[转载] 诊断DB2数据库锁的问题

本文介绍了DB2数据库中锁问题的处理方法,包括死锁和锁等待的现象及解决策略。通过调整配置参数、查看并发应用状态、利用快照工具及事件查看器等方式,帮助读者深入理解并有效解决DB2中的锁问题。

诊断DB2数据库锁的问题

简介
   锁是数据库为了控制并发数据的完整性而引入的机制,在并发应用中出现锁现象并不可怕,锁现象通常分为死锁和锁等待两种情形。
死锁是因为两个并发的进程或者线程同时各自占有一个资源,又需要占有对方资源,但又都各不相让造成的,这通常是因为程序在并发上考虑不周造成的。
锁等待则是数据库中最普通的情况,一各应用使用数据期间必然要加锁,防止其他进程或应用破坏数据,其他进程或应用在此期间不得不等待前一个应用释 放锁。锁等待时间参数是可调的,但要视实际应用情况而定,比如在网络环境中,复杂应用环境,或者对实时性要求不高的环境中,可以将锁等待时间调大一些,有 些情况要调小一些。锁等待不同于死锁,死锁属于程序并发不当,需要调整程序并发机制,锁等待则属于性能问题,可能需要调整程序的sql语句。
不管是死锁还是锁等待,数据库都有相应参数可调,也有相应的工具可以捕获和分析,以下是锁处理的通常办法。

 查看和更改与锁相关的主要数据库参数
 查看当前并发应用
 查看和更改快照参数
 获取快照
 使用事件查看器


1. 查看和更改与锁相关的主要配置参数。
CLP方式: 
db2 get db cfg
在参数列表中寻找DLCHKTIME和LOCKTIMEOUT两个参数。
-DLCHKTIME 单位是毫秒,是DB2检查死锁的间隔时间,假设该值为10000ms,则意味着每隔10秒钟检查一下当前数据库中有无死锁存在,如有死锁,会选择回滚其中的某一个事务,让另外一个事务完成交易。
-LOCKTIMEOUT单位是秒,是锁等待最长时间,超过该时间仍未获得锁,则返回错误。
设置提示:
-缺省情况下,LOCKTIMEOUT是-1,意味着锁等待时间无限期,这和实际应用需求一般是不太相符的,需要将其值设为大于0的一个数。
-DLCHKTIME时间通常要设得比LOCKTIMEOUT时间小一些,否则未等发现死锁,就会被以锁等待超时而返回错误。

更改示例(CLP方式)
     db2 update db cfg using locktimeout 10

2. 查看当前并发应用
CLP方式:
         db2 list applications
       或db2 list applications show detail
       或 db2 list applications for database dbname [ show detail]

该命令可以查看当前是否有多个应用在连接着数据库,从而排查是否有并发的存在。
注意Application Name 和Application Id两栏,Application Name栏列出了应用的名字,db2bp 通常意味着目前有CLP在连接数据库,java则意味着可能有db2cc或用户自己的java应用在连接数据库,在application Id栏中可以 看到这些应用来自于哪些机器,本机的就显示为 LOCAL + 用户名 + 开始连接上的时间,远程的就会显示为16进制的IP地址+用户名+开始连接上 的时间。
通过排查并发应用从而消除测试中不必要的锁现象。
3. 查看和更改快照参数
如果在合理设置了DLCHKTIME和LOCKTIMEOUT参数仍然出现锁现象,可以查看快照或者创建事件监控器来分析原因。
要采用快照,首先要打开快照开关
   db2 get monitor switches
输出中将包含以下参数:
监控开关 数据库管理器参数 注释
BUFFERPOOL DFT_MON_BUFPOOL 缓冲区的读写情况和发生时间
LOCK DFT_MON_LOCK 锁持有,锁等待,以及死锁的发生情况
SORT DFT_MON_SORT Heap的使用情况,排序性能
STATEMENT DFT_MON_STMT 语句起始时间,语句内容
TABLE DFT_MON_TABLE Measure of activity (rows read/written)
UOW DFT_MON_UOW Start/end times, completion status
TIMESTAMP DFT_MON_TIMESTAMP Timestamps

