
Oracle动态性能表
5星
- 浏览量: 0
- 大小:None
- 文件类型:None
简介:
Oracle动态性能表(也称V$视图)是由一系列以V$为前缀开始的特殊表组成,由Oracle数据库自动维护。这些表提供关于当前数据库状态、配置和活动的关键信息,包括会话统计、内存结构和磁盘空间使用情况等细节数据,是诊断问题与性能调优的重要工具。
Oracle动态性能表学习——v$sysstat
2007年5月23日:按照Oracle文档描述,v$sysstat存储从数据库实例启动以来的全系统资源使用情况统计信息。类似于v$sesstat视图,该视图记录了以下统计数据:
1. 事件发生的次数(如用户提交事务)。
2. 数据产生、存取或操作的总量数据(例如redo大小)。
3. 若TIMED_STATISTICS参数设置为true,则会统计执行这些操作所花费的时间。
v$sysstat表常用列介绍:
- STATISTIC#: 标识
- NAME: 统计项名称
- VALUE: 资源使用量
该视图还有一列为class,表示统计数据的类别。在实践中很少使用此字段,各类信息如下所示:
1. 代表实例活动。
2. 表示重做缓冲区活动。
4. 表示锁操作。
8. 数据缓存相关操作
16. 操作系统相关的统计信息
32 并行处理的统计数据
64 表访问的相关数据
128 调试信息
注意:Statistic#值在不同版本中可能有所不同,使用时应以Name作为查询条件而非statistic#。
利用v$sysstat中的数据:
该视图的数据常用于监控系统性能。例如,缓冲区命中率、软解析比率等都可以通过这些统计数据计算得出。
此外,还可以用此表来监测系统资源消耗情况和利用率的变化。由于存储了大量关于性能的统计信息,在某个时间段内对比资源使用情况时可以先创建一个快照,然后在结束时再做一次快照比较两者之间的差异即可得到这段时间内的资源消耗。
为了更直观地进行区间段数据对比,原始数据可以通过事务数、执行次数等不同维度来格式化。这类的分析尤其适用于系统升级前后性能变化或用户数量及数据库量增加对资源使用的影响评估。
此外,还可以通过查询v$system_event视图与v$sysstat中的统计数据结合以检查资源消耗和回收情况。
V$SYSSTAT中的一些常用统计项:
- CPU used by this session:所有会话的CPU占用时间(不包括后台进程)。单位为十分之一秒。一次完整调用不超过10ms。
- db block changes:导致SGA数据块变化的插入、更新或删除操作数,反映整体数据库状态及脏缓存比。
- execute count:执行SQL语句的数量(包含递归查询)。
- logons current:当前连接到实例的会话数量。如果查看两个快照,则取平均值。
- logons cumulative:自启动以来总登录次数
- parse count (hard):在共享池中解析调用未命中的次数,硬解析导致CPU和资源消耗较高,因为它需要重新分配内存并生成执行计划。
- parse time cpu :总的CPU解析时间(单位为十分之一秒)。
- physical reads:操作系统读取的块数。包括物理读入SGA缓存区以及PGA直通读操作的数量
- redo size:redo发生的总次数及写入日志缓冲区的字节数,反映更新活跃度。
- session logical reads:逻辑读请求总数。
- sorts (memory) 和sorts(disk): 适于内存排序的操作数量和由于空间需求过大而不得不在磁盘进行排序的数量
- table fetch by rowid :通过ROWID返回总列数(索引访问或SQL语句中使用了where rowid=&rowid)
- table scans (rows gotten):全表扫描读取的总行数。
- user commits + user rollbacks:系统事务启动次数。用于计算其它统计项中的每笔交易比率。
注意物理I/O:
Oracle报告的物理读并不一定意味着实际发生磁盘I/O操作,多数操作系统有缓存机制,可能已将所需块加载到内存中了。因此,由v$sysstat得出的一些实例效率比(Instance Efficiency Ratios)可以帮助评估系统性能:
- 缓冲区命中率:公式为1 - ((物理读数-直接物理读取数-LOB直接物理读取数)/会话逻辑读请求)
- 软解析比率: 用于显示是否存在过多硬解析。理想情况下应尽量接近于一。
- 内存中排序比例:在OLTP系统中最理想状态是大部分排序操作能在内存内完成。
- 解析到执行的比率
- 解析CPU时间与总CPU使用率的比例
从V$SYSSTAT获取负载间档(Load Profile)数据:
这部分提供每秒和每个事务的关键统计数据,例如累计登录数、解析次数(总数/硬解析)、执行次数等。被格式化的数据可用于检查速率是否过高或用于比较其它基线以识别系统概况的变化。
例如,
全部评论 (0)


