ဤစာတိုလေးဖြင့် Oracle Exadata တွင်လည်ပတ်နေသော AWR ဒေတာဘေ့စ်များကို ခွဲခြမ်းစိတ်ဖြာခြင်းနှင့်ပတ်သက်သည့် နားလည်မှုလွဲမှားမှုတစ်ခုကို ဖယ်ရှားလိုပါသည်။ 10 နှစ်နီးပါးကြာအောင်၊ Exadata Software ကို ကုန်ထုတ်စွမ်းအားအတွက် ပံ့ပိုးကူညီမှုဆိုတာ ဘာလဲဆိုတဲ့ မေးခွန်းနဲ့ ကျွန်တော် အမြဲတစေ ရင်ဆိုင်နေရပါတယ်။ သို့မဟုတ် အသစ်ထည့်သွင်းထားသော စကားလုံးများကို အသုံးပြုခြင်း- ဒေတာဘေ့စ်တစ်ခု၏ “ကျွမ်းကျင်” သည် မည်ကဲ့သို့ လုပ်ဆောင်သနည်း။
မကြာခဏဆိုသလို၊ ကျွန်ုပ်၏အမြင်အရ၊ ဤမှန်ကန်သောမေးခွန်းသည် AWR စာရင်းအင်းများကို ကိုးကား၍ မှားယွင်းစွာဖြေဆိုလေ့ရှိသည်။ ၎င်းသည် တုံ့ပြန်မှုအချိန်ကို ပရိုဆက်ဆာများ၏ လည်ပတ်ချိန် (DB CPUs) နှင့် အတန်းအမျိုးမျိုး၏ စောင့်ဆိုင်းချိန်ကို ပေါင်းစပ်ထားသည့် စနစ်စောင့်ဆိုင်းနည်းလမ်းကို တင်ဆက်ထားသည်။
Exadata ထွန်းကားလာသည်နှင့်အမျှ Exadata Software ၏လည်ပတ်မှုနှင့်ပတ်သက်သည့် သီးခြားစနစ်မျှော်လင့်ချက်များသည် AWR စာရင်းဇယားများတွင် ပေါ်လာသည်။ စည်းကမ်းအရ၊ ထိုသို့သောစောင့်ဆိုင်းမှုများ၏အမည်များသည် “ဆဲလ်” ဟူသော စကားလုံးဖြင့် စတင်သည် (Exadata Storage ဆာဗာကို ဆဲလ်တစ်ခုဟုခေါ်သည်) တွင် အတွေ့ရများဆုံးမှာ စောင့်ဆိုင်းရသည့်အဖြစ်များဖြစ်သည့် “cell smart table scan”၊ “cell multiblock ရုပ်ပိုင်းဆိုင်ရာဖတ်ခြင်း” နှင့် “ဆဲလ်တစ်ခုတည်းသောဘလောက်ရုပ်ပိုင်းဆိုင်ရာဖတ်ခြင်း”။
အခြေအနေအများစုတွင်၊ ထိုကဲ့သို့သော Exadata ၏စုစုပေါင်းတုံ့ပြန်မှုအချိန်အတွင်း စောင့်ဆိုင်းရသည့်ဝေစုသည် နည်းပါးသောကြောင့် ၎င်းတို့သည် စုစုပေါင်းစောင့်ဆိုင်းချိန်အပိုင်းအလိုက် Top10 Foreground Events ထဲသို့ပင် မကျရောက်နိုင်တော့ပါ။ ပွဲများကဏ္ဍ)။ ကြီးစွာသောအခက်အခဲဖြင့်၊ Exadata မျှော်မှန်းချက်များကို Top10 ကဏ္ဍတွင်ထည့်သွင်းပြီး စုစုပေါင်း 5% ခန့်ရှိသော ကျွန်ုပ်တို့၏ဖောက်သည်များထံမှ နေ့စဉ် AWR ၏ ဥပမာကို ကျွန်ုပ်တို့တွေ့ရှိခဲ့သည်-
အဖြစ်အပျက်
စောင့်
စုစုပေါင်းစောင့်ဆိုင်းချိန် (စက္ကန့်)
