SQL Server服务器及SQL性能监控参考脚本

/* 
   功能说明:
   查询当前 SQL Server 实例中,
   按【累计 CPU 消耗】排序的 Top 10 SQL 语句。

   典型用途:
   - CPU 使用率异常时,快速定位“最耗 CPU 的 SQL”
   - 性能调优、慢 SQL 分析
   - 生产问题排查(优先执行)
*/

SELECT TOP 10
    -- SQL 自实例启动以来累计消耗的 CPU 时间(毫秒)
    QS.TOTAL_WORKER_TIME / 1000 AS TOTAL_CPU_MS,
    -- SQL 的累计执行次数
    QS.EXECUTION_COUNT,
    -- 单次平均 CPU 消耗(毫秒)
    -- 用于判断是“慢 SQL”还是“高频 SQL”
    QS.TOTAL_WORKER_TIME / QS.EXECUTION_COUNT / 1000 AS AVG_CPU_MS,
    -- SQL 累计执行总耗时(毫秒,包含等待时间)
    QS.TOTAL_ELAPSED_TIME / 1000 AS TOTAL_ELAPSED_MS,
    -- 该 SQL 首次被编译/进入缓存的时间
    QS.CREATION_TIME,
    -- 该 SQL 最近一次执行的时间
    QS.LAST_EXECUTION_TIME,
    -- SQL 所属数据库名称
    DB_NAME(ST.DBID) AS DATABASE_NAME,
    -- 实际执行的 SQL 语句文本
    -- 通过 STATEMENT_START_OFFSET / STATEMENT_END_OFFSET
    -- 精确截取批处理中当前语句,而非整个批次
  
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

兰舟轻帆

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值