oracle 10g awr 报告分析-凯发app官方网站

   记录了执行总和时间的top sql(请注意是监控范围内该sql的执行时间总和，而不是单次sql执行时间elapsedtime= cputimewait time)。

sql ordered by elapsed time

• resources reported for pl/sql code includes the resources used by all sql statements called by the code.
• % total db time is the elapsed time of the sql statement divided into the total database time multiplied by 100

  elapsed time(s): sql语句执行用总时长，此排序就是按照这个字段进行的。注意该时间不是单个sql跑的时间，而是监控范围内sql执行次数的总和时间。单位时间为秒。elapsedtime= cputimewait time

  cpu time(s): 为sql语句执行时cpu占用时间总时长，此时间会小于等于elapsed time时间。单位时间为秒。

 executions: sql语句在监控范围内的执行次数总计。

 elap per exec(s):执行一次sql的平均时间。单位时间为秒。

 % total db time: 为sql的elapsed time时间占总时间的百分比。

 sql id:sql语句的id编号，点击之后就能导航到下边的sql详细列表中，点击ie的返回可以回到当前sql id的地方。

 sql module: 显示该sql是用什么方式连接到数据库执行的，如果是用sql*plus或者pl/sql链接上来的那基本上都是有人在调试程序。一般用前台应用链接过来执行的sql该位置为空。

 sql text:简单的sql提示，详细的需要点击sql id。

 记录了执行占cpu时间总和时间最长的top sql(请注意是监控范围内该sql的执行占cpu时间总和，而不是单次sql执行时间)。

 记录了执行占总buffer gets(逻辑io)的top sql(请注意是监控范围内该sql的执行占gets总和，而不是单次sql执行所占的gets).

记录了执行占总磁盘物理读(物理io)的top sql(请注意是监控范围内该sql的执行占磁盘物理读总和，而不是单次sql执行所占的磁盘物理读)。

 记录了按照sql的执行次数排序的top sql。该排序可以看出监控范围内的sql执行次数。

 记录了sql的软解析次数的top sql。

 说到软解析(soft prase)和硬解析(hard prase)，就不能不说一下对sql的处理过程。当你发出一条sql语句交付oracle，在执行和获取结果前，oracle对此sql将进行几个步骤的处理过程：

　　1、语法检查(syntax check)

　　检查此sql的拼写是否语法。

　　2、语义检查(semantic check)

　　诸如检查sql语句中的访问对象是否存在及该用户是否具备相应的权限。

　　3、对sql语句进行解析(prase)

　　利用内部算法对sql进行解析，生成解析树(parse tree)及执行计划(execution plan)。

　　4、执行sql，返回结果(execute and return)

　　其中，软、硬解析就发生在第三个过程里。

　　oracle利用内部的hash算法来取得该sql的hash值，然后在library cache里查找是否存在该hash值；

　　假设存在，则将此sql与cache中的进行比较；

　　假设“相同”，就将利用已有的解析树与执行计划，而省略了优化器的相关工作。这也就是软解析的过程。

　　诚然，如果上面的2个假设中任有一个不成立，那么优化器都将进行创建解析树、生成执行计划的动作。这个过程就叫硬解析。

　　创建解析树、生成执行计划对于sql的执行来说是开销昂贵的动作，所以，应当极力避免硬解析，尽量使用软解析。这就是在很多项目中，倡导开发人员对功能相同的要努力保持代码的一致性，以及要在程序中多使用绑定变量的原因。

/****************************************************/

大家都在说在sql中使用了bind var（绑定变量）会提高不少性能，那他到底是如何提高性能的呢？

使用了bind var能提高性能主要是因为这样做可以尽量避免不必要的硬分析（hard parse）而节约了时间，同时节约了大量的cpu资源。

当 一个client提交一条sql给oracle后，oracle首先会对其进行解析（parse），然后将解析结果提交给优化器（optimiser）来 进行优化而取得oracle认为的最优的query plan，然后再按照这个最优的plan来执行这个sql语句（当然在这之中如果只需要软解析的话会少部分步骤）。

