SQL Server First Responder Kit 中可忽略等待的更新
SQL Server 的等待统计是性能调优中非常重要的指标,但并非所有等待类型都需要引起DBA的警觉。SQL Server First Responder Kit 中的 sp_Blitz 存储过程包含了一个 #IgnorableWaits 临时表,用于标识那些通常不需要关注的等待类型。
背景
在 SQL Server 2019 及更高版本中,微软引入了一些新的等待类型。这些等待类型大多与内部系统进程相关,通常不会对数据库性能产生实质性影响。然而,如果工具中的可忽略等待列表没有及时更新,就可能出现误报情况,导致DBA花费不必要的时间去调查这些无害的等待。
问题发现
在实际使用中,有用户发现 sp_Blitz 会报告如"PWAIT_EXTENSIBILITY_CLEANUP_TASK"这样的等待类型,但根据SQL Server专家Paul Randal的解释,这类等待实际上并不需要特别关注。这表明工具中的可忽略等待列表可能已经过时,未能包含SQL Server新版本引入的等待类型。
解决方案
为了解决这个问题,参考了dbatools项目中类似的更新。dbatools之前也存在可忽略等待列表过时的问题,最近已经进行了更新。基于这一经验,对SQL Server First Responder Kit中的#IgnorableWaits表进行了相应的补充和更新。
更新主要包括添加SQL Server 2019及以后版本引入的新等待类型,这些等待类型大多与以下方面相关:
- 扩展性框架相关的等待
- 内存优化表的内部进程
- 查询存储的内部操作
- 系统健康监控相关的后台任务
技术细节
这些新添加的可忽略等待类型通常具有以下特点:
- 它们是系统内部进程的一部分,不是用户查询的直接结果
- 它们通常持续时间很短,不会对整体性能产生显著影响
- 它们与SQL Server的核心功能无直接关系
- 即使出现高等待时间,通常也不表示存在性能问题
实施效果
通过这次更新,sp_Blitz将能够更准确地识别真正需要关注的等待类型,减少误报情况。这将帮助DBA:
- 更高效地定位真正的性能问题
- 减少不必要的问题调查时间
- 获得更精准的性能诊断结果
结论
保持性能诊断工具中的可忽略等待列表与时俱进非常重要,特别是随着SQL Server新版本的发布。这次更新确保了SQL Server First Responder Kit能够适应现代SQL Server环境,为DBA提供更可靠的性能诊断建议。
对于使用该工具的用户来说,这意味着他们将获得更准确的性能分析结果,能够将精力集中在真正影响数据库性能的问题上。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00