AWR: ડેટાબેઝનું પ્રદર્શન કેટલું "નિષ્ણાત" છે?

આ ટૂંકી પોસ્ટ સાથે હું Oracle Exadata પર ચાલતા AWR ડેટાબેઝના વિશ્લેષણને લગતી એક ગેરસમજને દૂર કરવા માંગુ છું. લગભગ 10 વર્ષથી, મને સતત આ પ્રશ્નનો સામનો કરવો પડી રહ્યો છે: ઉત્પાદકતામાં Exadata સોફ્ટવેરનું યોગદાન શું છે? અથવા નવા બનેલા શબ્દોનો ઉપયોગ કરીને: ચોક્કસ ડેટાબેઝનું કાર્ય "નિષ્ણાત" કેટલું છે?

ઘણીવાર આ સાચો પ્રશ્ન, મારા મતે, AWR આંકડાઓના સંદર્ભમાં ખોટો જવાબ આપવામાં આવે છે. તે સિસ્ટમ પ્રતીક્ષા પદ્ધતિ રજૂ કરે છે, જે પ્રતિભાવ સમયને પ્રોસેસર્સ (DB CPUs) ના ઓપરેટિંગ સમય અને વિવિધ વર્ગોના પ્રતીક્ષા સમયના સરવાળા તરીકે ગણે છે.

Exadata ના આગમન સાથે, Exadata સોફ્ટવેરના સંચાલનને લગતી ચોક્કસ સિસ્ટમ અપેક્ષાઓ AWR આંકડાઓમાં દેખાય છે. નિયમ પ્રમાણે, આવી રાહના નામો "સેલ" શબ્દથી શરૂ થાય છે (એક્ઝાડેટા સ્ટોરેજ સર્વરને સેલ કહેવામાં આવે છે), જેમાંથી સૌથી સામાન્ય સ્વ-સ્પષ્ટીકરણ નામો "સેલ સ્માર્ટ ટેબલ સ્કેન", "સેલ મલ્ટિબ્લોક સાથે રાહ જોવામાં આવે છે. ભૌતિક વાંચન" અને "સેલ સિંગલ બ્લોક ભૌતિક વાંચન".

મોટા ભાગના કિસ્સાઓમાં, કુલ પ્રતિસાદના સમયમાં આવા એક્ઝાડેટાનો હિસ્સો નાનો હોય છે, અને તેથી તેઓ ટોટલ વેઈટ ટાઈમ વિભાગ દ્વારા ટોપ10 ફોરગ્રાઉન્ડ ઈવેન્ટ્સમાં પણ આવતા નથી (આ કિસ્સામાં, તમારે તેમને ફોરગ્રાઉન્ડ વેઈટમાં જોવાની જરૂર છે. ઇવેન્ટ્સ વિભાગ). મોટી મુશ્કેલી સાથે, અમને અમારા ગ્રાહકો પાસેથી દૈનિક AWR નું ઉદાહરણ મળ્યું, જેમાં Exadata અપેક્ષાઓ ટોપ10 વિભાગમાં સમાવવામાં આવી હતી અને કુલ 5% જેટલી હતી:

ઇવેન્ટ

રાહ જુએ છે

કુલ પ્રતીક્ષા સમય (સેકંડ)

સરેરાશ રાહ જુઓ

%DB સમય

રાહ જુઓ વર્ગ

ડીબી સીપીયુ

115.2K

70.4

SQL*dblink માંથી નેટ વધુ ડેટા

670,196

5471.5

8.16ms

3.3

નેટવર્ક

સેલ સિંગલ બ્લોક ભૌતિક વાંચન

5,661,452

3827.6

676.07us

2.3

વપરાશકર્તા I/O

ASM પુનઃસંતુલન સમન્વયિત કરો

4,350,012

3481.3

800.30us

2.1

અન્ય

સેલ મલ્ટીબ્લોક ભૌતિક વાંચન

759,885

2252

2.96ms

1.4

વપરાશકર્તા I/O

સીધો માર્ગ વાંચો

374,368

1811.3

4.84ms

1.1

વપરાશકર્તા I/O

dblink તરફથી SQL*નેટ સંદેશ

7,983

1725

216.08ms

1.1

નેટવર્ક

સેલ સ્માર્ટ ટેબલ સ્કેન

1,007,520

1260.7

1.25ms

0.8

વપરાશકર્તા I/O

ડાયરેક્ટ પાથ રીડ ટેમ્પ

520,211

808.4

1.55ms

0.5

વપરાશકર્તા I/O

enq: TM - વિવાદ

652

795.8

1220.55ms

0.5

એપ્લિકેશન

નીચેના તારણો વારંવાર આવા AWR આંકડાઓ પરથી દોરવામાં આવે છે:

1. ડેટાબેઝ પ્રદર્શનમાં Exadata મેજિકનું યોગદાન વધારે નથી - તે 5% થી વધુ નથી, અને ડેટાબેઝ ખરાબ રીતે "એક્સડેટાઇઝ" કરે છે.

2. જો આવા ડેટાબેઝને Exadata માંથી ક્લાસિક “server + array” આર્કિટેક્ચરમાં ટ્રાન્સફર કરવામાં આવે, તો પરફોર્મન્સ બહુ બદલાશે નહીં. કારણ કે જો આ એરે Exadata સ્ટોરેજ સિસ્ટમ (જે આધુનિક ઓલ ફ્લેશ એરે માટે ભાગ્યે જ શક્ય છે) કરતાં ત્રણ ગણી ધીમી હોય, તો પણ 5% ને ત્રણ વડે ગુણાકાર કરીએ તો I/O ના શેરમાં 15% સુધીનો વધારો થાય છે. - ડેટાબેઝ ચોક્કસપણે આમાંથી બચી જશે!

આ બંને તારણો અચોક્કસ છે, વધુમાં, તેઓ Exadata સોફ્ટવેર પાછળના વિચારની સમજને વિકૃત કરે છે. Exadata માત્ર ઝડપી I/O પ્રદાન કરતું નથી, તે ક્લાસિક સર્વર + એરે આર્કિટેક્ચરની તુલનામાં મૂળભૂત રીતે અલગ રીતે કાર્ય કરે છે. જો ડેટાબેઝ ઓપરેશન ખરેખર "એક્સાડેપ્ટેડ" હોય, તો SQL લોજિક સ્ટોરેજ સિસ્ટમમાં ટ્રાન્સફર થાય છે. સ્ટોરેજ સર્વર્સ, સંખ્યાબંધ વિશેષ મિકેનિઝમ્સને આભારી છે (મુખ્યત્વે એક્ઝાડેટા સ્ટોરેજ ઇન્ડેક્સિસ, પરંતુ એટલું જ નહીં), જરૂરી ડેટા જાતે શોધે છે અને સર્વર્સને DB મોકલે છે. તેઓ આ તદ્દન કાર્યક્ષમ રીતે કરે છે, તેથી કુલ પ્રતિસાદ સમયમાં સામાન્ય એક્ઝાડેટાનો હિસ્સો ઓછો છે. 

આ શેર Exadata બહાર કેવી રીતે બદલાશે? આ સમગ્ર ડેટાબેઝના પ્રદર્શનને કેવી રીતે અસર કરશે? પરીક્ષણ આ પ્રશ્નોના શ્રેષ્ઠ જવાબ આપશે. ઉદાહરણ તરીકે, Exadata ની બહાર "સેલ સ્માર્ટ ટેબલ સ્કેન" ની રાહ જોવી એ આવા ભારે ટેબલ ફુલ સ્કેનમાં ફેરવાઈ શકે છે કે I/O સમગ્ર પ્રતિભાવ સમય લે છે અને પ્રદર્શન નાટકીય રીતે ઘટે છે. તેથી જ, AWR નું વિશ્લેષણ કરતી વખતે, Exadata અપેક્ષાઓની કુલ ટકાવારીને પ્રદર્શનમાં તેના જાદુના યોગદાન તરીકે ધ્યાનમાં લેવું, અને તેથી પણ વધુ આ ટકાવારીનો ઉપયોગ Exadata બહારના પ્રદર્શનની આગાહી કરવા માટે કરવો ખોટું છે. ડેટાબેઝનું કાર્ય કેટલું "ચોક્કસ" છે તે સમજવા માટે, તમારે "ઇન્સ્ટન્સ એક્ટિવિટી સ્ટેટ્સ" વિભાગના AWR આંકડાઓનો અભ્યાસ કરવાની જરૂર છે (સ્વ-સ્પષ્ટીકરણ નામો સાથે ઘણા બધા આંકડા છે) અને તેમની એકબીજા સાથે સરખામણી કરો.

અને Exadata ની બહારનો ડેટાબેઝ કેવો લાગશે તે સમજવા માટે, લક્ષ્ય આર્કિટેક્ચર પરના બેકઅપમાંથી ડેટાબેઝ ક્લોન બનાવવું અને લોડ હેઠળના આ ક્લોનના પ્રદર્શનનું વિશ્લેષણ કરવું શ્રેષ્ઠ છે. Exadata માલિકો, એક નિયમ તરીકે, આ તક છે.

લેખક: એલેક્સી સ્ટ્રુચેન્કો, જેટ ઇન્ફોસિસ્ટમ્સના ડેટાબેઝ વિભાગના વડા

સોર્સ: www.habr.com