干我们这行的,最怕半夜被手机震醒。一看是监控告警,数据库CPU飙到99%,心里那叫一个凉。干了十几年Oracle DBA,踩过的坑比吃过的盐还多,今天不聊那些虚头巴脑的理论,就说说你真正该盯着的五个指标。这五个家伙,任何一个出问题,都够你喝一壶的。

第一个,别老盯着CPU看,要看“等待事件”。很多人一看CPU满了就慌,其实CPU高不一定坏事,说明系统在干活。真正要命的是CPU不高,但会话全堵在那儿。这时候你得去看v$session_wait,看看大家卡在哪儿了。最常见的几个:db file sequential read,这玩意儿八成是索引没走对,全表扫描了;enq: TX - row lock contention,那就是有会话锁着行不撒手,后面全排队等着。我见过最夸张的一次,CPU才20%,但整个系统瘫痪,一查全是buffer busy waits,某个热块被几百个会话抢,那场面,跟早高峰地铁似的。所以记住,等待事件才是性能问题的X光片,CPU只是体温计。
第二个指标,逻辑读和物理读的比例。这个很多人忽略,但它最能反映SQL写得好不好。逻辑读是内存里读的块数,物理读是磁盘上读的。如果物理读占比特别高,比如超过30%,那说明你SGA太小,或者SQL太烂,把数据全甩到磁盘上去了。反过来,如果逻辑读高得离谱,比如一个SQL逻辑读几百万,那就算全在内存里读,也是灾难。这种SQL通常就是笛卡尔积或者缺了过滤条件。我调过一个报表,跑俩小时,逻辑读八千万,加了个索引,降到两千。你算算,这中间差了多少倍?所以看AWR报告,别光看TOP SQL的CPU时间,一定要把逻辑读和物理读拉出来遛遛。
第三个,redo log切换频率。这个指标特别能反映写压力。正常情况下,redo log切换应该是个平滑的过程,比如半小时切一次。如果你发现每几分钟甚至几十秒就切一次,完了,你的日志组太小了,或者归档模式下的归档速度跟不上。切换本身有成本,要做checkpoint,要通知归档进程,频繁切换会让系统像得了帕金森一样抖个不停。我有个客户,业务量没涨,但日志切换从一小时一次变成五分钟一次,查了半天,是某个批处理程序commit太频繁,每条数据都commit一次。改成分批提交后,整个世界清净了。记住,日志写不进redo,比慢查询还可怕,因为它会直接阻塞所有写操作。
第四个指标,shared pool的命中率。这个有点老生常谈,但真没几个人盯对地方。光看命中率没用,因为很多系统命中率都在99%以上,但还是慢。你得看“硬解析”次数。如果每秒硬解析超过几百次,你的shared pool就是在做无用功。硬解析贵得离谱,要锁库缓存,要生成执行计划,还要互相等待。我见过一个系统,并发一上来就卡死,一查,每秒硬解析两千多次,原来是绑定变量没写好,每个用户都生成一套全新的SQL文本。把SQL改成用绑定变量,硬解析瞬间掉到几十,性能翻了三倍不止。所以别迷信命中率,要看实际解析次数。
第五个,也是我最想强调的——临时表空间的使用率。这个指标太容易被忽略了,因为它平时都是零,一用就是大事。临时表空间主要是给排序、hash join和group by用的。如果你发现临时表空间涨得快,说明你的排序操作被甩到磁盘上去了。内存里排不了,只能往磁盘写,那速度能快才怪。更恶心的是,临时表空间满了会报ORA-01652,直接让会话挂掉。我调过一个数仓的SQL,一跑就报临时空间不足,一看执行计划,有个巨大无比的hash join,驱动表选错了,导致中间结果集爆炸。改了一下hint,临时空间使用率从95%降到5%。这个指标就像发动机水温——平时不显山不露水,一旦亮红灯,你就等着拖车吧。
说句掏心窝子的。这五个指标,其实不是孤立的,它们是一个链条。等待事件告诉你问题在哪儿,逻辑读和物理读告诉你是谁在制造问题,redo切换和临时表空间告诉你问题有多严重,而shared pool命中率告诉你问题的根源是什么。别指望一个指标包打天下,也别指望监控面板上那些花花绿绿的图表能救命。真正的调优,是你在凌晨三点盯着v$视图,一条条查会话,一条条看SQL,直到找到那个罪魁祸首。
刚入行的时候,师傅跟我说,Oracle调优不是技术活,是体力活。现在想想,他说得对。但体力活也得有方向,这五个指标,就是你手里的地图。下次再出性能问题,别慌,先打开AWR,对照着这五条查一遍,八成能定位个八九不离十。至于剩下那两成?那就是你该请我喝酒的时候了。


