在查询更大的数据集以便将记录从 Blob 存储插入 Azure 数据仓库时，什么会导致 Polybase 性能下降？
例如，几千个压缩 (.gz) CSV 文件，其标头在 6 个月的数据中每天按几个小时进行分区。从 SSMS 中的外部表中查询这些文件并不是最佳选择，而且速度极慢。
客观地说，我将数据加载到 Polybase 以便将数据传输到 Azure 数据仓库。除了大型数据集，Polybase 似乎很慢。
有哪些选项可用于优化 Polybase？在每次上传到 Blob 存储后等待查询或加载数据？
在您的场景中，Polybase 必须连接到外部源中的文件，解压缩它们，然后确保它们适合您的外部表定义（架构），然后允许查询将内容作为目标。当您以一次性导入方式处理大量文本文件时，也没有什么可以真正缓存的，因为它每次都在处理新内容。简而言之，您的方案计算量很大。
Azure Blob 存储（当前）最大速度约为 1,250MB/秒，因此，如果您的吞吐量没有接近最大值，那么提高性能的最佳方法是升级 SQL 数据仓库上的 DWU。在后台，这会将您的工作负载分散到更大的集群（更多服务器）上。SQL 数据仓库 DWU 可以在几分钟内进行放大和缩小。
如果您有大量存储空间并且正在最大化存储空间，请使用多个存储帐户来分散负载。
其他替代方法包括在上传或暂存过程中减轻 Polybase 的解压缩工作。在数据中心内的网络带宽快如闪电的 Azure 中执行此操作。
您还可以考虑使用 Azure 数据工厂来完成这项工作。有关支持的文件格式，请参见此处。支持 GZip。使用复制活动从 Blob 存储复制到 SQL DW。
另请关注：