Parameter sniffing
Concept
Поведінка движків у стилі SQL Server, які компілюють план для значень параметрів, побачених під час компіляції, і повторно використовують кешований план; це може погано працювати для дуже різних значень параметрів. Також відома як чутливість до параметрів.
Description
Parameter sniffing — це поведінка движків баз даних у стилі SQL Server, за якої план запиту компілюється для значень параметрів, побачених під час компіляції, а потім кешований план повторно використовується. Її також називають чутливістю до параметрів. Сама по собі ця поведінка не є дефектом: движок аналізує поточні значення параметрів під час компіляції або перекомпіляції запиту й передає їх оптимізатору запитів, який може створити ефективніший план виконання для цих значень. Труднощі виникають тоді, коли кешований план згодом використовується для значень параметрів, які суттєво відрізняються від початкових, адже план, придатний для одного значення, може погано працювати для іншого.
Архітектурний посібник Microsoft з обробки запитів для SQL Server описує parameter sniffing у розділі про чутливість до параметрів. За цим посібником, процес стосується збережених процедур, запитів, що виконуються через sp_executesql, і підготовлених запитів. Він безпосередньо пов'язаний із повторним використанням планів, оскільки скомпільовані плани зберігаються в кеші планів і можуть знову використовуватися під час наступних виконань. Тому перший набір значень, що запускає компіляцію, визначає план, який отримують наступні виклики, і саме тому результати можуть відрізнятися залежно від того, який виклик стал причиною компіляції плану.
У посібнику згадується один засіб: підказка запиту OPTION (RECOMPILE). З нею оптимізатор розглядає параметри та локальні змінні як константи часу компіляції, які можна підставити як літерали. Використовуються значення, чинні безпосередньо перед виконанням оператора, які не обов'язково є тими, що були передані спочатку. Це може допомогти, коли вхідні дані сильно змінюються або мають перекіс. Посібник також попереджає, що підказка перекомпілює запит під час кожного виконання, що може бути дорогим, і радить виміряти вплив на весь робочий навантаження, перш ніж її застосовувати. Крім того, посібник посилається на окрему статтю про оптимізацію Parameter Sensitive Plan для подальшого читання.
Пов'язана деталь із тієї ж документації стосується локальних змінних. Їхні значення не сніфаються під час компіляції. Натомість оптимізатор оцінює їх на основі інформації про щільність або, якщо статистики відсутні, використовує фіксовані відсоткові припущення для порівнянь на рівність і діапазон. Ця різниця важлива під час діагностики повільного запиту, адже параметр і локальна змінна можуть призводити до різних оцінок і, отже, різних планів.
На практиці parameter sniffing проявляється як запити, що для одних вхідних даних працюють швидко, а для інших повільно, або як продуктивність, яка змінюється після вилучення плану з кешу та його перекомпіляції. Епізод M365.FM "Fix Bad Data Upstream with T-SQL Contracts" називає parameter sniffing серед поширених корпоративних збоїв і описує його як явище, що може маскуватися під випадковість. Епізод також розглядає форми планів як питання управління, стверджуючи, що якщо форми планів змінюються, змінюються й витрати та надійність, тобто поведінка плану перетворюється на стабільність витрат і операційний ризик.
Епізод "Design Reliable and Resilient Azure Architectures" розміщує parameter sniffing у робочому процесі усунення несправностей для Azure SQL Database. Він пропонує увімкнути Intelligent Insights і Query Performance Insight, фіксувати тривалі запити, переглядати плани виконання та виявляти відсутні індекси або parameter sniffing. Далі згадуються рекомендації автоматичного налаштування Azure SQL та пропозиції індексів через Azure Advisor, а також оптимізація запитів, належне індексування та розгляд масштабування DTU або vCore чи переходу на Hyperscale.
Узагальнюючи, джерела розглядають parameter sniffing як компроміс кешування планів: повторне використання скомпільованого плану заощаджує роботу з компіляції, тоді як план, налаштований під одне значення параметра, може не підходити для інших. Типові рішення щодо цього включають аналіз планів виконання, перевірку того, чи розподіл даних є нерівномірним, і зважування вартості компіляції таких варіантів, як OPTION (RECOMPILE), проти переваги від більш підходящих планів.
Overview compiled with AI from M365.FM episodes and the facts on this page. You can improve it with the edit button below.
| Type | Concept |
|---|
Frequently asked questions
Questions marked with AI were written with AI from the facts on this page.
Що таке parameter sniffing? (AI)
Це поведінка движків у стилі SQL Server, які компілюють план запиту для значень параметрів, побачених під час компіляції, і повторно використовують кешований план. Це може погано працювати, коли пізніші значення параметрів суттєво відрізняються. Її також називають чутливістю до параметрів.
Як OPTION (RECOMPILE) може вплинути на проблеми parameter sniffing? (AI)
Згідно з посібником Microsoft з обробки запитів, підказка змушує оптимізатор розглядати параметри та локальні змінні як константи часу компіляції, які можна підставити як літерали, що може допомогти з сильно змінними або нерівномірними даними. Запит перекомпілюється під час кожного виконання, що може бути дорогим, тому спершу варто виміряти вплив на весь робочий навантаження.
Чи сніфаються локальні змінні так само, як параметри? (AI)
Ні. Документація стверджує, що значення локальних змінних не сніфаються під час компіляції. Натомість оптимізатор оцінює їх на основі інформації про щільність або, без статистик, використовує фіксовані відсоткові припущення для порівнянь на рівність і діапазон.
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: