ORACLE PERFORMANCE ANALYSE QUO VADIS, AWR?

Transkript

1 ORACLE PERFORMANCE ANALYSE QUO VADIS, AWR? DOAG SIG 28. FEBRUAR 2013, MÜNCHEN FÉLIX CASTILLO SÁNCHEZ AKAZIENWEG 6 D GLASHÜTTEN FELIX.CASTILLO@ORACONSULT.DE WEB: PHONE: +49 (174)

2 Vorstellung Felix Castillo Sanchez, eidg. dipl. Informatiktechniker TS Internet: Berufliche Stationen - Oracle seit Freiberuflich seit Unterwegs als: - Berater - Datenbankadministrator - Systementwickler - Trainer

3 DOAG 2011 Einführung Oracle Performance Analyse mit statistischen Methoden DOAG Regio 2012 Oracle Performance Analyse Die Wiederentdeckung der Oracle Statistiken DOAG 2012 Oracle Performance Analyse Erweiterte Möglichkeiten mit Statistiken und Wartezeiten DOAG SIG 2013 Oracle Performance Analyse Quo Vadis, AWR? Hotsos Symposium, März 2013 The Oracle Performance Signature Frankfurter Datenbanktage, März 2013 Die Oracle Performance Signatur AOUG 2013 Die Oracle Performance Signatur

4 Die Datenbank ist langsam! Einführung

5 Einführung Nun. es liegt nicht an der Datenbank

6 Einführung Ist es die Oracle Datenbank? Oder doch nicht? Subjektives Empfinden ist sehr schwer nachvollzierbar und noch schwieriger zu widerlegen. Wie kann man mit Hilfe einer textuellen Darstellung vieler einzelner Werte ein zeitliches Problem erfassen?

7 Einführung Wie vergleichbar sind AWR-Reports zum Zeitpunkt X? Um AWR-Reports interpretieren zu können, muss der Performance-Analyst das System kennen Welche Werte gelten als Normal? Ist die zusammengefasste Last representativ? Sind die Werte normal oder anders als? Sind Peaks vergleichbar? Welcher Zeitpunkt/-raum ist representativ? Kann der Zeitpunkt der AWR-Report-Erstellung überhaupt berücksichtig werden?

8 Einführung Die AWR-Reports gehen von einem Problem aus Mit AWR-Reports kann nicht nachgewiesen werden, dass kein Problem vorliegt Die Erwartungshaltung geht von einem Lösungsvorschlag aus! Die zeitliche Auflösung ist zu grob Die Probleme sollten über mindestens einen Snap hinaus gehen und idealerweise die Dauer eines Snap-Intervalls übersteigen. AWR-Reports konzentrieren sich auf der Auswertung des Wait-Interfaces Wartezeiten werden immer hinterfragt CPU-intensive Systeme können nicht adäquat untersucht werden Das DB Time Model ist äußerst ungenau und kann die ausgeführten Arbeiten nicht beschreiben

9 Lösung?? Einführung

10 Einführung Kenne Dein System!!

11 Kenne Dein System Wie sieht mein System aus, wenn alles glatt läuft? Kann ich relevante Abweichungen erklären? Kenne ich die Trends? Welches sind gängige Wait-Events? Welche Durchschnittszeiten sind üblich? Wie viele Waits sind üblich? Wie sieht die zeitliche Verteilung der Wartezeiten aus? Habe ich regelmäßig wiederkehrende Ausreißer? etc. Was tut die Datenbank außer warten? Was genau machen die User-Sessions? Wie werden die CPUs verwendet?

12 Muster Kenne Dein System

13 Kenne Dein System Anwendungen verwenden eine Datenbank i.d.r. immer gleich Muster wiederholen sich auf Grundlage von Stunden, Tage, Wochen, Monate, Quartale, Jahre, etc. Wochenende, Monatsende, etc. Montage, Dienstage, etc. Testläufe, Ladeläufe, etc. Dedizierte SQL-Statements usw. Dies gilt i.d.r. sowohl für Statistiken als auch für Wartezeiten!!

14 Kenne Dein System Analyse der Statistiken - Wochenübersicht

15 Kenne Dein System Analyse der Statistiken - Wochenübersicht

16 Kenne Dein System Key Performance Indicators Wait Events Wait Events Rates/s und Durchschnitt Wait Calls/Sekunde Time Waited Micro /Sekunde Durchschnittliche Wartezeit / Median(!!) Zeitraum Variabilität Häufigkeit Ausreißer Verhältnis zwischen Häufigkeit und Wartezeit Absolut Abhängigkeitsstruktur zwischen Häufigkeit und durchschnittlicher Wartezeit, zwischen unterschiedlichen Events

17 Beispiel: log file sync Kenne Dein System

18 Beispiel: log file sync Kenne Dein System

19 Kenne Dein System Oracle Performance Signatur

20 AWR + Oracle Performance Signatur AWR + Oracle Performance Signatur

21 AWR + Oracle Performance Signatur AWR-Report als Ausgangspunkt Signatur des Zeitraums erstellen Vergleichen und Prüfen Vergrößerten Zeitraum grafisch aufbereiten Vergleichen und Prüfen

22 AWR + Oracle Performance Signatur AWR-Report

23 AWR + Oracle Performance Signatur AWR-Report

24 AWR + Oracle Performance Signatur AWR-Report

25 AWR + Oracle Performance Signatur AWR-Report

26 AWR + Oracle Performance Signatur BITTE NICHT VERGESSEN!!

27 AWR + Oracle Performance Signatur Performance-Probleme haben eine Entstehungsgeschichte!!

28 Datensammlung und Analyse Zutaten

29 Datensammlung und Analyse Eigene Datensammlung und Auswertung Durch eine separate und akkuratere Datensammlung sind aussagekräftige Analysen möglich Durch die Eigenverantwortlichkeit ist sowohl die Datenbasis als auch die Auswertung verifizierbar Es können auch Oracle-fremde Daten miteinbezogen werden. Es können auch System untersucht werden ohne die Diagnostic- und Tuning-Lizenz zu besitzen

30 Datensammlung und Analyse Adhoc-Auswertungen mit IPython

31 Datensammlung und Analyse Automatisierte Reporterstellung - HTML

32 Datensammlung und Analyse Automatisierte Reporterstellung PDF

33 Fragen und Antworten??? Danke

34 Beispiele Seit Oracle Version werden Blöcke viel häufiger über direct reads eingelesen als davor. Dieser Umstand ist kann zu heftigen Verschiebungen im gesamten Verhalten der Instanz führen. Der Nachweis, dass sich im Bereich der physical reads etwas verändert haben muss, kann nur durch eine langfristige Datenaufbewahrung der Performance Daten erreicht werden.

35 Beispiele Der Vergleich von Boxplots ist nicht so aussagekräftig wie bei der Verwendung nicht aggregierter Werte. Trotzdem ist ersichtlich, wie das Verhalten des untersuchten Systems in den Grafen auf der rechten Seite um die Mitternachtsstunde massiv längere Wartezeiten beim I/O erfährt.

36 Beispiele Über große Zeiträume hinweg sind Muster üblicherweise nur isoliert zu beobachten. Es lässt sich jedoch genau ersehen, welche Auswirkungen Anpassungen wie Release-Wechsel, Oracle oder Anwendung, Hardware, etc. haben.

37 Beispiele Zur Analyse bestimmter Situationen können alle verfügbaren Daten zusammengezogen werden. Werden zudem weitere, z.b. Oracle-fremde Daten gesammelt, können diese mitintegriert werden.

38 Beispiele Beispiel: db file sequential read