Desempenho do servidor vinculado do SQL Server: Por que as consultas remotas são tão caras?

Eu tenho dois servidores de banco de dados, conectados via servidores vinculados. Ambos são bancos de dados do SQL Server 2008R2 e a conexão do servidor vinculado é feita por um link "SQL Server" regular, usando o contexto de segurança do logon atual. Os servidores vinculados estão no mesmo centro de dados, portanto, a conexão não deve ser um problema.

Eu uso a seguinte consulta para verificar quais valores da coluna identifierestão disponíveis remotamente, mas não localmente.

SELECT 
    identifier 
FROM LinkedServer.RemoteDb.schema.[TableName]

EXCEPT

SELECT DISTINCT
    identifier 
FROM LocalDb.schema.[TableName] 

Nas duas tabelas há índices não agrupados na coluna identifier. Localmente, existem cerca de 2,6 milhões de linhas, remotamente, apenas 54. No entanto, ao analisar o plano de consulta, 70% do tempo de execução é dedicado à "execução de consulta remota". Além disso, ao estudar o plano de consulta completo, o número de linhas locais estimadas é em 1vez de 2695380(que é o número de linhas estimadas ao selecionar apenas a consulta seguinte EXCEPT). Ao executar esta consulta, leva muito tempo.

Isso me faz pensar: por que isso? A estimativa está "apenas" muito distante, ou as consultas remotas nos servidores vinculados são realmente tão caras?

O plano que você tem no momento parece o melhor para mim.

Não concordo com a afirmação nas outras respostas de que ele está enviando as linhas de 2.6 milhões para o servidor remoto.

O plano parece-me que, para cada uma das 54 linhas retornadas da consulta remota, ele esteja executando uma pesquisa de índice em sua tabela local para determinar se é ou não compatível. Este é praticamente o plano ideal.

Substituir por uma junção de hash ou junção de mesclagem seria contraproducente, dado o tamanho da tabela e a adição de uma #temptabela intermediária apenas adiciona uma etapa adicional que parece não oferecer nenhuma vantagem.

Conectar-se a um recurso remoto é caro. Período.

Uma das operações mais caras em qualquer ambiente de programação é a E / S de rede (embora a E / S de disco tenda a diminuí-la).

Isso se estende aos servidores vinculados remotos. O servidor que está chamando o servidor vinculado remoto precisa primeiro estabelecer uma conexão; depois, uma consulta precisa ser executada no servidor remoto, os resultados retornados e a conexão fechada. Tudo isso leva tempo na rede.

Você também deve estruturar sua consulta de forma a transferir os dados mínimos pela conexão. Não espere que o banco de dados otimize para você.

Se eu escrevesse essa consulta, selecionaria os dados remotos em uma variável de tabela (ou em uma tabela temporária) e usaria isso em conjunto com a tabela local. Isso garante que apenas os dados que precisam ser transferidos o sejam.

A consulta que você está executando pode facilmente enviar 2,6 milhões de linhas para o servidor remoto para processar a EXCEPTcláusula.

Não sou especialista, mas se você estiver usando Union, Except ou Intersect, não precisará usar "Distinct". Dependendo dos valores do LocalDb.schema. [TableName], o desempenho da consulta pode ser aprimorado.

SELECT 
    identifier 
FROM LinkedServer.RemoteDb.schema.[TableName]

EXCEPT

SELECT 
    identifier 
FROM LocalDb.schema.[TableName]

Oded está certo, o problema de desempenho é causado pelo envio das linhas de 2.6 milhões para o servidor remoto.

Para corrigir esse problema, você pode forçar o envio de dados remotos (54 linhas) usando uma tabela temporária ou na memória.

Usando uma tabela temporária

SELECT  identifier 
INTO    #TableName
FROM    LinkedServer.RemoteDb.schema.[TableName]

SELECT  identifier
FROM    #TableName
EXCEPT
SELECT  DISTINCT identifier 
FROM    LocalDb.schema.[TableName] 

DROP    #TableName

Eu acho que é melhor replicar a tabela remota para o servidor do qual você está consultando e depois executar todo o seu SQL localmente.