Certains documents sur la compression des données SQL Server que j'ai lus indiquent que le coût d'écriture augmente jusqu'à environ quatre fois ce qui serait normalement requis. Cela semble également impliquer qu'il s'agit du principal inconvénient de la compression des données, ce qui implique fortement que pour une base de données d'archives en lecture seule, les performances seront (à quelques exceptions près) améliorées par l'utilisation de la compression des données de pages remplies à 100%.
- Les affirmations ci-dessus sont-elles vraies?
Quelles sont les principales "variations" entre la compression des données et autrement (pour la lecture)
- "CPU + x%"?
- "IO -y%"?
- occurrence de partage de page?
- utilisation de tempdb?
- Utilisation de la RAM?
- Et pour écrire?
Aux fins de cette question, vous pouvez limiter le contexte à la compression de niveau PAGE d'une grande base de données (> 1 To) , mais des commentaires supplémentaires sont toujours les bienvenus.
Les références:
Blog du moteur de stockage SQL Server (le scénario DW montre que la compression est très avantageuse)
Compression des données: stratégie, planification de la capacité et meilleures pratiques
Une approche plus détaillée pour décider quoi compresser consiste à analyser les caractéristiques de la charge de travail pour chaque table et index. Il est basé sur les deux mesures suivantes:
U: pourcentage d'opérations de mise à jour sur une table, un index ou une partition spécifique, par rapport au nombre total d'opérations sur cet objet. Plus la valeur de U est faible (c'est-à-dire que la table, l'index ou la partition est rarement mis à jour), meilleur est le candidat pour la compression de page.
S: pourcentage d'opérations d'analyse sur une table, un index ou une partition, par rapport au nombre total d'opérations sur cet objet. Plus la valeur de S est élevée (c'est-à-dire que la table, l'index ou la partition est principalement analysée), meilleur est le candidat pour la compression de page.
Les deux éléments ci-dessus sont manifestement biaisés pour recommander la compression de page pour les bases de données de style DW (lecture intensive / exclusive, opérations de Big Data).