凌晨三点,手机突然响了。屏幕上是监控平台发来的告警:核心交易库的活跃会话数突破800,响应时间从20毫秒飙到3秒。你爬起来连上VPN,一边查AWR报告一边骂——白天刚做完巡检,怎么晚上就炸了?这种场景,干过Oracle运维的人都懂。巡检不是走过场,调优也不是等出事再救火。今天咱们就聊聊,从日常巡检到性能调优,这条路到底该怎么走。

先说巡检。很多人把巡检当成打卡任务,跑一遍脚本,看到绿灯就关掉窗口。这跟没做一样。真正有用的巡检,得盯着几个要命的地方。头一个是表空间使用率,尤其是SYSTEM和SYSAUX,这俩要是满了,数据库直接挂。但光看百分比不够,你得看增长趋势。上周有个客户,UNDO表空间每天涨2G,运维没当回事,结果第三天凌晨自动扩展把磁盘撑爆了。所以巡检脚本里必须加一条:过去7天日均增长量。超过500M的,当天就得查原因。另一个重点是归档日志目录。很多生产库开的是归档模式,但没人管归档删除策略。我见过一个库,归档日志堆了1.2T,把/data分区塞满,数据库直接hang住。巡检时跑一句,再看看的使用率,比什么都实在。
再说性能调优。别一上来就翻AWR,先搞清楚瓶颈在哪。数据库慢,无非四个地方:CPU、内存、I/O、锁。用看CPU,用看内存,用看磁盘利用率。如果%util超过80%,I/O就是瓶颈。这时候再进数据库,查里的和,算一下每秒I/O量。有个经验值:普通SATA盘每秒别超过150MB,SSD别超过500MB。超了,要么加盘,要么优化SQL减少物理读。说到SQL,这才是调优的主战场。我见过一个报表查询,跑了40分钟,查执行计划发现全表扫描了一张8000万行的表。加了个复合索引,降到3秒。所以巡检时一定要抓Top SQL。查,按和排序,前20条挨个看执行计划。有问题的,该加索引加索引,该改SQL。
内存这块,SGA和PGA的分配经常被忽略。很多DBA装完库就不管了,用默认的MEMORYTARGET。结果白天OLTP跑得欢,晚上跑批直接ORA-04031。查,看free memory是不是长期低于10%。是的话,要么加大SGA,要么调。PGA更隐蔽,里有个,大于0就说明PGA不够,排序和哈希连接都在磁盘上做。调这个不用重启,,立竿见影。但别乱调,先看里的,算一下平均每个进程用多少,再乘以最大连接数,留30%余量就行。
锁和等待事件是另一个深坑。有个库每到下午三点就卡,查发现一堆。顺着找过去,是个没提交的UPDATE。开发图省事,循环里逐条更新,还不commit。这种问题巡检时就能发现:查里的会话,再看的,超过300秒的,直接找开发对线。另外,等待高,说明提交太频繁。把批量插入改成每1000条commit一次,等待时间能降90%。还有,单块读多,要么索引碎片,要么表碎片。重建索引或者,但记得重建后要收集统计信息,不然执行计划更烂。
统计信息收集,这是最容易被忽视的日常活。Oracle 11g以后有自动任务,但默认只收修改超过10%的表。很多分区表,每天新增一个分区,旧分区数据不变,自动任务根本不碰。结果执行计划用着三年前的统计信息,该走索引的走全表。所以每周手动跑一次,对分区表用。但别在业务高峰跑,并行就够,太高会把I/O打满。还有,收集完记得刷共享池:,否则硬解析还是用旧计划。这个操作有风险,生产库最好在维护窗口做。
说说工具和自动化。别迷信图形界面,SQL*Plus和Shell脚本才是王道。写个巡检脚本,每天早八点跑,输出HTML报告,邮件发团队。内容包括:表空间、归档、Top 5等待事件、Top 10 SQL、锁阻塞、RMAN备份状态。调优脚本单独写,输入SQL_ID,自动抓AWR、执行计划、绑定变量。有个开源工具叫,类似top,实时看会话和等待,比EM好用。再就是RMAN,巡检必查和。我见过一个库,备份脚本跑了半年,结果恢复时发现控制文件没备份。所以每月做一次恢复演练,不用真恢复,就行,看看需要哪些归档。
说到底,Oracle运维没有银弹。巡检是体检,调优是治病。体检要细,治病要准。别等告警响了才动手,日常把表空间、归档、Top SQL、统计信息盯住了,80%的性能问题根本不会发生。剩下的20%,靠AWR和ASH定位,靠执行计划和索引解决。记住一句话:数据库不会突然变慢,它只是一直在慢,直到你发现。从今天起,把巡检脚本改改,加上增长趋势和Top SQL,下周你就能睡个整觉了。


