معرفی ویژگی‌های جدید SQL Server 2025

یکی از مهم‌ ترین به‌ روزرسانی‌های پلتفرم داده‌ای مایکروسافت در سال‌های اخیر SQL Server 2025 می‌باشد. تمرکز اصلی محصول، تقویت و تحول موتور پایگاه داده در محیط‌های درون‌سازمانی (On-Premise) است. این نسخه با ادغام قابلیت‌های هوش مصنوعی در هسته اصلی، بهینه‌سازی‌های عمیق در عملکرد و همروندی، و تقویت لایه‌های امنیتی، بسیاری از نیازهایی را که پیش‌تر نیازمند ابزارهای خارجی یا راه‌حل‌های هیبریدی بودند، مستقیماً در خود SQL Server پیاده‌سازی می‌کند.

این مقاله به صورت تخصصی به بررسی ویژگی‌هایی می‌پردازد که صرفاً در نسخه On-Premise SQL Server 2025 در دسترس هستند. این قابلیت‌ها به شرح زیر می‌باشند.

۱. قابلیت‌های هوش مصنوعی داخلی (Native AI Capabilities)

با استفاده از این ویژگی می‌توان قابلیت‌های هوش مصنوعی را به صورت بومی در لایه Database Engine پیاده‌سازی کرد بدون نیاز به وابستگی به سرویس‌های ابری. این ویژگی شامل موارد زیر می‌باشد.

• نوع داده VECTOR و Vector Index

نوع داده جدید VECTOR برای ذخیره بهینه بردارها (Embeddings) طراحی شده است که در کاربردهایی مانند جستجوی معنایی (Semantic Search)، سیستم‌های توصیه‌گر (Recommendation Systems) و پیاده‌سازی الگوهای RAG (Retrieval-Augmented Generation) کاربرد دارد. این داده‌ها در فرمت باینری ذخیره شده اما از طریق T-SQL به صورت آرایه JSON قابل دسترسی هستند.

برای جستجوی کارآمد روی این داده‌ها، SQL Server 2025 از Vector Index با الگوریتم DiskANN (Disk Approximate Nearest Neighbors) پشتیبانی می‌کند. این ایندکس‌ها امکان جستجوی سریع بردارهای نزدیک به یک بردار مرجع را فراهم می‌کنند.

نمونه کد زیر شامل ایجاد یک جدول با ستون VECTOR و ساخت Vector Index می‌باشد. این جدول برای ذخیره اطلاعات محصولات و Embedding مربوط به توضیحات آنها را شامل می‌شود.

CREATE TABLE dbo.Products
(
    ProductID INT PRIMARY KEY,

    ProductName NVARCHAR (100),

    ProductDescription NVARCHAR(MAX),

    DescriptionEmbedding VECTOR(1536)
);
GO
CREATE VECTOR INDEX IX_Products_DescriptionEmbeddingON dbo.Products(DescriptionEmbedding)
WITH (DISTANCE_METRIC = 'COSINE')

• مدیریت مدل‌های خارجی (External Model Management)

در SQL Server 2025 امکان ثبت و مدیریت مدل‌های هوش مصنوعی (مانند مدل‌های ONNX) را مستقیماً در دیتابیس فراهم می‌کند. این قابلیت به شما اجازه می‌دهد تا مدل‌های آموزش‌دیده خود را در محیط On-Premise مستقر کرده و برای استنتاج (Inference) از طریق T-SQL فراخوانی کنید.

نمونه کد زیر نحوه ثبت یک مدل خارجی در دیتابیس را نمایش می‌دهد.

ازصفر تاصد آموزش SQL Server در نیک آموز

CREATE EXTERNAL MODEL dbo.PredictSalesModel
FROM 'C:\AIModels\SalesPrediction.onnx'
WITH (PROVIDER = 'ONNX');

• توابع پردازش Vector

در این نسخه مجموعه‌ای از توابع جدید برای انجام عملیات ریاضی و مقایسه‌ای روی بردارها معرفی شده‌اند.

