Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
GitHub Copilot hilft Ihnen, Abfragen zu optimieren und Leistungsengpässe in der MSSQL-Erweiterung für Visual Studio Code zu analysieren. Sie können um Hilfe bei Transact-SQL (T-SQL) und Object-Relational Mapping (ORM)-Code bitten, Ausführungspläne interpretieren oder Agent-Tools verwenden, um erfasste Abfragespeicher Daten zu untersuchen.
Loslegen
Stellen Sie sicher, dass Sie mit einer Datenbank verbunden sind und ein aktives Editorfenster mit der MSSQL-Erweiterung geöffnet ist. Wenn Sie eine Verbindung herstellen, versteht der @mssql Chatteilnehmer den Kontext Ihrer Datenbankumgebung und kann genaue, kontextbezogene Vorschläge liefern. Wenn Sie keine Verbindung mit einer Datenbank herstellen, verfügt der Chatteilnehmer nicht über das Schema oder den Datenkontext, um aussagekräftige Antworten bereitzustellen.
Die folgenden Beispiele verwenden die AdventureWorksLT2022 Beispieldatenbank, die Sie aus dem Azure Data SQL Samples Repository GitHub-Repository herunterladen können.
Um optimale Ergebnisse zu erzielen, passen Sie Tabellen- und Schemanamen an Ihre eigene Umgebung an.
Stellen Sie sicher, dass der Chat das @mssql Präfix enthält. Geben Sie @mssql z. B. gefolgt von Ihrer Frage oder Aufforderung ein. Dieses Präfix stellt sicher, dass der Chatteilnehmer versteht, dass Sie sql-bezogene Unterstützung anfordern.
Optimieren der Leistung mit GitHub Copilot
Verwenden Sie den @mssql Chat-Teilnehmer, um SQL- und ORM-Abfragen zu überprüfen, Ausführungspläne zu erklären und Verbesserungen vorzuschlagen. Die Beispiele beginnen mit Szenarien zur Abfrageoptimierung und Code-First-Szenarien und werden von einem Abfragespeicher-Agentenbeispiel als Vorschau gefolgt.
Optimieren von Abfragen
Verwenden Sie GitHub Copilot, um Ineffizienzen in SQL- oder objektrelationalen Zuordnungsabfragen (ORM) zu identifizieren und Möglichkeiten zur Verbesserung der Leistung vorzuschlagen. GitHub Copilot hilft Ihnen, T-SQL- und ORM-Best Practices anzuwenden, indem es Sie beim Umschreiben langsamer Abfragen, Empfehlen von Indizes oder Vermeiden von Antipatterns wie kartesischen Verknüpfungen im aktuellen Kontext unterstützt.
Einfaches Beispiel
Optimize the following query:
SELECT *
FROM SalesLT.SalesOrderHeader
WHERE OrderDate > '2023-01-01';
Beispiel zur Indexverbesserung
Suggest indexing improvements for this query:
SELECT ProductID
FROM SalesLT.SalesOrderDetail
WHERE Quantity > 100;
Beispiel für die Verbesserung der Integration
Rewrite this query to avoid a Cartesian join. Make sure the new query follows T-SQL best practices:
SELECT * FROM Customers, Order;
Beispiel für geschachtelte Auswahl
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')
}
}
});
Analyse des Ausführungsplans
Ausführungspläne bieten eine detaillierte Übersicht darüber, wie das SQL-Modul Abfragen verarbeitet. GitHub Copilot kann Ihnen dabei helfen, Ausführungspläne zu interpretieren, Engpässe wie geschachtelte Schleifenverknungen zu identifizieren und Verbesserungen basierend auf realen Abfragemustern und Indizierungsstrategien vorzuschlagen.
Sie können die folgende Abfrage als Beispiel verwenden, um den Ausführungsplan mithilfe der Option "Geschätzter/Tatsächlicher Plan" in der MSSQL-Erweiterung zu generieren:
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;
Fügen Sie so viel Kontext wie möglich hinzu, indem Sie die Abfrage aus dem Editor auswählen und die sqlplan Datei in das GitHub Copilot-Chatfenster einschließen, wie in diesem Screenshot gezeigt.
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.
Sie können die folgende Abfrage als Beispiel verwenden, um den Ausführungsplan mithilfe der Option "Geschätzter/Tatsächlicher Plan" in der MSSQL-Erweiterung zu generieren:
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);
Fügen Sie so viel Kontext wie möglich hinzu, indem Sie die Abfrage aus dem Editor auswählen und die sqlplan Datei in das GitHub Copilot-Chatfenster einschließen, wie in diesem Screenshot gezeigt.
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;
Abfrageumstrukturierung
Durch die Umstrukturierung von Abfragen mithilfe allgemeiner Tabellenausdrücke (CTEs) können Ihre Abfragen leichter lesbar und einfacher zu verwalten werden. Dieser Ansatz ist besonders hilfreich für komplexe Logik- oder geschachtelte Unterabfragen. GitHub Copilot kann Ihnen dabei helfen, Ihre vorhandenen Abfragen so umzuschreiben, dass SIE CTEs verwenden, während sie die ursprüngliche Absicht beibehalten und die Klarheit verbessern.
