TOPO (1) POR GRUPO de mesa muito grande (mais de 100.000.000)

Configuração

Eu tenho uma tabela enorme de ~ 115.382.254 linhas. A tabela é relativamente simples e registra as operações do processo de aplicativo.

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])

A tabela está agrupada em cerca de 500 clusters e diariamente.

Além disso, a tabela é bem indexada pelo PK, as estatísticas estão atualizadas e o INDEXer é exibido diariamente todas as noites.

Os SELECTs baseados em índices são extremamente rápidos e não tivemos nenhum problema com isso.

Problema

Preciso conhecer a última linha (TOP) [End]e particionada por [SourceDeciveID]. Para obter o último [OperationData]de todos os dispositivos de origem.

Questão

Preciso encontrar uma maneira de resolver isso de uma maneira boa e sem levar o DB ao limite.

Esforço 1

A primeira tentativa foi óbvia GROUP BYou SELECT OVER PARTITION BYconsulta. O problema aqui também é óbvio: todas as consultas precisam varrer muito a ordem das partições / encontrar a linha superior. Portanto, a consulta é muito lenta e tem um impacto de IO muito alto.

Consulta de exemplo 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

Consulta de exemplo 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

FALHOU!

Esforço 2

Criei uma tabela de ajuda para manter sempre uma referência à linha 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])

Para preencher a tabela, criou um gatilho para sempre adicionar / atualizar a linha de origem se uma [End]coluna superior for inserida.

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

O problema aqui é que ele também tem um enorme impacto de IO e não sei por que.

Como você pode ver aqui no plano de consulta, ele também executa uma verificação em toda a [OperationData]tabela.

Ele tem um enorme impacto geral no meu banco de dados.

FALHOU!

Se você possui uma tabela de SourceIDvalores e um índice em sua tabela principal (SourceID, End) include (othercolumns), basta usar 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 você souber que está apenas após a sua partição mais recente, poderá incluir um filtro no End, como AND d.[End] > DATEADD(day, -1, GETDATE())

Editar: como o índice em cluster está ativado SourceID, Source, End), coloque o código-fonte na tabela de fontes também e participe também. Então você não precisa do novo índice.

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;