M365Con 2027 – כנס אונליין חינמי · 11–22 Jan 2027 · 120 sessions m365con.net

Parameter sniffing

Concept

ההתנהגות של מנועי מסדי נתונים מסוג SQL Server שמהדרים תוכנית שאילתה עבור ערכי הפרמטרים שנראו בזמן ההידור, ומשתמשים מחדש בתוכנית השמורה במטמון; הדבר עלול לגרום לביצועים ירודים עבור ערכי פרמטרים שונים מאוד. נקראת גם רגישות לפרמטרים.

✦ CONCEPTParameter sniffingM365.FM
Title graphic: Parameter sniffing (Concept)

Description

Parameter sniffing היא התנהגות של מנועי מסדי נתונים מסוג SQL Server, שבה תוכנית שאילתה מהודרת עבור ערכי הפרמטרים שנראו בזמן ההידור, ותוכנית המטמון נעשית בה שימוש חוזר. היא נקראת גם רגישות לפרמטרים. ההתנהגות אינה תקלה כשלעצמה: המנוע בוחן את ערכי הפרמטרים הנוכחיים בזמן הידור או הידור מחדש של השאילתה, ומעביר אותם לאופטימייזר השאילתות, שיכול לייצר תוכנית ביצוע יעילה יותר עבור אותם ערכים. הקושי מופיע כאשר תוכנית המטמון משמשת מאוחר יותר עבור ערכי פרמטרים השונים מאוד מהמקוריים, כי תוכנית שמתאימה לערך אחד עלולה להציג ביצועים ירודים עבור ערך אחר.

מדריך ארכיטקטורת עיבוד השאילתות של Microsoft עבור SQL Server מתאר את Parameter sniffing בסעיף על רגישות לפרמטרים. לפי המדריך, התהליך חל על פרוצדורות מאוחסנות, על שאילתות שמופעלות דרך sp_executesql ועל שאילתות מוכנות מראש. יש לו קשר ישיר לעניין שימוש חוזר בתוכניות, מכיוון שתוכניות מהודרות נשמרות במטמון התוכניות ויכולות להישלף שוב על ידי הפעלות מאוחרות. לכן, הקבוצה הראשונה של ערכים שמפעילה הידור מעצבת את התוכנית שקריאות הבאות מקבלות, וזו הסיבה שהתוצאות עשויות להשתנות בהתאם לקריאה שבה התוכנית הודהרה.

המדריך מציין תרופה אחת: הרמז OPTION (RECOMPILE). עם הרמז הזה, האופטימייזר מתייחס לפרמטרים ולמשתנים מקומיים כאל קבועים בזמן הידור, שניתנים לקיפול לליטרלים. הערכים שבהם נעשה שימוש הם אלה שבתוקף רגע לפני הרצת ההצהרה, ואלה אינם בהכרח הערכים שהועברו במקור. הדבר יכול לעזור כאשר נתוני הקלט משתנים מאוד או מוטים. המדריך מזהיר גם שהרמז מהדר מחדש את השאילתה בכל הרצה, דבר שעלול להיות יקר, וממליץ למדוד את השפעתו על עומס העבודה כולו לפני אימוצו. המדריך מפנה גם למאמר נפרד על אופטימיזציית Parameter Sensitive Plan לקריאה נוספת.

פרט קשור מאותו תיעוד נוגע למשתנים מקומיים. את ערכיהם לא מריחים בזמן ההידור. במקום זאת, האופטימייזר מעריך לפי מידע על צפיפות, ואם אין סטטיסטיקות זמינות, הוא משתמש בניחושי אחוזים קבועים להשוואות שוויון וטווח. הבחנה זו חשובה באבחון שאילתה איטית, שכן פרמטר ומשתנה מקומי עלולים להוביל להערכות שונות ולכן לתוכניות שונות.