Innere Auswahl in CTE-Beispiel
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;
HAVING-Klausel für CTE-Beispiel
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;
Aggregationsklausel bei CTE-Beispiel
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;
Code-First Performance-Szenarien
Wenn Sie mit ORMs wie Entity Framework, Prisma oder Sequelize arbeiten, kann die Leistung beeinträchtigt werden, wenn Sie Ihre Abfragen nicht optimieren. GitHub Copilot hilft Ihnen, Probleme wie fehlende Indizes, ineffiziente Filterung und N+1-Probleme in Code-first-Workflows zu erkennen und zu beheben.
Prisma-Beispiel
In a Prisma project, how would you ensure that queries filtering by `OrderDate` in `SalesOrderHeader` are using indexes effectively?
Entity Framework Core(Beispiel)
Using Entity Framework Core, how can you analyze and optimize a LINQ query that retrieves the top 10 customers by total order value?
Sequelize-Beispiel
In Sequelize, how do you restructure a query that fetches order history with product details to minimize N+1 query issues?
Abfragen im Agentenmodus untersuchen (Vorschau)
Verwenden Sie die Vorschau-Abfragespeicher-Agent-Tools direkt im Agentenmodus. Du brauchst das Dashboard nicht, aber du brauchst erfasste Abfragespeicher-Daten und die Berechtigung, sie zu lesen. Siehe Voraussetzungen.
Das #mssql_query_store_analyze_query Tool ruft SQL-Text, gespeicherte Pläne, Laufzeitstatistiken, Ausführungsverlauf und Wartezeiten ab. Man übergibt keinen SQL-Text oder kein Plan-XML daran.
| Eingabe | Was zu bieten ist |
|---|---|
| Query | Erforderlich: queryId aus dem Abfragespeicher. Falls unbekannt, bitten Sie den Agenten, zuerst die wichtigsten Anfragen zu finden. |
| Verbindung | Erforderlich ist profileId oder connectionId mit einem gespeicherten Profil. Gib das Profil oder die Verbindung in deiner Eingabe an. |
| Database | Optional database; standardmäßig wird die Datenbank der Verbindung oder des Profils verwendet. |
| Zeitrahmen | Optional hours (Standardwert 24), oder beides startUtc und endUtc als ISO 8601 UTC-Zeitstempel. |
| Planwechsel | Optional planIds, um Zusammenfassungen zu priorisieren; standardmäßig werden Pläne mit der längsten Gesamtlaufzeit verwendet. |
Ersetzen Sie die Beispielabfrage-ID, die Datenbank und das Profil durch Ihre eigenen Werte:
#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.
Im Abfrage-Performance-Dashboard (Vorschau) ist Chat ein optionaler Schnellzugriff im Aktionsmenü einer Abfragezeile (...) oder auf der Detailseite der Abfrage. Dadurch wird der Agentenmodus geöffnet, wobei Abfrage-ID, Profil, Datenbank und der ausgewählte Zeitbereich bereits ausgefüllt sind.
Diagnostische Lesevorgänge verändern Ihre Datenbank nicht. Teste empfohlene Änderungen, bevor du sie anwendest.
Teilen von Erfahrungen
Um uns dabei zu helfen, GitHub Copilot für die MSSQL-Erweiterung zu verfeinern und zu verbessern, verwenden Sie die folgende GitHub-Problemvorlage, um Ihr Feedback zu übermitteln: GitHub Copilot Feedback
Berücksichtigen Sie bei der Übermittlung von Feedback Folgendes:
Getestete Szenarien: Teilen Sie uns mit, auf welche Bereiche Sie sich konzentriert haben, zum Beispiel Schema-Erstellung, Abfragegenerierung, Sicherheit, Lokalisierung.
Was gut funktioniert hat: Beschreibe alle Erfahrungen, die sich reibungslos, hilfreich anfühlten oder deine Erwartungen übertroffen haben.
Probleme oder Bugs: Fügen Sie alle Probleme, Inkonsistenzen oder verwirrende Verhaltensweisen hinzu. Screenshots oder Bildschirmaufzeichnungen sind besonders hilfreich.
Verbesserungsvorschläge: Teilen Sie Ideen zur Verbesserung der Benutzerfreundlichkeit, zur Erweiterung der Abdeckung oder zur Verbesserung der Antworten von GitHub Copilot.
Verwandte Inhalte
- GitHub Copilot für MSSQL-Erweiterung für Visual Studio Code
- Abfrage-Performance-Dashboard (Vorschau)
- Schnellstart: Verwenden Sie den GitHub Copilot-Agent mode
-
Schnellstart: Mit dem
@mssqlTeilnehmer chatten (Fragemodus) - Schnellstart: Code generieren
- Schnellstart: Verwenden Sie den Schema-Explorer und den Designer
- Schnellstart: Verwenden Sie den Smart Query Builder
- Schnellstart: Verwenden Sie die Erklärung der Geschäftslogik
- Schnellstart: Sicherheitsanalysator
- Schnellstart: Lokalisierungs- und Formatierungshilfe
- Schnellstart: Daten für Tests und Mock-Objekte generieren
- Einschränkungen und bekannte Probleme