• VECTOR_DISTANCE: محاسبه فاصله بین دو بردار بر اساس معیارهای مختلف (Cosine, Euclidean, DotProduct).
• VECTOR_NORMALIZE: نرمال‌سازی یک بردار.
• VECTORPROPERTY: نمایش خواص یک بردار (مانند ابعاد).

نمونه کد زیر جستجوی محصولات مشابه با استفاده از Vector Search می‌باشد که در آن TargetEmbedding@ بردار ورودی کاربر است. هدف این مثال یافتن ۵ محصولی است که توضیحات‌شان بیشترین شباهت را به ورودی کاربر دارد.

DECLARE @TargetEmbedding VECTOR(1536)
SELECT TOP(5) p.ProductName, p.ProductDescription,
       VECTOR_DISTANCE(p.DescriptionEmbedding, @TargetEmbedding, 'COSINE') AS SimilarityScore
FROM dbo.Products p
ORDER BY SimilarityScore;

• فراخوانی External REST Endpoint

با استفاده از پروسیجر سیستمی sp_invoke_external_rest_endpoint  می‌توان با استفاده از دستورات T-SQL با سرویس‌های REST یا GraphQL تعامل کرد. این قابلیت برای یکپارچه‌سازی با سرویس‌های داخلی شبکه (مانند APIهای سفارشی یا مدل‌های هوش مصنوعی هاست شده روی سرورهای دیگر) بسیار مفید است. برای مثال نمونه کد زیر نحوه فراخوانی یک API داخلی تحلیل متن را نمایش می‌دهد.

DECLARE @response NVARCHAR(MAX);
DECLARE @payload NVARCHAR(MAX) = JSON_OBJECT('text', N'This is a sample text to analyze.');
EXEC sp_invoke_external_rest_endpoint
    @url = N'http://192.168.5.1/api/analyze',
    @method = 'POST',
    @headers = JSON_OBJECT('Content-Type', 'application/json'),
    @body = @payload,
    @response = @response OUTPUT;
SELECT JSON_VALUE(@response, '$.sentiment') AS SentimentScore;

۲. بهبودهای عملکرد و موتور پایگاه داده (Database Engine Enhancements)

با استفاده از این ویژگی‌ها ادمین بانک اطلاعاتی می‌تواند قابلیت‌های بهینه‌ای برای افزایش کارایی بانک اطلاعاتی در نظر بگیرد. این ویژگی‌ها شامل موارد زیر می‌باشد.

• Optimized Locking (قفل‌گذاری بهینه‌شده)

یکی از مهم‌ترین نوآوری‌ها در SQL Server 2025 بازنویسی مکانیزم قفل‌گذاری است. این ویژگی از دو تکنیک کلیدی زیر استفاده می‌کند.

• TID-Based Locking: به جای قفل‌گذاری بر روی Row ID، قفل‌ها بر اساس شناسه تراکنش (Transaction ID) مدیریت می‌شوند. این کار تداخل بین تراکنش‌های مختلف را به شدت کاهش می‌دهد.
• Lock After Qualification (LAQ): دریافت قفل به بعد از ارزیابی شرط‌های WHERE موکول می‌شود. این کار از قفل‌گذاری سطرهایی که در نهایت واجد شرایط نیستند، جلوگیری می‌کند.

نتیجه این تکنیک‌ها کاهش چشمگیر Lock Contention، کاهش مصرف حافظه مرتبط با قفل‌ها و افزایش Concurrency در محیط‌‌های High-Concurrency OLTP

• TempDB Space Resource Governance

ویژگی Resource Governor برای اولین بار در SQL Server 2008 معرفی‌ گردید، هدف این ویژگی محدود کردن مصرف RAM, CPU, IO بود. اما در SQL Server 2025 با استفاده از این ویژگی می‌توان مصرف فضای TempDB را کنترل کرد. این قابلیت از پر شدن فضای دیسک توسط کوئری‌های پرمصرف یا نادرست جلوگیری کرده و پایداری کل سیستم را افزایش می‌دهد.

