AWR相信DBA们都不陌生。Automatic Workload Repository，自动负载信息库，就是Oracle把数据库中比较重要的性能视图里的信息，定期从内存保存到数据库里面。默认情况下，Oracle 会每个一个小时保存一次。另外，Oracle也有机制保证信息库的大小不至于无限增长，所以一般信息库只保留7天的数据。默认是保存在SYSAUX表空间中。主要的信息涵盖了Oracle较重要的性能相关信息。
底层存储为WRH$* 表， 通常可通过DBA_HIST_*访问，总共有100多张表。
对于AWR, 常规的用法是生成AWR或者ASH报告。
下面列举了几个最常见的方法。
@?/rdbms/admin/awrrpt.sql -- 标准报告，特定时间段内总体性能报告
@?/rdbms/admin/awrddrpt.sql -- 对比报告，两个时间段内性能对比
@?/rdbms/admin/ashrpt.sql -- ASH报告，特定时间段内历史会话性能报告
@?/rdbms/admin/awrsqrpt.sql -- SQL报告，特定时间段内SQL性能报告
AWR/ASH报告很不错，但也有一些缺陷。
首先，AWR反应的是点对点的数据。比如说，我生成一个今天9:00到12:00的AWR报告，那么，我看到的，就是12:00和9:00两个时间点的变化。但是，9:00-10:00, 10:00-11:00,11:-12:00 分别是什么样的，我们看不到。
另外一个问题，AWR把数据都罗列出来，但却缺乏数据间的联系.
AWR混入大量无用数据, 导致生成AWR报告需要30秒到几分钟的时间，所以，如果我们有裸数据，其实可以更高效，更深入的挖掘Oracle数据库的性能信息。
在裸数据里面，记录的各种指标主要有4类
最多的一种是"累计值"
举个例子 dba_hist_sysstat 里会记录数据库的逻辑读。记录的不是这一个小时产生的逻辑读，而是从数据库启动到产生快照的时候的总的逻辑读。这就叫累计值，大多数的指标的是累计值。
也有部分数据记录的是"当前值"
比如说，数据库当前的PGA使用量，数据库的会话数等，还有比较特殊的，会记录两次快照之间的变化值。我们可以认为，这是一种预计算，最常见的记录变化值的两类数据，分别是SQL相关统计信息，以及段(segment)相关统计信息，当然，SQL/Segment记录变化值的同时，也记录了累计值。
还有一类，记录的是”统计值“
就是把一段时间内的数据，做了统计之后保存了起来，这些主要是METRIC类的数据。比如说，每秒CPU, 每秒最大等待时间等。
对于DBA来说，最关心的一般是变化值，
两次快照之间的变化量。这是一个简单的SQL, 获取数据库的历史性能信息里的redo size 信息
select SNAP_ID,STAT_NAME,VALUE from DBA_HIST_SYSSTAT
where STAT_NAME=‘redo size’ order by snap_id;
我们现在看到的，就是累计值。那么，怎么方便的获取变化值呢？
1、要取得变化值，需要取出后面的记录，减去前面的记录。
如果仅仅是两个时间点，最简单的方法就是访问这个表两次，然后相减。
select a.value - b.value
from DBA_HIST_SYSSTAT A,DBA_HIST_SYSSTAT B
where A.STAT_NAME=‘redo size’ and
A.STAT_NAME = B.STAT_NAME and a.snap_id = 123 and b.snap_id = 122
这样得到是两个点之间的差值，但是对我们来说，玩玩是不够的。
2、有时候，我们希望得到一个时间段内，每两个连续快照之间的变化值。比如说，9:00-21:00, 我们希望获得 9:00-10:00, 10:-11:00... 20:00-21:00, 每个时间段分别的变化值。
这里就涉及到Oracle的分析函数了分析函数
Oracle的分析函数提供了在一个结果集内，跨行访问数据的能力。分析函数里面的LEAD/LAG正是跨行获取数据的利器
LAG : 同一组内，排在当前行之前的数据
LEAD : 同一组内，排在当前行之后的数据
如图所示，可以看到，我们要的是拿当前value 减去 lag value。
select snap_id,stat_name,
value-lag(value) over
(partition by stat_name order by snap_id)
from dba_hist_sysstat
where stat_name = 'redo size'
order by snap_id;
这就是分析函数LAG的完整语法。
3、我们一般不会满足获取一个指标的变化值的，下面的表，才是我们希望获得的。
这里又引入了进阶SQL的另一个写法：行列转换。
大家可以体会一下，如何使用sum(case when .. then .. end )或者max(case when .. then .. end )的形式的形式来进行行列转换，但用Case when来写行列转换，很容易使SQL冗长，而且容易出错。
Oracle 11g中，提供了更方便的方式进行行列转换
大家可以看到，标黄大写的PIVOT， 正是Oracle 11g中引入的行列转换利器。使用PIVOT, 增减指标极其简单：