Avg စောင့်ပါ။
%DB အချိန်
အတန်းစောင့်
DB CPU
115.2K
70.4
dblink မှ SQL*Net နောက်ထပ်ဒေတာ
670,196
5471.5
8.16ms
3.3
Network
cell single block တွေကို physical read ပါ။
5,661,452
3827.6
၅၀
2.3
အသုံးပြုသူ I/O
ASM rebalance ကို စင့်ခ်လုပ်ပါ။
4,350,012
3481.3
၅၀
2.1
အခြား
cell multiblock ရုပ်ပိုင်းဆိုင်ရာဖတ်ပါ။
759,885
2252
2.96ms
1.4
အသုံးပြုသူ I/O
တိုက်ရိုက်လမ်းကြောင်းဖတ်ပါ။
374,368
1811.3
4.84ms
1.1
အသုံးပြုသူ I/O
dblink မှ SQL*Net မက်ဆေ့ဂျ်
7,983
1725
216.08ms
1.1
Network
ဆဲလ်စမတ်စားပွဲစကင်န်
1,007,520
1260.7
1.25ms
0.8
အသုံးပြုသူ I/O
တိုက်ရိုက်လမ်းကြောင်းဖတ်ရန် temp
520,211
808.4
1.55ms
0.5
အသုံးပြုသူ I/O
enq: TM - ငြင်းခုံခြင်း။
652
795.8
1220.55ms
0.5
လြှောကျလှာ
အောက်ပါ ကောက်ချက်များအား ဤ AWR ကိန်းဂဏန်းများမှ မကြာခဏ ထုတ်ယူသည် ။
1. ဒေတာဘေ့စ်စွမ်းဆောင်ရည်အတွက် Exadata မှော်ပညာ၏ပံ့ပိုးမှုသည် မမြင့်မားပါ - ၎င်းသည် 5% ထက်မပိုဘဲ ဒေတာဘေ့စ်သည် "exadatizes" ညံ့ဖျင်းသည်။
2. ထိုသို့သောဒေတာဘေ့စ်ကို Exadata မှ classic “server + array” ဗိသုကာသို့ လွှဲပြောင်းပါက စွမ်းဆောင်ရည်မှာ များစွာပြောင်းလဲမည်မဟုတ်ပါ။ ဘာကြောင့်လဲဆိုတော့ ဒီ array ဟာ Exadata သိုလှောင်မှုစနစ်ထက် သုံးဆပိုနှေးနေတယ်ဆိုရင်တောင် (ခေတ်မီ Flash အခင်းအကျင်းအားလုံးအတွက် မဖြစ်နိုင်သလောက်ပါပဲ) 5% ကို သုံးချက်မြှောက်လိုက်တာနဲ့ I/O ရဲ့ဝေစုကို 15% အထိ စောင့်ရပါလိမ့်မယ်။ - ဒေတာဘေ့စ်သည်ဤသို့ဆက်ဆက်ရှင်သန်လိမ့်မည်။
ဤကောက်ချက်နှစ်ခုစလုံးသည် မမှန်ကန်သည့်အပြင် Exadata Software ၏နောက်ကွယ်ရှိ အယူအဆ၏ နားလည်မှုကို လွဲမှားစေပါသည်။ Exadata သည် မြန်ဆန်သော I/O ကိုပေးရုံသာမက၊ ၎င်းသည် ဂန္တဝင်ဆာဗာ + ခင်းကျင်းတည်ဆောက်ပုံနှင့် နှိုင်းယှဉ်ပါက အခြေခံအားဖြင့် ကွဲပြားစွာအလုပ်လုပ်ပါသည်။ ဒေတာဘေ့စ်လုပ်ဆောင်ချက်သည် အမှန်တကယ် “exadapted” ဖြစ်ပါက SQL logic အား