما Group Commit نیز اثر دارد.

مثال 9: ساخت Health Matrix نمونه

مقادیر از پیش تبدیل‌شده در یک جدول کوچک به حوزه و وضعیت نگاشت می‌شوند؛ این الگو برای لایه نمایش داشبورد مناسب است.

DECLARE @Health table
(
    Metric sysname,
    Category nvarchar(30),
    Observed decimal(18,2),
    WarningAt decimal(18,2)
);
INSERT @Health VALUES
(N'Memory Grants Pending', N'Memory', 2, 1),
(N'Compilation Percent', N'Workload', 4.5, 10),
(N'Deadlocks/sec', N'Concurrency', 0.2, 0.1);
SELECT Metric, Category, Observed,
       CASE WHEN Observed >= WarningAt THEN N'بررسی' ELSE N'عادی' END AS State
FROM @Health;

نکته کاربردی: آستانه‌ها نمونه‌اند؛ Baseline، مدت تداوم و اهمیت سامانه باید وارد قانون شوند.

مثال 10: Collector یکپارچه دسته‌ها

مجموعه محدود Counterهای ضروری در یک Statement خوانده می‌شود و زمان نمونه برای همه یکسان است.

SELECT SYSDATETIME() AS SampleTime,
       object_name, counter_name, instance_name, cntr_value, cntr_type
FROM sys.dm_os_performance_counters
WHERE counter_name IN
(
 N'Batch Requests/sec', N'SQL Compilations/sec', N'Page life expectancy',
 N'Page reads/sec', N'Page writes/sec', N'Memory Grants Pending',
 N'User Connections', N'Lock Waits/sec', N'Number of Deadlocks/sec',
 N'Log Flushes/sec', N'Transactions/sec'
);

نکته کاربردی: Snapshot خام را یک بار بخوانید و محاسبات نوع Counter را در مرحله بعد انجام دهید تا فشار و ناهم‌زمانی کاهش یابد.

خطاهای رایج و روش اصلاح

نخستین خطا در Important Counter Categories اعتماد مستقیم به نام Counter و نمایش cntr_value بدون بررسی cntr_type است. پسوند /sec همیشه تضمین نمی‌کند مقدار آماده نرخ باشد و Counterهای Fraction نیز Base لازم دارند. Formula را در Metadata تعریف کنید و برای هر نوع، آزمون واحد با داده ثابت بنویسید.

خطای دوم، نادیده‌گرفتن دامنه Instance است. در گروه‌های Locks و Databases، _Total و ردیف‌های جزئی هم‌زمان وجود دارند. جمع‌کردن همه ردیف‌ها معمولاً دوباره‌شماری می‌سازد. برای دسته‌بندی شمارنده‌های مهم SQL Server نام Instance انتخاب‌شده را همراه داده ذخیره و در عنوان نمودار نمایش دهید.

خطای سوم، تفسیر یک نقطه بدون Baseline است. وضعیت Important Counter Categories بین سامانه OLTP، انبار داده، گزارش شبانه و دوره نگهداری متفاوت است. حد هشدار را از صدک‌های تاریخچه سالم استخراج کنید و رخداد را تنها زمانی بحرانی بدانید که چند نمونه ادامه یافته و یک سیگنال مکمل مانند sys.dm_os_wait_stats نیز آن را تأیید کند.

خطای چهارم، نادیده‌گرفتن Restart، Failover و شکاف داده است. Startup Time، نام Replica و Availability هر Snapshot را ثبت کنید. اختلاف منفی را نرخ منفی گزارش نکنید و داده Missing را با صفر واقعی یکی ندانید. این تفکیک برای نمودار، SLA و الگوریتم تشخیص ناهنجاری ضروری است.

نکات کارایی و طراحی Collector

خواندن هدفمند sys.dm_os_performance_counters معمولاً عملیات سبکی است، اما طراحی نامناسب Collector می‌تواند صدها Query تکراری، اتصال کوتاه‌عمر و حجم زیاد تاریخچه تولید کند. Counterهای لازم را در یک Statement بگیرید، زمان مشترک ثبت کنید و محاسبات Rate یا Ratio را در لایه‌ای قابل‌آزمون انجام دهید.

