Настройка производительности и оптимизации баз данных SQL
Этот четырехдневный курс под руководством инструктора предоставляет учащимся, которые управляют и поддерживают базы данных SQL Server, знания и навыки для настройки производительности и оптимизации своих баз данных.
Для кого:
Основная аудитория этого курса - люди, которые администрируют и поддерживают базы данных SQL Server и несут ответственность за оптимальную производительность экземпляров SQL Server, которыми они управляют. Эти люди также пишут запросы к данным и должны обеспечивать оптимальную производительность выполнения рабочих нагрузок.Вторичные аудитории для этого курса - люди, которые разрабатывают приложения, которые доставляют контент из баз данных SQL Server.
Что должен знать слушатель
В дополнение к своему профессиональному опыту студенты, посещающие данное обучение, должны обладать следующими техническими знаниями:
- Базовые знания об операционной системе Microsoft Windows и ее основных функциях.
- Знание администрирования и обслуживания базы данных
- Знание Transact-SQL.
Результаты обучения
После прохождения курса Вы сможете:
- Описывать высокоуровневый обзор архитектуры SQL Server и его различных компонентов.
- Описывать модель выполнения SQL Server, ожиданий и очередей.
- Описывать базовые концепции архитектуры ввода/вывода, сетей хранения данных и тестирования производительности.
- Описывать архитектурные концепций и практические рекомендации, связанные с файлами данных для пользовательских баз данных и базы данных TempDB.
- Описывать архитектурные концепций и практические рекомендации, связанные с параллелизмом, транзакциями, уровнями изоляции и блокировками.
- Описывать архитектурные концепции оптимизатора запросов, и смогут идентифицировать и устранить проблемы выявления запроса.
- Описывать архитектурные концепции, устранять неполадки сценариев и использовать практические рекомендации, связанные с процедурным кэшем.
- Описывать архитектурные концепции, сценарии устранения неполадок для расширенных событий.
- Объяснять стратегию сбора данных и технологии для анализа собранных данных.
- Понимать методы поиска и диагностики узких мест для повышения общей производительности