As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Ferramentas para a fase de descoberta
Esta seção discute as ferramentas AWS e as ferramentas da Oracle que estão disponíveis para a fase de descoberta e a finalidade de cada uma. Você pode usar uma ou mais ferramentas dessa lista com base em seus requisitos, habilidades e licenças
Finalidade |
Ferramenta |
|---|---|
Determine quais recursos do Exadata você está usando atualmente |
Oracle Automatic Workload Repository (AWR), Oracle Enterprise Manager (OEM), visualizações de dicionário, Cell Control Command-Line Interface (CellCli) |
Determine quais recursos da Enterprise Edition você está usando atualmente |
Visualizações do dicionário, AWS Schema Conversion Tool (AWS SCT) |
Analise estatísticas do banco de dados e eventos de espera |
|
Estime os recursos e o tamanho certo |
GUERRA
O Oracle Automatic Workload Repository (AWR) está incluído no Oracle Database Enterprise Edition (EE). Ele coleta, processa e mantém automaticamente as estatísticas de desempenho do banco de dados. Você pode acessar essas estatísticas por meio de relatórios AWR, visualizações de banco de dados ou Oracle Enterprise Manager (OEM). Quando você consolida várias cargas de trabalho em um único banco de dados usando diferentes serviços Oracle
O AWR é licenciado sob o Oracle Diagnostics Pack (consulte as informações de licenciamento
Você pode gerar relatórios AWR no nível da instância ou globalmente para todas as instâncias de um banco de dados do Real Application Cluster (RAC) ou para um ID SQL específico. Para obter mais informações, consulte o guia de ajuste de desempenho do Oracle Database
Você pode usar o AWR para analisar sua carga de trabalho do Exadata, os recursos específicos do Exadata usados por sua carga de trabalho, os benefícios dos recursos específicos do Exadata, diferentes estatísticas de banco de dados e eventos de espera e os recursos necessários para hospedar a carga de trabalho na AWS. Essas estatísticas e métricas ricas coletadas pelo AWR abrangem várias camadas do sistema Exadata, incluindo servidores de banco de dados, células de armazenamento, rede de interconexão, RAC e grupos de discos ASM. A tabela a seguir resume as principais métricas e estatísticas do AWR nas quais se concentrar durante uma migração do Exadata. A cobertura de todas as estatísticas e métricas relevantes para a fase de descoberta está além do escopo deste guia.
Métrica |
Indica |
Relevância |
|---|---|---|
Confirmações de usuários |
Compromissos emitidos no limite de uma transação |
Natureza da carga de trabalho |
Proporção de acertos de cache de buffer |
Com que frequência um bloco solicitado foi encontrado no cache do buffer sem exigir acesso ao disco |
Natureza da carga de trabalho |
Solicitações de leitura física de vários blocos |
O número total de solicitações de leitura que foram lidas em dois ou mais blocos de banco de dados por solicitação |
Natureza da carga de trabalho, características de E/S |
Leitura física do total de solicitações de I/O |
O número total de solicitações de leitura |
Natureza da carga de trabalho, características de E/S |
Bytes físicos de E/S da célula elegíveis para descarga de predicados |
O número de bytes no disco elegíveis para o descarregamento de predicados |
Dependência do recurso Exadata Smart Scan |
Bytes de interconexão de E/S física da célula |
O número de bytes de E/S que foram trocados pela interconexão entre o host do banco de dados e as células |
Dependência do recurso Exadata Smart Scan |
Bytes de interconexão de E/S física da célula retornados pelo Smart Scan |
O número de bytes de E/S que são retornados pela célula para operações do Smart Scan |
Dependência do recurso Exadata Smart Scan |
Bytes físicos de E/S da célula salvos pelo índice de armazenamento |
Quantos bytes de E/S foram eliminados pela aplicação de índices de armazenamento no nível da célula de armazenamento. |
Dependência de recursos do Exadata Storage Index |
Solicitações de leitura físicas otimizadas |
O número de solicitações de leitura que foram otimizadas pelo Exadata Smart Flash Cache ou por meio de índices de armazenamento |
Dependência do índice de armazenamento do Exadata e do recurso Smart Flash Cache |
Resultados de leitura do Cell Flash Cache |
O número de solicitações de leitura que encontraram uma correspondência no Exadata Smart Flash Cache |
Dependência do recurso Exadata Smart Flash Cache |
Cell CLI
A Cell Control Command-Line Interface (CellCli) é a ferramenta de administração e monitoramento de linha de comando para células de armazenamento do Exadata que é pré-configurada nos servidores de células de armazenamento do Exadata. Esse utilitário extrai informações diretamente do hardware ou do software do servidor de armazenamento.
