آموزش جامع آمار زنده اجرای کوئری با مثال‌های عملی SQL Server

Live Query Statistics یکی از ابزارها یا قابلیت‌های مهم اکوسیستم Microsoft SQL Server برای مشاهده پیشرفت اپراتورهای پلن در زمان اجرای Query است. این مقاله از تعریف پایه آغاز می‌کند و سپس به ساخت خط مبنا، خواندن خروجی، کنترل سربار و تبدیل مشاهده فنی به اقدام قابل سنجش می‌رسد. تمام مثال‌ها برای همین موضوع طراحی شده‌اند تا متن با مقاله‌های دیگر مجموعه هم‌پوشانی محتوایی نداشته باشد.

منبع اصلی داده در این موضوع «پروفایل اجرای زنده و DMVهای درخواست‌های فعال» است و خروجی‌های شاخص آن شامل درصد پیشرفت نسبی، تعداد ردیف عبوری، اپراتورهای کند و مسیر اجرای واقعی می‌شود. بنابراین پیش از فعال‌سازی ابزار باید پرسش عملکردی مشخص باشد؛ برای نمونه، آیا تیم در پی مشاهده گلوگاه Hash Match است یا می‌خواهد تشخیص Scan طولانی را ارزیابی کند؟

مسیر دسترسی سریع مقاله Live Query Statistics: بازگشت به راهنمای ابزارهای گرافیکی و خارجی پایش عملکرد SQL Server.

تعریف و جایگاه Live Query Statistics

جایگاه Live Query Statistics در چرخه عیب‌یابی بین مشاهده، تفسیر و اقدام قرار می‌گیرد. مشاهده خام تنها می‌گوید چه چیزی رخ داده است؛ تفسیر باید آن رخداد را با ظرفیت سرور، الگوی مصرف و تغییرات نرم‌افزار مرتبط کند؛ اقدام نیز باید فرضیه‌ای قابل بازگشت داشته باشد. این ابزار برای مشاهده پیشرفت اپراتورهای پلن در زمان اجرای Query مناسب است، اما به‌تنهایی علت ریشه‌ای را تضمین نمی‌کند.

در یک فرایند حرفه‌ای، ابتدا بازه زمانی و معیار موفقیت ثبت می‌شود. سپس داده از پروفایل اجرای زنده و DMVهای درخواست‌های فعال جمع‌آوری می‌گردد و شاخص‌هایی مانند درصد پیشرفت نسبی، تعداد ردیف عبوری، اپراتورهای کند و مسیر اجرای واقعی کنار هم قرار می‌گیرند. اگر نتیجه با تجربه کاربران سازگار نبود، باید از ابزار مکمل در لایه سیستم‌عامل، موتور داده یا برنامه کاربردی کمک گرفت.

تصویر نخست، معماری اختصاصی Live Query Statistics را از منبع داده تا خروجی‌های قابل استفاده برای مشاهده گلوگاه Hash Match نشان می‌دهد.

نحو و الگوی خواندن داده در Live Query Statistics

همه قابلیت‌های Live Query Statistics یک دستور واحد ندارند، اما Query زیر نقطه شروع عملی برای مشاهده بخشی از داده مرتبط است. آن را ابتدا در محیط آزمایش اجرا کنید و نام پایگاه، مجوزها و نسخه موتور را با شرایط واقعی تطبیق دهید.

-- نمونه 1 اختصاصی Live Query Statistics
        SELECT r.session_id,r.percent_complete,r.status,r.command,r.wait_type,st.text FROM sys.dm_exec_requests AS r CROSS APPLY sys.dm_exec_sql_text(r.sql_handle) AS st WHERE r.session_id<>@@SPID;

ده مثال عملی و غیرتکراری برای Live Query Statistics

مثال 1: ساخت خط مبنای اولیه با Live Query Statistics

در این سناریوی اختصاصی، هدف آن است که مشاهده پیشرفت اپراتورهای پلن در زمان اجرای Query به شکلی قابل اندازه‌گیری بررسی شود. نمونه شماره 1 روی موضوع «مشاهده گلوگاه Hash Match» تمرکز دارد و خروجی آن برای تصمیم‌گیری عملیاتی استفاده می‌شود.