دستور زیر نحوه تعیین سقف مصرف TempDB برای یک Workload Group را مشخص می‌کند:

CREATE RESOURCE POOL PoolAppUsers WITH (MAX_CPU_PERCENT = 50);
GO
CREATE WORKLOAD GROUP GroupAppUsers USING PoolAppUsers
WITH (REQUEST_MAX_MEMORY_GRANT_PERCENT = 25);
GO
ALTER WORKLOAD GROUP GroupAppUsers
WITH (GROUP_MAX_REQUESTS = 100, REQUEST_MAX_CPU_TIME_SEC = 30, CAP_CPU_PERCENT = 75);
GO

• Accelerated Database Recovery (ADR) برای TempDB

ویژگی ADR که در SQL Server 2019 برای پایگاه‌های کاربری معرفی شد، اکنون برای پایگاه داده TempDB نیز فعال است. این قابلیت باعث بازگشت فوری (Instantaneous Rollback) تراکنش‌های استفاده‌کننده از جداول موقت و متغیرهای جدولی می‌شود و فضای Log را به سرعت آزاد می‌کند. برای فعال‌سازی این قابلیت می‌توان از دستور زیر استفاده کرد.

ALTER DATABASE Tempdb SET ACCELERATED_DATABASE_RECOVERY = ON;

• ZSTD Backup Compression Algorithm

الگوریتم فشرده‌سازی جدید Zstandard (ZSTD) برای عملیات پشتیبان‌گیری معرفی شده است. این الگوریتم نسبت به الگوریتم پیش‌فرض قبلی، سرعت بالاتر و نرخ فشرده‌سازی بهتری ارائه می‌دهد. دستور زیر نحوه استفاده از این ویژگی را نمایش می‌دهد.

BACKUP DATABASE NikamoozDB
TO DISK = 'D:\Backup\ NikamoozDB_ZSTD.bak'
WITH COMPRESSION = ZSTD, STATS = 1;

۳. قابلیت‌های توسعه‌پذیری (Developer Enhancements)

با استفاده از این ویژگی‌ها توسعه دهنده بانک اطلاعاتی می‌تواند قابلیت‌های کاربردی مناسبی را برای کار با بانک‌های اطلاعاتی ایجاد نماید. این ویژگی‌ها شامل موارد زیر می‌باشد.

• پشتیبانی بومی از JSON (Native JSON Support)

داده‌های JSON دیگر به صورت رشته (NVARCHAR) ذخیره نمی‌شوند، بلکه در یک قالب باینری بهینه ذخیره می‌شوند که عملکرد Parse و Query را به شدت افزایش می‌دهد. علاوه بر این، توابع تجمعی جدید برای ساخت JSON معرفی شده‌اند.  دستورات زیر نحوه استفاده از این ویژگی را نمایش می‌دهد.

CREATE TABLE dbo.UserData
(
    UserID INT PRIMARY KEY,
    UserInfo JSON
)
GO
SELECT
    JSON_OBJECTAGG(UserID, UserInfo) AS AllUsersAsJsonObject
FROM dbo.UserData;
GO
SELECT
    JSON_ARRAYAGG(UserInfo) AS AllUsersAsJsonArray
FROM dbo.UserData;
GO

• عبارات باقاعده (Regular Expressions)

مجموعه‌ای کامل از توابع برای کار با عبارات باقاعده مستقیماً در T-SQL اضافه شده است. این امر نیاز به استفاده از CLR Assemblies یا پردازش داده‌ها در لایه Application را از بین می‌برد.

• REGEXP_LIKE: بررسی تطابق الگو در یک رشته (SARGable و قابل استفاده در Index Seek).
• REGEXP_REPLACE: جایگزینی الگو با مقدار جدید.
• REGEXP_SUBSTR: استخراج زیررشته تطبیق‌یافته.
• REGEXP_SPLIT_TO_TABLE: تقسیم یک رشته بر اساس یک الگو و بازگرداندن یک جدول.

کد زیر اعتبارسنجی فرمت ایمیل با Regex انجام می‌دهد.

