Actualizar
Esto ahora se implementa en SQL Server Azure. Genera recomendaciones
y la gestión de índices se puede configurar para que sea automática .
Habilitar la gestión automática de índices
Puede configurar el Asesor de bases de datos SQL para implementar recomendaciones automáticamente. A medida que las recomendaciones estén disponibles, se aplicarán automáticamente. Al igual que con todas las operaciones de índice gestionadas por el servicio, si el impacto en el rendimiento es negativo, la recomendación se revertirá.
Respuesta original
Algunas bases de datos ya (tipo de) crean índices automáticamente.
En SQL Server, el plan de ejecución a veces puede incluir un operador Index Spool donde el RDBMS crea dinámicamente una copia indexada de los datos. Sin embargo, este spool no es una parte persistente de la base de datos que se mantiene sincronizada con los datos de origen y no se puede compartir entre las ejecuciones de consultas, lo que significa que la ejecución de dichos planes puede terminar creando y soltando índices temporales en los mismos datos repetidamente.
Quizás en el futuro los RDBMS tengan la capacidad de eliminar dinámicamente y crear índices persistentes de acuerdo con la carga de trabajo.
El proceso de optimización del índice es al final solo un análisis de costo beneficio. Si bien es cierto que los humanos pueden tener más información sobre la importancia relativa de las consultas en una carga de trabajo, en principio no hay ninguna razón por la que esta información no pueda ponerse a disposición del optimizador. SQL Server ya tiene un regulador de recursos que permite clasificar las sesiones en diferentes grupos de carga de trabajo con diferentes asignaciones de recursos según la prioridad.
Los índices DMV faltantes mencionados por Kenneth no están destinados a implementarse a ciegas, ya que solo consideran los beneficios de una consulta específica y no intentan tener en cuenta el costo del índice potencial para otras consultas. Tampoco consolida índices faltantes similares. por ejemplo, la salida de este DMV puede informar índices faltantes A,B,CyA,B INCLUDE(C)
Algunos problemas actuales con la idea son
- La calidad de cualquier análisis automatizado que en realidad no cree el índice dependerá en gran medida de la precisión del modelo de cálculo de costos.
- Incluso dentro del campo del análisis automatizado, una solución fuera de línea podrá ser más exhaustiva que una solución en línea, ya que es imperativo que una solución en línea no agregue gastos generales de contabilidad al servidor en vivo e interfiera con su propósito principal de ejecutar consultas.
- Los índices creados automáticamente en respuesta a la carga de trabajo necesariamente se crearán en respuesta a consultas que los hubieran encontrado útiles, por lo que se quedarán atrás de las soluciones que crean los índices de antemano.
Probablemente sea razonable esperar que la precisión de los modelos de costos mejore con el tiempo, pero el punto 2 parece más difícil de resolver y el punto 3 es inherentemente insoluble.
Sin embargo, probablemente la gran mayoría de las instalaciones no se encuentran en esta situación idealizada con personal calificado que supervisa, diagnostica y anticipa continuamente (o al menos reacciona) a los cambios en las cargas de trabajo.
El proyecto AutoAdmin en Microsoft Research se ejecuta desde 1996
El objetivo de este proyecto es hacer que las bases de datos se autoajusten y se administren automáticamente explotando el conocimiento de la carga de trabajo
La página de inicio del proyecto enumera varios proyectos interesantes. Uno es particularmente relevante para la pregunta aquí
Otro problema interesante surge cuando no hay DBA disponible (por ejemplo, una base de datos integrada o una pequeña empresa). En tales escenarios, un enfoque de sintonización de índice continuo de bajo toque puede llegar a ser importante. Hemos explorado soluciones ... [en] " Un enfoque en línea para el ajuste del diseño físico " en ICDE 2007.
Los autores declaran
Con características DBMS cada vez más comunes, como los índices en línea, resulta atractivo explorar soluciones más automáticas para el problema del diseño físico que avanzan en el estado del arte.
El artículo presenta un algoritmo.
Sus características principales son:
- A medida que se optimizan las consultas, identificamos un conjunto relevante de índices candidatos que mejorarían el rendimiento. Esta característica permite que el procesamiento de consultas continúe en paralelo con los índices que se crean en segundo plano.
- En el momento de la ejecución, hacemos un seguimiento de los posibles beneficios que perdemos al no tener dichos índices candidatos y también la utilidad de los índices existentes en presencia de consultas, actualizaciones y limitaciones de espacio.
- Después de reunir suficiente "evidencia" de que un cambio de diseño físico es beneficioso, activamos automáticamente creaciones o eliminaciones de índice.
- La naturaleza en línea de nuestro problema implica que generalmente nos quedaremos atrás de las soluciones óptimas que conocen el futuro. Sin embargo, al medir cuidadosamente la evidencia, nos aseguramos de no sufrir decisiones "tardías" de manera significativa, limitando así el monto de la pérdida incurrida
La implementación del algoritmo permite la aceleración en respuesta a los cambios en la carga del servidor y también puede abortar la creación del índice si durante la creación la carga de trabajo cambia y el beneficio esperado cae por debajo del punto que se considera que vale la pena.
La conclusión de los autores sobre el tema de la afinación física en línea versus tradicional.
Los algoritmos en línea en este trabajo son útiles cuando los DBA no están seguros sobre el comportamiento futuro de la carga de trabajo, o no tienen la posibilidad de realizar un análisis o modelado exhaustivo. Si un DBA tiene información completa sobre las características de la carga de trabajo, un análisis estático y la implementación por parte de las herramientas existentes (por ejemplo, [2, 3]) sería una mejor alternativa.
Las conclusiones aquí son similares a las de otro documento Autonomous Query-driven Index Tuning
Nuestro enfoque no puede vencer al asesor de índices si se conoce de antemano toda la carga de trabajo. Sin embargo, en entornos dinámicos con cargas de trabajo cambiantes y en evolución, el enfoque basado en consultas produce mejores resultados.