Azure 数据工厂 V2 : Copy OR Stored Procedure activity for SQL merge

Question

我们的 Azure 数据工厂 v2 解决方案中有许多数据库表合并步骤。我们将表合并到 Azure SQL Server DB 的单个实例中。源表和目标表位于不同的数据库架构中。源被定义为对单个表的选择或两个表的联接。

我的疑问是，从性能角度来看，下面描述的场景中哪一种更好。

场景一(每个表)

存储过程事件调用执行所有工作的存储过程。管道中的存储过程事件调用该存储过程。更新插入包含所有源数据的目标表。此类存储过程的示例:

create or alter procedure dwh.fill_lnk_cemvypdet_cemstr2c_table_with_stage_data as
    merge
        dwh.lnk_cemvypdet_cemstr2c as target
    using

        (select
                t.sa_hashkey cemvypdet_hashkey,
                t.sa_timestamp load_date,
                t.sa_source record_source,
                d.sa_hashkey cemstr2c_hashkey
            from
                egje.cemvypdet t
            join
                egje.cemstr2c d
            on
                t.id_mstr = d.id_mstr)
        as source
        on target.cemvypdet_hashkey = source.cemvypdet_hashkey
            and target.cemstr2c_hashkey = source.cemstr2c_hashkey
        when not matched then
            insert(
                cemvypdet_hashkey,
                cemstr2c_hashkey,
                record_source,
                load_date,
                last_seen_date)
            values(
                source.cemvypdet_hashkey,
                source.cemstr2c_hashkey,
                source.record_source,
                source.load_date,
                source.load_date)
        when matched then
            update set last_seen_date = source.load_date;

场景二(每行)

复制事件声明一个要在“目标”选项卡中调用的存储过程，以便该事件为源的每一行调用该存储过程。

create or alter procedure dwh.fill_lnk_cemvypdet_cemstr2c_subset_table_row_with_stage_data
@lnk_cemvypdet_cemstr2c_subset dwh.lnk_cemvypdet_cemstr2c_subset_type readonly
as
    merge
        dwh.lnk_cemvypdet_cemstr2c_subset as target
    using

    @lnk_cemvypdet_cemstr2c_subset
        as source
        on target.cemvypdet_hashkey = source.cemvypdet_hashkey
            and target.cemstr2c_hashkey = source.cemstr2c_hashkey
        when not matched then
            insert(
                hashkey,
                cemvypdet_hashkey,
                cemstr2c_hashkey,
                record_source,
                load_date,
                last_seen_date)
            values(
                source.hashkey,
                source.cemvypdet_hashkey,
                source.cemstr2c_hashkey,
                source.record_source,
                source.load_date,
                source.load_date)
        when matched then
            update set last_seen_date = source.load_date;

类型@lnk_cemvypdet_cemstr2c_subset被定义为遵循目标表结构的表类型。

Answer 1

场景 1 应该具有更好的性能，但考虑以下优化:

1. 在源表中的连接列上创建唯一且覆盖的索引。
2. 在目标表中的连接列上创建唯一聚集索引。
3. 参数化 ON 子句和 WHEN 子句中的所有文字值。
4. 通过使用 OFFSET 和 ROWS FETCH NEXT 或在源或目标上定义返回已筛选行的 View 并将该 View 引用为源表或目标表，将数据子集从源表合并到目标表。此外，不建议使用 TOP 子句的WITH 子句来过滤源表或目标表中的行，因为它们可能会生成不正确的结果。
5. 要进一步优化合并操作，请尝试不同的批量大小。 Here就是这个原因。