SQL Server
Types de tables Azure SQL : lequel choisir ?
Un guide pratique des tables standard, optimisées en mémoire, temporelles, ledger, graphe et externes dans Azure SQL, avec leurs cas d’usage.
Dans cet article
Dans SQL Server Management Studio, un clic droit sur Tables → New lorsque vous êtes connecté à Azure SQL fait apparaître plusieurs options qui semblent toutes créer une « table » :
- Table
- Memory Optimized Table
- Temporal Table
- Ledger Table
- Graph Table
- External Table
Elles ressemblent à différentes variantes du même objet. Ce n’est pas le cas.
Chacune répond à un besoin différent.
La règle essentielle est simple :
Par défaut, utilisez une table relationnelle standard. Choisissez un type spécialisé uniquement lorsqu’il répond mieux à un besoin précis.
Une table optimisée en mémoire n’est pas simplement une table plus rapide. Une table temporelle ne remplace pas un journal d’audit. Une table ledger n’est pas une « table temporelle avec quelques colonnes en plus ». Une table graphe n’est pas automatiquement plus adaptée aux relations. Une table externe ne déplace pas les données externes dans Azure SQL.
La disponibilité et le comportement des fonctionnalités peuvent varier entre Azure SQL Database, Azure SQL Managed Instance, SQL Server et SQL database dans Microsoft Fabric. Vérifiez la prise en charge de la plateforme visée.
Tableau de décision rapide
| Type de table | Cas d’usage principal | À choisir lorsque… |
|---|---|---|
| Table standard | OLTP général et données relationnelles | La modélisation relationnelle classique suffit |
| Table optimisée en mémoire | OLTP à haut débit et faible latence | La contention ou le débit transactionnel mesuré constitue le goulot d’étranglement |
| Table temporelle avec gestion de versions système | Historique des versions de lignes | Vous avez besoin de reconstruire un état à une date donnée ou d’un historique automatique |
| Table ledger | Enregistrements dont l’intégrité doit être vérifiable | Vous avez besoin de preuves cryptographiques de l’intégrité des données |
| Table graphe | Modèles riches en relations | Les parcours et les motifs de graphe sont au cœur de la charge de travail |
| Table externe | Interrogation de données hors d’Azure SQL | Les données doivent rester dans un stockage externe |
1. Les tables standard : le choix par défaut
Une table Azure SQL standard est la table relationnelle habituelle que devraient utiliser la plupart des applications.
CREATE TABLE dbo.Customer
(
CustomerId int NOT NULL
CONSTRAINT PK_Customer PRIMARY KEY,
CustomerName nvarchar(200) NOT NULL,
EmailAddress nvarchar(320) NULL,
CreatedAtUtc datetime2(3) NOT NULL
CONSTRAINT DF_Customer_CreatedAtUtc
DEFAULT SYSUTCDATETIME()
);Pour la plupart des systèmes transactionnels, commencez par une table standard.
Elle convient notamment aux clients, commandes, produits, paramètres d’application, métadonnées de rapports, définitions de tâches et données métier courantes.
Si votre besoin se résume à « stocker ces lignes de manière fiable et les interroger efficacement », une table standard suffit généralement.
2. Les tables optimisées en mémoire : pour les problèmes de contention OLTP
Les tables optimisées en mémoire font partie d’In-Memory OLTP.
Elles sont conçues pour les traitements transactionnels où la concurrence, la latence et le débit sont déterminants.
CREATE TABLE dbo.OrderQueue
(
OrderId bigint NOT NULL
PRIMARY KEY NONCLUSTERED,
CustomerId int NOT NULL,
CreatedAtUtc datetime2(3) NOT NULL
)
WITH
(
MEMORY_OPTIMIZED = ON,
DURABILITY = SCHEMA_AND_DATA
);Je les envisagerais en présence d’éléments concrets indiquant :
- un volume transactionnel très élevé ;
- de nombreuses insertions ou mises à jour concurrentes ;
- de la contention sur les verrous ou les latchs ;
- des exigences de latence très faibles ;
- des structures de type file d’attente soumises à une forte concurrence.
Le mot important est concrets.
Ne migrez pas une table au seul motif que « la mémoire, c’est plus rapide ». Commencez par mesurer les attentes, les verrous, la contention sur les latchs, le débit des transactions, le processeur et les besoins en mémoire.
Dans Azure SQL Database, In-Memory OLTP n’est pas disponible dans tous les niveaux de service. Microsoft documente actuellement sa prise en charge dans les niveaux Premium DTU et Business Critical vCore.