برای عیب‌یابی زنده می‌توان فاصله یک تا پنج ثانیه داشت، ولی نگهداری بلندمدت اغلب با سی تا شصت ثانیه آغاز می‌شود. داده خام قدیمی را به بازه‌های پنج‌دقیقه‌ای و ساعتی Rollup کنید و Min، Max، Avg، Count و در صورت امکان صدک را نگه دارید. Retention باید با نیاز قانونی و هزینه ذخیره‌سازی سازگار باشد.

در تحلیل Important Counter Categories هرگز Counter را جایگزین Query Profiling نکنید. شمارنده ناحیه مشکل را مشخص می‌کند؛ برای علت ریشه‌ای باید Query Store، Actual Plan، Wait Stats، Extended Events و آمار فایل یا سیستم‌عامل به کار روند. این زنجیره از Metric به Evidence و سپس Action، Runbook حرفه‌ای را می‌سازد.

بهترین روش‌ها

• نام SQL Server، Instance، Replica، نسخه و زمان شروع سرویس را همراه هر Snapshot نگه دارید.
• مقدار خام، cntr_type، واحد، Formula و مقدار تبدیل‌شده را از هم تفکیک کنید.
• Important Counter Categories را حداقل با sys.dm_os_wait_stats و یک شاخص Latency یا Wait مرتبط مقایسه نمایید.
• Baseline ساعات عادی، اوج، Batch شبانه و پایان ماه را جدا بسازید؛ میانگین کلی به‌تنهایی کافی نیست.
• هشدار را بر اساس تداوم و دامنه اثر ایجاد کنید و برای آن مالک، شدت و Runbook تعیین نمایید.
• Collector را پس از ارتقای SQL Server، تغییر Edition، Failover یا تغییر Collation دوباره اعتبارسنجی کنید.
• Queryهای نمونه را ابتدا در محیط آزمایش اجرا کنید و از WAITFOR در Jobهای پرتعداد استفاده نکنید.
• به‌جای حذف تاریخچه، Rollup و فشرده‌سازی انجام دهید تا مقایسه فصلی و ظرفیت‌سنجی باقی بماند.

کاربردهای واقعی در سازمان

در یک سامانه فروش آنلاین، روند دسته‌بندی شمارنده‌های مهم SQL Server می‌تواند روی Timeline سفارش، Deploy و کمپین بازاریابی قرار گیرد. اگر تغییر شاخص فقط با افزایش سفارش رخ دهد، موضوع ظرفیت است؛ اگر بدون رشد کسب‌وکار و بعد از انتشار نسخه جدید ایجاد شود، Regression محتمل‌تر خواهد بود.

در گزارش ظرفیت ماهانه، به‌جای ارائه انبوه عدد خام، روند، صدک اوج، مدت وضعیت غیرعادی، اثر روی زمان پاسخ و اقدام اصلاحی را خلاصه کنید. این قالب میان تیم پایگاه داده، زیرساخت، توسعه و مدیریت زبان مشترک می‌سازد و تصمیم ارتقا یا اصلاح کد را مستند می‌کند.

برای عملیات روزانه، هشدار Important Counter Categories باید لینک Query تشخیصی، Snapshot سیگنال‌های مکمل و راه بازگشت داشته باشد. تماس صرف با DBA بدون Evidence زمان بازیابی را افزایش می‌دهد؛ یک Runbook کوتاه با مرحله تأیید، تعیین دامنه، یافتن Query و اقدام کم‌خطر نتیجه بهتری دارد.

سؤالات متداول

Important Counter Categories چیست و چه چیزی را اندازه می‌گیرد؟

انتخاب مجموعه‌ای متوازن از شمارنده‌های بارکاری، حافظه، ورودی/خروجی، قفل و لاگ است. یک داشبورد سالم باید هم‌زمان فشار، ظرفیت، انتظار و نرخ کار انجام‌شده را نمایش دهد؛ یک عدد منفرد برای تشخیص کافی نیست. این Counter باید در کنار زمان نمونه، نوع شمارنده و شرایط بارکاری ثبت شود تا عدد خام به اطلاعات عملیاتی تبدیل گردد.

