企业官网建设流程全解析

• 示例工程
• 数据库
• 教程
• 后端

SQL Assessment API 提供了一套可扩展的机制来评估 SQL Server 实例配置是否符合最佳实践。Performance probe（性能探针）是其中用于采集 Windows 性能计数器（Performance Counter）数据的核心探针类型，其返回的多条样本数据需要配合performance 数据变换（Data Transformation）计算平均值、比率、速率等派生值，最终由检查规则（Rule）的条件表达式判定合规性。读完本文，你将掌握 Performance probe 的完整 JSON 配置语法、计数器别名与实例过滤技巧、五种派生值函数的数学含义与适用场景，以及在同一检查中正确使用多个计数器并规避"多实例结果错位"陷阱的实战方案。

Performance probe 是什么

Performance probe 的类型代码（Type code）为Performance，用于读取目标机器上的性能计数器值（如Buffer Manager、Latches、Databases、Memory Node、Access Methods等性能对象下的计数器）。它并不是一个独立的检查，而是作为数据源供规则引用：探针负责"取数"，performance 数据变换负责把多份样本"加工"成单个派生值，规则条件再基于该值做出合规性判断。

从 SQL Assessment API 的探针体系看，Performance是众多探针类型中的一种。在 Probe 文档 中列出的可用探针类型还包括 AzGraph、AzMetadata、CMD、External、PowerShell、Registry、SQL（T-SQL）与 WMI。其中 T-SQL 探针从动态管理视图（DMV）取数，而 Performance 探针与 WMI 探针一样，数据来自操作系统层，因此它适合捕捉 T-SQL 查询无法直接暴露的运行时指标，例如缓冲区命中率、闩锁等待时间、每秒事务数等。

samples/manage/sql-assessment-api/docs/Reference/Probes/Performance.md

Implementation 属性：采样频率与计数器清单

Performance probe 的implementation部分包含三个参数：

• numberOfSamples：探针会对每个计数器连续采样 N 次。默认 2 次意味着拿到两个样本，足以支撑"差值型"派生值（如 rate、delta_ratio、ratio）的计算；某些场景（如求平均值）可提高采样次数以获得更稳定的统计结果。
• interval：相邻样本的采集间隔（秒）。默认 1 秒。对于瞬态波动明显的计数器（如Pages Allocated/sec），合理调整采样间隔能反映更真实的负载特征。
• counters：必填。这是一个 JSON 对象，其每个属性名对应一个性能对象（Performance Object），例如'Latches'、'Databases'、'Buffer Manager'；每个性能对象的值又是一个 JSON 对象，其中的每个属性代表该对象下的一个性能计数器。

Performance probe 的整体结构可参考仓库中的结构图 BasicPerformanceProbeStructure.svg：

计数器别名与实例过滤

计数器名称常常包含空格和其他非字母数字字符（例如Pages Allocated/sec），无法直接在条件表达式和消息模板中引用。因此每个计数器都必须指定一个别名（alias）——别名将作为该计数器在检查条件与消息中使用的变量名。

此外，计数器可选地声明一个感兴趣的实例列表（instances）。例如 SQL Server 的Databases性能对象下，Transactions/sec计数器会为每个数据库实例分别报告值，其中_Total代表汇总实例；而Memory Node对象下的计数器则按 NUMA 内存节点实例报告。

示例一：最简单的单对象单计数器

下面的配置为Access Methods对象下的Pages Allocated/sec计数器采样，并把结果以pages_allocated变量提供给检查使用：

{ "type": "Performance", "implementation": { "Counters": { "Access Methods": { "Pages Allocated/sec": "pages_allocated" } } } }

示例二：调整采样次数

为Memory Node对象下的Free Node Memory (KB)计数器只采集 1 个样本，此时该计数器只适合使用average、min、max这类不依赖多个样本的派生函数：

{ "type": "Performance", "implementation": { "NumberOfSamples": 1, "Counters": { "Memory Node": { "Free Node Memory (KB)": "free_node_memory" } } } }

