R語言以及Python是資料科學工作中常用的兩把利劍，兩者在資料分析、機器學習上都是很棒的武器，去年微軟在SQL Server 2016把R語言整合進平台，就在今年，即將推出的SQL Server 2017也將把Python整合進資料平台了，此外，這一次也同時把R Services重新命名為Machine Learning服務來呼應這次的整合與原有R機器學習套件的升級，不久的將來，Python常用的scikit-learn、TensorFlow及keras套件也能直接執行在SQL Server內了，今天我們先來安裝RC2版本環境。
星期六晚上沒有想看的球賽，來筆記幾個月前碰到的問題: Intra-Query Parallel Thread Deadlocks，內部平行查詢死結。
由於SQL Server最大的記憶體限制預設是2,147,483,647 MB(超大的!而且很眼熟，整數int的最大值)，再加上傳說中SQL Server是愛吃記憶體的怪獸，為了避免她不小心把作業系統的記憶體都吃的很乾淨，甚至還使用到虛擬記憶體(可以設定Lock Pages in Memory避免)，在安裝完SQL Server後，我們會配置適合比例的記憶體給指定的Instance。因為想測試SQL 記憶體不足對交易效能的影響，不小心把記憶體設定成很小的375 MB，這下悲劇了。
最近兩個客戶不約而同碰到SQL Server記憶體配置問題，一個客戶諮詢SCOM(System Center Operations Manager)監測到BufferCacheHitRatio比例過低以及Page Life Expectancy分頁停留在快取中的時間太低的警示；另一個客戶則是在測試環境因為資源太少(2GB記憶體)使得Table Scan執行語法跑很久，來筆記一下記憶體壓力對SQL執行效能上的影響。
因為一些原因，系統內使用了少量的SQLCLR，來讓T-SQL撰寫的Script可以透過SQL函數呼叫C# Method(SqlFunction)來取得特殊環境的運算結果，來試試SQL Server SQLCLR在Linux版本環境的相容性。
Migrate a SQL Server database from Windows to Linux using backup and restore
由於新客戶對於作業系統的喜好(Linux)與限制(Windows)，7年繞了一圈，最終還是要回Linux生態系出發，好在微軟也在2016年加入了Linux基金會，這兩三年也注意到熟悉的微軟技術有更多的跨平台支援，來筆記資料庫SQL Server On Linux的安裝設定。
Benjamin Button: You never know what's coming for you。
這週客戶網站出現了一個效能問題，很快的調查發現是特定SQL查詢慢(10秒)，剛好開始發生的時間點是每週例行的重建索引，本以為是統計值未更新到新的資料分佈，但資料庫有設定自動更新統計值，客戶重建索引後，也有執行更新統計值的語法。(抓頭..傷腦筋)
進一步從執行計畫觀察，估計的資料列數目與實際也沒有偏差的情形，最後只好和客戶開單一起在安控室重新串語法測試，沒想到速度卻是出奇的快，感覺像是查詢錯用了執行計畫，於是想試試把快取執行計畫清除，以前只會清全部，這次來試試清理指定的執行計畫。
隔壁部門的測試資料庫被註記了有疑問(SUSPECT)的狀態而無法連線，來筆記修復的方式。
除了打開管理工具中的活動監視器(Activity Monitor)外，來試試幾個動態管理檢視(DMV)的組合(dm_tran_locks x dm_os_waiting_tasks x dm_exec_connections)。
下午協助同事抓SQL資料庫效能問題，暫時沒有頭緒，不過碰上了已經在記憶體中忘光的SQL 2012新功能(對不起老師): 順序物件(Sequence)，來筆記，順便觀察快取設定對取號效能的影響。
來到周末前，客戶跑來同事的桌邊問了一個小問題，T-SQL要如何輸入全型空白(空格)，為了工程師肉眼的可維護性，除了直接輸入這種' '，想找其他的解法，剛剛跑步時想到客戶的問題，想到幾種解法，快來筆記一下。
最近的工作中要幫使用者設定大量的系統參數，有陣子沒使用到資料列串接，一時之間失去了她的消息，這年頭忘記的比記得的多，重新拾回後快來點部落筆記，順便二探SQL Server 2016新功能: STRING_SPLIT:字串切割。
有時預存程序、檢視表會跨資料庫讀取資料，客戶最近想盤點跨資料庫存取的程式清單，來筆記快速找出物件的T-SQL語法。
Delayed Durability是SQL Server 2014的新功能，在某些Transaction log負載較大的情境中，如果願意延遲一點ACID靈魂中的持久性(Durability)，同時也有接受可能的Data Loss風險準備，也許可以用延遲持久性和魔鬼交換Transaction log寫入效能。
上一篇文章中，我們探討到CheckPoint檢查點會將記憶體(Buffer Pool)中的中途資料分頁flush到磁碟上，其中checkPoint又可以分為自動、間接、手動及系統內部觸發幾種類型，這篇我們來嘗試使用SQL Server 2012推出，SQL Server 2016正式推薦使用的間接檢查點(Indirect CheckPoint)機制。
很少扎實的實作SQL Server Database Engine內部的行為，最近發現某個客戶的效能瓶頸可能在Transaction log的I/O，同時另外一家客戶正在導入儲存廠商異地備援(DR site)的解決方案(不打算用AlwaysOn傳送到異地)，由於保護的是磁碟資源，我們需要確保磁碟上的mdf、ndf與ldf的一致性。
來筆記Buffer Flush To Disk讀書心得以及SQL2012/2014/SQL2016相關的新古與全新功能。
除了Trace flag及SQL Profiler能野生捕獲DeadLock資訊，在SQL Server 2008開始，也多了一個擴充事件(Extended events)的工具可以幫助我們，到了SQL Server 2016，雖然Trace flag及SQL Profiler都還能運作，但考慮到SQL Profiler對於Server負載的衝擊以及將來SQL產品的支援，我們就是慢慢把系統診斷的工作轉移到擴充事件中嚕~
Profiler是SQL Server 2005開始提供的工具，一直以來都是我們診斷案件錄製SQL內部過程的好幫手，她可以讓我們建立和管理追蹤交易過程，蒐集到資訊後也能直接進行分析並且重新執行追蹤結果，我們來試試看捕捉DeadLock事件。
Trace flag是老牌但超實用的系統診斷及暫時關閉特定伺服器功能的工具，從SQL Server 2000的前一代SQL 7.0就出道了，
如果想把Deadlock的資訊儲存在SQL Server紀錄檔中，我們可以啟用Trace flag 1222以及1204。
