---
title: "AWR报告日常分析"
author: "hotjava"
date: "2008-05-17T16:20:55Z"
tags: []
slug: "awr"
draft: false
lastmod: "2008-05-17T16:20:55Z"
id: 193906
url: "https://hotjava.iteye.com/blog/193906"
---

### 1.1.1. SQL ordered by Elapsed Time：

   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 **Elapsed Time = CPU Time + Wait 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)**

**CPU Time (s)**

**Executions**

**Elap per Exec (s)**

**% Total DB Time**

**SQL Id**

**SQL Module**

**SQL Text**

152,148

150,929

205,218

0.74

24.22

[**an4rtjrb8tbq5**](../../Local%20Settings/Temporary%20Internet%20Files/OLKAA/AWR%20Rpt%20-%20zfora01%20Snap%203046%20thru%203228.html#an4rtjrb8tbq5%23an4rtjrb8tbq5)

 

update SYS.AUD$ set XID = :1 w...

109,969

109,032

2,003

54.90

17.50

[**0twzs3px5d7wj**](../../Local%20Settings/Temporary%20Internet%20Files/OLKAA/AWR%20Rpt%20-%20zfora01%20Snap%203046%20thru%203228.html#0twzs3px5d7wj%230twzs3px5d7wj)

 

DECLARE job BINARY\_INTEGER := ...

38,797

38,460

8,843

4.39

6.17

[**6gvch1xu9ca3g**](../../Local%20Settings/Temporary%20Internet%20Files/OLKAA/AWR%20Rpt%20-%20zfora01%20Snap%203046%20thru%203228.html#6gvch1xu9ca3g%236gvch1xu9ca3g)

 

DECLARE job BINARY\_INTEGER := ...

29,312

13,414

10

2931.15

4.67

[**26ndjmd3nnmwx**](../../Local%20Settings/Temporary%20Internet%20Files/OLKAA/AWR%20Rpt%20-%20zfora01%20Snap%203046%20thru%203228.html#26ndjmd3nnmwx%2326ndjmd3nnmwx)

 

BEGIN CS\_SLT\_DSCLJG(:1, :2, :3...

 

   **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。**Elapsed Time = CPU Time + Wait 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时间占数据库总时间的百分比。

  **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。

 

### 1.1.2. SQL ordered by CPU Time:

  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)。

### 1.1.3. SQL ordered by Gets:

  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).

 

### 1.1.4. SQL ordered by Reads:

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)。

 

### 1.1.5. SQL ordered by Executions:

  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。

 

### 1.1.6. SQL ordered by Parse Calls:

  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Oracle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，倡导开发设计人员对功能相同的代码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。

 

### 1.1.7. SQL ordered by Sharable Memory:

  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。

 

### 1.1.8. SQL ordered by Version Count:

  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

 

### 1.1.9. SQL ordered by Cluster Wait Time:

  记录了集群的等待时间的TOP SQL

 

## [1.2. 其他管理员相关问题解析：]()

### [1.2.1. Load Profile]()

 

**Per Second**

**Per Transaction**

Redo size:

65,768.90

17,459.39

Logical reads:

31,757.56

8,430.54

Block changes:

271.06

71.96

Physical reads:

188.86

50.13

Physical writes:

11.90

3.16

User calls:

197.15

52.34

Parses:

241.40

64.08

Hard parses:

1.90

0.50

Sorts:

12.46

3.31

Logons:

0.15

0.04

Executes:

313.88

83.32

Transactions:

3.77

 

 

&lt;td style="background: #ffffcc;

% Blocks changed per Read:

0.85

Recursive Call %:

95.92

Rollback per transaction %:

30.79