Vous pouvez vérifier si la base de données actuelle prend en charge les objets en mémoire :
SELECT DATABASEPROPERTYEX(DB_NAME(), 'IsXTPSupported') AS IsXTPSupported;Une valeur 1 indique que la fonctionnalité est prise en charge.
Quand ne pas l’utiliser
N’optez pas pour l’optimisation en mémoire si le véritable problème est :
- un index manquant ;
- un scan évitable ;
- une requête mal conçue ;
- des statistiques obsolètes ou insuffisantes ;
- une charge à faible concurrence ;
- un traitement analytique plutôt que transactionnel.
3. Les tables temporelles avec gestion de versions système : « À quoi ressemblait cette ligne hier ? »
Une table temporelle avec gestion de versions système conserve automatiquement les versions précédentes des lignes mises à jour ou supprimées.
CREATE TABLE dbo.CustomerStatus
(
CustomerId int NOT NULL
CONSTRAINT PK_CustomerStatus PRIMARY KEY,
Status varchar(30) NOT NULL,
ValidFrom datetime2(7)
GENERATED ALWAYS AS ROW START NOT NULL,
ValidTo datetime2(7)
GENERATED ALWAYS AS ROW END NOT NULL,
PERIOD FOR SYSTEM_TIME (ValidFrom, ValidTo)
)
WITH
(
SYSTEM_VERSIONING = ON
(
HISTORY_TABLE = dbo.CustomerStatusHistory
)
);Vous continuez à mettre à jour la table courante normalement :
UPDATE dbo.CustomerStatus
SET Status = 'Suspended'
WHERE CustomerId = 1001;Azure SQL conserve l’ancienne version dans la table d’historique.
Vous pouvez ensuite demander à quoi ressemblait la ligne à un instant donné :
SELECT *
FROM dbo.CustomerStatus
FOR SYSTEM_TIME AS OF '2026-10-01T14:00:00'
WHERE CustomerId = 1001;Les valeurs de période système sont enregistrées en UTC. La valeur AS OF est donc interprétée comme un horodatage UTC, et non comme une heure locale.
Cas d’usage adaptés
Les tables temporelles conviennent particulièrement :
- à l’historisation des versions de lignes ;
- aux investigations sur les données ;
- à la reconstruction d’un état à une date donnée ;
- aux données métier qui évoluent lentement ;
- à l’historique de configuration ;
- à la récupération après une mise à jour accidentelle de l’application.
Elles sont particulièrement utiles lorsque l’équipe s’apprête à développer ses propres tables d’historique avec des triggers et de la logique applicative.
Une table temporelle conserve les versions des lignes : leur contenu et le moment où elles ont changé. Elle n’indique pas qui a effectué une modification, sauf si cette information est enregistrée séparément.
Le coût à anticiper
L’historique grandit.
Pour les tables fréquemment mises à jour, prévoyez :
- une politique de rétention ;
- la croissance du stockage ;
- les index de la table d’historique ;
- la maintenance ;
- les modes d’interrogation temporelle.
L’historisation automatique ne supprime pas les responsabilités opérationnelles.
4. Les tables ledger : « Puis-je prouver que ces données n’ont pas été altérées ? »
Les tables temporelles et ledger sont souvent confondues.
Une table temporelle répond à la question :
À quoi ressemblait cette ligne par le passé ?
Une table ledger répond à celle-ci :
Puis-je vérifier que les données et leur historique n’ont pas été altérés ?
Ledger apporte des mécanismes de détection des altérations et de vérification cryptographique.
Il existe deux principaux modèles.
Table ledger modifiable
Une table ledger modifiable autorise les insertions, mises à jour et suppressions normales tout en conservant les versions antérieures et les informations ledger.
Elle convient aux systèmes de référence dont les valeurs évoluent, mais dont l’intégrité doit pouvoir être vérifiée.
Exemples :
- soldes financiers ;
- enregistrements réglementés ;
- transactions métier critiques ;
- scénarios d’audit exigeant un niveau de confiance élevé.
Table ledger append-only
Les tables ledger append-only autorisent les insertions, mais bloquent les mises à jour et les suppressions.
Elles peuvent convenir aux événements immuables, par exemple :
- événements d’accès ;
- événements de sécurité ;
- journaux de transactions ;
- enregistrements de preuves.
Temporal ou ledger ?
| Besoin | Temporal | Ledger |
|---|---|---|
| Conserver les anciennes versions d’une ligne | Oui | Oui pour une table ledger modifiable |
| Analyse à un instant donné | Excellent | Possible |
| Détection des altérations | Non | Oui |
| Vérification cryptographique | Non | Oui |
| Historique métier courant | Très adapté | Généralement inutile |
| Enregistrements réglementés exigeant une forte intégrité | Parfois | Très adapté |
Si votre besoin se limite à « retrouver l’ancienne valeur », commencez par évaluer Temporal.
Si vous devez « prouver que des utilisateurs privilégiés n’ont pas pu modifier l’historique en secret sans laisser de trace », évaluez Ledger.
5. Les tables graphe : lorsque les relations constituent le vrai problème
Azure SQL prend en charge SQL Graph avec des tables de nœuds et d’arêtes.
Un nœud représente une entité :
CREATE TABLE dbo.Person
(
PersonId int PRIMARY KEY,
Name nvarchar(200)
)
AS NODE;Une arête représente une relation :
CREATE TABLE dbo.Follows
(
SinceDate date NULL
)
AS EDGE;Le modèle graphe devient utile lorsque la charge de travail consiste fondamentalement à parcourir des relations.
Exemples :
- réseaux sociaux ;
- relations de recommandation ;
- réseaux de fraude ;
- graphes de dépendances ;
- relations d’identité ;
- chaînes de propriété ;
- topologies réseau.
Mais les bases relationnelles classiques gèrent déjà très bien les relations.
Si vos requêtes ressemblent surtout à ceci :
Customer
JOIN Order
JOIN OrderItem
JOIN Product
gardez un modèle relationnel.
Le graphe devient intéressant lorsque les questions ressemblent plutôt à :
Trouver toutes les entités reliées à ce compte par plusieurs types de relations.
ou :
Trouver des chemins et des motifs dans un réseau de relations.
6. Les tables externes : interroger des données sans les stocker dans Azure SQL
Les tables externes se distinguent des autres types : les données restent hors d’Azure SQL.
Azure SQL stocke les métadonnées décrivant les données externes et permet de les interroger en SQL.
Pour Azure SQL Database, Microsoft documente actuellement la virtualisation des données sur des fichiers externes, par exemple Parquet et CSV dans Azure Data Lake Storage Gen2 ou Blob Storage, comme une fonctionnalité en Preview.
Vérifiez donc la prise en charge actuelle et ses limites avant d’en faire une dépendance critique en production.
Cas d’usage adaptés
Les tables externes peuvent être utiles pour :
- le reporting analytique ;
- les requêtes répétées sur des fichiers ;
- la combinaison de données relationnelles et externes ;
- la virtualisation des données sans en ingérer une copie supplémentaire.
Table externe ou OPENROWSET ?
Une distinction pratique :
OPENROWSET
- requête ponctuelle ;
- exploration ;
- interrogation occasionnelle de fichiers.
Table externe
- usage répété ;
- objet nommé et réutilisable ;
- accès adapté au reporting ;
- définition de schéma maîtrisée.
Table externe ou ingestion ?
Posez-vous une question d’architecture :
Ces données doivent-elles réellement être stockées dans Azure SQL ?
Si oui, ingérez-les dans une table standard.
Si la source doit rester le système de référence et qu’Azure SQL doit seulement pouvoir interroger les données, une table externe peut convenir.
L’arbre de décision pratique
Pour choisir un type de table, je passerais en revue les besoins dans cet ordre.
Un stockage relationnel classique suffit-il ?
Oui :
Table standard
Arrêtez-vous là.
Ai-je besoin de conserver automatiquement les versions historiques des lignes ?
Oui :
Table temporelle avec gestion de versions système
Ai-je besoin de détecter les altérations ?
Oui :
Table ledger
Une concurrence OLTP extrême est-elle un goulot d’étranglement mesuré ?
Oui :
Table optimisée en mémoire
Commencez par un benchmark.
Le parcours des relations et les motifs de graphe sont-ils centraux ?
Oui :
Tables de nœuds et d’arêtes
Les données doivent-elles rester hors d’Azure SQL ?
Oui :
Table externe
Une base de données peut combiner plusieurs types
Il ne s’agit pas nécessairement de choisir un type pour toute la base.
Un système réel pourrait tout à fait contenir :
Customer
→ Table standard
CustomerStatus
→ Table temporelle
FinancialJournal
→ Table ledger
FraudRelationship
→ Tables graphe
HighVolumeQueue
→ Table optimisée en mémoire
HistoricalTelemetry
→ Table externe
C’est l’idée essentielle.
Il n’existe pas de type de table universellement « meilleur ».
Il existe un type mieux adapté à un besoin donné.
Erreurs fréquentes
« L’optimisation en mémoire accélère toutes les requêtes »
Non.
Les index inadaptés, les requêtes mal conçues, les scans inutiles et les comportements inefficaces de l’application restent des problèmes.
« J’ai besoin d’un historique, donc il me faut Ledger »
Pas forcément.
Pour un historique ordinaire des lignes, Temporal est généralement la première fonctionnalité à évaluer.
Ledger répond spécifiquement aux besoins de vérification de l’intégrité et de détection des altérations.
« Mon schéma comporte des relations, donc je dois utiliser Graph »
Presque toutes les bases relationnelles contiennent des relations.
Utilisez le graphe lorsque les parcours et les motifs relationnels sont centraux dans la charge de travail.
« Une table externe signifie que les données sont importées »
Non.
Les données externes restent hors d’Azure SQL.
« L’historique temporel se gère tout seul pour toujours »
Le moteur capture l’historique, mais la rétention, le stockage, le suivi et la capacité restent sous votre responsabilité.
Ce que j’utiliserais le plus souvent
Si je classais ces types selon leur fréquence probable dans une architecture applicative courante :
- Tables standard : de loin les plus courantes.
- Tables temporelles : très utiles lorsque l’historique métier compte.
- Tables externes : utiles pour accéder régulièrement à des données analytiques externes.
- Tables optimisées en mémoire : puissantes, mais adaptées à des charges spécifiques.
- Tables ledger : précieuses lorsque la détection des altérations est réellement nécessaire.
- Tables graphe : utiles pour les domaines riches en relations, mais inutiles pour de simples jointures relationnelles.
Ce classement ne mesure pas la qualité.
Il reflète la fréquence à laquelle je rencontre les besoins auxquels ces fonctionnalités répondent.
Recommandation finale
Lorsque SSMS vous propose plusieurs types de tables, ne demandez pas :
Laquelle est la plus récente ou la plus rapide ?
Demandez plutôt :
Quel besoin est-ce que j’essaie de satisfaire ?
Associez ensuite le besoin au type correspondant :
Données transactionnelles classiques
→ Table standard
Versions historiques des lignes
→ Table temporelle
Détection des altérations
→ Table ledger
Concurrence transactionnelle extrême
→ Table optimisée en mémoire
Parcours de relations
→ Table graphe
Accès SQL à des données externes
→ Table externe
Les types spécialisés sont utiles parce qu’ils permettent au moteur de base de données de résoudre des problèmes que les équipes applicatives réimplémentent souvent.
Mais « spécialisé » doit garder son sens :
Utilisez cette option parce que le besoin le justifie, pas simplement parce qu’elle apparaît dans SSMS.
Liste de contrôle avant la mise en production
Avant de choisir un type de table Azure SQL spécialisé, demandez-vous :
- Quel besoin précis cette fonctionnalité satisfait-elle ?
- Une table standard peut-elle répondre simplement au besoin ?
- Quelles restrictions de niveau de service Azure SQL s’appliquent ?
- Quel volume de stockage supplémentaire peut-elle créer ?
- Quelles sont les implications pour les index ?
- Quel sera le comportement de la sauvegarde, de la restauration et de la récupération ?
- Quel suivi opérationnel faut-il mettre en place ?
- Quelle politique de rétention faut-il définir ?
- Quelles limites s’appliquent à mon déploiement Azure SQL ?
- Ai-je mesuré la charge de travail réelle ?
- La fonctionnalité est-elle généralement disponible ou encore en préversion ?
Pour aller plus loin sur Javi Builds
Quelques lectures utiles :
Ce contenu vous a-t-il été utile ?
Que pourrions-nous améliorer ?
Merci — cela m’aide à améliorer Javi Builds.
Continuer à apprendre
- Aide-mémoireVérifier la taille des tables SQL ServerMesurez le nombre de lignes et l’espace de stockage des tables SQL Server, distinguez l’espace des données de celui des index et identifiez les tables qui font croître la base de données.Ouvrir l’aide-mémoire
- RessourceContenu en anglaisSQL Server Performance Tuning ChecklistA one-page troubleshooting reference for slow SQL Server workloads: ten steps from incident scope to measured change, with three diagnostic queries.Voir la ressource
Que devrais-je créer ensuite ?
Je développe Javi Builds autour des problèmes concrets rencontrés par les data engineers. Dites-moi quel sujet vous aimeriez voir ensuite.
Restez au courant
Recevez uniquement les nouvelles de Javi Builds qui vous intéressent.
Consultez votre boîte de réception
Je vous ai envoyé un lien de confirmation. Votre abonnement sera actif après confirmation.