Bonne réponse
- ACréer un index columnstore clustered sur la table.
Explication
Un index columnstore clustered est idéal pour les grands entrepôts de données et les charges de travail analytiques, car il stocke les données par colonne, permettant ainsi un taux de compression élevé et un traitement en mode batch. Pour les requêtes qui agrègent des millions de lignes par produit et par mois, les index columnstore réduisent considérablement les E/S et le CPU en analysant uniquement les colonnes nécessaires et en utilisant l'élimination des segments, ce qui répond directement à l'exigence de réduction du temps d'exécution des requêtes sans modifier les requêtes.
Pour aller plus loin
La différence architecturale fondamentale entre les index rowstore et columnstore réside dans la manière dont les données sont agencées sur le disque et en mémoire. Dans un rowstore, chaque ligne est stockée de manière contiguë, ce qui est idéal pour les transactions OLTP telles qu'une mise à jour d'un seul enregistrement ou une recherche par clé primaire. Dans un columnstore, les valeurs de chaque colonne sont stockées dans des segments séparés, ce qui permet au moteur d'ignorer des segments entiers lorsque les agrégations n'ont besoin que de quelques colonnes ; c'est ce qu'on appelle l'élimination de segments de colonnes. Les index columnstore utilisent également un algorithme de compression hautement efficace qui exploite l'ordre des données et le codage par plages, atteignant souvent un taux de compression de 10x par rapport au rowstore, ce qui réduit les E/S et permet à un plus grand volume de données de tenir en mémoire. Une autre subtilité est que les index columnstore peuvent toujours prendre en charge des recherches ponctuelles de type OLTP directement s'ils sont clusterisés, mais ils excellent lorsque les requêtes effectuent des analyses et des agrégations à grande échelle. Une idée fausse très répandue est que l'ajout d'un index nonclustered sur une colonne fréquemment filtrée accélérera les rapports, mais ces index sont basés sur les lignes et nécessitent des recherches de clés pour les colonnes non incluses dans l'index, ce qui les rend beaucoup moins efficaces pour les requêtes analytiques larges. En production, les entrepôts de données créent souvent des index columnstore clustered sur les tables de faits, tout en laissant les tables de dimensions en rowstore pour les performances de jointure et de recherche.
À propos de ces questions d'entraînement
Cette question fait partie des questions d'entraînement DP-900 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.
Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.