בפועל, Parameter sniffing מופיע כשאילתות שרצות מהר עבור חלק מהקלטים ולאט עבור אחרים, או כביצועים שמשתנים לאחר שתוכנית מפונה מהמטמון ומהודרת מחדש. הפרק "Fix Bad Data Upstream with T-SQL Contracts" של M365.FM מונה את Parameter sniffing בין כשלים ארגוניים נפוצים, ומתאר אותו כמשהו שעלול להיראות כמו אקראיות. הפרק גם מציג את צורות התוכניות כעניין של ממשל, ואומר שאם צורות התוכניות משתנות, כך משתנים גם ההוצאות והאמינות, כלומר התנהגות התוכנית מתורגמת ליציבות עלויות וסיכון תפעולי.

הפרק "Design Reliable and Resilient Azure Architectures" ממקם את Parameter sniffing בתהליך פתרון תקלות עבור Azure SQL Database. הוא מציע להפעיל את Intelligent Insights ואת Query Performance Insight, לתעד שאילתות ארוכות, לבחון תוכניות ביצוע, ולזהות אינדקסים חסרים או Parameter sniffing. הוא מזכיר גם את המלצות הכוונון האוטומטי של Azure SQL והצעות אינדקסים דרך Azure Advisor, לצד אופטימיזציית שאילתות, אינדוקס מתאים, והתייחסות לשדרוג DTUs או vCores או למעבר ל-Hyperscale.

בסך הכול, המקורות מתייחסים ל-Parameter sniffing כפשרה במטמון התוכניות: שימוש חוזר בתוכנית מהודרת חוסך עבודת הידור, אך תוכנית שכוונה לערך פרמטר אחד עשויה שלא להתאים לאחרים. החלטות טיפוסיות סביב הנושא כוללות בחינה של תוכניות ביצוע, בדיקה האם התפלגות הנתונים מוטה, ושקילה של עלות ההידור של אפשרויות כמו OPTION (RECOMPILE) מול התועלת של תוכניות מתאימות יותר.

Overview compiled with AI from M365.FM episodes and the facts on this page. You can improve it with the edit button below.

TypeConcept

Frequently asked questions

Questions marked with AI were written with AI from the facts on this page.

מהו Parameter sniffing? (AI)

זוהי ההתנהגות של מנועי מסדי נתונים מסוג SQL Server שמהדרים תוכנית שאילתה עבור ערכי הפרמטרים שנראו בזמן ההידור, ומשתמשים מחדש בתוכנית השמורה במטמון. הדבר עלול לגרום לביצועים ירודים כאשר ערכי הפרמטרים המאוחרים שונים מאוד. נקראת גם רגישות לפרמטרים.

כיצד OPTION (RECOMPILE) יכול להשפיע על בעיות של Parameter sniffing? (AI)

לפי מדריך עיבוד השאילתות של Microsoft, הרמז גורם לאופטימייזר להתייחס לפרמטרים ולמשתנים מקומיים כאל קבועים בזמן הידור שניתנים לקיפול לליטרלים, דבר שיכול לעזור עם נתונים משתנים מאוד או מוטים. השאילתה מהודרת מחדש בכל הרצה, וזה עלול להיות יקר, ולכן יש למדוד קודם את השפעתו על עומס העבודה כולו.

האם משתנים מקומיים נראים באותו אופן כמו פרמטרים? (AI)

לא. התיעוד קובע שערכי משתנים מקומיים אינם נראים בזמן ההידור. במקום זאת, האופטימייזר מעריך לפי מידע על צפיפות, ואם אין סטטיסטיקות, משתמש בניחושי אחוזים קבועים להשוואות שוויון וטווח.

Glossary

Community wiki

Short info above, community knowledge below: add practical tips, examples or corrections. New contributions are reviewed first; trusted members publish directly.

Experts and companies for this topic

Nobody has listed this topic yet. Add it to your profile.

Maintained by Mirko Peters (Microsoft MVP) · Last updated: