Information Lifecycle Management in der Praxis Christoph Voglmaier / Willi Segatz
|
|
- Gabriel Pohl
- vor 5 Jahren
- Abrufe
Transkript
1 Information Lifecycle Management in der Praxis Christoph Voglmaier / Willi Segatz
2 AGENDA Vorstellung von FJH ILM, was ist das? Historische Tabellen Batchverarbeitung und Grobselektion Umsetzung clustering factor Messergebnisse Archivkonzept ILM-basierte Datenmodellierung Resumee Fragen und Antworten Seite 2
3 FJH AG Wer sind wir: führender Anbieter von Software und Beratung für Versicherungen und andere Finanzdienstleister Kunden sind die Hälfte aller deutschen Lebensversicherer sowie namhafte Kranken- und Sachversicherer Wo sind wir: Weltweit ist unsere Software für 26 Länder auf fünf Kontinenten im Einsatz, darunter die USA und Australien ebenso wie viele osteuropäische Länder. Was machen wir: Standardsoftware für die vier Bereiche Bestandsverwaltung, Prozess- und Dokumentenmanagement, Point of Service und Unternehmenssteuerung sowie maßgeschneiderte Individuallösungen Kernprodukt im Segment Bestandsverwaltung ist die FJA Life Factory, mit der Versicherungsprodukte entwickelt, vertrieben und verwaltet werden können. Seite 3
4 Ausgangspunkt Problem Nächtlicher Fortschreibungsbatch Performance Datenmengen (Kunden mit über 1 Terabyte) Aufgabe: Datenmengen drastisch reduzieren Performance deutlich steigern Seite 4
5 Konzept: Information Lifecycle Management LESS ACTIVE Historical ACTIVE Seite 5
6 ILM Seite 6
7 Gründe für f r die Batchprobleme Statspack Analyse: Performance Bei großen Datenmengen ist System I/O-bound Durch Wachsen der Indizes und Tabellen steigt der I/O Grobselektion macht in innerer Schleife einen Fulltablescan auf eine große historische Tabelle Datenmengen Historische Tabellen benötigen einen großen Teil der Speicherplatzes Seite 7
8 Konzept der historischen Tabellen Tabellen mit Historien-Information, bei denen jede Änderung in einem neuen Datensatz gespeichert wird Bearbidabg = 9999 ist stets der aktuelle Satz Bearbidabg < 9999 verweist auf Bearbid des nächsten Satz Bearbid Bearbidabg ID Col1 Ablaufleistung Col3 Col4 Col , Update , INSERT , Seite 8
9 Quelle: Oracle Doku: : server.920/a96524/c03block.htm BEARBIDABG=9999 BEARBIDABG=9999 BEARBIDABG=0105 BEARBIDABG=9999 BEARBIDABG=0106 BEARBIDABG=9999 BEARBIDABG=0103 BEARBIDABG=9999 BEARBIDABG=0104 BEARBIDABG=9999 BEARBIDABG=0101 BEARBIDABG=9999 BEARBIDABG=0102 Seite 9
10 Füllung der Blöcke Seite 10
11 Select der Grobselektion select L.LVID from LVSTAND L,LV,JURLV where (((L.BEARBIDABG=9999 and LV.LVBEGT<=TO_DATE(:b0))and (((FORTBIS<=TO_DATE(:b0) or FORTBIS is null) or (INKASSOBIS<TO_DATE(:b0) or INKASSOBIS is null )) or L.BEARBIDREAKT<>0)) and (((((((((:b3=0 and ((coalesce (LENGTH(:b4),0)=0 or (Coalesce (LENGTH(:b5),0)<>0 and L.LVID between :b4 and :b5)) or L.LVID=:b4)) or (:b3<>0 and TO_NUMBER(L.LVID) between TO_NUMBER(:b4) and TO_NUMBER(:b5))) and ((LV.BEARBIDABG=9999 and L.LVID=LV.LVID) and LV.MANDANTID=:b12)) and (coalesce (LENGTH(:b13),0)=0 or TO_NUMBER(L.LVID) in (select INTERNID from MAPPINGINTEXT where EXTERNID like :b13))) and (coalesce (length(:b15),0)=0 or LV.PDID in (:b15,:b17,:b18,:b19,:b20,:b21,:b22,:b23,:b24,:b25,:b26,:b27,:b28,:b29,:b30,:b31,:b 32,:b33,:b34,:b35,:b36,:b37,:b38,:b39,:b40,:b41,:b42,:b43,:b44,:b45,:b46,:b47))) and (JURLV.LVID=L.LVID and JURLV.KZBEARBSTOP<>1)) and (:b48=0 or LV.LVSTATUS=:b48)) and LV.LVID=L.LVID) and LV.BEARBIDABG=9999)) Seite 11
12 Executionplan: : Grobselektion vor Partitioning Operation PHV/Object Name Rows Bytes IO-Cst Pstart Pstop Pid SELECT STATEMENT FILTER NESTED LOOPS NESTED LOOPS TABLE ACCESS FULL LV 3K 131K 462 INDEX RANGE SCAN LVSTANDIDX TABLE ACCESS BY INDEX ROWID JURLV INDEX UNIQUE SCAN SYS_C TABLE ACCESS BY INDEX ROWID MAPPINGINTEXT INDEX RANGE SCAN MAPPINGINTEXTIDX Seite 12
13 Statement Grobselektion select L.LVID from LVSTAND L,LV,JURLV where (((L.BEARBIDABG=9999 and LV.LVBEGT<=TO_DATE(:b0) )and (((FORTBIS<=TO_DATE(:b0) or FORTBIS is null) or (INKASSOBIS<TO_DATE(:b0) or INKASSOBIS is null )) or L.BEARBIDREAKT<>0)) and (((((((((:b3=0 and ((coalesce (LENGTH(:b4),0)=0 or ( Coalesce (LENGTH(:b5),0)<>0 and L.LVID between :b4 and :b5)) or L.LVID=:b4)) or (:b3<>0 and TO_NUMBER(L.LVID) between TO_NUMBER(:b4) and TO_NUMBER(:b5))) and ((LV.BEARBIDABG=9999 and L.LVID=LV.LVID) and LV.MANDANTID=:b12)) and (coalesce (LENGTH(:b13),0)=0 or TO_NUMBER(L.LVID) in (select INTERNID from MAPPINGINTEXT where EXTERNID like :b13))) and (coalesce (length(:b15),0)=0 or LV.PDID in (:b15,:b17,:b18,:b19,:b20,:b21,:b22,:b23,:b24,:b25,:b26,:b27,:b28,:b29, :b30,:b31,:b32,:b33,:b34,:b35,:b36,:b37,:b38,:b39,:b40,:b41,:b42,:b43,:b44,:b45,:b46,:b47))) and (JURLV.LVID=L.LVID and JURLV.KZBEARBSTOP<>1)) and (:b48=0 or LV.LVSTATUS=:b48)) and LV.LVID=L.LVID) and LV.BEARBIDABG=9999)) % Snap Statement Total Per Execute Total Buffer Gets: 2,531,432 2,531, Disk Reads: 178, , >*8k= MB ~ 13,6 GB Rows processed: 354, ,294.0 CPU Time(s/ms): 9 9,453.1 Elapsed Time(s/ms): 1,578,211 1,578,210,702.0 Sorts: 0.0 Parse Calls: Invalidations: 0 Version count: 1 Sharable Mem(K): 50 Executions: 1 Seite 13
14 Kompression Oracle Blockweise für f r Tabellen Seite 14
15 Erster Versuch: Partitionierung nach BEARBIDABG=9999 Partitioniert nach BEARBIDABG: Bis zu 30% langsamer Grund: Row Movement: Update auf BEARBIDABG=9999->102 Vergleich partitioniert unpartitioniert ,00 Unpartitioniert ,00 Partitioniert 8.000, , , ,00 Verträge pro M inute 0,00 Dez 07 Jan 08 Feb 08 Mrz 08 Apr 08 Datum Mai 08 Jun 08 Jul 08 Aug 08 Sep 08 Okt 08 Nov 08 Dez 08 Bearbid Bearbidabg LVID Col1 Col2 (Ablaufleistung) Col3 (Ablaufdatum) Col4 Col , Update , , Seite 15
16 Umsetzung: Insert Update Tausch Bearbid Bearbidabg LVID Col1 Col2 Col3 Col4 SQL Statement , Update , Insert Bearbid Bearbidabg LVID Col1 Col2 Col3 Col4 SQL Statement , , Update , Insert Vorteil: Kein Update auf Partition Key -> kein Row Movement, schneller Blöcke bleiben besser mit Daten von BEARBIDABG=9999 gefüllt -> weniger I/O Nachteil: Der Primary Key muss geändert werden, da erst der insert und dann der update erfolgen kann (bearbid ist nach insert gleich, wird durch update geändert). Seite 16
17 Partitionierung: Zusätzliche Spalte Problem: Partitionierung nur nach BEABIDABG=9999, keine zeitliche Abhängigkeit Lösung: Zusätzliche Spalte mit Jahr-Anteil des Systemdatums -> default to_char(sysdate, YYYY ) BEABIDABG=9999 -> d_sysdate=9999, dadurch 1 dimensionale Partitonierung möglich Kompression bei Version kleiner 11 möglich (geht nicht bei Subpartitions) Bearbid Bearbidabg LVID Col1 Col2 Col3 Col4 d_sysdate , , Probleme: Kein Partition Pruning möglich. (where bearbidabg=9999 und nicht d_sysdate=9999) Für neue eingefügte Datensätze muss Programmlogik geändert werden, da d_sysdate über defaultvalue gefüllt wird -> bei neuen Datensätzen d_sysdate=2007 und nicht 9999 Seite 17
18 Quelle: Oracle Doku: : server.920/a96524/c03block.htm BEARBIDABG=0106 BEARBIDABG=0104 BEARBIDABG=0105 BEARBIDABG=0102 BEARBIDABG=0103 BEARBIDABG=9999 BEARBIDABG=0101 BEARBIDABG=9999 BEARBIDABG=9999 BEARBIDABG=9999 BEARBIDABG=9999 BEARBIDABG=9999 BEARBIDABG=9999 Seite 18
19 Messergebnisse: Executionplan Grobselektion nach Partitioning Operation PHV/Object Name Rows Bytes IO-Cst Pstart Pstop Pid SELECT STATEMENT FILTER TABLE ACCESS BY GLOBAL INDEX ROWID LV ROW ROW L 2 NESTED LOOPS NESTED LOOPS INDEX FAST FULL SCAN LVSTANDIDX TABLE ACCESS BY INDEX ROWID JURLV INDEX UNIQUE SCAN SYS_C INDEX RANGE SCAN LVIDX TABLE ACCESS BY INDEX ROWID MAPPINGINTEXT INDEX RANGE SCAN MAPPINGINTEXTIDX Statement Total Per Execute Total Buffer Gets: 2,673,529 2,673, Disk Reads: 22,324 22, <-174 MB (vorher 13,7 GB)~97% besser Rows processed: 354, ,294.0 CPU Time(s/ms): 5 5,468.8 Elapsed Time(s/ms): 24,050 24,049,742.8 Sorts: 0.0 Parse Calls: Invalidations: 0 Version count: 1 Sharable Mem(K): 44 Executions: 1 Seite 19
20 Partition Pruning auch bei Indizes Where Bedingung im select ist BEARBIDABG=9999 Tabelle partitioniert nach sysdate Executionplan: Operation PHV/Object Name Rows Bytes IO-Cst Pstart Pstop Pid INDEX FAST FULL SCAN LVSTANDIDX INDEX RANGE SCAN LVIDX Grund: Index nach BEARBIDABG partitioniert CREATE INDEX LVSTANDIDX1 ON LVSTAND (BEARBIDABG, LVID,.) GLOBAL PARTITION BY RANGE (BEARBIDABG) ( PARTITION P_MIN VALUES LESS THAN (9999), PARTITION P_9999 VALUES LESS THAN (10000), PARTITION P_MAX VALUES LESS THAN (MAXVALUE) ) Jedoch auch Index Range Scan bei nicht partitionierten Index. Warum????? Seite 20
21 Quelle: Christian Antognini Senior Consultant Trivadis München 12 September 2006 Seite 21
22 Quelle: Christian Antognini Senior Consultant Trivadis München 12 September 2006 Seite 22
23 Messergebnisse Messergebnisse Seite 23
24 Unsere EMC² 8*2,5 Platten 146 GB, 8 GB Memory, 4 DUAL Core AMD Opteron 8000 Series, HP Proliant DL585 G2 ~ ,00 Seite 24
25 Batchperformance Oracle Produkttyp1 Seite 25
26 Batchperformance Oracle Produkttyp2 Performance über langen Zeitraum (5 Jahre Fortschreibung bei Verträge) relativ bezogen auf die verwendete Hardware - hoch (7000 Verträge/Minute) Größte Performancekiller sind unpartitionierte Tabellen Seite 26
27 Über 60% I/O von den unpartitionierten Tabellen - 41% KTOBWG und BEARBNW CPU Elapsd Physical Reads Executions Reads per Exec %Total Time (s) Time (s) Hash Value , , Module: AbfBatchEngine_Windows_NT.exe select BEARBNW.LVID,BEARBNW.BEARBID,BEARBNW.SCHRITTID,BEARBNW 111, , Module: AbfBatchEngine_Windows_NT.exe select KTOBWG.BEARBID,KTOBWG.LVID,KTOBWG.KTOBEWID,KTOBWG.VTID 53,541 21, Module: AbfBatchEngine_Windows_NT.exe insert into sbbz (lvid,bearbid,wirkbeginn,vtid,feinbeginn,sbid,s 50, , Module: AbfBatchEngine_Windows_NT.exe insert into ktobwg (bearbid,lvid,ktobewid,vtid,vbid,ktobewtypid, 43,733 21, Module: AbfBatchEngine_Windows_NT.exe insert into sntnw (lvid,bearbid,sntid,sntnwid,bearbdat,wirkdat,b 37,102 21, Module: AbfBatchEngine_Windows_NT.exe insert into sbuebzu (lvid,bearbid,wirkbeginn,feinbeginn,vtid,sbi 36,996 21, Module: AbfBatchEngine_Windows_NT.exe insert into sbuebverw (lvid,bearbid,wirkbeginn,feinbeginn,vtid,s Seite 27
28 Vergleich komprimiert unkomprimiert VOR Insert/Update Tausch Seite 28
29 Vergleich komprimiert unkomprimiert NACH Insert/Update Tausch Seite 29
30 Bearbnw ohne Partitioning Snap Statement Total Per Execute Total Buffer Gets: 124, Disk Reads: 22, Rows processed: 15, CPU Time(s/ms): 2.1 Elapsed Time(s/ms): 5,143, ,163.3 Sorts: 0.0 Parse Calls: 0.0 Invalidations: 0 Version count: 1 Sharable Mem(K): 22 Executions: 15,578 select BEARBNW.LVID,BEARBNW.BEARBID,BEARBNW.SCHRITTID,BEARBNW.BEARBEITERID,BEARBNW.BEARBDAT,BEARBNW.WIRKBEGINN,BEARBNW.FEINBEGINN,BEARBNW.WIRKENDE,BEARBNW.FEINENDE,BEARBNW.BEARBIDSTO,BEARBNW.BEARBDATSTO,BEARBNW.JOBID,BEARBNW.BUCHPER,BEARBNW.REFBUCHPER,BEARBNW.BEARBGRDID,BEARBNW.MELDEDAT,BEARBNW.WTERM,BEARBNW.BEARBZEIT from bearbnw where LVID=:b0 order by BEARBID desc Operation PHV/Object Name Rows Bytes IO-Cst CPU Pstart Pstop Pid SELECT STATEMENT TABLE ACCESS BY INDEX ROWID BEARBNW INDEX RANGE SCAN BEARBNWIDX1 1 3 SORT AGGREGATE 1 10 FIRST ROW INDEX RANGE SCAN (MIN/MAX) BEARBNWIDX1 250K Seite 30
31 Bearbnw mit Partitioning PARTITION BY HASH (LVID) partitions 8 Snap Statement Total Per Execute Total Buffer Gets: 279, Disk Reads: 109, Rows processed: 752, CPU Time(s/ms): 11.7 Elapsed Time(s/ms): 5,602, ,706.1 Sorts: 17, Parse Calls: 9.0 Invalidations: 0 Version count: 1 Sharable Mem(K): 20 Executions: 17,307 select BEARBNW.LVID,BEARBNW.BEARBID,BEARBNW.SCHRITTID,BEARBNW.BEARBEITERID,BEARBNW.BEARBDAT,BEARBNW.WIRKBEGINN,BEARBNW.FEINBEGINN,BEARBNW.WIRKENDE,BEARBNW.FEINENDE,BEARBNW.BEARBIDSTO,BEARBNW.BEARBDATSTO,BEARBNW.JOBID,BEARBNW.BUCHPER,BEARBNW.REFBUCHPER,BEARBNW.BEARBGRDID,BEARBNW.MELDEDAT,BEARBNW.WTERM,BEARBNW.BEARBZEIT from bearbnw where LVID=:b0 order by BEARBID desc Operation PHV/Object Name Rows Bytes IO-Cst CPU Pstart Pstop Pid SELECT STATEMENT SORT ORDER BY 21 2K 10 PARTITION HASH SINGLE KEY KEY 2 TABLE ACCESS BY LOCAL INDEX ROWID BEARBNW 21 2K 7 KEY KEY 2 INDEX RANGE SCAN BEARBNWIDX KEY KEY Seite 31
32 SKUEBZU eindimensionales Partitioning und lokaler Index % Snap Statement Total Per Execute Total Buffer Gets: 2,167, Disk Reads: 48, Rows processed: 1,594, CPU Time(s/ms): 39.1 Elapsed Time(s/ms): 59,745, ,636.4 Sorts: 0.0 Parse Calls: 9.0 Invalidations: 0 Version count: 1 Sharable Mem(K): 23 Executions: 354,286 select SKUEBZU.LVID,SKUEBZU.VTID,SKUEBZU.ZUTSYS,SKUEBZU.UEBVERWSYS,SKUEBZU.BEARBDATSTO,SKUEBZU.ANZIR,SKUEBZU.ANZIDIR,SKUEBZU.ANZIRFB,SKUEBZU.RISDIR,SKUEBZU.RISRFB,SKUEBZU.GRDIR,SKUEBZU.GRRFB,SKUEBZU.ZIDIR,SKUEBZU.ZIRFB,SKUEBZU.BEARBID,SKUEBZU.BEARBIDABG,SKUEBZU.WIRKDAT,SKUEBZU.FEINDAT,SKUEBZU.BEARBDAT,SKUEBZU.BUCHPER,SKUEBZU.PDID,SKUEBZU.TFID,SKUEBZU.SEX,SKUEBZU.KZEINMALBTRG,SKUEBZU.KZKOLL,SKUEBZU.WAEHRUNGID,SKUEBZU.MANDANTID,SKUEBZU.KONSORTID,SKUEBZU.ZUSTAND,SKUEBZU.VARIANTEID,SKUEBZU.ANZIRFBBED,SKUEBZU.ANZIDIRBED,SKUEBZU.REFIZIDIR,SKUEBZU.REFIZIRFB from skuebzu where (LVID=:b0 and BEARBIDABG=9999) Operation PHV/Object Name Rows Bytes IO-Cst CPU Pstart Pstop Pid SELECT STATEMENT TABLE ACCESS BY GLOBAL INDEX ROWID SKUEBZU INDEX RANGE SCAN SKUEBZUIDX Seite 32
33 SKUEBZU zweidimensionales Partitioning und globaler unpartitionierter Index % Snap Statement Total Per Execute Total Buffer Gets: 2,167, Disk Reads: 231, Rows processed: 1,594, CPU Time(s/ms): 39.1 Elapsed Time(s/ms): 76,649, ,348.1 Sorts: 0.0 Parse Calls: 9.0 Invalidations: 0 Version count: 1 Sharable Mem(K): 23 Executions: 354,288 select SKUEBZU.LVID,SKUEBZU.VTID,SKUEBZU.ZUTSYS,SKUEBZU.UEBVERWSYS,SKUEBZU.BEARBDATSTO,SKUEBZU.ANZIR,SKUEBZU.ANZIDIR,SKUEBZU.ANZIRFB,SKUEBZU.RISDIR,SKUEBZU.RISRFB,SKUEBZU.GRDIR,SKUEBZU.GRRFB,SKUEBZU.ZIDIR,SKUEBZU.ZIRFB,SKUEBZU.BEARBID,SKUEBZU.BEARBIDABG,SKUEBZU.WIRKDAT,SKUEBZU.FEINDAT,SKUEBZU.BEARBDAT,SKUEBZU.BUCHPER,SKUEBZU.PDID,SKUEBZU.TFID,SKUEBZU.SEX,SKUEBZU.KZEINMALBTRG,SKUEBZU.KZKOLL,SKUEBZU.WAEHRUNGID,SKUEBZU.MANDANTID,SKUEBZU.KONSORTID,SKUEBZU.ZUSTAND,SKUEBZU.VARIANTEID,SKUEBZU.ANZIRFBBED,SKUEBZU.ANZIDIRBED,SKUEBZU.REFIZIDIR,SKUEBZU.REFIZIRFB from skuebzu where (LVID=:b0 and BEARBIDABG=9999) Operation PHV/Object Name Rows Bytes IO-Cst CPU Pstart Pstop Pid INSERT STATEMENT TABLE ACCESS BY GLOBAL INDEX ROWID SKUEBZU ROW ROW L 1 INDEX RANGE SCAN SKUEBZUIDX Seite 33
34 SKUEBZU eindimensionales Partitioning und globaler partitionierter Index % Snap Statement Total Per Execute Total Buffer Gets: 9,845, Disk Reads: 13, Rows processed: 1,086, CPU Time(s/ms): 79.3 Elapsed Time(s/ms): 6,713,602 28,440.4 Sorts: 0.0 Parse Calls: 9.0 Invalidations: 5 Version count: 1 Sharable Mem(K): 47 Executions: 236,059 select SKUEBZU.LVID,SKUEBZU.VTID,SKUEBZU.ZUTSYS,SKUEBZU.UEBVERWSYS,SKUEBZU.BEARBDATSTO,SKUEBZU.ANZIR,SKUEBZU.ANZIDIR,SKUEBZU.ANZIRFB,SKUEBZU.RISDIR,SKUEBZU.RISRFB,SKUEBZU.GRDIR,SKUEBZU.GRRFB,SKUEBZU.ZIDIR,SKUEBZU.ZIRFB,SKUEBZU.BEARBID,SKUEBZU.BEARBIDABG,SKUEBZU.WIRKDAT,SKUEBZU.FEINDAT,SKUEBZU.BEARBDAT,SKUEBZU.BUCHPER,SKUEBZU.PDID,SKUEBZU.TFID,SKUEBZU.SEX,SKUEBZU.KZEINMALBTRG,SKUEBZU.KZKOLL,SKUEBZU.WAEHRUNGID,SKUEBZU.MANDANTID,SKUEBZU.KONSORTID,SKUEBZU.ZUSTAND,SKUEBZU.VARIANTEID,SKUEBZU.ANZIRFBBED,SKUEBZU.ANZIDIRBED,SKUEBZU.REFIZIDIR,SKUEBZU.REFIZIRFB from skuebzu where (LVID=:b0 and BEARBIDABG=9999) Operation PHV/Object Name Rows Bytes IO-Cst CPU Pstart Pstop Pid INSERT STATEMENT PARTITION RANGE SINGLE KEY KEY 1 TABLE ACCESS BY GLOBAL INDEX ROWID SKUEBZU ROW ROW L 2 INDEX RANGE SCAN SKUEBZUIDX1 1 3 KEY KEY Seite 34
35 Seite 35 Kompression Kompression 84,99 3, , , , Tab9 52,85 6, , , , Tab8 89,22 5, , , , Tab7 87,36 10, , , , Tab6 86,10 7, , , , Tab5 86,09 10, , , , Tab4 89,78 16, , , , Tab3 93,17 7, , , , Tab2 92,94 9, , , , Tab1 84,45 8 6, , , Tab9 88,30 8 8, , , Tab8 88,67 8 8, , , Tab7 85,97 8 7, , , Tab6 85,09 8 6, , , Tab5 84,61 8 6, , , Tab4 88,06 8 8, , , Tab3 92, , , , Tab2 92, , , , Tab1 % besser % besse re Kompr essio n als 8K Bloc ksiz e (k) Kompr essio nsfak tor Anzahl Zeilen Rowle ngth kompr. Tabelle ngröße komprim iert (MB) Anzahl Blöcke kompri miert Rowlen gth unkomp rimier t Tabellen größe unkompri miert (MB) Anzahl Blöcke unkomp rimier t Tabelle
36 Gründe für f überh berhöhte Kompressionsraten PCT-Free = 0 für komprimierte Blöcke in Version 9 Testdaten!!!! Entstehen durch Multiplizierung gleicher Verträge Wenige Verträge (hier 12) wurden auf aufgepumpt -> hohe Redundanz -> überhöhte Kompression Daher -> Nehmen Sie Testdaten unter die Lupe!!!! Jedoch: Bei historischen Tabellen erwarten wir hohe Kompressionsraten da sich zwei Zeilen nur in wenigen (meist drei) Spalten unterscheiden, erste Messungen bestätigen das Seite 36
37 Archivkonzept Zugriff mittels Union All Views Zugriff mittels Union all Views 1. Beim Archiv muss nur einmal der Tabellentablespace gesichert werden (Zusätzlich Kompression möglich) 2. Archiv kann für mehrere Applikationen benutzt werden (nur 1 Lizenz) 3. Updateskripte können gegen Archiv und Produktion laufen da gleiche Tabellennamen (TS vorher auf RW) 1. Exchange Partition 2. TTS Transport Daten für ein Jahr in einem Tablespace mit Datum der Erstellung (TS_2004) Seite 37
38 Grundsätzliche Problematik Performance oft Funktion von DB-Größe (Nutzdaten) und Alter Datenbankadministrator weiß oft nicht, welche Daten wann gelöscht oder auf Read-Only gesetzt werden können Wissen über Löschzeitpunkte von Daten haben Rechtsabteilung (gesetzliche Aufbewahrungsfristen) oder Fachabteilungen (Anforderungen) -> bereits vor der Applikationserstellung sollte feststehen, was später wann gelöscht werden darf Problem: Datenmodellierung unabhängig von der Zeit Seite 38
39 Mögliche Abhilfe: ILM-basierte Datenmodellierung Zeitachse Entität: Telefongespräch Löschzeitpunkt (Fachbereich, gesetzliche Vorschriften) Geburtstag Archivierungsdatum -> Rente (keine Änderungen der Daten mehr) Löschzeitpunkt bzw. Archivierungsdatum kann aus dem Geburtstag abgeleitet werden >Daten unterliegen einem Alterungsprozeß Wird beim Erstellen des Datensatzes geschrieben Kann als Partitionkey dienen Seite 39
40 Mögliche Abhilfe: ILM-basierte Datenmodellierung Löschen der Daten ist erst nach Verdichtung und erreichen des Verfallsdatums möglich Entität: Quartalsumsatz = verdichtete Tabelle Jahr Quartal Umsatz Birthday Number Number Decimal Date Entität2: Col1 Col2 Col3 Birthday Verdichtet Entität1: Datatyp1 Datatyp2 Datatyp3 Date Boolean Col1 Col2 Col3 Col4 Birthday Verdichtet Datatyp1 Datatyp2 Datatyp3 Datatyp4 Date Boolean Seite 40
41 Resumee: : ILM ILM ist mehr als nur Partitioning und Kompression -> es gibt keinen init.ora Parameter information_lifecycle_management=on Möglicherweise müssen Ihre Applikation angepasst werden Unter Umständen müssen zusätzlich die Prozesse geändert werden -> ILM-integrated-ER Modellierung Vorteile Erhebliche Performancesteigerungen bei vorhandenen Applikationen möglich (bei 2 Jahre alten Beständen haben wir weit über 200% gemessen und noch Potential) Laufzeiten, die nicht mehr vom Alter der Daten abhängig sind Kleinere handlichere Produktivsysteme durch Auslagern von Altdaten Kostenersparnis durch Verwendung günstigerer Hardware (Platten und Rechner) Oracle bietet mit Kompression, Partitioning und dem ILM-Assistant die technischen Möglichkeiten um ILM implementieren zu können Seite 41
42 Seite 42
Performance in der Oracle Datenbank von Anfang an
Performance in der Oracle Datenbank von Anfang an Marco Mischke, 26.04.2018 DOAG Regional Agenda Tabellen Indizes Ausführungspläne SQL vs PL/SQL Tabellen Zu 99% werden Standard Strukturen zur Speicherung
MehrOracle Database 12c Was Sie immer schon über Indexe wissen wollten
Oracle Database 12c Was Sie immer schon über Indexe wissen wollten Marco Mischke, 08.09.2015 DOAG Regionaltreffen B* Indexe - Aufbau 0-Level Index A-F G-Z 1-Level Index A-F G-Z 2-Level Index A-F G-M N-Z
MehrJohannes Ahrends Geschäftsführer CarajanDB GmbH CarajanDB GmbH
Johannes Ahrends Geschäftsführer CarajanDB GmbH Vorstellung CarajanDB I Index oder nicht Index das ist doch keine Frage, oder? Was kann der DBA tun? Was kann der Entwickler tun? 2 Experten mit über 30
MehrÜbung PL/SQL Trigger Lösungen
Übung PL/SQL Trigger Lösungen 1) Gebe das aktuelle Datum aus. Wofür steht dual? Ändere das Datum für Deine aktuelle Session auf das Format Jahr (4 Stellen) Monat (2 Stellen) Tag (2 Stellen)[Leerzeichen]Stunde
MehrOracle 10g Einführung
Kurs Oracle 10g Einführung Teil 5 Einführung Timo Meyer Administration von Oracle-Datenbanken Timo Meyer Sommersemester 2006 Seite 1 von 16 Seite 1 von 16 Agenda 1 Tabellen und Views erstellen 2 Indizes
MehrOracle 9i Einführung Performance Tuning
Kurs Oracle 9i Einführung Performance Tuning Teil 3 Der Optimizer Timo Meyer Wintersemester 2005 / 2006 Seite 1 von 16 Seite 1 von 16 1. auf Tabellen 2. 3. Optimizer 4. Optimizer RBO 5. Optimizer CBO 6.
MehrExplain verstehen. Hans-Jürgen Schönig.
Explain verstehen Zielsetzung EXPLAIN... Was versucht uns PostgreSQL zu sagen? Wie kann diese Information genutzt werden? Wie erkenne ich Probleme? Abfragen in PostgreSQL Mehrstufige Ausführung Parser:
MehrOptimiertes Laden in die F-Fakten-Tabelle des SAP BW
Optimiertes Laden in die F-Fakten-Tabelle des SAP BW Schlüsselworte SAP BW Index unusable. Einleitung Jörn Bartels Oracle München Mit Oracle Database 11g Release 2 kann das Laden der F-Fakten Tabelle in
MehrSAP Business Information Warehouse mit Oracle Database
SAP Business Information Warehouse mit Oracle Database Maciej Berghof Business Unit Datenbank SAP BW wächst Betriebswirtschaftlich getriebener Bedarf an mehr Informationen SAP BW konkurriert mit den bisherigen
MehrWie die Datenbank ILM unterstützt
Wie die Datenbank ILM unterstützt Oracle Data Warehouse Detlef Schröder, Leitender Systemberater BI & DWH Oracle Deutschland B.V.&Co. KG Information Lifecycle Die neuesten Daten stehen
MehrDOAG Konferenz Was Sie bei modernen Datenbank-Systemen anders machen müssen!
oracledeli.wordpress.com DOAG Konferenz 2015 Was Sie bei modernen Datenbank-Systemen anders machen müssen! Matthias Schulz Selbständiger Software- und Datenbankentwickler: Consulting Schulungen Workshops
MehrManuelles Oracle SQL Tuning
Manuelles Oracle SQL Tuning Eine Einführung DOAG Konferenz 2012 Wer bin ich? Freiberuflicher Consultant in D/A/CH Oracle Certified Master 10g & 11g 8 Jahre Oracle-Erfahrung Seit 4 Jahren unabhängiger Oracle
MehrAndrea Held. Motivation ILM: Definition und Strategien Lösungen für Oracle Datenbanken. Empfehlungen
Andrea Held Motivation ILM: Definition und Strategien Lösungen für Oracle Datenbanken Partitionierung Komprimierung ILM Assistant Flashback Data Archive Empfehlungen 1 Datenwachstum Wachsende Kosten Schlechtere
MehrOnline Table Shrink. Freigabe von ungenutztem Speicherplatz. Autor: Ralf Durben, ORACLE Deutschland GmbH
Online Table Shrink Freigabe von ungenutztem Speicherplatz Autor: Ralf Durben, ORACLE Deutschland GmbH DOAGNews Q2_2004 Dieses Werk ist urheberrechtlich geschützt. Die dadurch begründeten Rechte, insbesondere
MehrNützliche Oracle 12c Features für Data Warehousing DOAG BI, 8. Juni 2016 Dani Schnider, Trivadis AG
Nützliche Oracle 12c Features für Data Warehousing DOAG BI, 8. Juni 2016 Dani Schnider, Trivadis AG BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENEVA HAMBURG COPENHAGEN LAUSANNE MUNICH STUTTGART
MehrOracle Old Features. Vortrag für die DOAG-Konferenz Uwe M. Küchler, Valentia GmbH
Oracle Old Features Vortrag für die DOAG-Konferenz 2011 17.11.2011 Uwe M. Küchler, Valentia GmbH Zur Person Generation C=64 Seit über 25 Jahren in der IT tätig 1997-2000 bei Oracle Seither durchgehend
MehrPartitioning mit Oracle Text 9i
Partitioning mit Oracle Text 9i Autor: Andreas Habl, msg systems ag DOAGNews Q1_2005 Dieses Werk ist urheberrechtlich geschützt. Die dadurch begründeten Rechte, insbesondere die der Übersetzung, des Nachdrucks,
MehrRow Chaining & Row Migration Alte Bekannte - immer noch aktuell! DOAG 2014 Datenbank Dierk Lenz
Row Chaining & Row Migration Alte Bekannte - immer noch aktuell! DOAG 2014 Datenbank Dierk Lenz Herrmann & Lenz Services GmbH Herrmann & Lenz Solutions GmbH Erfolgreich seit 1996 am Markt Firmensitz: Burscheid
MehrIndex Rebuild. DOAG Konferenz , Nürnberg. Martin Hoermann
Index Rebuild DOAG Konferenz 17.11.2011, Nürnberg Martin Hoermann info@ordix.de www.ordix.de asktom.oracle.com Quelle: asktom.oracle.com/pls/asktom/f?p=100:11:745954239666467::::p11_question_id:2913600659112
MehrNested Tables Types als Ergänzung zu Pivot XML
Nested Tables Types als Ergänzung zu Pivot XML Thomas Strub Logica Deutschland GmbH & Co. KG Frankfurt Schlüsselworte Nested Tables, pivot, pivot xml, unpivot, collect, PL/SQL Einleitung Die Verknüpfung
MehrIT-Symposium 2008 05.06.2008
Selftuning Database Ein Traum oder Wirklichkeit Ralf Durben Oracle Deutschland GmbH www.hp-user-society.de 1 Die Arbeitswelt des Gestern, heute und morgen Früher Ein für wenige Datenbanken
MehrNutzung der Oracle Database InMemory Option für SAP BW
Nutzung der Oracle Database InMemory Option für SAP BW Schlüsselworte Oracle, SAP-BW, InMemory, Star-Schema. Jörn Bartels Oracle München Einleitung In SAP BW wurde bisher ein erweitertes Snow Flake Schema
MehrCopyright 2013, Oracle and/or its affiliates. All rights reserved.
1 Effiziente Speicherung für SAP Jörn Bartels Architect Oracle Database Server Technologies 2 Oracle 12c Jörn Bartels Architect Oracle Database Server Technologies 3 1997 Effiziente Speicherung für SAP
MehrPartitionierung Indizes und Statistiken
Partitionierung Indizes und Statistiken DOAG Konferenz + Ausstellung 18.11.2014 Nürnberg Klaus Reimers info@ordix.de www.ordix.de Agenda Einführung Arten der Partitionierung Fragestellungen Indizes Indextypen
MehrIndex Rebuild. DOAG Konferenz , Nürnberg DOAG Konferenz , Nürnberg Martin Hoermann Martin Hoermann
Index Rebuild DOAG Konferenz 17.01.2011, Nürnberg DOAG Konferenz 17.11.2011, Nürnberg Martin Hoermann info@ordix.de Martin Hoermann www.ordix.de info@ordix.de www.ordix.de Eine kurze Geschichte der Zeit
MehrAutomatisierung von Tabellen- und Index-Reorganisationen
UB SERVICES ZIT P Automatisierung von Tabellen- und Index-Reorganisationen SAP/Oracle-Umfeld 2 Agenda 1. Wie Fragmentierung entsteht Objekt-Fragmentierung Tablespace-Fragmentierung 2. Problematik bei Fragmentierung
Mehr4. Aufgabenblatt - Auswertung -
4. Aufgabenblatt - Auswertung - Patrick Schäfer Berlin, 22. Januar 2017 patrick.schaefer@hu-berlin.de Agenda Aufgabe 4 Aufgabe 5: Naïve Bayes Daten (Wettbewerbsaufgabe!) - Gegeben sei eine Datenbank aller
MehrCopyright 2013, Oracle and/or its affiliates. All rights reserved.
