මෙම කෙටි සටහන සමඟින් මම Oracle Exadata මත ක්‍රියාත්මක වන AWR දත්ත සමුදායන් විශ්ලේෂණයට අදාළ එක් වරදවා වටහාගැනීමක් ඉවත් කිරීමට කැමැත්තෙමි. වසර 10 කට ආසන්න කාලයක්, මම නිරන්තරයෙන් ප්‍රශ්නයට මුහුණ දී සිටිමි: ඵලදායිතාව සඳහා Exadata මෘදුකාංගයේ දායකත්වය කුමක්ද? නැතහොත් අලුතින් නිර්මාණය කරන ලද වචන භාවිතා කිරීම: විශේෂිත දත්ත ගබඩාවක කාර්යය "විශේෂඥ" වන්නේ කෙසේද?
බොහෝ විට මෙම නිවැරදි ප්‍රශ්නයට, මගේ මතය අනුව, AWR සංඛ්‍යාලේඛනවලට අදාළව වැරදි ලෙස පිළිතුරු දෙනු ලැබේ. එය පද්ධති රැඳී සිටීමේ ක්‍රමය ඉදිරිපත් කරයි, ප්‍රතිචාර කාලය ප්‍රොසෙසරවල මෙහෙයුම් කාලය (DB CPUs) සහ විවිධ පන්තිවල රැඳී සිටීමේ කාලය ලෙස සලකයි.
Exadata පැමිණීමත් සමඟ, Exadata මෘදුකාංගයේ ක්‍රියාකාරිත්වයට අදාළ විශේෂිත පද්ධති අපේක්ෂාවන් AWR සංඛ්‍යාලේඛනවල දිස් විය. රීතියක් ලෙස, එවැනි පොරොත්තු වල නම් ආරම්භ වන්නේ “සෛලය” යන වචනයෙනි (එක්සඩේටා ගබඩා සේවාදායකය සෛලයක් ලෙස හැඳින්වේ), එයින් වඩාත් සුලභ වන්නේ ස්වයං පැහැදිලි කිරීමේ නම් “සෛල ස්මාර්ට් මේස ස්කෑන්”, “සෛල මල්ටිබ්ලොක්” සමඟ රැඳී සිටීමයි. භෞතික කියවීම" සහ "සෛල තනි වාරණ භෞතික කියවීම".
බොහෝ අවස්ථාවන්හිදී, සම්පූර්ණ ප්‍රතිචාර කාලය තුළ එවැනි Exadata හි කොටස කුඩා වන අතර, එබැවින් ඒවා Total Wait Time කොටස අනුව Top10 Foreground Events වලට වැටෙන්නේ නැත (මෙම අවස්ථාවේදී, ඔබ ඒවා Foreground Wait හි සෙවිය යුතුය. සිදුවීම් අංශය). ඉතා අපහසුවෙන්, අපගේ පාරිභෝගිකයින්ගෙන් දෛනික AWR සඳහා උදාහරණයක් අපට හමු විය, එහි Exadata අපේක්ෂාවන් Top10 කොටසට ඇතුළත් කර ඇති අතර මුළු ප්‍රමාණය 5% ක් පමණ විය:
උත්සවය
ඉන්න
සම්පූර්ණ රැඳී සිටීමේ කාලය (තත්පර)
සාමාන්‍ය රැඳී සිටින්න
%DB කාලය
පන්තිය රැඳී සිටින්න
DB CPU
115.2K
70.4
SQL*Dblink වෙතින් තවත් දත්ත රැස් කරන්න
670,196
5471.5
8.16ms
3.3
ජාල
සෛල තනි වාරණ භෞතික කියවීම
5,661,452
3827.6
676.07us
2.3
පරිශීලක I/O
ASM rebalance සමමුහුර්ත කරන්න
4,350,012
3481.3
800.30us
2.1
වෙනත්
සෛල බහු අවහිර භෞතික කියවීම
759,885
2252
2.96ms
1.4
පරිශීලක I/O
සෘජු මාර්ගය කියවීම
374,368
1811.3
4.84ms
1.1
පරිශීලක I/O
dblink වෙතින් SQL*Net පණිවිඩය
7,983
1725
216.08ms
1.1
ජාල
සෛල ස්මාර්ට් මේස ස්කෑන්
1,007,520
1260.7
1.25ms
0.8
පරිශීලක I/O
සෘජු මාර්ගය කියවීමේ උෂ්ණත්වය
520,211
808.4
1.55ms
0.5
පරිශීලක I/O
enq: TM - මතභේදය
652
795.8
1220.55ms
0.5
අයදුම්පත
පහත නිගමන බොහෝ විට එවැනි AWR සංඛ්‍යාලේඛන වලින් ලබා ගනී:
1. දත්ත සමුදායේ කාර්ය සාධනය සඳහා Exadata මැජික් වල දායකත්වය ඉහළ නැත - එය 5% නොඉක්මවන අතර දත්ත සමුදාය දුර්වල ලෙස "exadatize" වේ.
