日前，SQL Server Team發佈了一款輕量、跨平台且免費的SQL Server資料庫開發和操作工具，
名為SQL Server operations studio，不管你的SQL Server是在docker、windows、linux、azure、mac，
一律爽快支援。
分享個人使用In-Memory OLTP注意事項和技巧
SQL2014開始，Memory table的交易處理，有最大相依交易8的數量限制，只會發生在驗證和commit階段，
一般來說In-Memory的交易過程是非常短暫的，但這並不表示你的交易就不會失敗，
實務上，我一定會簡化Memory資料表相依(複雜)性，
雖然SQL2016 In-Memory table支援很多功能(FK、trigger、LOB..)，但這不代表一定有效率。
之前將old sp移轉至native compiled sp時，
執行SP有2點需要注意，因為對執行效能有一些影響。
之前評估現有相關disk table，移轉至In-Memory table需多少記憶體，
我得老實說這還真的無法準確評估，因為未來資料成長量是一個主要因素，
其次則是讀寫頻率也讓人困擾。
Columnstore indexes主要可以改善大量scan/aggregate操作(可達10倍)，
因為採用xVelocity壓縮儲存方式(但無法對in-memory table壓縮)，
可大大節省disk space(壓縮大約10倍以上，取決於資料表中所有資料型別)，
所以和傳統row存放方式不同，通常會在fact table上建立來改善Data Mart/Data Warehouse彙熜效能。
In-Memory table在Query performance方面表現如何呢?我用這篇來記錄我一些簡單測試。
之前我寫過一篇使用In-memory table variables來提高交易效能，這篇記錄當時一些額外測試。
我想有在玩資料分析的朋友對於jupyter一定不陌生，它是一款open source的網頁版Machine Learning Analytics tools，
透過這套工具，你可以快速又方便進行資料分析、跑跑演算法，實作視覺化，而他也是iPython的前身，
至於切分出該專案，主要是因為iPython想更專注在shell的核心開發(shell真的很強大)，
所以把其他元件都往Jupyter 專案集中，但我想我應該會喜歡web介面。
這篇來看看如何批次匯入event data
上一篇我安裝了PredictionIO的推薦引擎，這篇來看看如何透過RESTFul API or C#來使用該推薦引擎
Apach PredictionIO是一個用scala語言編寫的open source，
提供RESTFul API幫助我們方便使用recommendation engine，
也有提供client SDK如Java、Python,PHP，同時也是一個可擴展的Machine Learning應用(支援Spark MLib)，
並提供各種Engine模板、演算法..等，也相當容易和Spark、MLlib、Hbase、MySQL、Hadoop、Elasticsearch搭配，
簡化並加速可擴展Machine Learning基礎建置管理，透過PredictionIO我們可以從零開始並快速建立一個推薦引擎。
Disk的checkpoint主要是將記憶體中的dirty pages和交易紀錄資訊寫入disk，
所以dirty pages的數量和checkpoint作業時間為線性關係，SQL Server會自動調整checkpoint作業頻率(預設60秒)，
這樣做是要降低其他應用程式所受到的效能影響，如果減少頻率，則會拉長完成時間，
增加頻率，則會影響效能(資料庫一般I/O活動會大幅增加)，
如果沒有特別理由，建議由SQL Server自行決定checkpoint頻率。
當你建立In-Memory table和index時，你無須考慮non-index key 的欄位，
因為In-Memory世界都是Cover query。
設定錯誤的Maximum Server Memory導致無法啟動SQL Server，
解決該問題大約只要3秒鐘。
Native compiled SP效能真的很吸引人，改寫上說麻煩也不麻煩，
但有時候確實也很麻煩，但改寫後的效能結果目前還不曾讓我失望。
使用者在網頁點擊按鈕，難免會不小心點了兩次以上，
如果這是一個heavy query(like report)，一來浪費SQL Server資源，假如該SP又包含一些資料邏輯處理更新，
那麼也有可能發生資料不一致的情況，我們來看看如何從SQL Server下手來預防這狀況。
Kafka practical experience
Grafana introduction
使用該選項時，請注意你的tempdb有足夠空間，並且也和User DB分開存放。