修补DBA短板：监控SQL优化案例两则

蒋健 2018-06-27 09:40:48

作者介绍

蒋健，云趣网络科技联合创始人，11g OCM，多年Oracle设计、管理及实施经验，精通数据库优化，Oracle CBO及并行原理，曾为多个行业的客户的Oracle系统实施小型机到X86跨平台迁移和数据库优化服务。云趣鹰眼监控核心设计和开发者，资深Python Web开发者。

一、表空间信息查询慢

前几天跟销售拜访潜在客户时，客户提到他们近期很头疼的问题：他们自己写的一个查询表空间的语句从上周开始跑不出来了，做了很多尝试未果，比较苦恼，毕竟作为DBA不知道库的空间使用情况，客户心里是有点发毛的。

听完客户描述，我也马上回复说这个问题很常见，都在我们日常巡检的范围内，解决起来很简单。一般查询表空间的语句都是用到了DBA_FREE_SPACE这张视图，查询起来慢，常见原因一般如下：

数据字典信息/固化视图统计信息过旧；
回收栈内对象过多。

处理方式：

exec dmbs_stats.gather_fixed_objects_stats;

exec dbms_stats.gather_dictionary_stats(degree =>8,cascade =>true);

purge recyclebin;

客户听完介绍的解决方案，表示认同并希望现场帮他们处理好问题，热情地带我去他的工位。虽然库并非生产数据库，但访问这个库依然需要通过堡垒机，而且命令需要手敲。

客户的演示

客户通过shell脚本SQLplus进入数据库后运行语句类似以下SQL：

SELECT UPPER(F.TABLESPACE_NAME) AS "表空间名称",

ROUND(D.AVAILB_BYTES ,2) AS "表空间大小(G)",

ROUND(D.MAX_BYTES,2) AS "最终表空间大小(G)",

ROUND((D.AVAILB_BYTES - F.USED_BYTES),2) AS "已使用空间(G)",

TO_CHAR(ROUND((D.AVAILB_BYTES - F.USED_BYTES) / D.AVAILB_BYTES * 100,

2), '999.99') AS "使用比",

ROUND(F.USED_BYTES, 6) AS "空闲空间(G)",

F.MAX_BYTES AS "最大块(M)"

FROM (

SELECT TABLESPACE_NAME,

ROUND(SUM(BYTES) / (1024 * 1024 * 1024), 6) USED_BYTES,

ROUND(MAX(BYTES) / (1024 * 1024 * 1024), 6) MAX_BYTES

FROM SYS.DBA_FREE_SPACE

GROUP BY TABLESPACE_NAME) F,

(SELECT DD.TABLESPACE_NAME,

ROUND(SUM(DD.BYTES) / (1024 * 1024 * 1024), 6) AVAILB_BYTES,

ROUND(SUM(DECODE(DD.MAXBYTES, 0, DD.BYTES, DD.MAXBYTES))/(1024*1024*1024),6) MAX_BYTES

FROM SYS.DBA_DATA_FILES DD

GROUP BY DD.TABLESPACE_NAME) D

WHERE D.TABLESPACE_NAME = F.TABLESPACE_NAME

ORDER BY 4 DESC

客户运行了脚本，果然卡住了一样，无返回结果。演示完，客户让出了座位，示意我可以上机操作了。因为不是生产库，客户也表示可以随意操作，于是没有去进一步确认信息，顺利完成了上面列的操作。

有趣的地方来了

客户开始验证效果的时候，比较尴尬，依然卡在那儿。客户地方没有监控，也没有我习惯的脚本，客户打开plSQLdeveloper后，我看了一下在运行的SQL等待事件是单块儿读，我有点犹豫要不要手敲那些工具SQL的时候，有趣的地方也来了~ 客户的DBA开始讨论起了原因：

一个客户DBA说，他觉得是IO太慢，因为库不是放在存储上的，而且raid可能用的是raid 5之类。

另一个客户DBA说，可能是数据库太大了，性能有影响。

为了避免问题走偏，我快速打了个快照，做了awr报告，确认了一下单块读约3ms，数据文件个数约800个。证伪了以上假设。

那到底为什么SQL查询还是不快呢？我有点犹豫，毕竟堡垒机命令都手敲不能直接跑自己的脚本包。客户主要负责的DBA此时主动给台阶让我下，让我找时间再看看，回去了再研究，毕竟他们也快下班了。

意外的效果

这个台阶当然不能下…… 在10046跟moitor报告中，个人还是更倾向monitor报告，于是脚本加了monitor的hint，打算再跑一次。另外一个会话准备编写脚本的时候，SQL瞬间出了结果。常用脚本这里也贴一下：

set pagesize 0 echo off timing off linesize 1000 trimspool on trim on long 2000000 longchunksize 2000000 feeDBAck off

spool &1..&2

--active/html/EM

select dbms_SQLtune.report_SQL_monitor(type=>'&2', SQL_id=>'&1', SQL_exec_id=>null, report_level=>'ALL') monitor_report from dual;

spool off

客户DBA说这个hint有效果，但是我也不打算糊弄客户，跟客户解释了这个hint跟跑起来快了没什么关系，并用 /*+ xxx */这个改动，再次运行，果然也很快。客户运行原来的语句，依然跑不出来。这时候，基本已经知道原因了。

虽然讲道理，收集了统计，SQL的执行计划应该是会失效，并重新解析的，这里显然那个SQL的执行计划应该还是原来的，没有变动。考虑到不是生产库，就直接flush了shared pool。再次运行那个问题SQL，顺利秒出结果。