但 是，当oracle接到client提交的sql后会首先在共享池（shared pool）里面去查找是否有之前已经解析好的与刚接到的这一个sql完全相同的sql（注意这里说的是完全相同，既要求语句上的字符级别的完全相同，又要 求涉及的对象也必须完全相同）。当发现有相同的以后解析器就不再对新的sql在此解析而直接用之前解析好的结果了。这里就节约了解析时间以及解析时候消耗 的cpu资源。尤其是在oltp中运行着的大量的短小sql，效果就会比较明显了。因为一条两条sql的时间可能不会有多少感觉，但是当量大了以后就会有 比较明显的感觉了。

上面说到了硬解析（hard parse），那这个hard parse到底是个啥呢？

parse主要分为三种：

1、hard parse （硬解析）

2、soft parse （软解析）

3、soft soft parse（好像有些资料中并没有将这个算在其中）

hard parse就是上面提到的对提交的sql完全重新从头进行解析（当在shared pool中找不到时候将会进行此操作），总共有一下5个执行步骤：

1：语法分析

2：权限与对象检查

3：在共享池中检查是否有完全相同的之前完全解析好的—如果存在,直接跳过4和5,运行sql（此时算soft parse）

4：选择执行计划

5：产生执行计划

soft parse就如果是在shared pool中找到了与之完全相同的sql解析好的结果后会跳过hard parse中的后面的两个步骤。

soft soft parse实际上是当设置了session_cursor_cache这个参数之后，cursor被直接cache在当前session的pga中的，在 解析的时候只需要对其语法分析、权限对象分析之后就可以转到pga中查找了，如果发现完全相同的cursor，就可以直接去取结果了，也就就是实现了 soft soft parse。

不过在计算解析次数的时候是只计算hard parse和soft parse的（其实soft soft parse好像也并不能算是做了parse ）：

soft parse百分比计算：round(100*(1-:hprs/:prse),2) [hprs：硬解析次数；prse：解析次数]

parse比率计算： round(100*(1-prse/exec) ,2) [exec：执行次数]

  软解析过多的意思就是说session_cursor_cache的数值有可能小了，一些频繁调用的sql在cache中找不到相同的cursor。

 记录了sql占用library cache的大小的top sql。

sharable mem (b)：占用library cache的大小。单位是byte。

 记录了sql的打开子游标的top sql。

 在 硬解析的过程中，进程会一直持有library cach latch，直到硬解析结束。硬解析结束以后，会为该sql产生两个游标，一个是父游标，另一个是子游标。父游标里主要包含两种信息：sql文本以及优化 目标（optimizer goal）。父游标在第一次打开时被锁定，直到其他所有的session都关闭该游标后才被解锁。当父游标被锁定的时候是不能被交换出library cache的，只有在解锁以后才能被交换出library cache，这时该父游标对应的所有子游标也被交换出library cache。子游标包括游标所有的信息，比如具体的执行计划、绑定变量等。子游标随时可以被交换出library cache，当子游标被交换出library cache时，oracle可以利用父游标的信息重新构建出一个子游标来，这个过程叫reload。可以使用下面的方式来确定reload的比率：
select 100*sum(reloads)/sum(pins) reload_ratio from v$librarycache;
一 个父游标可以对应多个子游标。子游标具体的个数可以从v$sqlarea的version_count字段体现出来。而每个具体的子游标则全都在 v$sql里体现。当具体的绑定变量的值与上次的绑定变量的值有较大差异（比如上次执行的绑定变量的值的长度是6位，而这次执行的绑定变量的值的长度是 200位）时或者当sql语句完全相同，但是所引用的对象属于不同的schema时，都会创建一个新的子游标

 记录了集群的等待时间的top sql