چگونه مقدار Important Counter Categories را از SQL Server بخوانیم؟

نمای sys.dm_os_performance_counters منبع داخلی مناسب است. Object و counter_name را دقیق فیلتر کنید، Instance را در شمارنده‌های چندنمونه‌ای مشخص سازید و cntr_type را نیز ذخیره کنید. این مقدار را مطابق cntr_type تفسیر کنید و در صورت Gauge بودن همان Snapshot جاری را گزارش دهید.

آیا استفاده تجاری از داشبورد Important Counter Categories ارزش دارد؟

بله؛ روند درست می‌تواند افت ظرفیت را پیش از تبدیل‌شدن به قطعی آشکار کند، زمان عیب‌یابی را کاهش دهد و برای تصمیم خرید سخت‌افزار شواهد بسازد. ارزش اقتصادی زمانی ایجاد می‌شود که هشدار به Runbook، مسئول و اقدام روشن متصل باشد.

برای گزارش مدیریتی Important Counter Categories چه اطلاعاتی لازم است؟

حداقل مقدار جاری یا نرخ، Baseline، انحراف، بازه مشاهده و اثر روی سرویس گزارش شود. واحد دسته باید صریح باشد و نمودار با Deploy، Backup و رخدادهای کسب‌وکار هم‌تراز گردد تا مدیر علت جهش را بهتر درک کند.

تفاوت Important Counter Categories با sys.dm_os_wait_stats چیست؟

Important Counter Categories بر «انتخاب مجموعه‌ای متوازن از شمارنده‌های بارکاری، حافظه، ورودی/خروجی، قفل و لاگ» تمرکز دارد، در حالی که sys.dm_os_wait_stats زاویه مکمل دیگری از همان سامانه ارائه می‌کند. هیچ‌یک جای دیگری را نمی‌گیرد و هم‌بستگی روند آن‌ها برای تشخیص فشار، ظرفیت یا رقابت قابل‌اعتمادتر است.

برای پیاده‌سازی حرفه‌ای پایش Important Counter Categories از کجا شروع کنیم؟

ابتدا Counter را در محیط آزمایش کشف کنید، فرمول تبدیل و واحد را مستند سازید، سپس Collector زمان‌بندی‌شده و جدول تاریخچه بسازید. در پروژه‌های حساس می‌توان از خدمات مشاوره و اجرای پایش SQL Server برای طراحی Retention، داشبورد و Runbook استفاده کرد.

رایج‌ترین خطا هنگام خواندن Important Counter Categories چیست؟

رایج‌ترین خطا نادیده‌گرفتن cntr_type، Instance یا Restart سرویس است. آستانه ثابت بدون خط مبنا و بدون توجه به نوع بارکاری می‌تواند هشدار کاذب ایجاد کند. همچنین نبود ردیف نباید به‌طور خام با صفر واقعی جایگزین شود؛ Availability باید جداگانه ذخیره گردد.

پایش Important Counter Categories چه اثری بر Performance دارد؟

خواندن هدفمند این DMV معمولاً سبک است، ولی Poll بسیار پرتکرار، Queryهای تکراری و تاریخچه بدون Rollup هزینه ذخیره‌سازی و تحلیل می‌سازد. چند Counter را در یک Snapshot بخوانید و فاصله نمونه‌برداری را با سرعت تغییر سیگنال هماهنگ کنید.

بهترین روش هشداردهی برای Important Counter Categories چیست؟

از Baseline همان سرور، آستانه چندسطحی، شرط تداوم چند نمونه و یک سیگنال مکمل استفاده کنید. هشدار باید مقدار، زمان، دامنه، لینک داشبورد و اقدام اولیه داشته باشد؛ یک حد ثابت اینترنتی برای همه سرورها Best Practice نیست.