-- نمونه 1 اختصاصی Live Query Statistics
        SELECT r.session_id,r.percent_complete,r.status,r.command,r.wait_type,st.text FROM sys.dm_exec_requests AS r CROSS APPLY sys.dm_exec_sql_text(r.sql_handle) AS st WHERE r.session_id<>@@SPID;

نکته فنی نمونه 1 در Live Query Statistics آن است که نتیجه نباید جدا از بازه زمانی، بار جاری و پیکربندی سرور تفسیر شود. برای جلوگیری از نتیجه‌گیری شتاب‌زده، مقدار به‌دست‌آمده را با یک نمونه پیشین مقایسه کنید و سپس درباره بررسی اختلاف ردیف تخمینی و واقعی تصمیم بگیرید.

مثال 2: تحلیل داده نمونه در محیط آزمایش با Live Query Statistics

در این سناریوی اختصاصی، هدف آن است که مشاهده پیشرفت اپراتورهای پلن در زمان اجرای Query به شکلی قابل اندازه‌گیری بررسی شود. نمونه شماره 2 روی موضوع «تشخیص Scan طولانی» تمرکز دارد و خروجی آن برای تصمیم‌گیری عملیاتی استفاده می‌شود.

-- نمونه 2 اختصاصی Live Query Statistics
        SELECT r.session_id,qp.query_plan FROM sys.dm_exec_requests AS r CROSS APPLY sys.dm_exec_query_plan(r.plan_handle) AS qp WHERE r.session_id<>@@SPID;

نکته فنی نمونه 2 در Live Query Statistics آن است که نتیجه نباید جدا از بازه زمانی، بار جاری و پیکربندی سرور تفسیر شود. برای جلوگیری از نتیجه‌گیری شتاب‌زده، مقدار به‌دست‌آمده را با یک نمونه پیشین مقایسه کنید و سپس درباره پایش Query گزارش‌گیری سنگین تصمیم بگیرید.

مثال 3: استفاده در گزارش روزانه با Live Query Statistics

در این سناریوی اختصاصی، هدف آن است که مشاهده پیشرفت اپراتورهای پلن در زمان اجرای Query به شکلی قابل اندازه‌گیری بررسی شود. نمونه شماره 3 روی موضوع «بررسی اختلاف ردیف تخمینی و واقعی» تمرکز دارد و خروجی آن برای تصمیم‌گیری عملیاتی استفاده می‌شود.

-- نمونه 3 اختصاصی Live Query Statistics
        SELECT session_id,command,percent_complete,estimated_completion_time,total_elapsed_time FROM sys.dm_exec_requests WHERE percent_complete>0;

نکته فنی نمونه 3 در Live Query Statistics آن است که نتیجه نباید جدا از بازه زمانی، بار جاری و پیکربندی سرور تفسیر شود. برای جلوگیری از نتیجه‌گیری شتاب‌زده، مقدار به‌دست‌آمده را با یک نمونه پیشین مقایسه کنید و سپس درباره تحلیل اپراتور Sort در حال اجرا تصمیم بگیرید.

مثال 4: اعمال فیلتر هدفمند با Live Query Statistics

در این سناریوی اختصاصی، هدف آن است که مشاهده پیشرفت اپراتورهای پلن در زمان اجرای Query به شکلی قابل اندازه‌گیری بررسی شود. نمونه شماره 4 روی موضوع «پایش Query گزارش‌گیری سنگین» تمرکز دارد و خروجی آن برای تصمیم‌گیری عملیاتی استفاده می‌شود.

-- نمونه 4 اختصاصی Live Query Statistics
        SELECT r.session_id,r.cpu_time,r.logical_reads,r.reads,r.writes FROM sys.dm_exec_requests AS r WHERE r.status IN ('running','suspended');

نکته فنی نمونه 4 در Live Query Statistics آن است که نتیجه نباید جدا از بازه زمانی، بار جاری و پیکربندی سرور تفسیر شود. برای جلوگیری از نتیجه‌گیری شتاب‌زده، مقدار به‌دست‌آمده را با یک نمونه پیشین مقایسه کنید و سپس درباره مشاهده گلوگاه Hash Match تصمیم بگیرید.

