崔华,网名 dbsnake
Oracle ACE Director,ACOUG 核心专家
编辑手记:感谢崔华授权我们独家转载其精品文章,也欢迎大家向“Oracle”社区投稿。
崔华手记:这篇文章的标题颇有些标题党的味道,但这不是我的初衷。其实我想表达的是,基于RDBMS的应用系统的性能问题绝大多数都是和SQL直接相关,而基于Oracle数据库的SQL优化能否奏效、效果的好与坏归根结底比拼的还是对CBO和执行计划的理解程度,这也正是我在《基于Oracle的SQL优化》一书中提出来的SQL优化方法论的第一点——Oracle里SQL优化的本质是基于对CBO和执行计划的深刻理解。
整个事情是这样的……
快下班的时候去打卡,兄弟部门的同事拦住了我,说他们有一个测试系统,性能一直上不去,现在每分钟仅能跑75个Job,想让我帮忙看一下。
简单的用TOP和VMSTAT看了一下,发现在他们并发跑Job的时候,CPU占用率接近100%,IDLE值接近零,看上去瓶颈像是在CPU上。
我让他们将事发时间段的AWR报告发给我,然后我就回家了。
第二天早上来到公司,我打开了这份AWR报告。
如下是这份AWR报告的部分内容:
DB Name
DB Id
Instance
Inst num
Startup Time
Release
RAC
GALT
3872212397
galt
1
17-Apr-13 20:04
11.2.0.1.0
NO
Host Name
Platform
CPUs
Cores
Sockets
Memory (GB)
riserver2
Linux x86 64-bit
4
4
1
15.50
Snap Id
Snap Time
Sessions
Cursors/Session
Begin Snap:
277
22-Apr-13 18:00:45
40
1.8
End Snap:
278
22-Apr-13 19:00:58
91
1.9
Elapsed:
60.22 (mins)
DB Time:
1,413.75 (mins)
Top 5 Timed Foreground Events
Event
Waits
Time(s)
Avg wait (ms)
% DB time
Wait Class
latch: cache buffers chains
894,797
22,111
25
26.07
Concurrency
DB CPU
11,130
13.12
direct path write temp
53,039
1,877
35
2.21
User I/O
db file sequential read
14,467
145
10
0.17
User I/O
latch free
6,208
141
23
0.17
Other
从上述显示内容中我们可以看出,上述数据库在上述采样时间段是非常繁忙的,Cache Buffers Chains有894797次等待,平均等待时间25毫秒,占了26.07%的DB time。
Cache Buffers Chains等待通常说明存在热点块,这可能是由于Oracle自身的Bug(例如“Bug 10396041 – ‘cache buffers chains’ latch contention [ID 10396041.8]”),当然更多的情形是由于应用的某些SQL不恰当的多读了一些本不应该它们读的数据块。所以通常情况下缓解Cache Buffers Chains的方法就是调整SQL,缩减目标SQL所需要读的数据块的数量,这样Cache Buffers Chains等待的数量自然就下去了。
从上述AWR报告中SQL ordered by Gets部分我们可以很轻易的定位出待调整的目标SQL为SQL ID为“73qyztauub2a1”和“74hnt3vjjm85a”的这两条SQL:
SQL ID为“73qyztauub2a1”的SQL文本为如下所示:
SELECT s.LOCATOR_ID, s.segment_ID, n.en_name
FROM ANA_SEG_CLASS S, ana_segment a, ana_name n
where A.SEGMENT_ID = S.SEGMENT_ID
and s.locator_id = n.locator_id
and n.en_name = :1
and ((a.orgn_city = :2 and a.start_time > :3 and a.start_time < :4) or
(a.dstn_city = :5 and a.end_time > :6 and a.end_time < :7))
and n.person_id_count > 0
从同样采样时间段的AWR SQL Report中我们可以看出SQL ID为“73qyztauub2a1”的目标SQL的资源消耗和执行计划为如下所示:
Stat Name
Statement Total
Per Execution
% Snap Total
Elapsed Time (ms)
80,758,772
1,009,484.65
95.21
CPU Time (ms)
10,583,843
132,298.04
95.09
Executions
80
Buffer Gets
2,032,606,807
25,407,585.09
93.88
Disk Reads
419,668
5,245.85
61.45
Parse Calls
80
1.00
1.01
Rows
8
0.10
User I/O Wait Time (ms)
1,729,574
Cluster Wait Time (ms)
0
Application Wait Time (ms)
0
Concurrency Wait Time (ms)
0
Invalidations
0
Version Count
15
Sharable Mem(KB)
482
从上述显示内容中我们可以看出,SQL ID为“73qyztauub2a1”的目标SQL在采样时间段每次执行平均只返回0.1行记录,但平均每次执行需要耗时1009秒,平均每次执行所消耗的逻辑读为25407585。
从该SQL的执行计划我们可以看出,CBO评估出来执行该SQL所对应的成本值为2,这是一个明显异常的值,假如成本值真的像CBO评估的那样为2的话,那么该SQL就不可能平均每次执行需要消耗超过2500万的逻辑读。
很明显,这里很可能是上述SQL所涉及到的对象的统计信息出现了问题,我们现在来检查一下:
表ANA_NAME的统计信息为如下所示:
从上述显示内容中我们可以看出,表ANA_NAME的相关统计信息值全部为0,但实际上表ANA_NAME是一个有300多万数据量的大表:
SQL> select count(*) from ana_name;
COUNT(*)
———-
3180474
所以很明显这里是由于表ANA_NAME的统计信息严重不准而导致CBO选错了执行计划。分析清楚了问题的原因,解决起来就很简单了,我们只需要重新对上述SQL所涉及到的表用如下命令重新收集一下统计信息就好了:
SQL> exec dbms_stats.gather_table_stats(ownname => ‘GALT’,tabname => ‘ANA_NAME’,cascade => true,no_invalidate => false);
PL/SQL procedure successfully completed
SQL> exec dbms_stats.gather_table_stats(ownname => ‘GALT’,tabname => ‘ANA_SEGMENT’,cascade => true,no_invalidate => false);
PL/SQL procedure successfully completed
SQL> exec dbms_stats.gather_table_stats(ownname => ‘GALT’,tabname => ‘ANA_SEG_CLASS’,cascade => true,no_invalidate => false);
PL/SQL procedure successfully completed
重新收集完统计信息后表ANA_NAME的相关统计信息已经有了值:
同时,上述SQL ID为“73qyztauub2a1”的目标SQL的执行计划也已经恢复了正常:
SQL> explain plan for SELECT s.LOCATOR_ID, s.segment_ID, n.en_name FROM ANA_SEG_CLASS S, ana_segment a , ana_name n where A.SEGMENT_ID = S.SEGMENT_ID and s.locator_id = n.locator_id and n.en_name = :1 and ( ( a.orgn_city = :2 and a.start_time > :3 and a.start_time < :4 ) or ( a.dstn_city=:5 and a.end_time> :6 and a.end_time < :7 ) ) and n.person_id_count > 0;
Explained
SQL> col plan_table_output for a200
SQL> select * from table(dbms_xplan.display);
是不是这就完事了?——事情没有这么简单。
表ANA_NAME的那300多万的数据早就存在了,并不是今天早上才导入的,为什么经过了昨晚的自动收集统计信息作业,其各项统计信息的值还是为0?
是不是因为这个库的自动统计信息收集作业被禁掉了?
我们来检查一下:
SQL> select client_name,status from dba_autotask_task;
CLIENT_NAME STATUS
—————————————————————- ——–
sql tuning advisor ENABLED
auto optimizer stats collection ENABLED
auto space advisor ENABLED
SQL> select window_name,autotask_status from dba_autotask_window_clients;
WINDOW_NAME AUTOTASK_STATUS
—————————— —————
MONDAY_WINDOW ENABLED
TUESDAY_WINDOW ENABLED
WEDNESDAY_WINDOW ENABLED
THURSDAY_WINDOW ENABLED
FRIDAY_WINDOW ENABLED
SATURDAY_WINDOW ENABLED
SUNDAY_WINDOW ENABLED
7 rows selected
SQL> select window_name,repeat_interval from dba_scheduler_windows where enabled=’TRUE’;
WINDOW_NAME REPEAT_INTERVAL
—————- ——————————————————
MONDAY_WINDOW freq=daily;byday=MON;byhour=22;byminute=0; bysecond=0
TUESDAY_WINDOW freq=daily;byday=TUE;byhour=22;byminute=0; bysecond=0
WEDNESDAY_WINDOW freq=daily;byday=WED;byhour=22;byminute=0; bysecond=0
THURSDAY_WINDOW freq=daily;byday=THU;byhour=22;byminute=0; bysecond=0
FRIDAY_WINDOW freq=daily;byday=FRI;byhour=22;byminute=0; bysecond=0
SATURDAY_WINDOW freq=daily;byday=SAT;byhour=6;byminute=0; bysecond=0
SUNDAY_WINDOW freq=daily;byday=SUN;byhour=6;byminute=0; bysecond=0
7 rows selected
SQL> select window_name, job_name, job_start_time from (select * from dba_autotask_job_history where client_name=’auto optimizer stats collection’ order by window_start_time desc) where rownum<4;
WINDOW_NAME JOB_NAME JOB_START_TIME
————— ——————— ————————————
TUESDAY_WINDOW ORA$AT_OS_OPT_SY_1 09-4月 -13 10.00.00.825901 下午 PRC
SQL> select window_name,window_next_time from dba_autotask_window_clients;
WINDOW_NAME WINDOW_NEXT_TIME
—————————— ————————————-
MONDAY_WINDOW 15-4月 -13 10.00.00.000000 下午 PRC
TUESDAY_WINDOW 16-4月 -13 10.00.00.000000 下午 PRC
WEDNESDAY_WINDOW 10-4月 -13 10.00.00.000000 下午 PRC
THURSDAY_WINDOW 11-4月 -13 10.00.00.000000 下午 PRC
FRIDAY_WINDOW 12-4月 -13 10.00.00.000000 下午 PRC
SATURDAY_WINDOW 13-4月 -13 06.00.00.000000 上午 PRC
SUNDAY_WINDOW 14-4月 -13 06.00.00.000000 上午 PRC
7 rows selected
从上述显示内容中我们可以看出,上述库的自动统计信息收集作业并没有被禁掉,只是出于某种原因,自4月9日晚上10点最后一次运行完后就再没有被执行过。
Oracle 11g里的自动统计信息收集作业每次运行时会先生成名为ORA$AT_OS_OPT_XXX的Job,然后再执行这个Job。所以有一种可能就是虽然自动统计信息收集作业没有被禁掉,但Oracle在生成Job的时候碰到了问题,比如参数job_queue_processes的值被设成了0。
从如下查询结果中我们可以看到,上述库的job_queue_processes的值果然是0:
SQL> show parameter job;
NAME TYPE VALUE
———————————— ———– ——————————
job_queue_processes integer 0
从上述库的alert log里我们看到了如下内容:
Wed Apr 10 14:09:50 2013
ALTER SYSTEM SET job_queue_processes=0 SCOPE=BOTH;
Wed Apr 10 14:10:26 2013
ALTER SYSTEM SET aq_tm_processes=0 SCOPE=BOTH;
ALTER DATABASE OPEN
Wed Apr 10 14:10:35 2013
这说明上述库的参数job_queue_processes和aq_tm_processes在4月10日下午2点多的时候被修改成了0,难怪上述库的自动统计信息收集作业自4月9日晚上10点最后一次运行完后就再没有被成功执行过。
我们将上述两个参数的值给改回来:
SQL> alter system set job_queue_processes = 1000 scope=both;
System altered
SQL> alter system set aq_tm_processes = 1 scope=both;
System altered
SQL> show parameter job_queue_processes;
NAME TYPE VALUE
———————————— ———– ——————————
job_queue_processes integer 1000
SQL> show paramete aq_tm_processes;
NAME TYPE VALUE
———————————— ———– ——————————
aq_tm_processes integer 1
从如下查询结果中我们可以看到,参数job_queue_processes恢复成大于0的值后,上述库的自动统计信息收集作业的各个窗口所对应的WINDOW_NEXT_TIME的值也随之恢复了正常:
SQL> select window_name,window_next_time from dba_autotask_window_clients;
WINDOW_NAME WINDOW_NEXT_TIME
—————————— ————————————
MONDAY_WINDOW 29-4月 -13 10.00.00.000000 下午 PRC
TUESDAY_WINDOW 23-4月 -13 10.00.00.000000 下午 PRC
WEDNESDAY_WINDOW 24-4月 -13 10.00.00.000000 下午 PRC
THURSDAY_WINDOW 25-4月 -13 10.00.00.000000 下午 PRC
FRIDAY_WINDOW 26-4月 -13 10.00.00.000000 下午 PRC
SATURDAY_WINDOW 27-4月 -13 06.00.00.000000 上午 PRC
SUNDAY_WINDOW 28-4月 -13 06.00.00.000000 上午 PRC
7 rows selected
接下来,我们对上述SQL所涉及到的schema重新收集了一下统计信息(以避免再次出现有目标表的统计信息严重不准的情形):
SQL> EXEC DBMS_STATS.GATHER_SCHEMA_STATS(OWNNAME => ‘GALT’,ESTIMATE_PERCENT => DBMS_STATS.AUTO_SAMPLE_SIZE,CASCADE => TRUE,METHOD_OPT => ‘FOR ALL COLUMNS SIZE REPEAT’,no_invalidate => false);
PL/SQL procedure successfully completed
此时第一阶段的调整就结束了,根据同事的反馈,现在每分钟能跑的Job的数量已经从之前的75上升到了现在的2000 。
如何加入"云和恩墨大讲堂"微信群