很轻松就加了两个指标，如果觉得列名不好看，也可以自己指定。
其实，我们可以很轻松的就把AWR报告中的"Load Profile"部分通过行列转换给取出来，而且，是多个连续变化的值。
把跑的结果拷到Excel, 很容易就出来一个漂亮的趋势图。
但是，这个图是有问题的：图里的REDO Size是以byte为单位的，值太大，把别的指标统统压到和0差不多，多个指标要到同一个图，还能看出各自的趋势，对于多指标关联的分析很有作用。
这时候，又有一个分析函数出来了。没错，因为我们是在对Oracle的性能数据进行分析，所以，需要大量的使用”分析函数“
分析函数： Ratio_To_Report 求当前行数据在所有同组数据内占的比例。比如说，我的结果集里有3行，分别是1,3,6. 那么1对应的那一行，占总数据(1+3+6)的10%, 出来的结果就是0.1（10%）.
select * from (
select snaptime,RATIO_TO_REPORT(value) over(partition by stat_name) value,stat_name,snap_id
from (… )) PIVOT (sum(value) for stat_name in (
…))order by snap_id;
在这个图里面，大家就都平等了，也更方便的去看各个指标之间是否存在关联
再给大家看另一个SQL, 还是ratio_to_report, 这次，我们拿到的结果，其实是AWR报告里另一个非常重要的数据:Top Timed Events
我把每个时间段的CPU时间和非空闲事件给放在一起，然后计算每个事件(含CPU)在每个时间段占的百分比，就得到 Top Timed Events，而且是连续的多个时间的数据。
在看AWR时，有几个区域是必看的。
-
第一个是LOAD PROFILE.
参考前面用来演示lag() 函数的部分：
select * from (select snap_id,STAT_NAME,
value-lag(value) over(partition by STAT_NAME
order by snap_id) value
from dba_hist_sysstat where stat_name in (
‘redo size’,‘execute count’,‘DB time’,‘physical reads‘
) ) PIVOT (sum(value) for stat_name in (
'redo size','execute count','DB time','physical reads‘
))order by snap_id;把stat_name里面的部分，加上LOAD PROFILE的其他指标，就是个完整的load profile了。
通过load profile, 大家可以对系统的总体负载有个准确的认识。
-
第二个部分，是Top timed events, 最耗时间的等待事件（包括CPU)的部分
通过这个部分，大家可以了解整个系统的性能瓶颈:
select snap_id,event,pct||'%' PCT,time from (
select snap_id,event,round(time)time,
round(RATIO_TO_REPORT(TIME) over(partition by snap_id)*100,1) pct
from( select 'CPU Time' EVENT,snap_id,value/100 - LAG(value)over(partition by stat_name order by snap_id)/100 TIME
from DBA_HIST_SYSSTAT where stat_name = 'CPU used by this session'
union all select event_name,snap_id, time_waited_micro/1e6 -
LAG(time_waited_micro) over(partition by event_name order by snap_id)/1e6
from DBA_HIST_SYSTEM_EVENT where wait_class!='Idle'
)where time>0) where pct>1 order by snap_id,time desc-
通常来说，知道了系统负载，系统瓶颈，我们还需要了解的是第三个部分： Top SQL
通过Top SQL, 我们可以了解系统运行过哪些主要的语句。
但是，传统的AWR报告中的Top SQL是有缺陷的。最主要的问题，它的信息是分散的。
在对SQL进行判断时，我会结合多个指标。执行时间(elapsed Time)、CPU时间(CPU Time)、逻辑读(Buffer gets)、物理读(disk reads)、执行次数（executions）、返回行数（rows_processed）,但是，传统的awr报告，这些指标分布在不同位置。看起来很不方便。比如说这个，有执行时间，执行次数，CPU时间。但缺乏逻辑读，物理读，返回行数等，有时候，还得专门去找。
所以呢，我经常访问裸数据，使用SQL, 直接从数据库里取出包含完整信息的Top SQL.
