For et par år siden indså jeg, at der var et stort hul i viden i SQL Server-fællesskabet – hvad betyder alle de forskellige ventetyper? – så jeg startede et arbejde-of-love-projekt for at dokumentere alle ventetyper og låseklasser, der har eksisteret fra SQL Server 2005 og frem. I maj 2016 udgav jeg SQLskills Waits Types and Latch Classes Library, og jeg opdaterede alle mine waits-relaterede scripts til at have autogenererede URL'er i biblioteket for at hjælpe folk med at fejlfinde ydeevneproblemer. Alle 898 ventetider og 185 låse gennem SQL Server 2016 er i biblioteket med detaljerede oplysninger om 303 ventetider og 32 låse indtil videre.
Men én ting, der mangler på biblioteket, har været en indikation af, om en bestemt ventetid er sjælden, eller om det er en, som næsten alle sandsynligvis vil se på deres forekomster. Så jeg arbejdede sammen med min gode ven Greg Gonzalez, administrerende direktør for SentryOne (tidligere kendt som SQL Sentry, og en langvarig partnervirksomhed med SQLskills), på nogle ideer om at bruge deres datavarehus af anonyme præstationsmålinger fra de mange tusinde tilfælde af SQL Server, som deres værktøjer overvåger.
Resultatet af disse diskussioner og det seneste arbejde er, at vi i dag annoncerer, at alle ventetyper i biblioteket har en ny infografik, der viser, hvor udbredt hver ventetid er.
Nedenfor er et skærmbillede af infografikken til CXPACKET vent:
På den vandrette akse er en skala (som kan skiftes mellem lineær og logaritmisk) af, hvor stor en procentdel af tilfælde (overvåget af SentryOne), der har oplevet denne ventetid i løbet af den foregående kalendermåned, og på den lodrette akse er den procentdel af tid, som de tilfælde, der oplevede den ventetid havde faktisk en tråd, der ventede på den ventetype.
Hvad betyder det hele? Du kan nu få en fornemmelse af, om du oplever noget sjældent eller meget almindeligt.
Hvad der er endnu bedre er, at infografikken er interaktiv i biblioteket – du kan klikke på en af de viste ventetider og blive ført til dens side.
Jeg synes, dette er en virkelig nyttig tilføjelse til biblioteket, og jeg er meget taknemmelig for SentryOne for at gøre disse data tilgængelige for fællesskabet!
Tjek det opgraderede bibliotek på følgende URL:https://www.sqlskills.com/help/waits/
PS Mange tak til Jim Benton og Melissa Coates fra SentryOne for at bygge infografikken og back-end datakilden og til vores egen Jonathan Kehayias for at hjælpe mig med at integrere infografikken i biblioteket.