示例三：多对象、别名与实例过滤的组合

同时采集Memory Node与Access Methods两个性能对象；其中Free Node Memory (KB)通过对象式写法指定alias为free_node_memory，且instances限定为["000"]（仅取编号为000的 NUMA 节点实例），而Target Node Memory (KB)则使用字符串简写形式：

{ "type": "Performance", "implementation": { "NumberOfSamples": 1, "Counters": { "Memory Node": { "Free Node Memory (KB)": { "alias": "free_node_memory", "instances": ["000"] }, "Target Node Memory (KB)": "target_node_memory" }, "Access Methods": { "Pages Allocated/sec": "pages_allocated" } } } }

可见计数器值的两种写法等价：字符串简写（"计数器名": "别名"）与对象写法（"计数器名": { "alias": "...", "instances": [...] }）。需要过滤实例时使用对象写法。

完整 ruleset 示例：五个基于性能计数器的检查

下面是一份完整可用的规则集 JSON（与文档保持一致），它同时定义了 5 个针对Server目标的规则，以及一个名为PerformanceProbe的探针定义。通过这个例子可以完整看到"规则（rules）+ 探针（probes）+ 变换（transform）"三者如何协作：

{ "schemaVersion": "1.0", "name": "Performance Checks Example", "version": "1.0", "rules":[ { "target": { "type": "Server" }, "id": "TotalPages", "itemType": "definition", "displayName": "Buffer Manager Total pages", "description": "Use \"average\", \"min\", or \"max\" for counter type PERF_COUNTER_LARGE_RAWCOUNT(65792).", "message": "Total pages (@{total_pages}) is greater than 0", "condition": { "lt": ["@total_pages", 0] }, "probes": [ { "id": "PerformanceProbe", "transform": { "type": "performance", "counters": { "total_pages": "average" } } } ] }, { "target": { "type": "Server" }, "id": "CacheHitRatio", "itemType": "definition", "displayName": "Buffer Manager cache hit ratio", "description": "Use \"ratio\" for counter type PERF_LARGE_RAW_FRACTION(537003264) and specify base PERF_LARGE_RAW_BASE(1073939712).", "message": "Cache hit ratio (@{cache_hit_ratio:P0}) is greater than 0", "condition": { "lt": ["@cache_hit_ratio", 0] }, "probes": [ { "id": "PerformanceProbe", "transform": { "type": "performance", "counters": { "cache_hit_ratio": { "type": "ratio", "base": "cache_hit_ratio_base" } } } } ] }, { "target": { "type": "Server" }, "id": "LatchWaitTime", "itemType": "definition", "displayName": "Average Latch Wait Time", "description": "Use \"delta_ratio\" for counter type PERF_AVERAGE_BULK(1073874176) and base PERF_LARGE_RAW_BASE(1073939712).", "message": "Average Latch Wait Time (@{latch_wait_time}ms.) is greater than 0", "condition": { "lt": ["@latch_wait_time", 0] }, "probes": [ { "id": "PerformanceProbe", "transform": { "type": "performance", "counters": { "latch_wait_time": { "type": "delta_ratio", "base": "latch_wait_time_base" } } } } ] }, { "target": { "type": "Server" }, "id": "TransactionsPerSec", "itemType": "definition", "displayName": "Database Transactions per sec", "description": "Use \"rate\" for counter type PERF_COUNTER_BULK_COUNT(272696576).", "message": "Transactions per sec (@{transactions_sec:0.##}sec.) for database @{instance_name} is greater than 0", "condition": { "or": [{"eq": ["@instance_name", "_Total"]}, {"le": ["@transactions_sec", 0]}] }, "probes": [ { "id": "PerformanceProbe", "transform": { "type": "performance", "counters": { "transactions_sec": "rate" } } } ] }, { "target": { "type": "Server" }, "id": "TotalTransactionsPerSec", "itemType": "definition", "displayName": "Total Database Transactions per sec", "description": "Use \"rate\" for counter type PERF_COUNTER_BULK_COUNT(272696576).", "message": "Total Transactions per sec (@{transactions_sec:0.##}sec.) is greater than 0", "condition": { "lt": ["@transactions_sec", 0] }, "probes": [ { "id": "PerformanceProbe", "transform": { "type": "performance", "counters": { "transactions_sec": { "type": "rate", "instance": "_Total" } } } } ] } ], "probes":{ "PerformanceProbe": [{ "type": "Performance", "implementation": { "Counters": { "Buffer Manager": { "Buffer cache hit ratio": "cache_hit_ratio", "Buffer cache hit ratio base": "cache_hit_ratio_base", "Target pages": "total_pages" }, "Latches": { "Average Latch Wait Time (ms)": "latch_wait_time", "Average Latch Wait Time Base": "latch_wait_time_base" }, "Databases": { "Transactions/sec": "transactions_sec" } } } }] } }

