你好,專家,
對於以下問題,我試圖理解為什麼選擇C是選擇而不是B嗎?作為B也已經解決了的問題
問題40
數據分析師注意到他們的磚SQL查詢運行太慢。他們聲稱,這一問題正在影響他們所有的順序運行查詢。他們問的數據工程團隊尋求幫助。查詢的數據工程團隊注意到每個使用相同的SQL端點,但SQL端點不是由任何其他用戶使用。下列哪個方法數據工程團隊可以使用改進的延遲數據分析師的查詢呢?
答:他們可以打開Serverless特性為SQL端點。
b他們可以增加的最大SQL綁定端點的擴展範圍。
c .他們可以增加集群大小的SQL端點。
d .他們可以打開自動停止功能的SQL端點。
e .他們可以打開Serverless特性為SQL端點和改變現貨實例政策“可靠性優化。”
在sql server,等待狀態。等待狀態發生在多個處理器(個vcpu)處理和多個線程正在通過處理器。依賴性較長的運行的線程,可以導致的線程可能已經開始在一個不同的過程,但依賴於一個正在運行的線程完成的時間越長,會導致一個等待狀態和減緩相關查詢。sysadmin的觀點,這也可以視為硬故障在內存中。從SQL的角度上麵的問題是增加的最大約束添加端點(線程)和邏輯上創建額外的流-流,更快的流動。sysadmin的觀點,添加額外的集群增加端點的大小也會解決問題,因為允許更快的內存數量執行。在這兩種情況下,它應該解決這個問題。它將更有意義,讓Azure或AWS區分出來可靠Optimizied Serverless特性。然而,功能隻會執行擴展集群的壯舉。假設AWS / Azure處理,和他們的方法是集群規模,更好的答案……根據他們的處理情況,與集群規模向上。 I suspect the answer here is the Databricks people aren't always thinking like SQL Server database administrators. They have lots of cluster power. Frankly, if it were my issue, I would try the maximum bound increase first. If that didn't work then I'd go for the increased cluster size. But my thinking is a cost optimization. There is not a part of the question that asks how to do this in a cost effective way. So - final answer - C: boost the cluster.