非常に巨大な（100,000,000+）テーブルのTOP（1）BY GROUP

セットアップ

〜115,382,254行の巨大なテーブルがあります。テーブルは比較的単純で、アプリケーションプロセスの操作を記録します。

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])

テーブルは、約500クラスターで、毎日ベースでクラスター化されます。

また、テーブルはPKによって適切にインデックスが作成され、統計は最新であり、INDEXerは毎晩デフラグされます。

インデックスベースのSELECTは非常に高速で、問題はありませんでした。

問題

最後の（TOP）行を知り、[End]で分割する必要があり[SourceDeciveID]ます。[OperationData]すべてのソースデバイスの最後を取得します。

質問

私はこれを良い方法で、DBを限界まで引き上げずに解決する方法を見つける必要があります。

努力1

最初の試みは明白であるGROUP BYかSELECT OVER PARTITION BYクエリでした。ここでの問題も明白です。すべてのクエリは、非常にパーティションの順序をスキャンする必要があります。そのため、クエリは非常に遅く、IOへの影響が非常に大きくなります。

クエリ例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

クエリ2の例

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

失敗しました！

努力2

TOP行への参照を常に保持するヘルプテーブルを作成しました。

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])

テーブルを埋めるために、より高い[End]列が挿入された場合に常にソース行を追加/更新するトリガーを作成しました。

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

ここでの問題は、IOへの影響も非常に大きく、その理由がわかりません。

クエリプランで確認できるように、[OperationData]テーブル全体に対してスキャンも実行します。

それは私のDBに大きな影響を与えます。

失敗しました！

SourceID値のテーブルがあり、メインテーブルのインデックスがにある場合は、を(SourceID, End) include (othercolumns)使用します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;

最新のパーティションの後であることがわかっている場合は、Endに次のようなフィルターを含めることができます。 AND d.[End] > DATEADD(day, -1, GETDATE())

編集：クラスター化インデックスがオンになっているので、SourceID, Source, End)SourceもSourcesテーブルに入れて、それに結合します。その後、新しいインデックスは必要ありません。

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;