另外，根据不同的情况，我们可能关心的点也不一样。比如说，系统CPU消耗严重，我们更关心SQL order by CPU, I/O严重时，关心的则是物理读。所以我用的SQL, 可以支持同时取出按不同指标的排序的Top N SQL.
比如说， Top 10 by elapsed time, Top 10 by CPU, Top 10 by disk reads.
大家都知道，传统的order by + rownum < N 的方式只支持对其中一个指标进行排名，显然是不够的。而分析函数，又再次发挥了作用。
select sql.*, (select SQL_TEXT from dba_hist_sqltext t
where t.sql_id = sql.sql_id and rownum=1 ) SQLTEXT
from (select a.* ,
RANK() over( order by els desc) as r_els,
RANK() over( order by phy desc) as r_phy,
RANK() over( order by get desc) as r_get,
RANK() over( order by exe desc) as r_exe,
RANK() over( order by CPU desc) as r_cpu
from (
select sql_id,sum(executions_delta) exe,round(sum(elapsed_time_delta ) / 1e6, 2) els
,round(sum(cpu_time_delta) / 1e6, 2) cpu,
round(sum(iowait_delta) / 1e6, 2) iow,sum(buffer_gets_delta) get,
sum(disk_reads_delta) phy,sum(rows_processed_delta) RWO,
round(sum(elapsed_time_delta) / greatest(sum(executions_delta), 1) / 1e6,4) elsp,
round(sum(cpu_time_delta) / greatest(sum(executions_delta), 1) / 1e6, 4) cpup,
round(sum(iowait_delta) / greatest(sum(executions_delta), 1) / 1e6, 4) iowp,
round(sum(buffer_gets_delta) / greatest(sum(executions_delta), 1), 2) getp,
round(sum(disk_reads_delta) / greatest(sum(executions_delta), 1), 2) phyp,
round(sum(rows_processed_delta) / greatest(sum(executions_delta), 1), 2) ROWP
from dba_hist_sqlstat s
--where snap_id between ... and ...