逐规则要点解读

• TotalPages：Target pages属于PERF_COUNTER_LARGE_RAWCOUNT(65792)类型的原始计数值，适合用average（或min/max）派生；条件lt: ["@total_pages", 0]即"总页数小于 0 则告警"。
• CacheHitRatio：Buffer cache hit ratio属于PERF_LARGE_RAW_FRACTION(537003264)比例型计数器，必须配套其 base 计数器Buffer cache hit ratio base（类型PERF_LARGE_RAW_BASE(1073939712)），在变换中使用ratio类型并指定base。消息模板@{cache_hit_ratio:P0}中的P0表示按百分比格式显示。
• LatchWaitTime：Average Latch Wait Time (ms)属于PERF_AVERAGE_BULK(1073874176)平均型计数器，同样需要 base 计数器，使用delta_ratio类型派生。
• TransactionsPerSec：Transactions/sec属于PERF_COUNTER_BULK_COUNT(272696576)速率型计数器，使用rate派生。由于它按数据库实例分别报告，条件用or组合：@instance_name等于_Total时跳过，或@transactions_sec <= 0时告警。@{transactions_sec:0.##}表示保留两位小数的数值格式。
• TotalTransactionsPerSec：在变换层用instance: "_Total"直接过滤出汇总实例，条件只需比较单一值。

关于condition中使用的运算符（lt、or、eq、le等），可参考 Operators 参考文档，其中还包含match（正则匹配）、interval（区间取值）等更复杂的判定手段。规则的其他属性（message模板、displayName、description、itemType）的完整语义见 Rule 文档。

performance 数据变换：五种派生值函数

Performance probe 返回的是包含多次样本的表格，而检查需要一个派生值。performance变换（详见 DataTransformation/performance.md）为每个计数器计算指定的派生值。相关符号约定：

• n— 该计数器的样本数量
• c₁、c₂— 该计数器的样本值
• t₁、t₂— 样本的时间戳
• b₁、b₂— base 计数器的样本值

要点：

• rate 与 average 的区别：rate计算的是"两个样本的差值 ÷ 时间戳差值"，即真正的每秒速率，适用于Transactions/sec这类本身就是"每秒次数"的计数器；average则是多个样本的算术平均，适用于静态量（如总页数）。
• ratio 与 delta_ratio 的区别：ratio是两次采样的比值取平均；delta_ratio是两次采样差值的比值，两者都要求指定base计数器，且 base 计数器必须与主计数器同时出现在探针的Counters配置中（如示例中的Buffer cache hit ratio base）。
• 在performance变换中指定派生类型有两种写法：字符串简写（"total_pages": "average"）或对象写法（"cache_hit_ratio": { "type": "ratio", "base": "cache_hit_ratio_base" }），后者还可附加instance参数（如{ "type": "rate", "instance": "_Total" }）在变换层过滤实例。

变换的整体结构见 BasicPerformanceTransformStructure.svg：

一个检查使用多个计数器：多实例结果的"错位"陷阱

在实际使用中，同一检查往往需要同时观察多个计数器（例如批量请求速率batch_request_sec与锁请求速率lock_requests_sec）。但当这些计数器来自不同的实例时，直接合并会得到意外结果。

看下面的反例：把两个计数器放进同一个 probe reference，batch_request_sec不指定实例，lock_requests_sec指定_Total：

"probes": [ { "id": "PerformanceProbe", "alias": "b", "transform": { "type": "performance", "counters": { "batch_request_sec": "rate", "lock_requests_sec": { "type": "rate", "instance": "_Total" } } } } ]