Important Counter Categories در کدام نسخه‌های SQL Server قابل استفاده است؟

نمای sys.dm_os_performance_counters در نسخه‌های پشتیبانی‌شده SQL Server در دسترس است، اما نام یا حضور برخی Counterها می‌تواند با نسخه، Edition، سیستم‌عامل و قابلیت فعال متفاوت باشد. همیشه فهرست همان Instance را کشف و کد Collector را در ارتقا آزمایش کنید.

سؤالات مصاحبه‌ای

چرا مقدار خام Important Counter Categories همیشه قابل گزارش نیست؟

زیرا معنا به cntr_type وابسته است. Gauge مستقیم خوانده می‌شود، نرخ تجمعی به دو Snapshot و زمان نیاز دارد و Fraction باید با Base محاسبه شود. پاسخ حرفه‌ای همچنین Reset پس از Restart و Instanceهای چندگانه را ذکر می‌کند.

چگونه هشدار کاذب Important Counter Categories را کم می‌کنید؟

با Baseline محلی، شرط تداوم، آستانه چندسطحی، حذف بازه نگهداری و تأیید به کمک sys.dm_os_wait_stats. سپس Alert با بازخورد رخدادها تنظیم می‌شود تا حساسیت و دقت به تعادل برسند.

چرا باید مقدار خام و تبدیل‌شده هر دو ذخیره شوند؟

مقدار خام امکان بررسی Formula، بازپردازش تاریخچه و مهاجرت ابزار را حفظ می‌کند؛ مقدار تبدیل‌شده نمایش و جست‌وجوی سریع را ساده می‌سازد. نگهداری Metadata نسخه Formula نیز برای Audit مفید است.

با تغییر sqlserver_start_time چه می‌کنید؟

Collector مرز سری زمانی جدید ثبت می‌کند، نخستین Snapshot را فقط Baseline می‌گیرد و Delta آن را با مقدار پیش از Restart حساب نمی‌کند. رخداد Restart یا Failover نیز روی نمودار علامت‌گذاری می‌شود.

برای ریشه‌یابی وضعیت غیرعادی Important Counter Categories چه ابزارهایی لازم است؟

بسته به حوزه از Query Store، Wait Stats، Extended Events، Actual Execution Plan، DMVهای Session و Request، آمار فایل و Counterهای سیستم‌عامل استفاده می‌شود. Metric محل شروع است، نه علت قطعی.

چک‌لیست نهایی

• وجود Counter و نام واقعی آن روی Instance مقصد کنترل شده است.
• نوع Counter، Formula تبدیل و واحد خروجی مستند شده‌اند.
• Instance موردنظر صریح است و _Total دوباره جمع زده نمی‌شود.
• زمان نمونه و Startup Time در تاریخچه ذخیره می‌شوند.
• Baseline سالم و بازه‌های کسب‌وکار جداگانه وجود دارد.
• روند با sys.dm_os_wait_stats و حداقل یک نشانه Latency یا Wait مقایسه می‌شود.
• هشدار دارای شرط تداوم، مالک و Runbook عملیاتی است.
• Retention، Rollup، امنیت حساب Collector و تست بعد از Upgrade تعریف شده‌اند.

جمع‌بندی

دسته‌بندی شمارنده‌های مهم SQL Server زمانی مفید است که از یک عدد خام به سری زمانی قابل‌اعتماد تبدیل شود. شناسایی cntr_type، انتخاب Instance، ثبت زمان و Restart، ساخت Baseline و مقایسه با sys.dm_os_wait_stats پایه‌های این تبدیل هستند. مثال‌های مقاله نشان دادند چگونه Query اکتشافی، Snapshot، محاسبه امن، هشدار و Collector کم‌هزینه ساخته شود.

برای ادامه مسیر، مقاله مادر شمارنده‌های Performance در SQL Server را ببینید و شاخص‌های مکمل را به داشبورد خود اضافه کنید. برای آموزش پایگاه داده SQL Server، مشاوره و قبول سفارش پروژه‌های برنامه‌نویسی و پایگاه داده در اصفهان نیز می‌توانید با شماره 09131253620 تماس بگیرید.