二、ASH信息采集慢

某客户反馈监控上线后，在监控的数十套数据库中有一套库监控SQL的数据库时间占比较高，监控自身显示是一条采集ASH数据的语句。经过了解，其他库该语句执行均在1s以内，在其中一个数据库上运行时间可达4分钟，监控中我们马上发现了该SQL的监视报告。

监视报告快速定位

打开报告，通过Wait Activity中可发现55%时间是read by other session等待事件，还有36%为gc相关等待事件，结合2GB的IO，可以基本可知问题原因为SQL读取IO量过多，在RAC高并发环境下，性能问题被放大。

那么，这2GB的IO来源于哪儿呢？执行计划很长，截取部分如下：

第一部分IO占54%来源WRH$_ACTIVE_SESSION_HISTORY：

第二部分IO占46%来源WRH$_ACTIVE_SESSION_HISTORY：

通过报告可明显观察到整个SQL消耗的IO基本来源于WRH$_ACTIVE_SESSION_HISTORY这张表。监视报告中选中plan，再以Tabular方式查看，可查看访问表的谓词，正常情况下这个表是会分区的，目前看起来数据都集中在了一个分区。

运行以下代码段确认信息：

代码段如下：

set serveroutput on

declare

CURSOR cur_part IS

SELECT partition_name from DBA_tab_partitions

WHERE table_name = 'WRH$_ACTIVE_SESSION_HISTORY';

query1 varchar2(200);

query2 varchar2(200);

TYPE partrec IS RECORD (snapid number, dbid number);

TYPE partlist IS TABLE OF partrec;

Outlist partlist;

begin

dbms_output.put_line('PARTITION NAME SNAP_ID DBID');

dbms_output.put_line('--------------------------- ------- ----------');

for part in cur_part loop

query1 := 'select min(snap_id), dbid from sys.WRH$_ACTIVE_SESSION_HISTORY partition ('||part.partition_name||') group by dbid';

execute immediate query1 bulk collect into OutList;

if OutList.count > 0 then

for i in OutList.first..OutList.last loop

dbms_output.put_line(part.partition_name||' Min '||OutList(i).snapid||' '||OutList(i).dbid);

end loop;

end if;

query2 := 'select max(snap_id), dbid from sys.WRH$_ACTIVE_SESSION_HISTORY partition ('||part.partition_name||') group by dbid';

execute immediate query2 bulk collect into OutList;

if OutList.count > 0 then

for i in OutList.first..OutList.last loop

dbms_output.put_line(part.partition_name||' Max '||OutList(i).snapid||' '||OutList(i).dbid);

dbms_output.put_line('---');

end loop;

end if;

end loop;

end;

（上下滑动查看完整代码）

如下可发现表并自动未分区：

正常情况下分区是自动创建并清理的，如下：

PARTITION NAME SNAP_ID DBID

--------------------------- ------- ----------

WRH$_ACTIVE_1489418862_4171 Min 4180 1489418862

WRH$_ACTIVE_1489418862_4171 Max 4181 1489418862

---

WRH$_ACTIVE_1489418862_4182 Min 4182 1489418862

WRH$_ACTIVE_1489418862_4182 Max 4194 1489418862

---

WRH$_ACTIVE_1489418862_4195 Min 4195 1489418862

WRH$_ACTIVE_1489418862_4195 Max 4218 1489418862

---

WRH$_ACTIVE_1489418862_4219 Min 4219 1489418862

WRH$_ACTIVE_1489418862_4219 Max 4242 1489418862

---

WRH$_ACTIVE_1489418862_4243 Min 4243 1489418862

WRH$_ACTIVE_1489418862_4243 Max 4266 1489418862

---

WRH$_ACTIVE_1489418862_4267 Min 4267 1489418862

WRH$_ACTIVE_1489418862_4267 Max 4290 1489418862

---

WRH$_ACTIVE_1489418862_4291 Min 4291 1489418862

WRH$_ACTIVE_1489418862_4291 Max 4314 1489418862

以下为清除ASH数据的方式：

exec DBMS_WORKLOAD_REPOSITORY.DROP_SNAPSHOT_RANGE(low_snap_id =>2810,high_snap_id =>18000);

alter table WRH$_ACTIVE_SESSION_HISTORY shrink space;

DROP_SNAPSHOT_RANGE 处理方式上本质为delete相关数据，实际执行时间很长（这次夜间执行用了6小时），shrink操作也是执行了半个小时。可以考虑直接把这个大分区truncate掉（当然会丢部分性能数据）。

alter table sys.wrh$_active_session_history truncate partition WRH$_ACTIVE_xxxx_xxxx update global indexes;

上述操作完成后，SQL已经能秒出了，然而源头问题分区表WRH$_ACTIVE_SESSION_HISTORY 是否能自动新建分区，并自动清理过期ASH数据通过以下命令（官方推荐处理方式，参考文档 387914.1）并不一定达到想要的效果。

alter session set "_swrf_test_action" = 72;

本文处理时有点经验主义，这步操作没抱太大期望，结果顺利达到预期效果。也有相当部分场景执行命令后还是不能自动分区，这时候，没错要打补丁了。数据库版本从11.2.0.2到12.1.0.1，可在线打。

修补DBA短板：监控SQL优化案例两则

降本的Kubernetes何时成了“成本刺客”？

YouTube如何利用MySQL支撑24.9亿用户？

人肉运维100次后，年底出了P0级故障……

关于国产数据库我不得不说

分库分表，可能真的要退出历史舞台了！