Nota:
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
GitHub Copilot te ayuda a optimizar consultas e investigar cuellos de botella de rendimiento en la extensión MSSQL para Visual Studio Code. Puedes solicitar ayuda con código Transact-SQL (T-SQL) y mapeo objeto-relacional (ORM), interpretar planes de ejecución o utilizar herramientas del agente para investigar los datos de Almacén de consultas capturados.
Comienza
Asegúrese de que está conectado a una base de datos y de que tiene abierta una ventana del editor activo con la extensión MSSQL. Al conectarse, el participante del @mssql chat entiende el contexto del entorno de base de datos y puede proporcionar sugerencias precisas y compatibles con el contexto. Si no se conecta a una base de datos, el participante del chat no tiene el esquema ni el contexto de datos para proporcionar respuestas significativas.
Los siguientes ejemplos utilizan la AdventureWorksLT2022 base de datos de ejemplos, que puedes descargar desde el repositorio GitHub de Azure Data SQL Samples Repository.
Para obtener los mejores resultados, ajuste los nombres de tabla y esquema para que coincidan con su propio entorno.
Asegúrese de que el chat incluye el @mssql prefijo. Por ejemplo, escriba @mssql seguido de su pregunta o solicitud. Este prefijo garantiza que el participante del chat comprenda que solicita ayuda relacionada con SQL.
Optimización del rendimiento con GitHub Copilot
Utilice el participante @mssql del chat para revisar consultas SQL y ORM, explicar planes de ejecución y sugerir mejoras. Los ejemplos comienzan con escenarios de optimización de consultas y de enfoque code-first, seguidos de un ejemplo de agente de Almacén de consultas en vista previa.
Optimización de consultas
Use GitHub Copilot para identificar ineficacias en consultas de asignación relacional de objetos (ORM) o SQL y sugerir formas de mejorar el rendimiento. GitHub Copilot le ayuda a aplicar procedimientos recomendados de T-SQL y ORM, desde la reescritura de consultas lentas para recomendar índices o evitar antipatrones como combinaciones cartesianas, en función del contexto actual.
Ejemplo básico
Optimize the following query:
SELECT *
FROM SalesLT.SalesOrderHeader
WHERE OrderDate > '2023-01-01';
Ejemplo de mejora de índices
Suggest indexing improvements for this query:
SELECT ProductID
FROM SalesLT.SalesOrderDetail
WHERE Quantity > 100;
Ejemplo de mejora de integración
Rewrite this query to avoid a Cartesian join. Make sure the new query follows T-SQL best practices:
SELECT * FROM Customers, Order;
Ejemplo de selección anidada
Rewrite this Prisma query to avoid unnecessary nested selects and improve readability:
const orders = await prisma.salesOrderHeader.findMany({
where: {
orderDate: {
gt: new Date('2023-01-01')
}
}
});
Análisis del plan de ejecución
Los planes de ejecución proporcionan un desglose detallado de cómo procesa el motor de SQL las consultas. GitHub Copilot puede ayudarle a interpretar los planes de ejecución, identificar cuellos de botella, como uniones por bucles anidados, y sugerir mejoras basadas en patrones de consulta reales y estrategias de indexación.
Puede usar la consulta siguiente como ejemplo para generar el plan de ejecución mediante la opción Plan estimado/real de la extensión MSSQL:
SELECT soh1.SalesOrderID AS OrderA,
soh2.SalesOrderID AS OrderB,
soh1.TotalDue AS TotalA,
soh2.TotalDue AS TotalB
FROM SalesLT.SalesOrderHeader AS soh1
CROSS JOIN SalesLT.SalesOrderHeader AS soh2
WHERE soh1.TotalDue < soh2.TotalDue
ORDER BY soh2.TotalDue DESC;
Incluya tanto contexto como sea posible; para ello, seleccione la consulta en el editor e incluya el sqlplan archivo en la ventana de chat de GitHub Copilot, como se muestra en esta captura de pantalla.
According to the execution plan shared by my database expert, the following query is using a nested loop join which is affecting the performance of my app. Can you explain in simple terms why this might be happening? Additionally, suggest optimization strategies that could improve the query's performance.
Puede usar la consulta siguiente como ejemplo para generar el plan de ejecución mediante la opción Plan estimado/real de la extensión MSSQL:
SELECT c1.CustomerID,
c1.LastName,
c2.CustomerID AS MatchingCustomerID,
c2.LastName AS MatchingLastName
FROM SalesLT.Customer AS c1
INNER JOIN SalesLT.Customer AS c2
ON c1.LastName = c2.LastName
AND c1.CustomerID <> c2.CustomerID
OPTION (LOOP JOIN);
Incluya tanto contexto como sea posible seleccionando la consulta en el editor e incluyendo el sqlplan archivo en la ventana de chat de GitHub Copilot, como se muestra en esta captura de pantalla.
Explain the execution plan for this query that performs a join with a filter on TotalDue:
SELECT c.CustomerID,
c.FirstName,
c.LastName,
soh.SalesOrderID,
soh.TotalDue
FROM SalesLT.Customer AS c
INNER JOIN SalesLT.SalesOrderHeader AS soh
ON c.CustomerID = soh.CustomerID
WHERE soh.TotalDue > 500;
Reestructuración de consultas
La reestructuración de consultas mediante expresiones de tabla comunes (CTE) puede facilitar la lectura y el mantenimiento de las consultas. Este enfoque es especialmente útil para la lógica compleja o las subconsultas anidadas. GitHub Copilot puede ayudarle a reescribir las consultas existentes para usar CTE a la vez que conserva la intención original y mejora la claridad.