مثال 5: ترکیب با نمای سیستمی مکمل با Live Query Statistics

در این سناریوی اختصاصی، هدف آن است که مشاهده پیشرفت اپراتورهای پلن در زمان اجرای Query به شکلی قابل اندازه‌گیری بررسی شود. نمونه شماره 5 روی موضوع «تحلیل اپراتور Sort در حال اجرا» تمرکز دارد و خروجی آن برای تصمیم‌گیری عملیاتی استفاده می‌شود.

-- نمونه 5 اختصاصی Live Query Statistics
        SELECT wt.session_id,wt.wait_type,wt.wait_duration_ms,wt.resource_description FROM sys.dm_os_waiting_tasks AS wt WHERE wt.session_id>50;

نکته فنی نمونه 5 در Live Query Statistics آن است که نتیجه نباید جدا از بازه زمانی، بار جاری و پیکربندی سرور تفسیر شود. برای جلوگیری از نتیجه‌گیری شتاب‌زده، مقدار به‌دست‌آمده را با یک نمونه پیشین مقایسه کنید و سپس درباره تشخیص Scan طولانی تصمیم بگیرید.

تصویر دوم، جریان اجرای Live Query Statistics را از دریافت ورودی تا تولید مشاهده قابل مقایسه برای بررسی اختلاف ردیف تخمینی و واقعی ترسیم می‌کند.

مثال 6: بررسی نبود داده یا مقدار NULL با Live Query Statistics

در این سناریوی اختصاصی، هدف آن است که مشاهده پیشرفت اپراتورهای پلن در زمان اجرای Query به شکلی قابل اندازه‌گیری بررسی شود. نمونه شماره 6 روی موضوع «مشاهده گلوگاه Hash Match» تمرکز دارد و خروجی آن برای تصمیم‌گیری عملیاتی استفاده می‌شود.

-- نمونه 6 اختصاصی Live Query Statistics
        SELECT r.session_id,r.blocking_session_id,r.wait_resource FROM sys.dm_exec_requests AS r WHERE r.blocking_session_id>0;

نکته فنی نمونه 6 در Live Query Statistics آن است که نتیجه نباید جدا از بازه زمانی، بار جاری و پیکربندی سرور تفسیر شود. برای جلوگیری از نتیجه‌گیری شتاب‌زده، مقدار به‌دست‌آمده را با یک نمونه پیشین مقایسه کنید و سپس درباره بررسی اختلاف ردیف تخمینی و واقعی تصمیم بگیرید.

مثال 7: آزمون وضعیت مرزی و بار غیرمعمول با Live Query Statistics

در این سناریوی اختصاصی، هدف آن است که مشاهده پیشرفت اپراتورهای پلن در زمان اجرای Query به شکلی قابل اندازه‌گیری بررسی شود. نمونه شماره 7 روی موضوع «تشخیص Scan طولانی» تمرکز دارد و خروجی آن برای تصمیم‌گیری عملیاتی استفاده می‌شود.

-- نمونه 7 اختصاصی Live Query Statistics
        SELECT TOP (10) qs.last_execution_time,qs.last_rows,qs.max_rows,st.text FROM sys.dm_exec_query_stats AS qs CROSS APPLY sys.dm_exec_sql_text(qs.sql_handle) AS st ORDER BY qs.last_execution_time DESC;

نکته فنی نمونه 7 در Live Query Statistics آن است که نتیجه نباید جدا از بازه زمانی، بار جاری و پیکربندی سرور تفسیر شود. برای جلوگیری از نتیجه‌گیری شتاب‌زده، مقدار به‌دست‌آمده را با یک نمونه پیشین مقایسه کنید و سپس درباره پایش Query گزارش‌گیری سنگین تصمیم بگیرید.

مثال 8: سناریوی عملیاتی سازمانی با Live Query Statistics

در این سناریوی اختصاصی، هدف آن است که مشاهده پیشرفت اپراتورهای پلن در زمان اجرای Query به شکلی قابل اندازه‌گیری بررسی شود. نمونه شماره 8 روی موضوع «بررسی اختلاف ردیف تخمینی و واقعی» تمرکز دارد و خروجی آن برای تصمیم‌گیری عملیاتی استفاده می‌شود.

