In recently, I tried to enhance performance of some operator api on our company system.
I found some operator api so fast on our system.
All queries using index seeks and no more than 3ms.
This post , I will show you how to improve its query performance.
partition table對資料維護的效率是一直吸引我的主因，
透過switch partition可說秒殺insert+delete操作，
不僅lock request少，且又可降低交易紀錄檔使用量，整體對我來說好處不少，
但以前經驗告訴我，partition table影響insert和update效能，
我想如果這部分能使用In-Memory table來接管的話那真是太美妙了，可惜In-Memory table並不支援partition，
但我們依然可以透過SQL2016來模擬partition，讓我們同時享有高效率的資料維護和高效能的交易處理。
Recovery model選項，可以控制交易的紀錄方式，以及可用的還原交易類型，
大家也一定都知道，Simple將使用最少交易紀錄，Full使用最多交易紀錄，
但對In-Memory table 是否有ㄧ樣的關聯呢 ?
SQL2016大幅改善In-Memory OLTP效能，所以我在SQL2016花了很多時間研究、測試並閱讀相關whitepaper，
我也先告訴大家一件事，In-Memory table並非效能萬靈丹，
不要以為把disk-table轉換到in-memory table，現有系統交易效能就可突飛猛進，
而且真實世界要把disk table要轉換in-memory table也非那麼簡單(除非你的disk table layout真的很單純)。
Memory table將所有資料都存放到記憶體，內部針對每一筆資料建立multiple versions避免blocking情況
(multi-version optimistic concurrency control多版本樂觀並行控制)，同時也沒有任何的locks和latchs
Disk Base我們會切多個data file在不同Disk drives來提高I/O效能(也分散I/O)，
而這樣的行為也和In-Memory table相似。
善用交易效能分析報表，預估資料表或SP移轉至In-Memory效益
SQL 2016 In-Memory OLTP 可以提高交易效能超過15~30倍以上，
實務上我們可能會有大型檔案資料匯入SQL Server需求，假設效能頻頸發生在目的資料表，
這篇我將透過SSIS並使用BDD，模擬比較傳統資料表和In-Memory資料表在ETL效能上的差異。
如果您使用暫存資料表、資料表變數或資料表值參數，
可以考慮轉換記憶體資料表變數來提升效能。