SELECT
UserID, Email
FROM dbo.Users
WHERE REGEXP_LIKE(Email, '^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}$');

• Fuzzy String Matching (تطبیق رشته‌های فازی)

توابعی برای محاسبه میزان شباهت بین دو رشته معرفی شده‌اند که برای پاک‌سازی داده‌ها (Data Cleansing)، حذف رکوردهای تکراری (Deduplication) و یکپارچه‌سازی موجودیت‌ها (Entity Resolution) بسیار مفید هستند.

• EDIT_DISTANCE: محاسبه حداقل تعداد کاراکترها برای تبدیل یک رشته به رشته دیگر.
• JARO_WINKLER_SIMILARITY : محاسبه شباهت بین دو رشته (خروجی بین ۰ تا ۱۰۰).

کد زیر یافتن نام‌های مشابه را با استفاده از Fuzzy String Matching انجام می‌دهد.

 بهترین و حرفه‌ای ترین آموزش برنامه نویسی با مثال های واقعی در نیک آموز

SELECT
    p1.ProductName,
    p2.ProductName,
    JARO_WINKLER_SIMILARITY(p1.ProductName, p2.ProductName) AS Similarity
FROM dbo.Products AS p1
JOIN dbo.Products AS p2 ON p1.ProductID < p2.ProductID
WHERE JARO_WINKLER_SIMILARITY(p1.ProductName, p2.ProductName) > 80;

۴. امنیت و دسترس ‌پذیری (Security & Availability)

در حوزه امنیت و دسترس پذیری SQL Server 2025 چند ویژگی کاربردی ارائه کرده است:

• بهبودهای امنیتی
  • PBKDF2 by Default: اکنون به صورت پیش‌فرض از تابع PBKDF2 با ۱۰۰,۰۰۰ iteration برای هش کردن رمز عبور استفاده می‌شود که با استانداردهای NIST SP 800-63B هماهنگ است و امنیت رمز عبورها را به شدت افزایش می‌دهد.
  • OAEP Padding: پشتیبانی از Optimal Asymmetric Encryption Padding (OAEP) برای Certificateها و Asymmetric Keys، لایه‌های امنیتی رمزنگاری را تقویت می‌کند.
  • Security Cache Invalidation per Login: در صورت تغییر دسترسی‌ها (استفاده از دستورات GRANT و REVOKE)، تنها Cache Entries مربوط به همان Login باطل می‌شود و تأثیر عملکردی بر کاربران دیگر را به حداقل می‌رساند.

• بهبودهای Always On Availability Groups (AG)
  • Asynchronous Page Request Dispatching: در حین فرآیند Failover Recovery، درخواست‌های Pageها به صورت همزمان و دسته‌ای پردازش می‌شوند که سرعت Failover را به شدت افزایش می‌دهد.
  • Fast Failover: این ویژگی سرعت واکنش سیستم در زمان خرابی را بالا می‌برد. در نسخه‌های قبل زمانی که یک خرابی در سطح AG رخ می‌دهد ابتدا SQL Server سعی می‌کند روی نود Primary به نوعی مشکل را رفع و رجوع کند تا با همان نود کار را جلو ببرد و در غیر این صورت به نود Secondary سوییچ کند، حالا در نظر بگیرید مشکل کوچک نیست و عملا زمان لازم برای رفع و رجوع اضافی است و انجام این کار هیچ تاثیری در بالا آمدن نود Primary ندارد در این حالت فقط زمان تلف شده‌ است. حالا در نسخه جدید SQL Server 2025 اگر مقدار RestartThreshold = 0، مربوط به AG را ۰ تنظیم کنیم عملا SQL Server هیچ زمانی برای رفع مشکل در نود Primary نمی‌کند و سریع به نود Secondary سوییچ می‌کند.

(Get-ClusterResource -Name "NikamoozAG").RestartThreshold = 0

• Backup on Secondary Replicas: در این نسخه از SQL Server اکنون می‌توان پشتیبان‌های Full و Differential را روی هر Secondary Replica (و نه فقط Copy-Only) اجرا کرد که بار کاری را از Primary کاهش می‌دهد.

۵. Intelligent Query Processing (IQP) و Query Store

خانواده Intelligent Query Processing با ویژگی‌های جدیدی که به صورت خودکار عملکرد کوئری‌ها را بهبود می‌بخشند، گسترش یافته است.

• Cardinality Estimation Feedback for Expressions: موتور پایگاه داده از اجراهای قبلی دستورات یاد گرفته و مدل Cardinality Estimation مناسب را برای اجراهای آینده انتخاب می‌کند.
• Optional Parameter Plan Optimization (OPPO): برای کوئری‌هایی که به مقادیر پارامتر حساس هستند، چندین پلن تولید کرده و بهترین پلن را بر اساس مقادیر پارامتر انتخاب می‌کند، این موضوع باعث می‌شود که که مشکلات مربوط به Parameter Sniffing تا حد زیادی حل شود.
• Degree of Parallelism (DOP) Feedback: به صورت پیش‌فرض فعال است و به صورت خودکار درجه موازی‌سازی (DOP) را بر اساس اجراهای قبلی تنظیم می‌کند.
• ABORT_QUERY_EXECUTION Query Hint: برای جلوگیری از اجرای کوئری‌های پرهزینه یا غیرضروری در ساعات اوج بار کاری استفاده می‌شود.

۶. تغییرات در نسخه‌ها (Edition Changes)

لطفا یک جدول مناسب برای این موضوع به کمک LLM ایجاد کنید.

| Edition | تغییرات کلیدی در SQL Server 2025 |

| :— | :— |

| Standard | افزایش محدودیت به ۳۲ Core و ۲۵۶ GB حافظه برای Buffer Pool. Resource Governor و Columnstore Indexes به این نسخه اضافه شده‌اند. |

| Enterprise | پشتیبانی از تمام ویژگی‌های پیشرفته مانند Optimized Locking، Vector Search و External Model Management. |

| Developer | ارائه دو نسخه مجزا: Standard Developer (مشابه Standard) و Enterprise Developer (مشابه Enterprise) برای تست دقیق‌تر متناسب با محیط Production. |

| Express | افزایش حداکثر اندازه دیتابیس به ۵۰ GB. |

سخن پایانی

SQL Server 2025 فقط یک به‌روزرسانی معمولی نیست؛ بلکه بر ارتقاء قابل توجه موتور پایگاه داده در محیط‌های داخلی تمرکز دارد. این ارتقاءها از آوردن هوش مصنوعی داخلی به هسته موتور پایگاه داده (مثلاً انواع داده VECTOR، شاخص‌های برداری و قابلیت‌های جستجوی برداری) تا افزودن مدیریت مدل خارجی، قابلیت‌های پردازش برداری و حتی تعامل با سرویس‌های REST/GraphQL از درون T-SQL را شامل می‌شود. علاوه بر این، پیشرفت‌های عمده در مکانیسم‌های قفل‌گذاری، کنترل مصرف TempDB ،TempDB ADR، فشرده‌سازی پشتیبان با استفاده از ZSTD، قابلیت‌های توسعه‌یافته (مثلاً JSON بومی، عبارات منظم و تطبیق فازی) و امنیت بهبود یافته، از جمله Always On و IQP ،SQL Server را سریع‌تر، هوشمندتر و ایمن‌تر می‌کند. اگر می‌خواهید فراتر از «درک» صرف این ویژگی‌ها بروید و آنها را در پروژه‌های سازمانی به طور واقعی به کار ببرید، نیک‌ آموز آموزش عملی SQL Server پروژه‌محور را با هدایت مدرسان باتجربه ارائه می‌دهد. این آموزش به شما کمک می‌کند تا از طریق مطالعات موردی دنیای واقعی، سناریوهای عملی و تکنیک‌های پیاده‌سازی، به صورت حرفه‌ای از نسخه جدید SQL Server در محیط‌های تولیدی استفاده کنید.