DMVを使用して、コストのかかるクエリ(およびそれらが関連付けられているデータベース)を特定できます。
SELECT TOP 50
[Average CPU used] = total_worker_time / qs.execution_count,
[Total CPU used] = total_worker_time,
[Execution count] = qs.execution_count,
[Individual Query] = SUBSTRING (qt.text,qs.statement_start_offset/2,
(CASE WHEN qs.statement_end_offset = -1
THEN LEN(CONVERT(NVARCHAR(MAX), qt.text)) * 2
ELSE qs.statement_end_offset END -
qs.statement_start_offset)/2)
,[Parent Query] = qt.text
,DatabaseName = DB_NAME(qt.dbid)
FROM sys.dm_exec_query_stats qs
CROSS APPLY sys.dm_exec_sql_text(qs.sql_handle) as qt
ORDER BY [Average CPU used] DESC;
これらはヘビーヒッタークエリについて説明しますが、残念ながら、CPUの小さなビットを個別に使用しているが、全体として大きなビットを使用している非常に大量の小さなクエリがあるデータベースを特定することはできません。これは、GlennAllanBerryのDMVクエリからのこのクエリ
WITH DB_CPU_Stats
AS
(SELECT DatabaseID, DB_Name(DatabaseID) AS [DatabaseName],
SUM(total_worker_time) AS [CPU_Time_Ms]
FROM sys.dm_exec_query_stats AS qs
CROSS APPLY (SELECT CONVERT(int, value) AS [DatabaseID]
FROM sys.dm_exec_plan_attributes(qs.plan_handle)
WHERE attribute = N'dbid') AS F_DB
GROUP BY DatabaseID)
SELECT ROW_NUMBER() OVER(ORDER BY [CPU_Time_Ms] DESC) AS [row_num],
DatabaseName, [CPU_Time_Ms],
CAST([CPU_Time_Ms] * 1.0 / SUM([CPU_Time_Ms])
OVER() * 100.0 AS DECIMAL(5, 2)) AS [CPUPercent]
FROM DB_CPU_Stats
WHERE DatabaseID > 4 -- system databases
AND DatabaseID <> 32767 -- ResourceDB
ORDER BY row_num OPTION (RECOMPILE);
これらのクエリはどちらも、それらを実行したアプリケーションを識別せず、使用されるDMVはその情報を保存しません(アクションでクエリをキャッチし、sys.dm_exec_sessionsにアプリケーション名を記録するか、トレースを確認する必要があります)。
もちろん、市場に出回っているさまざまなサードパーティのパフォーマンスツールを使用して、この作業を自動化できます(免責事項:私はそのうちの1つであるSQL Sentryで働いており、パフォーマンスアドバイザー 、これは、高コストのクエリを追跡し、それらが実行されたデータベースとそれらを呼び出したアプリケーションに関する情報を維持することを含め、上記のすべてを実行します。