变换结果返回两行数据，每行只填充了其中一个计数器的值：

条件表达式是按行逐一求值的：第一行对batch_request_sec求值并可能触发一条消息，第二行对lock_requests_sec求值并触发另一个错误——这显然不符合"两个指标共同判定"的预期。

解决方案：用别名（alias）拆分引用

正确做法是将同一 Performance probe 引用两次，各自通过变换只取一个计数器，并用alias区分结果。alias是探针引用的任意别名，其机制详见 ProbeReference 文档中的 alias 一节：

"probes": [ { "id": "PerformanceProbe", "alias": "b", "transform": { "type": "performance", "counters": { "batch_request_sec": "rate" } } }, { "id": "PerformanceProbe", "alias": "l", "transform": { "type": "performance", "counters": { "lock_requests_sec": { "type": "rate", "instance": "_Total" } } } } ]

此时传给检查的数据结构变为：

两个计数器各自独立成行，条件可以同时、无歧义地引用它们。变量名有三种等价写法（在无歧义场景下）：

@PerformanceProbe::batch_request_sec @b::batch_request_sec @batch_request_sec

其中@b::batch_request_sec形式通过"别名 + 双冒号"精确定位到指定引用产生的数据，是处理"同一探针被多次调用"时的标准做法（ProbeReference 文档 中还有把探针 A 的数据作为参数传给探针 B 的进阶用法）。

引擎视角：Performance probe 的执行语义

了解探针引擎的执行语义有助于写出高效的规则。根据 Probe 文档 的说明：

• 探针是 JSON 属性，值为实现数组：属性名即探针 ID，值是一个探针实现（probe implementation）数组。引擎会选择第一个与目标模式（target pattern）匹配的实现，因此实现顺序很重要。Performance probe 也可以与其他类型的实现（如 T-SQL、WMI）混合构成一个探针。
• 探针应设计为无副作用（side-effect free）的函数：引擎不保证探针的调用顺序，甚至可能为降低对目标 SQL Server 的负载而重排调用；当没有任何检查需要某个探针的数据时，该探针根本不会被调用。默认规则集中的探针只读取元数据，不读取用户表数据，也不向实例写入任何内容。
• 性能计数器的采样开销：Performance probe 需要按numberOfSamples × interval的时间窗口在目标机器上持续采样，这与其他一次性取数的探针（如单条 T-SQL 查询）不同。在自定义规则时，应合理控制采样次数与间隔，避免在高负载实例上叠加额外的采样开销。

与默认规则集的衔接

仓库中的 DefaultRuleset.csv 提供了默认规则集的可读版本（455 行规则，可直接在仓库中浏览与筛选），其中包含大量与性能相关的检查，例如：

• HighCPUUsage：评估服务器整体 CPU 与 SQL Server 进程 CPU 占用（阈值参数默认 70）；
• PlansUseRatio：评估计划缓存中单次使用计划的比例，用于判断是否应启用 "Optimize for ad hoc workloads"；
• 一系列 TempDB 文件配置检查（TempDBFilesNotLess8、TempDBFiles1PerCPU等）。

这类运行时指标类检查正是 Performance probe 与 performance 变换的典型应用场景。读者可以结合 MakingCustomChecks_sample.json（自定义规则集示例）与 DisablingBuiltInChecks_sample.json（按 ID / 标签禁用内置规则示例）来编写自己的性能监控规则。更完整的概念体系（探针、规则、变换、消息模板、局部变量）可继续阅读 Customization 目录 下的文档。

小结

Performance probe 是 SQL Assessment API 中连接"操作系统性能计数器"与"配置合规性判定"的桥梁。本文覆盖了其三个 implementation 参数（numberOfSamples、interval、counters）、计数器别名与实例过滤的两种 JSON 写法、五种派生值函数（average、min/max、rate、ratio、delta_ratio）的公式与计数器类型对应关系，以及多计数器多实例场景下"按行求值"的陷阱与基于别名拆分的标准解法。在动手自定义性能规则时，建议对照 performance 数据变换文档 与 ProbeReference 文档 协同阅读，并结合默认规则集观察真实生产级规则的写法。

• 示例工程
• 数据库
• 教程
• 后端