1 1997 Effiziente Speicherung für SAP 8.0 Jörn Bartels Architect Oracle Database Server Technologies 2 Effiziente Speicherungsformen Ziele Index Komprimierung Index Organized Tables Ergebnisse 3 Ziele
MehrDOAG Konferenz mal schneller Praxisgeschichten aus der Oracle-Datenbankwelt
oracledeli.wordpress.com A B C 0 1 2 3 4 6 7 8 9 10 11 DOAG Konferenz 2014 1000 mal schneller Praxisgeschichten aus der Oracle-Datenbankwelt Matthias Schulz Selbständiger Software- und Datenbankentwickler:
MehrPerformance Tuning mit Oracle 12c
Performance Tuning mit Oracle 12c Agenda 1. Adaptive Execution Plans 2. Adaptive Statistics 3. SQL Plan-Direktiven 4. Neuerungen bei Statistiken 5. Konkurrierendes Sammeln von Statistiken 6. Private Session-Statistiken
MehrFlashback mal sieben. DOAG Konferenz , Nürnberg. Klaus Reimers
Flashback mal sieben DOAG Konferenz 15.11.2011, Nürnberg Klaus Reimers info@ordix.dede www.ordix.de Agenda Flashback Query Flashback Query Versions Between Flashback Table Flashback Table Drop Flashback
MehrDOAG Datenbank Partitioning für OLTP Applikationstuning mal anders. Düsseldorf, , M. Griesel. Paragon Data GmbH Seite 1
DOAG Datenbank 2015 Partitioning für OLTP Applikationstuning mal anders Düsseldorf, 16.06.2015, M. Griesel Seite 1 Profil und Anspruch fair effizient auf Augenhöhe n 60 Mitarbeiter an den Hauptstandorten
Mehr! Partitionieren Sie Ihr Data Warehouse?
! Partitionieren Sie Ihr Data Warehouse? DOAG Konferenz 2009 Beat Flühmann Senior Consultant DWH & BI Trivadis AG 19. 11. 2009, Nürnberg Basel Baden Bern Brugg Lausanne Zürich Düsseldorf Frankfurt/M. Freiburg
MehrOracle 9i Einführung. Performance Tuning. Kurs. Teil 8 Indizes. Universität Hannover. Installation. Index-Typen. Anhang.
Kurs Oracle 9i Einführung Performance Tuning Teil 8 Indizes Grid Einführung Timo Meyer Wintersemester 2005 / 2006 Seite 1 von 15 Seite 1 von 15 Agenda 1. Einführung 2. 3. B*Tree-Index 4. Bitmap-Index Grid
MehrOracle 9i Einführung Performance Tuning
Kurs Oracle 9i Einführung Performance Tuning Teil 14 Index-Organized Tables Timo Meyer Wintersemester 2005 / 2006 Seite 1 von 13 Seite 1 von 13 1. Anordnung von Zeilen in einer Tabelle 2. Einführung 3.
MehrDOAG SIG Data Warehouse & Business Intelligence. Praxisbericht DWH mit 5 Milliarden Fakten
DOAG SIG Data Warehouse & Business Intelligence Praxisbericht DWH mit 5 Milliarden Fakten Karsten Schmidt, 29.6.2010 Über uns Gründungsjahr 1990 Mitarbeiterzahl 212 (Stand 01/2010) Stammkapital Umsatz
MehrUrs Meier (urs.meier@trivadis.com) Art der Info Technical Info (Februar 2002) Aus unserer Projekterfahrung und Forschung
Betrifft Optimizer Autor Urs Meier (urs.meier@trivadis.com) Art der Info Technical Info (Februar 2002) Quelle Aus unserer Projekterfahrung und Forschung Einführung Mit jedem Oracle Release nimmt die Anzahl
MehrOracle Old Features. Uwe Küchler Valentia GmbH Frankfurt am Main
Oracle Old Features Uwe Küchler Valentia GmbH Frankfurt am Main Schlüsselwörter: Datenbank, Performance, Constraints, ANSI SQL, PL/SQL. Einleitung Bereits im vorigen Jahrtausend hat Oracle Features in
MehrPartitionieren über Rechnergrenzen hinweg
Partitionieren über Rechnergrenzen hinweg Erkan Yanar erkan.yanar@linsenraum.de Blog: linsenraum.de/erkules Xing: www.xing.com/profile/erkan Yanar 24. November 2011 Was tun wenn: Daten übersteigen die
Mehrmit konventionellen Datenbanksystemen konventionellen Datenbanksystemen
Stream-Verwaltung mit konventionellen Datenbanksystemen Christian Rensch.06.005 Seminar Data Streams Thema Verwaltung von Datenströmen in konventionellen Datenbanksystemen optimiert auf Daten geringer
MehrWarum wird mein Index nicht benutzt?
Warum wird mein Index nicht benutzt? Index Nutzung-1 Tätigkeitsbereiche: Oracle Support Hotline: Mo-Fr 8.00 18.00 Uhr Erweiterung um eine Rufbereitschaft auch am Wochenende möglich Oracle IT-Consulting
MehrVergessene (?) SQL- und PL/SQL- Funktionen
Vergessene (?) SQL- und PL/SQL- Funktionen Folge 1 Vortrag DOAG-Regiogruppe Freiburg/Südbaden 29.01.13 bulk collect (1) Aufgabenstellung: ca. 50.000 eingelesene Werte an Hand einer ID auf eine vorhandene
MehrAnwendungsentwicklung Datenbanken SQL. Stefan Goebel
Anwendungsentwicklung Datenbanken SQL Stefan Goebel SQL Structured Query Language strukturierte Abfragesprache von ANSI und ISO standardisiert deklarativ bedeutet was statt wie SQL beschreibt, welche Daten
Mehr3 Query Language (QL) Einfachste Abfrage Ordnen Gruppieren... 7
1 Data Definition Language (DDL)... 2 1.1 Tabellen erstellen... 2 1.1.1 Datentyp...... 2 1.1.2 Zusätze.... 2 1.2 Tabellen löschen... 2 1.3 Tabellen ändern (Spalten hinzufügen)... 2 1.4 Tabellen ändern
MehrSpeed up your Query Strategien zur Optimierung von SQL-Queries. Juni 2012 Ulrike Brenner
Speed up your Query Strategien zur Optimierung von SQL-Queries Juni 2012 Ulrike Brenner Ulrike Brenner Seit 1999 Oracle Entwicklerin Oracle DB 8-11gR2 SQL PL/SQL Oracle Forms/Reports APEX Entwicklerin
MehrIch liebe es, wenn ein Plan funktioniert
Ich liebe es, wenn ein Plan funktioniert Der Ausführungsplan Thomas Klughardt Senior Presales Consultant 16.11.2011 Quest Software 60 Büros 3 HQs Nord-/ Mittel-/ Südamerika Europa Asien / Pazifik 3600+
MehrRBO und CBO. Ralph Urban Application Development Trivadis GmbH
RBO und CBO Ralph Urban Application Development Trivadis GmbH Basel Baden Bern Lausanne Zürich Düsseldorf Frankfurt/M. Freiburg i. Br. Hamburg München Stuttgart Das Lösungsportfolio Managed Services Application
MehrOracle 12c: Neuerungen in PL/SQL. Roman Pyro DOAG 2014 Konferenz
Oracle 12c: Neuerungen in PL/SQL Roman Pyro DOAG 2014 Konferenz Herrmann & Lenz Services GmbH Herrmann & Lenz Solutions GmbH Erfolgreich seit 1996 am Markt Firmensitz: Burscheid (bei Leverkusen) Beratung,
MehrOracle Indexing Primer
Oracle Indexing Primer Data Warehousing and Data Mining Patrick Schäfer Berlin, 18. Dezember 2017 patrick.schaefer@hu-berlin.de Vorlesung: Übung: https://hu.berlin/vl_dwhdm17 https://hu.berlin/ue_dwhdm17
MehrÜbersicht der wichtigsten MySQL-Befehle
Übersicht der wichtigsten MySQL-Befehle 1. Arbeiten mit Datenbanken 1.1 Datenbank anlegen Eine Datenbank kann man wie folgt erstellen. CREATE DATABASE db_namen; 1.2 Existierende Datenbanken anzeigen Mit
MehrDOAG Regionaltreffen TABLE REORG. Klaus Reimers. Leiter Beratung & Entwicklung, ORDIX AG, Paderborn
DOAG Regionaltreffen TABLE REORG Klaus Reimers Leiter Beratung & Entwicklung, ORDIX AG, Paderborn kr@ordix.de Agenda Reorganisationsgründe - Extents - Blockfüllgrad - Migrated Rows Workarounds - Storage
MehrLaden von Data Marts auch mal komplex DOAG BI, 9. Juni 2016 Dani Schnider, Trivadis AG
Laden von Data Marts auch mal komplex DOAG BI, 9. Juni 2016 Dani Schnider, Trivadis AG BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENEVA HAMBURG COPENHAGEN LAUSANNE MUNICH STUTTGART VIENNA
MehrSQL Planmanagement. unter der Lupe. DOAG Konferenz 2012, Nürnberg Jan Krüger TUI Infotec GmbH, Hannover
SQL Planmanagement unter der Lupe DOAG Konferenz 2012, Nürnberg Jan Krüger TUI Infotec GmbH, Hannover TUI InfoTec. Wir schreiben Geschichte. Von der IT-Abteilung des Touristikkonzerns zum international
MehrFast Analytics on Fast Data
Fast Analytics on Fast Data Kudu als Storage Layer für Banking Applikationen Problem Klassischer Kreditprozess Beantragung in der Filiale Aufwendiger Prozess Nachweis durch Dokumente Manuelle Bewilligung
MehrPartitionieren Sie Ihr Data Warehouse!
