Nota
O acesso a esta página requer autorização. Pode tentar iniciar sessão ou alterar os diretórios.
O acesso a esta página requer autorização. Pode tentar alterar os diretórios.
O GitHub Copilot ajuda-o a otimizar consultas e a investigar gargalos de desempenho na extensão MSSQL para Visual Studio Code. Pode pedir ajuda com código Transact-SQL (T-SQL) e mapeamento objeto-relacional (ORM), interpretar planos de execução ou usar ferramentas do agente para investigar dados de Query Store capturados.
Introdução
Certifica-te de que estás ligado a uma base de dados e que tens uma janela de editor ativa aberta com a extensão MSSQL. Quando se liga, o participante @mssql do chat compreende o contexto do seu ambiente de base de dados e pode dar sugestões precisas e conscientes do contexto. Se não se ligar a uma base de dados, o participante do chat não tem o esquema ou contexto de dados para fornecer respostas significativas.
Os exemplos seguintes utilizam a base de dados de exemplo AdventureWorksLT2022, que pode descarregar do repositório do GitHub Azure Data SQL Samples Repository.
Para obter melhores resultados, ajuste os nomes de tabelas e esquemas para corresponder ao seu próprio ambiente.
Certifique-se de que o chat inclui o prefixo @mssql . Por exemplo, digite @mssql seguido de a sua pergunta ou solicitação. Este prefixo garante que o participante do chat percebe que está a pedir assistência relacionada com SQL.
Otimize o desempenho com o GitHub Copilot
Use o participante @mssql do chat para rever consultas SQL e ORM, explicar planos de execução e sugerir melhorias. Os exemplos começam com cenários de otimização de consultas e de code-first, seguidos por um exemplo de agente Query Store em pré-visualização.
Otimizar consultas
Use o GitHub Copilot para identificar ineficiências em SQL ou em consultas de mapeamento objeto-relacional (ORM) e sugerir formas de melhorar o desempenho. O GitHub Copilot ajuda-te a aplicar as melhores práticas de T-SQL e ORM, desde reescrever consultas lentas até recomendar índices ou evitar anti-padrões como joins cartesianas, com base no teu contexto atual.
Exemplo básico
Optimize the following query:
SELECT *
FROM SalesLT.SalesOrderHeader
WHERE OrderDate > '2023-01-01';
Exemplo de melhoria de índice
Suggest indexing improvements for this query:
SELECT ProductID
FROM SalesLT.SalesOrderDetail
WHERE Quantity > 100;
Exemplo de melhoria de junção
Rewrite this query to avoid a Cartesian join. Make sure the new query follows T-SQL best practices:
SELECT * FROM Customers, Order;
Exemplo de seleção aninhada
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')
}
}
});
Análise do plano de execução
Os planos de execução fornecem um detalhamento detalhado de como o mecanismo SQL processa consultas. O Copilot do GitHub pode ajudá-lo a interpretar planos de execução, identificar gargalos, como junções de loop aninhadas, e sugerir melhorias com base em padrões de consulta do mundo real e estratégias de indexação.
Você pode usar a seguinte consulta como um exemplo para gerar o plano de execução usando a opção de plano estimado/real na extensão 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;
Inclua o máximo de contexto possível, selecionando a consulta no editor e incluindo o ficheiro sqlplan na janela de chat do GitHub Copilot, como mostrado nesta captura de ecrã.
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.
Você pode usar a seguinte consulta como um exemplo para gerar o plano de execução usando a opção de plano estimado/real na extensão 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);
Inclua o máximo de contexto possível selecionando a consulta no editor e incluindo o sqlplan ficheiro na janela de chat do GitHub Copilot, como mostrado nesta captura de ecrã.
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;
Reestruturação de consultas
Reestruturar consultas usando expressões de tabela comuns (CTEs) pode tornar as suas consultas mais fáceis de ler e manter. Esta abordagem é especialmente útil para lógica complexa ou subconsultas aninhadas. O GitHub Copilot pode ajudá-lo a reescrever as suas consultas existentes para usar CTEs, preservando a intenção original e melhorando a clareza.