2. එවැනි දත්ත සමුදායක් Exadata වෙතින් සම්භාව්‍ය “සේවාදායක + අරාව” ගෘහ නිර්මාණ ශිල්පයට මාරු කරන්නේ නම්, කාර්ය සාධනය බොහෝ වෙනස් නොවේ. මක්නිසාද යත්, මෙම අරාව Exadata ගබඩා පද්ධතියට වඩා තුන් ගුණයක් මන්දගාමී වුවද (මෙය නවීන සියලුම ෆ්ලෑෂ් අරා සඳහා කිසිසේත් කළ නොහැක), පසුව 5% න් තුනකින් ගුණ කිරීමෙන් අපට I/O හි කොටස 15% දක්වා වැඩි වේ. - දත්ත සමුදාය නිසැකවම මෙය නොනැසී පවතිනු ඇත!
මෙම නිගමන දෙකම වැරදියි, එපමනක් නොව, ඒවා Exadata මෘදුකාංගය පිටුපස ඇති අදහස පිළිබඳ අවබෝධය විකෘති කරයි. Exadata හුදෙක් වේගවත් I/O සපයන්නේ නැත, එය සම්භාව්‍ය සේවාදායකය + අරා ගෘහ නිර්මාණ ශිල්පයට සාපේක්ෂව මූලික වශයෙන් වෙනස් ලෙස ක්‍රියා කරයි. දත්ත සමුදා මෙහෙයුම සැබවින්ම "exadapted" නම්, SQL තර්කනය ගබඩා පද්ධතියට මාරු කරනු ලැබේ. ගබඩා සේවාදායකයන්, විශේෂ යාන්ත්‍රණ ගණනාවකට ස්තුති වන්නට (මූලික වශයෙන් Exadata ගබඩා දර්ශක, නමුත් පමණක් නොව), අවශ්‍ය දත්ත තමන් විසින්ම සොයාගෙන DB සේවාදායකය වෙත යවන්න. ඔවුන් මෙය ඉතා කාර්යක්ෂමව කරයි, එබැවින් සම්පූර්ණ ප්‍රතිචාර කාලය තුළ සාමාන්‍ය Exadata හි කොටස කුඩා වේ.
Exadata වලින් පිටත මෙම කොටස වෙනස් වන්නේ කෙසේද? මෙය සමස්තයක් ලෙස දත්ත සමුදායේ ක්‍රියාකාරිත්වයට බලපාන්නේ කෙසේද? පරීක්ෂා කිරීම මෙම ප්‍රශ්නවලට හොඳම පිළිතුරු සපයයි. උදාහරණයක් ලෙස, Exadata වලින් පිටත "සෛල ස්මාර්ට් වගු ස්කෑන්" සඳහා රැඳී සිටීම, I/O මුළු ප්‍රතිචාර කාලයම ගන්නා අතර කාර්ය සාධනය නාටකාකාර ලෙස පිරිහී යන තරම් බර මේස සම්පූර්ණ ස්කෑන් එකක් බවට පත් විය හැක. AWR විශ්ලේෂණය කිරීමේදී, Exadata අපේක්ෂාවන්ගේ සම්පූර්ණ ප්‍රතිශතය කාර්ය සාධනයට එහි මැජික් දායකත්වය ලෙස සැලකීම වැරදි වන්නේ එබැවිනි, ඊටත් වඩා Exadata වලින් පිටත කාර්ය සාධනය පුරෝකථනය කිරීමට මෙම ප්‍රතිශතය භාවිතා කිරීම වැරදිය. දත්ත සමුදායේ කාර්යය කෙතරම් "නිවැරදි" දැයි තේරුම් ගැනීමට, ඔබ "උදාහරණ ක්‍රියාකාරකම් සංඛ්‍යාලේඛන" කොටසේ AWR සංඛ්‍යාලේඛන අධ්‍යයනය කළ යුතුය (ස්වයං පැහැදිලි කිරීමේ නම් සහිත සංඛ්‍යාලේඛන රාශියක් ඇත) සහ ඒවා එකිනෙකා සමඟ සංසන්දනය කරන්න.
තවද Exadata වලින් පිටත දත්ත සමුදායක් හැඟෙන්නේ කෙසේද යන්න තේරුම් ගැනීමට, ඉලක්ක ගෘහ නිර්මාණ ශිල්පයේ උපස්ථයකින් දත්ත සමුදා ක්ලෝනයක් සෑදීම සහ බර යටතේ මෙම ක්ලෝනයේ ක්‍රියාකාරිත්වය විශ්ලේෂණය කිරීම වඩාත් සුදුසුය. Exadata අයිතිකරුවන්ට, නීතියක් ලෙස, මෙම අවස්ථාව තිබේ.
කර්තෘ: Alexey Struchenko, Jet Infosystems දත්ත සමුදා දෙපාර්තමේන්තුවේ ප්රධානියා
මූලාශ්රය: www.habr.com