Ejemplo interno de selección para CTE
Rewrite this query using common table expressions (CTEs) to improve clarity:
SELECT *
FROM (SELECT ProductID,
SUM(Quantity) AS TotalQuantity
FROM Sales
GROUP BY ProductID) AS SubQuery;
Ejemplo de cláusula HAVING para CTE
Rewrite the following query using a CTE (common table expression) to improve readability and maintainability:
SELECT soh.CustomerID,
COUNT(*) AS OrderCount
FROM SalesLT.SalesOrderHeader AS soh
WHERE soh.OrderDate > '2022-01-01'
GROUP BY soh.CustomerID
HAVING COUNT(*) > 5;
Ejemplo de la cláusula de agregación para CTE
Use a CTE to separate the aggregation logic from the filter condition in this query:
SELECT ProductID,
AVG(UnitPrice) AS AvgPrice
FROM SalesLT.SalesOrderDetail
GROUP BY ProductID
HAVING AVG(UnitPrice) > 50;
Escenarios de rendimiento de code-first
Al trabajar con ORM como Entity Framework, Prisma o Sequelize, el rendimiento puede degradarse si no optimiza las consultas. GitHub Copilot le ayuda a detectar y resolver problemas como los índices que faltan, el filtrado ineficaz y los problemas de N+1 en los flujos de trabajo de código primero.
Ejemplo de Prisma
In a Prisma project, how would you ensure that queries filtering by `OrderDate` in `SalesOrderHeader` are using indexes effectively?
Ejemplo de Entity Framework Core
Using Entity Framework Core, how can you analyze and optimize a LINQ query that retrieves the top 10 customers by total order value?
Ejemplo de Sequelize
In Sequelize, how do you restructure a query that fetches order history with product details to minimize N+1 query issues?
Investigar consultas con el modo agente (vista previa)
Utilice las herramientas del agente de Almacén de consultas directamente en modo agente. No necesitas el panel, pero sí necesitas los datos capturados del Almacén de consultas y permisos para leerlos. Consulte los requisitos previos.
La #mssql_query_store_analyze_query herramienta recupera texto SQL, planes almacenados, estadísticas de tiempo de ejecución, historial de ejecuciones y esperaciones. No le pasas texto SQL ni XML del plan.
| Input | Qué proporcionar |
|---|---|
| Query | Se requiere queryId de Almacén de consultas. Si no se conoce, pide al agente que primero encuentre las consultas principales. |
| Conexión | Se requiere profileId o connectionId con el respaldo de un perfil guardado. Nombra el perfil o la conexión en tu prompt. |
| Database | Opcional database; por defecto se refiere a la base de datos de la conexión o perfil. |
| Período de tiempo | Opcional hours (por defecto 24), o ambos startUtc y endUtc con marcas temporales ISO 8601 UTC. |
| Plans | Opcional planIds para priorizar resúmenes; por defecto se asigna a planes con la mayor duración total. |
Reemplace el ID de la consulta de ejemplo, la base de datos y el perfil por los suyos propios:
#mssql_query_store_analyze_query Analyze query 4 in AdventureWorksLT using my LocalDev profile for the past 24 hours. Explain the main findings. Don't make changes.
En el Panel de Rendimiento de Consultas (vista previa),Chat es un acceso directo opcional en el menú de acciones de una fila de consulta (...) o en la página de detalles de la consulta. Abre el modo agente con el ID de consulta, perfil, base de datos y intervalo de tiempo seleccionado rellenados.
Las lecturas de diagnóstico no modifican tu base de datos. Prueba los cambios recomendados antes de aplicarlos.
Compartir la experiencia
Para ayudarnos a refinar y mejorar GitHub Copilot para la extensión MSSQL, use la siguiente plantilla de problema de GitHub para enviar sus comentarios: Comentarios de GitHub Copilot
Al enviar comentarios, considere la posibilidad de incluir:
Escenarios probados: Cuéntanos en qué áreas te centraste, por ejemplo, creación de esquemas, generación de consultas, seguridad, localización.
Qué funcionó bien: Describe cualquier experiencia que te haya resultado fluida, útil o que haya superado tus expectativas.
Problemas o errores: Incluya cualquier problema, inconsistencia o comportamiento confuso. Las capturas de pantalla o las grabaciones de pantalla son especialmente útiles.
Sugerencias de mejora: Comparte ideas para mejorar la usabilidad, ampliar la cobertura o potenciar las respuestas de GitHub Copilot.
Contenido relacionado
- Extensión de GitHub Copilot para MSSQL de Visual Studio Code
- Panel de Rendimiento de Consultas (vista previa)
- Inicio rápido: Usa el modo de agente de GitHub Copilot
-
Inicio rápido: Chatea con el
@mssqlparticipante (modo preguntar) - Inicio rápido: Generar código
- Inicio rápido: Usa el explorador de esquemas y el diseñador
- Inicio rápido: Utilice el generador de consultas inteligentes
- Inicio rápido: Utilice el explicador de lógica de negocio
- Quickstart: analizador de seguridad
- Inicio rápido: Ayuda de localización y formato
- Inicio rápido: Generar datos para pruebas y simulaciones
- Limitaciones y problemas conocidos