group by sql_id ) a
)SQL where r_els <= 10 or r_phy <=10 or r_cpu<=10 order by els desc大家可以看到，这里面用到了 RANK() 函数。这个函数可以得出根据某个指标排序的排名。然后再通过最后的 r_els <= 10 or r_phy <=10 or r_cpu<=10 的过滤条件，就可以获取按照多个指标排序的Top N了。
有时候，我会把这个结果想办法做成HTML, 就变成这个效果了。
在分析SQL中，还有很重要的信息。
第一个是执行计划。
select * from table(dbms_xplan.display_awr('&SQLID'))
除了执行计划，还有一个信息不可或缺，就是绑定变量。
我碰到的SQL问题里面，有一个典型分类，就是SQL本来执行好好的，突然变差。这时候，在分析时，需要很关注的，就是历史绑定变量。Oracle在AWR裸数据中也保留了绑定变量:
DBA_HIST_SQLSTAT.BIND_DATA 这个栏位里面，保存了绑定变量
通过以下SQL, 可以获取历史绑定变量:
select snap_id,sq.sql_id,bm.position, dbms_sqltune.extract_bind(sq.bind_data,bm.position).value_string value_string
from dba_hist_sqlstat sq ,dba_hist_sql_bind_metadata bm
where sq.sql_id = bm.sql_id --and sq.sql_id = '&sql'出来的是行格式的，读起来不方便。用PIVOT 做一个行列转换就漂亮了。
select * from ( select snap_id, to_char(sn.begin_interval_time,'MM/DD-HH24:MI') snap_time, sq.sql_id,bm.position, dbms_sqltune.
extract_bind(bind_data,bm.position).value_string value_string from dba_hist_snapshot sn natural join dba_hist_sqlstat sq ,dba_hist_sql_bind_metadata bm
where sq.sql_id = bm.sql_id and sq.sql_id = '&sql'
) PIVOT (max(value_string) for position in (1,2,3,4,5,6,7,8,9,10))
order by snap_id完美的取出不同时间段的历史绑定变量值.
对于“SQL本来执行好好的，突然变差”的问题，有一个比较简洁的解决方式，就是尝试让SQL走回以前的执行计划。
Select plan_hash_value ,Sum(Elapsed_time_Delta) /greatest(Sum(Executions_Delta),1),sum(Executions_Delta) From dba_hist_sqlstat where sql_id = '&SQLID' group by plan_hash_value ;通过以上SQL, 可以快速获取某个SQL多个执行计划的执行效果。然后再想办法应用其执行计划，往往可以收到奇效。绑定执行计划的方法有多种，SPM/SQL Profile/SQL Patch等，具体我就不展开了。
不知道大家有没有碰到过这样的情况, 有时候，明明性能瓶颈在SQL,但Top SQL中DB Time(%)指标却很低,前10个加起来也不足20%.
像这个AWR, Top SQL by elapsed Time才记录了2%. 也就是说，你只能看到2%的性能相关的SQL.
其中一个主要原因是由于Shared Pool大小限制以及非绑定变量问题，导致SQL可能会被漏记,这种情况下，怎么办呢？
其实，有个地方不会被漏记。就是Top Segments.通常，如果Top SQL中找不到太多信息，我们可以去看看Top Segments:
这是摘自同一个AWR的信息。 Top segments 告诉我们，对表的访问集中在前面3个，我们可以专注于这几个表的问题。
当然， 同样可以通过SQL直接访问裸数据获取相关信息:
Select begin_interval_time,seg.snap_id,PHYSICAL_READS_DELTA, object_name,subobject_name
from DBA_HIST_SEG_STAT SEG ,DBA_HIST_SEG_STAT_OBJ O , dba_hist_snapshot snap
where o.obj# = seg.obj# and o.dataobj# = seg.dataobj# and PHYSICAL_READS_DELTA > 1e5 and seg.snap_id = snap.snap_id
and begin_interval_time > sysdate - 4/24
order by PHYSICAL_READS_DELTA desc这是一个常用的AWR裸数据的列表:
AWR裸数据如此的重要，对于关心数据库性能的DBA们，我们需要好好的保护好它们~
1. 系统保存时间,默认7天远远不足，建议改到30天以上，跨过一个月结周期
2. 需要的时候，我们可以对裸数据进行离线备份
@?/rdbms/admin/awrextr
3. 甚至，我们可以把裸数据专门找个数据库存起来，作为一个资料库使用。
@?/rdbms/admin/awrload
4. 有时候，也可以针对特定的表进行备份。比如说，我刚刚贴的这个列表
原文发布时间为：2018-05-22
本文作者：罗海雄