သိုလှောင်မှုစနစ်သို့ လွှဲပြောင်းပေးမည်ဖြစ်သည်။ သိုလှောင်မှုဆာဗာများ၊ အထူးယန္တရားများစွာ (အဓိကအားဖြင့် Exadata သိုလှောင်မှုအညွှန်းကိန်းများသာမက) ကြောင့် လိုအပ်သောဒေတာကို ၎င်းတို့ကိုယ်တိုင်ရှာဖွေပြီး DB ကို ဆာဗာများသို့ ပေးပို့ပါ။ ၎င်းတို့သည် ၎င်းကို ထိရောက်စွာလုပ်ဆောင်သောကြောင့် စုစုပေါင်းတုံ့ပြန်မှုအချိန်အတွင်း ပုံမှန် Exadata စောင့်ဆိုင်းမှုဝေစုသည် သေးငယ်သည်။
ဤမျှဝေမှုသည် Exadata ပြင်ပတွင် မည်သို့ပြောင်းလဲသွားမည်နည်း။ ၎င်းသည် ဒေတာဘေ့စ်တစ်ခုလုံး၏ စွမ်းဆောင်ရည်ကို မည်သို့အကျိုးသက်ရောက်မည်နည်း။ စမ်းသပ်ခြင်းက ဒီမေးခွန်းတွေကို အကောင်းဆုံးဖြေပေးပါလိမ့်မယ်။ ဥပမာအားဖြင့်၊ Exadata ပြင်ပရှိ “ဆဲလ်စမတ်စားပွဲစကင်န်” ကို စောင့်ဆိုင်းခြင်းသည် I/O တုံ့ပြန်မှုအချိန်တစ်ခုလုံးကို ယူဆောင်လာပြီး စွမ်းဆောင်ရည် သိသိသာသာ ကျဆင်းသွားသည့် လေးလံသော Table Full Scan အဖြစ် ပြောင်းလဲနိုင်သည်။ ထို့ကြောင့် AWR ကို ခွဲခြမ်းစိတ်ဖြာရာတွင် Exadata မျှော်မှန်းချက်များ၏ စုစုပေါင်းရာခိုင်နှုန်းကို ၎င်း၏ မှော်ဆန်သည့်စွမ်းဆောင်ရည်အတွက် ပံ့ပိုးမှုအဖြစ် ထည့်သွင်းစဉ်းစားရန်နှင့် Exadata ပြင်ပစွမ်းဆောင်ရည်ကို ခန့်မှန်းရန် ဤရာခိုင်နှုန်းကို အသုံးပြုခြင်းသည် မှားယွင်းပါသည်။ ဒေတာဘေ့စ်၏အလုပ်မည်မျှတိကျသည်ကိုနားလည်ရန်၊ "Instance Activity Stats" ကဏ္ဍ၏ AWR စာရင်းအင်းများကို လေ့လာရန် လိုအပ်သည် (ကိန်းဂဏန်းများကို ကိုယ်တိုင်ရှင်းပြသည့်အမည်များဖြင့် ကိန်းဂဏန်းများစွာရှိသည်) နှင့် ၎င်းတို့ကို တစ်ခုနှင့်တစ်ခု နှိုင်းယှဉ်ရန် လိုအပ်သည်။
Exadata ၏ပြင်ပဒေတာဘေ့စ်တစ်ခုသည်မည်သို့ခံစားရမည်ကိုနားလည်ရန်၊ ပစ်မှတ်ဗိသုကာတွင်အရန်တစ်ခုမှဒေတာဘေ့စ်ကိုလိုနီတစ်ခုဖန်တီးပြီး load အောက်တွင်ဤ clone ၏စွမ်းဆောင်ရည်ကိုခွဲခြမ်းစိတ်ဖြာရန်အကောင်းဆုံးဖြစ်သည်။ စည်းကမ်းအရ Exadata ပိုင်ရှင်များသည် ဤအခွင့်အရေးရှိသည်။
Author: Jet Infosystems ဒေတာဘေ့စ်ဌာန အကြီးအကဲ Alexey Struchenko
source: www.habr.com