Partitionieren Sie Ihr Data Warehouse! Beat Flühmann Trivadis AG Zürich (Schweiz) Schlüsselworte: BI, DWH, Partitionierung, phys. Modellierung Einleitung Die Technik der Partitionierung ist schon seit
MehrPerformance-Prognosen im Test, trotz Datenschutzauflagen. Daniel Stein. DOAG November 2016
Performance-Prognosen im Test, trotz Datenschutzauflagen Daniel Stein DOAG November 2016 Agenda Vorstellung Motivation Situation heute Praxisbeispiele Fazit & Ausblick 2 Vorstellung Daniel Stein» 31 Jahre»
MehrDOAG Index Tuning
DOAG Index Tuning 2010-1 DOAG Index Tuning 2010-2 DOAG Index Tuning 2010-3 DOAG Index Tuning 2010-4 DOAG Index Tuning 2010-5 Ausführliche Syntax: CREATE [UNIQUE] INDEX [.] ON TABLE [.]
MehrDOAG Treffen September
DOAG Treffen September Erfahrungen mit der Partitionierungsoption des RDBMS Oracle Martin Bach Überblick Strategie Weshalb Partitionierung? Partitionierung in OLTP/DWH Umgebungen Realisierung Indexe Performance
MehrDATENBANKTUNING - NEUE MÖGLICHKEITEN DURCH DIE FEATURES DER ORACLE DATABASE 12C OPTION ADVANCED COMPRESSION
DATENBANKTUNING - NEUE MÖGLICHKEITEN DURCH DIE FEATURES DER ORACLE DATABASE 12C OPTION ADVANCED COMPRESSION Montag, 16.Juni 2015 gkv informatik GbR Daniel Brandt Produktionsmittelmanagement Datenbanksysteme
MehrDatenbank Objekte (Tabellen, Segemente, Extents, Blöcke)
Datenbank Objekte (, Segemente,, Blöcke) 5. Juni 2007 Datenbank Objekte (, Segemente,, Blöcke) Datenbank Objekte (, Segemente,, Blöcke) Aufbau eines Datenblocks Zeilenverkettung und -verschiebung Freispeicherverwaltung
MehrTipps und Tricks in der Datenbankadministration
Tipps und Tricks in der Datenbankadministration Nürnberg, 17. November 2011 Volker Mach - Fachbereichsleiter IT System Services MT AG Key Facts MT AG MANAGING TECHNOLOGY ENABLING THE ADAPTIVE ENTERPRISE
MehrDatenbanken Implementierungstechniken SS2015
Hochschule für Technik, Wirtschaft und Kultur Leipzig Leipzig University of Applied Sciences Parallele DBMS Datenbanken Implementierungstechniken SS2015 Alexander Müller Fakultät Informatik, Mathematik
MehrSQL-Analyse und Tuning
Seite 1 SQL-Analyse und Tuning Einfach und schnell Thorsten Bruhns Solution Architekt OPITZ CONSULTING Deutschland GmbH Standort Bad Homburg Mannheim, 27.09.2012 Seite 2 Agenda 1. Einleitung 2. Herausforderungen
MehrMySQL-Befehle. In diesem Tutorial möchte ich eine kurze Übersicht der wichtigsten Befehle von MySQL geben.
MySQL-Befehle 1. Einleitung In diesem Tutorial möchte ich eine kurze Übersicht der wichtigsten Befehle von MySQL geben. 2. Arbeiten mit Datenbanken 2.1 Datenbank anlegen Eine Datenbank kann man wie folgt
MehrLogging und Debugging. Gerd Volberg OPITZ CONSULTING Deutschland GmbH
Logging und Debugging Gerd Volberg OPITZ CONSULTING Deutschland GmbH Bochum, 20. Februar 2014 OPITZ CONSULTING GmbH Seite 1 Agenda 1. Logging Datenmodell Tabellen Views 2. Debugging Debug-Package Funktionen
MehrGlobale Statistiken im Oracle Data Warehhouse
Globale Statistiken im Oracle Data Warehhouse Dani Schnider Principal Consultant 29. Januar 2012 Aktuelle und vollständige Optimizer-Statistiken sind Voraussetzung für die Ermittlung von guten Execution
MehrUpgrade Albtraum. Lothar Flatz Senior Principal Consultant Dr. Markus Eberling Managing Consultant. Diso AG Der Schweizer Daten- und Cloud-Experte
Upgrade Albtraum Lothar Flatz Senior Principal Consultant Dr. Markus Eberling Managing Consultant Ich stelle mich vor... Wer bin ich?» Über 25 Jahre Oracle Database Erfahrung (beginnend mit Version 5)»
MehrAutomatisierte Datenmigration mit dynamischen SQL
Automatisierte Datenmigration mit dynamischen SQL Rolf Wesp Consultant Rolf.Wesp@trivadis.com Düsseldorf, 27. Oktober 2009 Baden Basel Bern Brugg Lausanne Zürich Düsseldorf Frankfurt/M. Freiburg i. Br.
MehrGliederung. 1) Speicherplatz-Zuordnung und -Verwaltung 2) Indizes 3) Explain Plan 4) Join-Operationen 5) Der Optimizer 6) Parallelisieren
Gliederung ) Speicherplatz-Zuordnung und -Verwaltung 2) Indizes 3) Explain Plan 4) Join-Operationen 5) Der Optimizer 6) Parallelisieren ) Speicherplatz-Zuordnung und -Verwaltung.) Tabellenspeicherung:
MehrIndexstrategien im Data Warehouse
Indexstrategien im Data Warehouse Reinhard Mense areto consulting gmbh Köln Schlüsselworte Business Intelligence, Data Warehouse, Bitmap Index, B*Tree Index, Partial Index, Star Schema, Snowflake Schema,
MehrIn diesem Abschnitt wollen wir uns mit der Architektur von Datenbank Managements Systemen beschäftigen.
1 In diesem Abschnitt wollen wir uns mit der Architektur von Datenbank Managements Systemen beschäftigen. Zunächst stellt sich die Frage: Warum soll ich mich mit der Architektur eines DBMS beschäftigen?