-- نمونه 8 اختصاصی Live Query Statistics
        SELECT scheduler_id,active_workers_count,runnable_tasks_count,pending_disk_io_count FROM sys.dm_os_schedulers WHERE status='VISIBLE ONLINE';

نکته فنی نمونه 8 در Live Query Statistics آن است که نتیجه نباید جدا از بازه زمانی، بار جاری و پیکربندی سرور تفسیر شود. برای جلوگیری از نتیجه‌گیری شتاب‌زده، مقدار به‌دست‌آمده را با یک نمونه پیشین مقایسه کنید و سپس درباره تحلیل اپراتور Sort در حال اجرا تصمیم بگیرید.

مثال 9: نمایش روش اشتباه و نسخه اصلاح‌شده با Live Query Statistics

در این سناریوی اختصاصی، هدف آن است که مشاهده پیشرفت اپراتورهای پلن در زمان اجرای Query به شکلی قابل اندازه‌گیری بررسی شود. نمونه شماره 9 روی موضوع «پایش Query گزارش‌گیری سنگین» تمرکز دارد و خروجی آن برای تصمیم‌گیری عملیاتی استفاده می‌شود. روش اشتباه، اجرای پایش بدون فیلتر و بدون تعیین مدت است؛ نسخه اصلاح‌شده Query را محدود می‌کند تا داده مرتبط با Live Query Statistics استخراج شود.

-- نمونه 9 اختصاصی Live Query Statistics
        SELECT r.session_id,mg.requested_memory_kb,mg.granted_memory_kb,mg.used_memory_kb FROM sys.dm_exec_requests AS r LEFT JOIN sys.dm_exec_query_memory_grants AS mg ON mg.session_id=r.session_id WHERE r.session_id<>@@SPID;

نکته فنی نمونه 9 در Live Query Statistics آن است که نتیجه نباید جدا از بازه زمانی، بار جاری و پیکربندی سرور تفسیر شود. برای جلوگیری از نتیجه‌گیری شتاب‌زده، مقدار به‌دست‌آمده را با یک نمونه پیشین مقایسه کنید و سپس درباره مشاهده گلوگاه Hash Match تصمیم بگیرید.

مثال 10: کنترل کارایی و هزینه پایش با Live Query Statistics

در این سناریوی اختصاصی، هدف آن است که مشاهده پیشرفت اپراتورهای پلن در زمان اجرای Query به شکلی قابل اندازه‌گیری بررسی شود. نمونه شماره 10 روی موضوع «تحلیل اپراتور Sort در حال اجرا» تمرکز دارد و خروجی آن برای تصمیم‌گیری عملیاتی استفاده می‌شود.

-- نمونه 10 اختصاصی Live Query Statistics
        SELECT r.session_id,r.dop,r.parallel_worker_count,r.granted_query_memory FROM sys.dm_exec_requests AS r WHERE r.session_id<>@@SPID;

نکته فنی نمونه 10 در Live Query Statistics آن است که نتیجه نباید جدا از بازه زمانی، بار جاری و پیکربندی سرور تفسیر شود. برای جلوگیری از نتیجه‌گیری شتاب‌زده، مقدار به‌دست‌آمده را با یک نمونه پیشین مقایسه کنید و سپس درباره تشخیص Scan طولانی تصمیم بگیرید. در محیط پرترافیک، ابتدا هزینه خود ابزار را بسنجید؛ زیرا برای Queryهای بسیار کوتاه فرصت مشاهده کم است و فعال‌سازی پروفایل می‌تواند سربار داشته باشد.

خطاهای رایج در کار با Live Query Statistics

• در Live Query Statistics، جمع‌آوری داده بدون سؤال مشخص خروجی حجیمی می‌سازد که هیچ تصمیمی را پشتیبانی نمی‌کند.
• نادیده گرفتن هشدار اصلی این ابزار: برای Queryهای بسیار کوتاه فرصت مشاهده کم است و فعال‌سازی پروفایل می‌تواند سربار داشته باشد.
• در تحلیل Live Query Statistics، مقایسه دو بازه با حجم Workload متفاوت نتیجه بهبود یا افت را مخدوش می‌کند.
• پس از مشاهده Live Query Statistics، اعمال تغییر مستقیم در تولید بدون Baseline و معیار Rollback خطرناک است.
• تفسیر Live Query Statistics با تمرکز روی یک عدد و حذف زمینه‌هایی مانند Wait، I/O، Lock و رفتار برنامه ناقص می‌ماند.