Para obter a lista completa de métricas disponíveis para o CellCli, consulte a documentação do Oracle Exadata
CellCLI>LIST metricDefinition WHERE objectType=cell;
Para analisar métricas diferentes, conecte-se diretamente ao servidor de armazenamento e use o CellCli list metriccurrent ou o list metrichistory comando para lê-las.
CellCLI> list metriccurrent CD_BY_FC_DIRTY CD_00_celladm-01 0.000 MB … … SIO_IO_WR_RQ_FC_SEC SMARTIO 0.000 IO/sec SIO_IO_WR_RQ_HD SMARTIO 3,660,097 IO requests SIO_IO_WR_RQ_HD_SEC SMARTIO 0.000 IO/sec
Você deve executar o CellCli em nós celulares individuais para coletar métricas para esse nó. Você também pode executar comandos do CellCli dcli a partir de para coletar métricas para um grupo de nós celulares.
./dcli -g mycells "cellcli -e list metriccurrent GD_IO_BY_R_LG \ attributes alertstate, metricvalue";
O Exadata transfere muitas tarefas que consomem muitos recursos para servidores de células de armazenamento. Portanto, é importante entender como vários recursos são usados nas células de armazenamento para dimensionar corretamente as instâncias de computação no ambiente de destino. A tabela a seguir mostra algumas das principais métricas do Exadata dos servidores de células de armazenamento que podem ajudá-lo a entender como os recursos são usados nas células de armazenamento.
Métrica |
Descrição |
|---|---|
|
A utilização da CPU celular |
|
A porcentagem da memória física total usada |
|
O número de megabytes recebidos pelas InfiniBand interfaces por segundo |
|
O número de megabytes transmitidos pelas InfiniBand interfaces por segundo |
|
A taxa (número de megabytes) recebida por segundo de um determinado host |
|
A taxa (número de megabytes) enviada por segundo de um determinado host |
|
Latência média da solicitação de gravação de redo log |
|
Latência média de gravação de redo log, que inclui somente latência de E/S de gravação |
|
O número de solicitações de I/O de gravação por segundo que ignoram o Flash Cache |
|
O número de solicitações de E/S de leitura por segundo que ignoram o Flash Cache |
|
O número de megabytes por segundo elegíveis para descarga por E/S inteligente |
|
O número de megabytes de interconexão por segundo retornados pela E/S inteligente |
|
O número de megabytes por segundo lidos do Flash Cache por E/S inteligente |
|
O número de megabytes por segundo lidos do disco rígido por E/S inteligente |
|
O número de megabytes por segundo da população de operações de gravação do Flash Cache por E/S inteligente |
|
O número de megabytes por segundo salvos pelo índice de armazenamento |
O comando CellCli a seguir é executado em um nó de célula do Exadata para mostrar as estatísticas relacionadas aos principais recursos do Exadata.
