Kanthi kirim singkat iki aku kaya kanggo dispel siji misunderstanding related kanggo analisis database AWR mlaku ing Oracle Exadata. Kanggo meh 10 taun, aku terus-terusan ngadhepi pitakonan: apa kontribusi Exadata Software kanggo produktivitas? Utawa nggunakake tembung sing mentas diciptakake: kepiye "ahli" karya database tartamtu?
Asring pitakonan iki bener, ing mratelakake panemume, dijawab salah karo referensi kanggo statistik AWR. Iki nyedhiyakake metode ngenteni sistem, sing nganggep wektu nanggepi minangka jumlah wektu operasi prosesor (CPU DB) lan wektu tunggu saka macem-macem kelas.
Kanthi tekane Exadata, pangarepan sistem tartamtu sing ana hubungane karo operasi Exadata Software muncul ing statistik AWR. Biasane, jeneng tunggu kasebut diwiwiti kanthi tembung "sel" (server Exadata Storage diarani sel), sing paling umum yaiku ngenteni kanthi jeneng panjelasan "scan tabel cerdas sel", "multiblock sel". maca fisik" lan "waca fisik blok tunggal sel".
Umume kasus, bagean saka Exadata kasebut ngenteni ing total wektu nanggepi cilik, lan mulane ora ana ing Top10 Foreground Events dening Total Enteni Wektu bagean (ing kasus iki, sampeyan kudu nggoleki ing Foreground Enteni. bagean acara). Kanthi angel banget, kita nemokake conto AWR saben dina saka para pelanggan, sing dikarepake Exadata kalebu ing bagean Top10 lan total udakara 5%:
Event
Ngenteni
Total Wektu Nunggu (detik)
Rata-rata Enteni
% DB wektu
Ngenteni Kelas
CPU DB
115.2K
70.4
SQL*Net data liyane saka dblink
670,196
5471.5
8.16ms
3.3
Network
maca fisik blok tunggal sel
5,661,452
3827.6
676.07an
2.3
Panganggo I/O
Nyelarasake imbangan maneh ASM
4,350,012
3481.3
800.30an
2.1
liyane
maca fisik multiblok sel
759,885
2252
2.96ms
1.4
Panganggo I/O
maca path langsung
374,368
1811.3
4.84ms
1.1
Panganggo I/O
Pesen SQL * Net saka dblink
7,983
1725
216.08ms
1.1
Network
sel pinter meja scan
1,007,520
1260.7
1.25ms
0.8
Panganggo I/O
path langsung maca temp
520,211
808.4
1.55ms
0.5
Panganggo I/O
enq: TM - padudon
652
795.8
1220.55ms
0.5
aplikasi
Kesimpulan ing ngisor iki asring dijupuk saka statistik AWR kasebut:
1. Kontribusi sihir Exadata kanggo kinerja database ora dhuwur - ora ngluwihi 5%, lan database "exadatizes" kurang.
2. Yen database kasebut ditransfer saka Exadata menyang arsitektur "server + array" klasik, mula kinerja ora bakal owah akeh. Amarga sanajan array iki dadi luwih alon kaping telu tinimbang sistem panyimpenan Exadata (sing meh ora bisa digunakake kanggo kabeh array Flash modern), banjur nambah 5% kanthi telu, kita bakal nambah bagean I / O ngenteni nganti 15% - database mesthi bakal urip iki!
Loro-lorone kesimpulan kasebut ora akurat, luwih-luwih, dheweke ngrusak pangerten babagan ide ing mburi Piranti Lunak Exadata. Exadata ora mung nyedhiyani cepet I / O, kerjane dhasar beda dibandhingake server klasik + arsitektur Uploaded. Yen operasi database saestu "exadapted", banjur logika SQL ditransfer menyang sistem panyimpenan. Server panyimpenan, amarga sawetara mekanisme khusus (utamane Exadata Storage Indexes, nanging ora mung), golek data sing dibutuhake dhewe lan ngirim DB menyang server. Padha nindakake iki cukup irit, supaya nuduhake Exadata khas ngenteni ing total wektu respon cilik.
Kepiye panggabungan iki bakal diganti ing njaba Exadata? Kepiye carane iki bakal mengaruhi kinerja database kanthi sakabehe? Tes bakal paling apik njawab pitakonan kasebut. Contone, ngenteni "scan tabel cerdas sel" ing njaba Exadata bisa dadi Scan Lengkap Tabel sing abot sing I / O njupuk kabeh wektu respon lan kinerja degrades dramatically. Mulane iku salah, nalika nganalisa AWR, kanggo nimbang persentasi total pangarepan Exadata minangka kontribusi saka Piandel kanggo kinerja, lan malah luwih nggunakake persentasi iki kanggo mrΓ©dhiksi kinerja njaba Exadata. Kanggo mangerteni carane "tepat" karya database, sampeyan kudu sinau statistik AWR saka bagean "Statistik Aktivitas Instance" (ana akeh statistik kanthi jeneng panjelasan dhewe) lan mbandhingake karo saben liyane.
Lan kanggo ngerti carane database njaba Exadata bakal aran, iku paling apik kanggo nggawe Klone database saka serep arsitektur target lan njelasno kinerja Klone iki ing mbukak. Pamilik Exadata, minangka aturan, duwe kesempatan iki.
Pengarang: Alexey Struchenko, kepala departemen database Jet Infosystems
Source: www.habr.com