TOP (1) POR GRUPO de tabla muy grande (100,000,000+)

Preparar

Tengo una gran mesa de ~ 115,382,254 filas. La tabla es relativamente simple y registra las operaciones del proceso de aplicación.

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 tabla está agrupada en alrededor de 500 grupos y en una base diaria.

Además, la tabla está bien indexada por PK, las estadísticas están actualizadas y el INDEXer se defrauda todas las noches.

Los SELECT basados ​​en índices son rápidos como un rayo y no tuvimos ningún problema con eso.

Problema

Necesito saber la última fila (SUPERIOR) [End]y particionado por [SourceDeciveID]. Para obtener lo último [OperationData]de cada dispositivo fuente.

Pregunta

Necesito encontrar una manera de resolver esto de una buena manera y sin llevar el DB a los límites.

Esfuerzo 1

El primer intento fue obvio GROUP BYo SELECT OVER PARTITION BYconsulta. El problema aquí también es obvio, cada consulta tiene que escanear por orden de partición / encontrar la fila superior. Por lo tanto, la consulta es muy lenta y tiene un impacto de E / S muy alto.

Ejemplo de consulta 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

Ejemplo de consulta 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

¡HA FALLADO!

Esfuerzo 2

Creé una tabla de ayuda para mantener siempre una referencia a la fila SUPERIOR.

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 llenar la tabla, se creó un activador para agregar / actualizar siempre la fila de origen si [End]se inserta una columna más alta .

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

El problema aquí es que también tiene un gran impacto de IO y no sé por qué.

Como puede ver aquí en el plan de consulta , también ejecuta una exploración en toda la [OperationData]tabla.

Tiene un gran impacto general en mi base de datos.

¡HA FALLADO!

Si tiene una tabla de SourceIDvalores y un índice en su tabla principal (SourceID, End) include (othercolumns), simplemente use 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;

Si sabe que solo está después de su nueva partición, puede incluir un filtro en End, como AND d.[End] > DATEADD(day, -1, GETDATE())

Editar: debido a que su índice agrupado está activado SourceID, Source, End), coloque Fuente en su tabla de Fuentes también y únase a eso también. Entonces no necesitas el nuevo 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;