CellCLI> list metrichistory where collectionTime > '2022-06-13T15:42:00+01:00' and collectionTime < '2022-06-13T15:43:00+01:00' and name like 'SIO_.*SEC.*' SIO_IO_EL_OF_SEC SMARTIO 1,223 MB/sec 2022-06-13T15:42:03+01:00 SIO_IO_OF_RE_SEC SMARTIO 34.688 MB/sec 2022-06-13T15:42:03+01:00 SIO_IO_PA_TH_SEC SMARTIO 0.000 MB/sec 2022-06-13T15:42:03+01:00 SIO_IO_RD_FC_HD_SEC SMARTIO 0.174 MB/sec 2022-06-13T15:42:03+01:00 SIO_IO_RD_FC_SEC SMARTIO 843 MB/sec 2022-06-13T15:42:03+01:00 SIO_IO_RD_HD_SEC SMARTIO 0.101 MB/sec 2022-06-13T15:42:03+01:00 SIO_IO_RD_RQ_FC_HD_SEC SMARTIO 0.183 IO/sec 2022-06-13T15:42:03+01:00 SIO_IO_RD_RQ_FC_SEC SMARTIO 850 IO/sec 2022-06-13T15:42:03+01:00 SIO_IO_RD_RQ_HD_SEC SMARTIO 0.000 IO/sec 2022-06-13T15:42:03+01:00 SIO_IO_RV_OF_SEC SMARTIO 3.392 MB/sec 2022-06-13T15:42:03+01:00 SIO_IO_SI_SV_SEC SMARTIO 362 MB/sec 2022-06-13T15:42:03+01:00 SIO_IO_WR_FC_SEC SMARTIO 0.008 MB/sec 2022-06-13T15:42:03+01:00 SIO_IO_WR_HD_SEC SMARTIO 0.000 MB/sec 2022-06-13T15:42:03+01:00 SIO_IO_WR_RQ_FC_SEC SMARTIO 0.017 IO/sec 2022-06-13T15:42:03+01:00 SIO_IO_WR_RQ_HD_SEC SMARTIO 0.000 IO/sec 2022-06-13T15:42:03+01:00
Neste exemplo, as estatísticas SIO_IO_SI_SV_SEC indicam que 362 MBps de E/S são salvos pelo índice de armazenamento, SIO_IO_RD_RQ_FC_SEC indica que 850 E/S por segundo são atendidas pelo Flash Cache e SIO_IO_OF_RE_SEC indica que 34 MBps de E/S são retornados pelo Smart Scan.
Em outro exemplo, a saída do dcli comando a seguir mostra uma utilização muito baixa da CPU em todos os nós de células em um sistema Exadata. Isso potencialmente indica uma carga de trabalho que não se beneficia significativamente dos recursos da camada de armazenamento do Exadata.
dcli -g ../cell_group cellcli -e \ list metriccurrent where name='CL_CPUT'; cm01cel01: CL_CPUT cm01cel01 0.2 % cm01cel02: CL_CPUT cm01cel02 0.2 % cm01cel03: CL_CPUT cm01cel03 0.7 %
Controle de nuvem OEM
O Oracle Enterprise Manager (OEM) Cloud Control fornece recursos centralizados e abrangentes de end-to-end monitoramento, gerenciamento, administração e suporte para todos os principais sistemas Oracle. A melhor maneira de monitorar e gerenciar o Exadata é usando o OEM, pois ele está totalmente integrado a todos os componentes de software e hardware do Exadata.
Você pode acessar muitas das métricas que foram discutidas até agora usando painéis de OEM. Alguns dos principais painéis que são úteis na fase de descoberta da migração do Exadata são:
-
Utilização de recursos em servidores de banco de dados
-
Estatísticas de armazenamento e E/S das células de armazenamento
-
InfiniBand estatísticas do switch
-
Estatísticas do grupo de discos ASM
-
Desempenho do banco de dados usando AWR, Automatic Database Diagnostic Monitor (ADDM) e Active Session History (ASH)
-
Ferramentas de consultoria, como SGA Advisory e SQL Tuning Advisor
No entanto, alguns dos painéis são licenciados sob pacotes diferentes, como o Oracle Diagnostics Pack ou o Oracle Tuning Pack. Para obter detalhes, consulte as informações de licenciamento da Oracle
Visualizações do banco de dados
Você pode consultar as visualizações do banco de dados (visualizações de dicionário e visualizações de desempenho dinâmico) em um banco de dados Oracle para recuperar estatísticas úteis relacionadas aos recursos do Exadata para seu banco de dados ou instância. A tabela a seguir mostra algumas das principais visualizações que exibem estatísticas críticas que são úteis para a fase de descoberta.
