(轉):學習Oracle動態效能表-(20)-V$SYSTEM_EVENT
本檢視概括了例項各項事件的等待資訊。v$session_wait顯示了系統的當前等待項,v$system_event則提供了自例項啟動後各個等待事件的概括。常用於獲取系統等待資訊的歷史影像。而透過兩個snapshot獲取等待項增量,則可以確定這段時間內系統的等待項。
V$SYSTEM_EVENT中的常用列
l EVENT:等待事件名稱
l TOTAL_WAITS:此項事件總等待次數
l TIME_WAITED:此項事件的總等待時間(單位:百分之一秒)
l AVERAGE_WAIT:此項事件的平均等待用時(單位:百分之一秒)(time_waited/total_waits)
l TOTAL_TIMEOUTS:此項事情總等待超時次數
示例:
1.檢視系統的各項等待,按總耗時排序
SELECT event,total_waits waits,total_timeouts timeouts,
time_waited total_time,average_wait avg
FROM V$SYSTEM_EVENT
ORDERBY4DESC;
比如,透過checkpoint completed、log file switch(checkpoint incomplete)可以檢視檢查點程式的效能。透過log file parallel write、log file switch completed可以檢視聯機重做日誌檔案的效能。透過log file switch(archiving needed)事件可以檢查歸檔程式的效能。
找出瓶頸:
1。透過Statspack列出空閒事件。
2。檢查不同事件的等待時間開銷。
3。檢查每條等待記錄的平均用時,因為某些等待事件(比較log file switch completion)可能週期性地發生,但發生時卻造成了嚴重的效能損耗。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/9399028/viewspace-745265/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- Oracle OCP(20):建立表Oracle
- Oracle's V$ Views(轉)OracleView
- 動態生成表-判斷表是否存在效能對比
- Oracle 20C Concepts(Part V-1)Oracle
- Oracle 20C Concepts(Part V-2)Oracle
- Oracle 20C Concepts(Part V-3)Oracle
- Oracle 20C Concepts(Part V-4)Oracle
- Oracle 巢狀表(轉)Oracle巢狀
- oracle大表效能最佳化Oracle
- 動態規劃學習筆記動態規劃筆記
- oracle 表移動表空間Oracle
- Oracle表移動表空間Oracle
- Oracle Haip無法啟動問題學習OracleAI
- 機器學習的靜態特徵和動態特徵機器學習特徵
- 跟我一起學習和開發動態表單系統-動態表單系統的技術實現與優勢(2)
- Oracle Tuning (Oracle 效能調整)的一些總結(轉)Oracle
- 5/20學習程序
- 【MyBatis學習總結 (五),動態SQL】MyBatisSQL
- 動態元件與v-on元件
- 李沐動手學深度學習V2-chap_preliminaries深度學習
- 【react】實現動態表單中巢狀動態表單React巢狀
- Vue.js基礎學習(三) -------------動態繫結v-bind的介紹和使用Vue.js
- Oracle Tuning (Oracle 效能調整)的一些總結(轉)2Oracle
- Oracle DG資料庫狀態轉換Oracle資料庫
- ABAP動態內表
- angular動態表單Angular
- 動手學強化學習(四):動態規劃演算法強化學習動態規劃演算法
- Python學習筆記6——動態型別Python筆記型別
- java反射之動態代理學習筆記Java反射筆記
- DEDE整站動態/靜態轉換
- Oracle學習路線Oracle
- Oracle學習總結Oracle
- oracle之 手動建立 emp 表 與 dept 表Oracle
- oracle的靜態註冊和動態註冊Oracle
- iOS Tangram(VirtualView)動態元件的學習與使用iOSView元件
- Python學習之路38-動態建立屬性Python
- 動態規劃演算法(DP)學習<1>動態規劃演算法
- mysql動態行轉列MySql
- Oracle 20c 新特性:XGBoost 機器學習演算法和 AutoML 的支援Oracle機器學習演算法TOML