ملاحظات کارایی و بهترین روش‌ها در Live Query Statistics

هزینه پایش باید بخشی از طراحی باشد. برای Live Query Statistics دامنه داده را به رویداد، Database، Session یا بازه لازم محدود کنید. نرخ تولید داده را در پنج دقیقه نخست اندازه بگیرید؛ اگر رشد خروجی از انتظار بیشتر بود، فیلتر یا فاصله نمونه‌برداری را اصلاح کنید. نتیجه معتبر زمانی ایجاد می‌شود که خود ابزار باعث تغییر محسوس در رفتار Workload نشود.

بهترین روش، ایجاد دفترچه تصمیم است: پرسش اولیه، زمان جمع‌آوری، نسخه SQL Server، تغییرات اخیر، معیارهای درصد پیشرفت نسبی، تعداد ردیف عبوری، اپراتورهای کند و مسیر اجرای واقعی، تفسیر، اقدام و نتیجه پس از اقدام ثبت شوند. برای سناریوی پایش Query گزارش‌گیری سنگین بهتر است داده قبل و بعد از تغییر با یک بار کاری مشابه مقایسه شود.

تصویر سوم، تصمیم فنی میان Baseline، مشاهده، هشدار Performance و Best Practice را برای Live Query Statistics و سناریوی تحلیل اپراتور Sort در حال اجرا خلاصه می‌کند.

سؤالات متداول اختصاصی Live Query Statistics

پرسش 1: Live Query Statistics دقیقاً چه مسئله‌ای را حل می‌کند؟

در زمینه Live Query Statistics، این ابزار برای مشاهده پیشرفت اپراتورهای پلن در زمان اجرای Query طراحی شده است و داده را از پروفایل اجرای زنده و DMVهای درخواست‌های فعال می‌گیرد. ارزش اصلی آن زمانی آشکار می‌شود که نتیجه با خط مبنا و هدف کسب‌وکار مقایسه شود.

پرسش 2: برای شروع کار با Live Query Statistics چه پیش‌نیازی لازم است؟

در زمینه Live Query Statistics، دسترسی مشاهده DMVها یا مجوز مناسب ابزار، تعیین بازه پایش و شناخت بار عادی سامانه لازم است. پیش از اجرا نیز باید مشخص شود کدام‌یک از خروجی‌های «درصد پیشرفت نسبی، تعداد ردیف عبوری، اپراتورهای کند و مسیر اجرای واقعی» واقعاً اهمیت دارد.

پرسش 3: آیا Live Query Statistics برای پروژه تجاری کوچک هم ارزش دارد؟

در زمینه Live Query Statistics، بله، اما دامنه جمع‌آوری باید متناسب با اندازه سامانه باشد. در پروژه کوچک می‌توان از یک سناریوی محدود مانند مشاهده گلوگاه Hash Match شروع کرد و تنها در صورت نیاز جزئیات بیشتری ثبت کرد.

پرسش 4: چگونه خروجی Live Query Statistics به کاهش هزینه عملیاتی کمک می‌کند؟

در زمینه Live Query Statistics، با شناسایی دقیق منبع مصرف یا رگرسیون، تیم از تغییرات حدسی دور می‌شود. این موضوع زمان عیب‌یابی، ریسک توقف سرویس و هزینه تهیه سخت‌افزار بدون ضرورت را کاهش می‌دهد.

پرسش 5: Live Query Statistics با ابزارهای نزدیک چه تفاوتی دارد؟

در زمینه Live Query Statistics، تمایز اصلی در منبع داده و عمق تحلیل است؛ این موضوع بر پروفایل اجرای زنده و DMVهای درخواست‌های فعال تکیه دارد، در حالی که ابزار دیگر ممکن است فقط نمای لحظه‌ای یا گزارش سطح سیستم‌عامل ارائه کند.

پرسش 6: برای پیاده‌سازی حرفه‌ای Live Query Statistics چه خدماتی مفید است؟

در زمینه Live Query Statistics، طراحی Baseline، انتخاب فیلتر، ساخت گزارش، تحلیل خروجی و مستندسازی اقدام اصلاحی از خدمات رایج مشاوره SQL Server هستند. این مراحل باید با نیاز واقعی پروژه هماهنگ شوند.

