Ein Tag „In-Memory Technologien im SQL-Server“

Und worauf kann sich mein Publikum diesmal freuen? Auf einen ganzen Tag, an dem in die neuesten Trends in der IT-Technologie eingetaucht wird, spezifisch in Sachen Datenspeicherung: In-Memory-Optimierung (Speicherung und Berechnung). Wenn ihr noch traditionell in Row-basierten Indexen denkt, ist es Zeit, eine Ebene höher zu gehen. Hier ist eure Chance, zu einem sehr günstigen Preis von den ersten Schritten bis zu den Fallstricken der Realität zu lernen:

“In-Memory Technologies im SQL-Server – Von 0 zum Operational Analytics Master”

Die Beschreibung lautet wie folgt:

Seit SQL Server 2016 Service Pack 1 sind die meisten Programmierfunktionen in allen Editionen verfügbar, einschließlich der zwei In-Memory-Technologien: Columnstore Indexe und In-Memory OLTP.

Columnstore Indexe, die es seit SQL Server 2012 (eigentlich PDW v2008) gibt, sind hauptsächlich für große Datenmengen (Millionen von Zeilen) optimiert und bieten blitzschnelle Abfragen im OLAP-Stil, was durch ihre spezielle Struktur (spaltenweise Speicherung), raffinierte Komprimierung und Bearbeitung im Batch-Mode für eine weitaus effizientere CPU-Auslastung als traditionelle Row-basierende Abfragen ermöglicht wird.

Die In-Memory OLTP-Maschine, die das zweite Thema dieser Ganztags-PreCon sein wird, kam mit SQL Server 2014 in das Produkt und wurde seitdem umfassend sowohl hinsichtlich Skalierbarkeit als auch T-SQL-Sprachunterstützung verbessert, wobei viele der relevanten Einschränkungen bei der Anpassung von Version 1 auf ähnliche Weise wegfielen wie bei der Columnstore-Technologie im Verlauf ihrer Entwicklung.

Drittens werden die sogenannten In-Memory Operational Analytics durch die Möglichkeit unterstützt, Columnstore Indexe auf Memory-optimierten Tabellen zu erstellen!

All diese Verbesserungen werden In-Memory-Technologien zu einer praktikablen Option bei vielen Projekten machen. Was Data-Warehouses anbetrifft, sagen viele, dass Columnstore in der nahen Zukunft zur Standardspeicherart für alle Objekte werden wird. Und es lässt sich vorhersehen, dass mit den Jahren dasselbe für OLTP-Tabellen eintreten wird, die hohe gleichzeitige Workloads unterstützen müssen, die dann alle auf Memory-optimierten Tabellen basiert sein werden.

Während dieses ganztägigen Trainings wird Microsoft Certified Master for the Data Platform Andreas Wolter, der mit den In-Memory-Technologien von SQL-Server von den frühen Anfängen an vertraut ist, einen kompletten Überblick über den derzeitigen Technologiestand geben. Teilnehmer werden lernen, wie und wo man entweder In-Memory OLTP oder Columnstore oder sogar beides für effiziente Queries und Datenspeicherung verwendet. Sie werden auch lernen, welche Probleme noch in realen Projekten existieren, die es manchmal erschweren, das richtige Lösungskonzept zu finden, um von diesen Technologien zu profitieren. Dabei werden auch wichtige Aspekte und Details sowohl aus der Perspektive des Entwicklers als auch der des Administrators behandelt.

Es ist Zeit, deine Fähigkeiten zu erweitern und dir diese Technologien zu eigen zu machen: zu lernen, wie man diese neuen Speichertypen, die in unsere Datenbanken kommen, implementiert und unterstützt, und sich der Herausforderung immer mehr gespeicherter und abgefragter Daten sowie Performance-Anforderungen und steigenden analytischen Anforderungen (in Echtzeit) zu stellen.

Module/Themen

• Columnstore Storage Engine und Komprimierungs-Interna
• Was ist der Nutzen für OLAP- Performance
• Wann man Clustered oder Nonclustered Columnstore Indexe benutzt
• XTP-Engine Interna für In-Memory OLTP Performance-Vorteile
• Memory-optimierte Tabellen, Indexe und Variablen
• Nativ kompilierte gespeicherte Prozeduren & Trigger
• Kombination von Zeilenspeicherung, Columnstore/xVelocity und XTP Engine für operative Analytik

Kernpunkte

• Wie die neuen Speicher-Engines Columnstore & XTP hinter der Bühne funktionieren
• Was die Stärken und Schwächen dieser alternativen Speicher-Engines sind und wie sie am besten umgesetzt werden können
• Wie man einen schnellen Start mit In-Memory-optimierten Objekten in fast jeder Umgebung erhalten kann
• Was die typischen Performance-Muster sind, die diese Technologien behandeln
• Wie man hoch performante Data Warehouse-Tabellen baut
• Wie man OLTP Hotspot Tabellen mit In-Memory Technologien verbessert
• Wie man Echtzeit-Analytik von operativen Daten ermöglicht
• Was aus einer Dateimanagement-Perspektive für Administratoren wichtig ist
• Wie man Columnstore und In-Memory Hash- & Range-Indexe wartet
• Welche Herausforderungen sich aus diesen Technologien ergeben

Demos

• Performance-Verbesserungen für OLAP-Workloads mit Nonclustered Columnstore Indexen
• Clustered Columnstore Indexe
• Performance-Verbesserungen für OLTP-Workloads mit memory-optimized Tabellen, Indexen und Code
• Operative Analytik bei Zeilen-Speicherung vs. operative Analytik bei In-Memory unter verschiedenen Workload-Typen
• Wie Columnstore-Indexe mit Updates bei Daten unter der Haube umgehen
• Wie In-Memory optimierte Objekte auf der Disk aussehen