Visão |
Descrição |
|---|---|
|
Identifica tabelas que usam o recurso HCC |
|
Mostra estatísticas históricas relacionadas ao Exadata |
|
Exibe informações sobre o uso de recursos do banco de dados |
|
Exibe informações históricas sobre estatísticas SQL |
|
Exibe estatísticas de desempenho para grupos de discos ASM |
|
Exibe informações históricas sobre o desempenho dos discos nas células |
|
Exibe o histórico da sessão ativa |
|
Fornece previsões do número de operações de leitura física para o tamanho do cache |
|
Exibe descobertas de várias tarefas consultivas, como o SQL Tuning Advisor |
Os exemplos a seguir mostram estatísticas recuperadas das visualizações do banco de dados que são úteis para a fase de descoberta.
Essa consulta mostra uma única tabela no banco de dados que está habilitada para HCC com modo de QUERY
HIGH compactação:
select table_name, compression, compress_for from dba_tables where compression = 'ENABLED'; TABLE_NAME COMPRESS COMPRESS_FOR ------------------------------ -------- ------------ ORDER_ITEMS ENABLED QUERY HIGH
Essa consulta exibe o uso do recurso do banco de dados, o que ajuda a determinar a dependência do recurso no Oracle Database Enterprise Edition:
select name c1, detected_usages c2, first_usage_date c3, currently_used c4 from dba_feature_usage_statistics where first_usage_date is not null; times first used feature used used now --------------------------------------------- -------- --------- ----- Protection Mode - Maximum Performance 24 18-AUG-20 TRUE Recovery Area 24 18-AUG-20 TRUE Server Parameter File 24 18-AUG-20 TRUE Shared Server 4 18-AUG-20 FALSE Streams (system) 24 18-AUG-20 TRUE Virtual Private Database (VPD) 24 18-AUG-20 TRUE Automatic Segment Space Management (system) 24 18-AUG-20 TRUE Automatic Segment Space Management (user) 24 18-AUG-20 TRUE Automatic SQL Execution Memory 24 18-AUG-20 TRUE Automatic Undo Management 24 18-AUG-20 TRUE Character Set 24 18-AUG-20 TRUE Dynamic SGA 1 18-AUG-20 FALSE Locally Managed Tablespaces (system) 24 18-AUG-20 TRUE Locally Managed Tablespaces (user) 24 18-AUG-20 TRUE Multiple Block Sizes 7 25-DEC-20 TRUE Partitioning (system) 24 18-AUG-20 TRUE
Essa consulta mostra o total de bytes físicos lidos, bytes elegíveis para descarregamento de células e bytes retornados da célula de armazenamento para uma instrução SQL para um snapshot AWR específico:
select ROUND(physical_read_bytes_delta/EXECUTIONS_DELTA)/1024/1024 phyrd_mb , ROUND(IO_OFFLOAD_ELIG_BYTES_TOTAL/EXECUTIONS_DELTA)/1024/1024 elig_mb , ROUND(io_interconnect_bytes_delta/EXECUTIONS_DELTA)/1024/1024 ret_mb from dba_hist_sqlstat where sql_id = 'zg2fg7abfx2y' and snap_id between 12049 and 12050; PHYRD_MB ELIG_MB RET_MB SAVING% ---------- ---------- ---------- ---------- 10815 10815 3328 69.2%
AWS SCT
O AWS Schema Conversion Tool (AWS SCT) torna previsíveis as migrações heterogêneas de bancos de dados. Ele converte automaticamente o esquema do banco de dados de origem e a maioria dos objetos de código do banco de dados, incluindo visualizações, procedimentos armazenados e funções, em um formato compatível com o banco de dados de destino. Todos os objetos que não podem ser convertidos automaticamente são claramente marcados para que você possa convertê-los manualmente para concluir a migração. AWS SCT pode prever os esforços necessários para uma migração heterogênea quando uma ação manual é necessária para converter objetos do banco de dados. Essa ferramenta também pode indicar dependências nos recursos do Oracle Database Enterprise Edition (EE). Você pode usar essa análise para decidir se deve considerar a migração do EE para o SE2. Para obter mais informações, consulte a seção Edições e versões do banco de dados, anteriormente neste guia. Para obter informações sobre o uso AWS SCT para migrações heterogêneas, consulte a seção Executando a migração posteriormente neste guia.