پرسش 7: رایج‌ترین خطا هنگام استفاده از Live Query Statistics چیست؟

در زمینه Live Query Statistics، رایج‌ترین خطا تفسیر یک نمونه منفرد بدون زمینه است. همچنین باید به این هشدار توجه شود که برای Queryهای بسیار کوتاه فرصت مشاهده کم است و فعال‌سازی پروفایل می‌تواند سربار داشته باشد.

پرسش 8: اثر Performance خود Live Query Statistics چگونه کنترل می‌شود؟

در زمینه Live Query Statistics، رویدادها یا Counterها را محدود، مدت جمع‌آوری را مشخص و حجم خروجی را اندازه‌گیری کنید. سپس مصرف CPU، I/O و فضای ذخیره‌سازی ابزار را جدا از Workload اصلی ثبت کنید.

پرسش 9: بهترین روش عملی برای Live Query Statistics چیست؟

در زمینه Live Query Statistics، با یک پرسش مشخص مانند «تشخیص Scan طولانی» شروع کنید، داده حداقلی لازم را جمع‌آوری کنید، نتیجه را با Baseline بسنجید و اقدام اصلاحی را همراه با معیار بازگشت ثبت کنید.

پرسش 10: سازگاری نسخه‌ای Live Query Statistics را چگونه بررسی کنیم؟

در زمینه Live Query Statistics، قابلیت‌ها و نام DMVها میان نسخه‌های SQL Server، Azure SQL و SSMS می‌توانند تفاوت داشته باشند. قبل از اجرای اسکریپت در تولید، آن را روی همان Edition و Compatibility Level آزمایش کنید.

سؤالات مصاحبه درباره Live Query Statistics

1. توضیح دهید چرا Live Query Statistics برای مشاهده گلوگاه Hash Match مناسب است.
2. چگونه سربار Live Query Statistics را در یک سرور پرترافیک اندازه‌گیری می‌کنید؟
3. بین خروجی‌های درصد پیشرفت نسبی، تعداد ردیف عبوری، اپراتورهای کند و مسیر اجرای واقعی کدام معیار را برای تشخیص اولیه انتخاب می‌کنید و چرا؟
4. اگر داده Live Query Statistics با تجربه کاربر ناسازگار باشد، چه منابع مکملی را بررسی می‌کنید؟
5. یک برنامه بازگشت برای تغییری که بر اساس Live Query Statistics پیشنهاد شده طراحی کنید.

چک‌لیست نهایی Live Query Statistics

• در Live Query Statistics پرسش پایش برای مشاهده گلوگاه Hash Match نوشته شده است.
• برای Live Query Statistics مجوز دسترسی به پروفایل اجرای زنده و DMVهای درخواست‌های فعال بررسی شده است.
• بازه زمانی و حجم خروجی Live Query Statistics محدود شده است.
• برای Live Query Statistics حداقل دو معیار از درصد پیشرفت نسبی، تعداد ردیف عبوری، اپراتورهای کند و مسیر اجرای واقعی ثبت شده است.
• تأثیر Live Query Statistics بر CPU، I/O و فضای دیسک سنجیده شده است.
• اقدام اصلاحی مبتنی بر Live Query Statistics و برنامه بازگشت مستند شده است.

جمع‌بندی آموزش Live Query Statistics

Live Query Statistics زمانی بیشترین ارزش را دارد که برای یک مسئله محدود مانند مشاهده گلوگاه Hash Match به کار رود و خروجی آن با Baseline سنجیده شود. داده‌های درصد پیشرفت نسبی، تعداد ردیف عبوری، اپراتورهای کند و مسیر اجرای واقعی باید در کنار زمینه Workload تفسیر شوند. با رعایت فیلتر، زمان‌بندی و کنترل سربار می‌توان از این قابلیت برای تصمیم‌های قابل دفاع در SQL Server استفاده کرد.

برای مقایسه Live Query Statistics با تمام گزینه‌های مجموعه، راهنمای جامع ابزارهای گرافیکی و خارجی عملکرد SQL Server را مطالعه کنید.