Exemplo de seleção interna 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;
Exemplo da 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;
Exemplo de cláusula de agregação em 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;
Cenários de desempenho com foco no código
Quando trabalha com ORMs como Entity Framework, Prisma ou Sequelize, o desempenho pode degradar-se se não otimizar as suas consultas. O GitHub Copilot ajuda-o a detetar e resolver problemas como índices em falta, filtragem ineficiente e problemas N+1 em fluxos de trabalho baseados no código.
Exemplo de Prisma
In a Prisma project, how would you ensure that queries filtering by `OrderDate` in `SalesOrderHeader` are using indexes effectively?
Exemplo 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?
Exemplo de sequelização
In Sequelize, how do you restructure a query that fetches order history with product details to minimize N+1 query issues?
Investigar consultas com o modo de agente (versão preliminar)
Utilize as ferramentas de pré-visualização do agente do Query Store diretamente no modo agente. Não precisa do dashboard, mas precisa de dados capturados do Query Store e de permissão para os ler. Consulte os pré-requisitos.
A ferramenta #mssql_query_store_analyze_query recupera texto SQL, planos armazenados, estatísticas de execução, histórico de execução e períodos de espera. Não lhe passa texto SQL nem XML de plano.
| Input | O que fornecer |
|---|---|
| Query | Necessário queryId do Query Store. Se não for conhecido, peça ao agente que encontre primeiro as principais consultas. |
| Connection | É necessário profileId ou connectionId com base num perfil guardado. Nomeie o perfil ou ligação no seu prompt. |
| Database | Opcional database; por predefinição, utiliza a base de dados da ligação ou do perfil. |
| Período de tempo | Opcional hours (predefinido 24), ou então startUtc e endUtc, ambos com marcas temporais ISO 8601 UTC. |
| Plans | Opcional planIds para dar prioridade aos resumos; por predefinição, aplica-se aos planos com maior duração total. |
Substitua o ID de consulta de exemplo, a base de dados e o perfil pelos seus próprios:
#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.
No Painel de Desempenho da Consulta (pré-visualização),Chat é um atalho opcional no menu de ações de uma linha de consulta (...) ou na página de detalhes da consulta. Abre o modo agente com o ID da consulta, perfil, base de dados e intervalo de tempo selecionado preenchidos.
As leituras de diagnóstico não modificam a sua base de dados. Teste as alterações recomendadas antes de as aplicar.
Partilhar a sua experiência
Para nos ajudar a refinar e melhorar o Copilot do GitHub para a extensão MSSQL, use o seguinte modelo de problema do GitHub para enviar seus comentários: Feedback do Copiloto do GitHub
Ao enviar comentários, considere incluir:
Cenários testados: Diga-nos em que áreas se focou, por exemplo, criação de esquemas, geração de consultas, segurança, localização.
O que funcionou bem: Descreva quaisquer experiências que tenham sido fáceis, úteis ou que tenham superado as suas expectativas.
Problemas ou bugs: Inclua quaisquer problemas, inconsistências ou comportamentos confusos. Capturas de ecrã ou gravações de ecrã são especialmente úteis.
Sugestões de melhoria: Partilhe ideias para melhorar a usabilidade, expandir a cobertura ou potenciar as respostas do GitHub Copilot.
Conteúdo relacionado
- Extensão GitHub Copilot para MSSQL para Visual Studio Code
- Painel de Desempenho de Consultas (pré-visualização)
- Início rápido: Use o modo agent do GitHub Copilot
-
Início rápido: Converse com o
@mssqlparticipante (modo de perguntas) - Início rápido: Gerar código
- Início rápido: Use o explorador de esquemas e o estruturador
- Início rápido: Utilize o construtor de consultas inteligente
- Início rápido: Utilize o explicador de lógica de negócio
- Quickstart: Analisador de segurança
- Quickstart: Auxiliar de localização e formatação
- Quickstart: Gerar dados para testes e simulação
- Limitações e problemas conhecidos