TOP (1) PER GRUPPO di un enorme tavolo (100.000.000+)

Impostare

Ho un enorme tavolo di ~ 115.382.254 righe. La tabella è relativamente semplice e registra le operazioni del processo dell'applicazione.

CREATE TABLE [data].[OperationData](
    [SourceDeciveID] [bigint] NOT NULL,
    [FileSource] [nvarchar](256) NOT NULL,
    [Size] [bigint] NULL,
    [Begin] [datetime2](7) NULL,
    [End] [datetime2](7) NOT NULL,
    [Date]  AS (isnull(CONVERT([date],[End]),CONVERT([date],'19000101',(112)))) PERSISTED NOT NULL,
    [DataSetCount] [bigint] NULL,
    [Result] [int] NULL,
    [Error] [nvarchar](max) NULL,
    [Status] [int] NULL,
 CONSTRAINT [PK_OperationData] PRIMARY KEY CLUSTERED 
(
    [SourceDeviceID] ASC,
    [FileSource] ASC,
    [End] ASC
))

CREATE TABLE [model].[SourceDevice](
    [ID] [bigint] IDENTITY(1,1) NOT NULL,
    [Name] [nvarchar](50) NULL,
 CONSTRAINT [PK_DataLogger] PRIMARY KEY CLUSTERED 
(
    [ID] ASC
))

ALTER TABLE [data].[OperationData]  WITH CHECK ADD  CONSTRAINT [FK_OperationData_SourceDevice] FOREIGN KEY([SourceDeviceID])
REFERENCES [model].[SourceDevice] ([ID])

La tabella è raggruppata in circa 500 cluster e su base giornaliera.

Inoltre, la tabella è ben indicizzata da PK, le statistiche sono aggiornate e l'INDEXer viene deframmentato ogni notte.

I SELECT basati sull'indice sono velocissimi e non abbiamo avuto alcun problema.

Problema

Devo conoscere l'ultima riga (TOP) di [End]e partizionata da [SourceDeciveID]. Per ottenere l'ultimo [OperationData]di ogni dispositivo sorgente.

Domanda

Devo trovare un modo per risolverlo in modo positivo e senza portare il DB al limite.

Sforzo 1

Il primo tentativo è stato ovvio GROUP BYo SELECT OVER PARTITION BYinterrogativo. Anche qui il problema è evidente, ogni query deve eseguire la scansione su un ordine di partizione / trovare la riga superiore. Quindi la query è molto lenta e ha un impatto IO molto elevato.

Query di esempio 1

;WITH cte AS
(
   SELECT *,
         ROW_NUMBER() OVER (PARTITION BY [SourceDeciveID] ORDER BY [End] DESC) AS rn
   FROM [data].[OperationData]
)
SELECT *
FROM cte
WHERE rn = 1

Esempio di query 2

SELECT *
FROM [data].[OperationData] AS d 
CROSS APPLY 
(
   SELECT TOP 1 *
   FROM [data].[OperationData] 
   WHERE [SourceDeciveID] = d.[SourceDeciveID]
   ORDER BY [End] DESC
) AS ds

FALLITA!

Sforzo 2

Ho creato una tabella di aiuto per contenere sempre un riferimento alla riga TOP.

CREATE TABLE [data].[LastOperationData](
    [SourceDeciveID] [bigint] NOT NULL,
    [FileSource] [nvarchar](256) NOT NULL,
    [End] [datetime2](7) NOT NULL,
 CONSTRAINT [PK_LastOperationData] PRIMARY KEY CLUSTERED 
(
    [SourceDeciveID] ASC
)

ALTER TABLE [data].[LastOperationData]  WITH CHECK ADD  CONSTRAINT [FK_LastOperationData_OperationData] FOREIGN KEY([SourceDeciveID], [FileSource], [End])
REFERENCES [data].[OperationData] ([SourceDeciveID], [FileSource], [End])

Per riempire la tabella è stato creato un trigger per aggiungere / aggiornare sempre la riga di origine se [End]è inserita una colonna superiore .

CREATE TRIGGER [data].[OperationData_Last]
   ON  [data].[OperationData]
   AFTER INSERT
AS 
BEGIN
    SET NOCOUNT ON;

    MERGE [data].[LastOperationData] AS [target]
    USING (SELECT [SourceDeciveID], [FileSource], [End] FROM inserted) AS [source] ([SourceDeciveID], [FileSource], [End])  
    ON ([target].[SourceDeciveID] = [FileSource].[SourceDeciveID])

    WHEN MATCHED AND [target].[End] < [source].[End] THEN
        UPDATE SET [target].[FileSource] = source.[FileSource], [target].[End] = source.[End]

    WHEN NOT MATCHED THEN  
        INSERT ([SourceDeciveID], [FileSource], [End])  
        VALUES (source.[SourceDeciveID], source.[FileSource], source.[End]);

END

Il problema qui è che ha anche un impatto IO enorme e non so perché.

Come puoi vedere qui nel piano delle query , esegue anche una scansione sull'intera [OperationData]tabella.

Ha un enorme impatto complessivo sul mio DB.

FALLITA!

Se hai una tabella di SourceIDvalori e un indice sulla tabella principale attiva (SourceID, End) include (othercolumns), basta usare OUTER APPLY.

SELECT d.*
FROM dbo.Sources s
OUTER APPLY (SELECT TOP (1) *
    FROM data.OperationData d
    WHERE d.SourceID = s.SourceID
    ORDER BY d.[End] DESC) d;

Se sai di essere solo dopo la tua ultima partizione, potresti includere un filtro su Fine, ad esempio AND d.[End] > DATEADD(day, -1, GETDATE())

Modifica: poiché l'indice cluster è attivo SourceID, Source, End), inserisci anche Source nella tabella Sources e unisciti anche a quello. Quindi non è necessario il nuovo indice.

SELECT d.*
FROM dbo.Sources s -- Small table
OUTER APPLY (SELECT TOP (1) *
    FROM data.OperationData d -- Big table quick seeks
    WHERE d.SourceID = s.SourceID
    AND d.Source = s.Source
    AND d.[End] > DATEADD(day, -1, GETDATE()) -- If you’re partitioning on [End], do this for partition elimination
    ORDER BY d.[End] DESC) d;