MehrJohannes Ahrends CarajanDB GmbH. www.carajandb.com 2013 CarajanDB GmbH
Johannes Ahrends CarajanDB GmbH CarajanDB Warum ist eine Anwendung langsam? Beispiele von echten Performanceproblemen 2 Experten mit über 20 Jahren Oracle Erfahrung Firmensitz in Erftstadt bei Köln Spezialisten
MehrMemory-Drilldown von der SGA über die PGA zum Database Buffer Advisor
Memory-Drilldown von der SGA über die PGA zum Database Buffer Advisor DOAG Konferenz 20. - 22.11.2012 Klaus Reimers kr@ordix.de www.ordix.de Agenda SGA Variable Size Shared Pool Large Pool Java Pool Streams
MehrDer Ausführungsplan das unbekannte Wesen
Der Ausführungsplan das unbekannte Wesen Martin Hoermann ORDIX AG Paderborn Wiesbaden Münster Köln Neu-Ulm Zusammenfassung Die Antwortzeit eines SQL Befehls bei gegebenem Datenbestand und Datenbankstrukturen
MehrAcht große Oracle-Datenbank-Mythen
Acht große Oracle-Datenbank-Mythen Robert Barić, ITGAIN Consulting Gesellschaft für IT-Beratung mbh Die IT steckt voller Mythen. Man denke nur an die sich in den Köpfen von Anwendern noch immer haltende
MehrWell-Balanced. Performance Tuning
Well-Balanced Real Application Cluster Performance Tuning Über mich virtual7 GmbH Jürgen Bouché Zeppelinstraße 2 76185 Karlsruhe Tel.: +49 (721) 6190170 Fax.: +49 (721) 61901729 Email: jbouche@heine.de
MehrPartitioning Technik und Anwendungsbeispiele
Partitioning Technik und Anwendungsbeispiele Klaus Reimers ORDIX AG Köln Schlüsselworte: Range Partitioning, Hash Partitioning, List partitioning, System Partitioning, Interval Partitioning, Virtual Column
MehrShaping the Future of Intelligence. PLATH Group 1
Shaping the Future of Intelligence PLATH Group 1 Projekterfahrung merge mit PL/SQL im OLTP-Betrieb Axel Karkosch axel.karkosch@plath.de 09.02.2010 PLATH Group 2 Unsere Geschäftsfelder Strategische Aufklärungssysteme
MehrORACLE DATENBANKOPTIMIERUNG (BASICS)
ORACLE DATENBANKOPTIMIERUNG (BASICS) INHALT 1 Motivation... 1 2 Automatische, regelmäßige DB-Optimierung... 2 2.1 Index-Rebuild... 2 2.2 Tabellen-Reorganisation... 2 2.3 Statistiken ermitteln... 3 2.4
MehrOracle Advanced Compresion 10g versus 11g
Regionaltreffen München/Südbayern am Montag, 12.01.2009, 17:00 Uhr Oracle Advanced Compresion 10g versus 11g Platz in der Datenbank optimal nützen Ihr Partner für Schulung, Betreuung und Beratung rund
MehrZWISCHEN ALBTRAUM UND OPTIMALER PERFORMANCE
ZWISCHEN ALBTRAUM UND OPTIMALER PERFORMANCE Indexierungsstrategie im Data Warehouse Dani Schnider, Trivadis AG DOAG Konferenz, Nürnberg BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR.
MehrTabellen und Indizes Reorganisieren, aber wann?
Tabellen und Indizes Reorganisieren, aber wann? Ernst Leber MT AG Ratingen Schlüsselworte: Performance, Datenbankanalyse, Tabellenreorganisation, Indexreorganisation Einleitung Kernpunkt des Vortrages
MehrSQL on RAC Pirates of the interconnect
SQL on RAC Pirates of the interconnect Martin Hoermann ORDIX AG, Münster mh@ordix.de SQL auf RAC 1 SQL auf RAC 2 The code is the law! Captain Teague, Pirates of the caribbean SQL auf RAC 3 Inhalt RAC-Probleme?
MehrDipl. Inf. Eric Winter. PostgreSQLals HugeData Storage Ein Erfahrungsbericht
Dipl. Inf. Eric Winter Entwicklungsleiter PTC GPS-Services GmbH PostgreSQLals HugeData Storage Ein Erfahrungsbericht Inhalt 1. Problembeschreibung 2. Partielle Indexierung 3. Partitionierung 1. Vererbung
MehrWiederholung VU Datenmodellierung
Wiederholung VU Datenmodellierung VU Datenbanksysteme Reinhard Pichler Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Wintersemester
MehrBerechnung von Kennzahlen mit der SQL Model Clause
Berechnung von Kennzahlen mit der Thomas Mauch 12.07.2018 DOAG BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN 1 AGENDA 1. Einführung 2. Syntax 3. Performance
MehrMySQL 5.1. Kristian Köhntopp
MySQL 5.1 Kristian Köhntopp Was ist neu? Neues InnoDB Neue Replikation Neues Logging Event Scheduler Partitions INFORMATION_SCHEMA XML Functions Was ist neu? Neues InnoDB Neue Replikation Neues Logging
MehrSchnell, schneller, Spatial!
Schnell, schneller, Spatial! Tuning von Spatial-Abfragen in Oracle Carsten Czarski ORACLE Deutschland B.V. & Co KG Tuning...? Das hier... SQL> alter system set 2 "_spatial_query_perf"='slow
MehrPerformante Verarbeitung großer Datenbanken am praktischem Beispiel
Performante Verarbeitung großer Datenbanken am praktischem Beispiel Thomas Lehmann 08.09.2015, Dresden Agenda 1. Technische Rahmenbedingungen 2. Theoretische Grundlagen 3. Verschiedene Probleme am praktischen
MehrOracle Tuning - Theorie und Interpretation
Oracle Tuning - Theorie und Interpretation von Reports Seminarunterlage Version: 12.16 Version 12.16 vom 11. Juli 2018 Dieses Dokument wird durch die veröffentlicht.. Alle Rechte vorbehalten. Alle Produkt-
MehrHP IT-Symposium
www.decus.de 1 HP User Society / DECUS IT-Symposium 2006 Mehr Hardware oder RAC? Markus.Michalewicz@oracle.com BU Database Technologies ORACLE Deutschland GmbH Grundannahmen Jedes Performance-Problem lässt
MehrSystematische Rasterfahndung nach Performance-Antipattern
Systematische Rasterfahndung nach Performance-Antipattern Peter Ramm, OSP Dresden November 2016 Otto Group Solution Provider Dresden GmbH www.osp.de Gründung: März 1991 Muttergesellschaft: OTTO Group Standorte:
MehrSeminar 2. SQL - DML(Data Manipulation Language) und. DDL(Data Definition Language) Befehle.
Seminar 2 SQL - DML(Data Manipulation Language) und DDL(Data Definition Language) Befehle. DML Befehle Aggregatfunktionen - werden auf eine Menge von Tupeln angewendet - Verdichtung einzelner Tupeln yu
MehrPrakt. Datenbankprogrammierung. Sommersemester Was sind Constraints? I,11: Verwendung von Constraints. Festlegung von Constraints
Prakt. Datenbankprogrammierung Sommersemester 2005 I,11: Verwendung von Constraints Was sind Constraints? Constraints stellen Regeln auf Tabellenebene sicher. Constraints verhindern das Löschen aus einer
MehrOracle Index Tuning &Admin
Oracle Index Tuning &Admin Marco Patzwahl MuniQSoft GmbH München-Unterhaching Schlüsselworte: SQL, PL/SQL, DBA Zusammenfassung Indizes sind ein erprobtes Mittel, um SQL-Abfragen zu beschleunigen. Aber
MehrGasbeschaffenheit bezüglich des Brennwertes "H s,eff " an wesentlichen Ein- und Ausspeisepunkten oder in den entsprechenden Teilnetzen
Gasbeschaffenheit bezüglich des Brennwertes " " an wesentlichen Ein- und Ausspeisepunkten oder in den entsprechenden Teilnetzen Der folgenden Tabelle können Sie die wesentlichen Einspeisebrennwerte und
MehrAbfragen (Queries, Subqueries)
Abfragen (Queries, Subqueries) Grundstruktur einer SQL-Abfrage (reine Projektion) SELECT [DISTINCT] {* Spaltenname [[AS] Aliasname ] Ausdruck} * ; Beispiele 1. Auswahl aller Spalten SELECT * ; 2. Auswahl
Mehr