为了观察快照中的锁和执行语句情况,一般把LOCK和STATEMENT选项设为ON,也可以酌情把其他开关打开,示例如下:

    db2 update monitor switches using lock on statement on
4. 查看快照信息
-查看数据库管理器级别快照信息
    db2 get snapshot for dbm
-查看数据库级别快照信息
    db2 get snapshot for database on dbname       
-查看应用级别快照信息
    db2 get snapshot for application agentid appl-handler
   注:appl-handler可以从list applicaitions的输出中得到
-查看表级别快照信息
    db2 get snapshot for tables on dbname  
    注:需要把tables快照开关设为ON才会有作用
-查看锁快照信息
    db2 get snapshot for locks on dbname
  或
    db2 get snapshot for locks on for application agentid appl-handler
-查看动态sql语句快照信息
    db2 get snapshot for dynamic sql on dbname
5.使用事件查看器
可以使用时间查看器收集锁事件,SQL语句事件,从而根据事件分析锁原因。
 事件类型
使用事件监控器,首先要选定所关注的事件类型,DB2中有很多事件类型,可以用于锁分析的通常会用到以下三种:

DEADLOCKS
DEADLOCKS WITH DETAILS
STATEMENTS

 步骤:
  -创建事件监控器
     create event monitor evmname for eventtype write to file ‘directory’
    例:create event monitor mymonitor for deadlocks, statements 
write to file ‘c:\temp’

  -把事件监控器打开
    接上例:
        set event monitor mymonitor state 1
     注:1为打开,0为关闭
         事件监控器开始工作,当所有应用断掉连接后,将事件记录下来
  -查看事件细节
       db2evmon –path ‘c:\temp’
         


 
附注参考说明:
事件监控器和快照的输出详细内容说明,请参考DB2信息中心和IBM网站相关redbook。
推荐读物:
《system monitor guide and reference》

标题基于Python的汽车之家网站舆情分析系统研究AI更换标题第1章引言阐述汽车之家网站舆情分析的研究背景、意义、国内外研究现状、论文方法及创新点。1.1研究背景与意义说明汽车之家网站舆情分析对汽车行业及消费者的重要性。1.2国内外研究现状概述国内外在汽车舆情分析领域的研究进展与成果。1.3论文方法及创新点介绍本文采用的研究方法及相较于前人的创新之处。第2章相关理论总结和评述舆情分析、Python编程及网络爬虫相关理论。2.1舆情分析理论阐述舆情分析的基本概念、流程及关键技术。2.2Python编程基础介绍Python语言特点及其在数据分析中的应用。2.3网络爬虫技术说明网络爬虫的原理及在舆情数据收集中的应用。第3章系统设计详细描述基于Python的汽车之家网站舆情分析系统的设计方案。3.1系统架构设计给出系统的整体架构,包括数据收集、处理、分析及展示模块。3.2数据收集模块设计介绍如何利用网络爬虫技术收集汽车之家网站的舆情数据。3.3数据处理与分析模块设计阐述数据处理流程及舆情分析算法的选择与实现。第4章系统实现与测试介绍系统的实现过程及测试方法,确保系统稳定可靠。4.1系统实现环境列出系统实现所需的软件、硬件环境及开发工具。4.2系统实现过程详细描述系统各模块的实现步骤及代码实现细节。4.3系统测试方法介绍系统测试的方法、测试用例及测试结果分析。第5章研究结果与分析呈现系统运行结果,分析舆情数据,提出见解。5.1舆情数据可视化展示通过图表等形式展示舆情数据的分布、趋势等特征。5.2舆情分析结果解读对舆情分析结果进行解读,提出对汽车行业的见解。5.3对比方法分析将本系统与其他舆情分析系统进行对比,分析优劣。第6章结论与展望总结研究成果,提出未来研究方向。6.1研究结论概括本文的主要研究成果及对汽车之家网站舆情分析的贡献。6.2展望指出系统存在的不足及未来改进方向,展望舆情
【磁场】扩展卡尔曼滤波器用于利用高斯过程回归进行磁场SLAM研究(Matlab代码实现)内容概要:本文介绍了利用扩展卡尔曼滤波器(EKF)结合高斯过程回归(GPR)进行磁场辅助的SLAM(同步定位与地图构建)研究,并提供了完整的Matlab代码实现。该方法通过高斯过程回归对磁场空间进行建模,有效捕捉磁场分布的非线性特征,同时利用扩展卡尔曼滤波器融合传感器数据,实现移动机器人在复杂环境中的精确定位与地图构建。研究重点在于提升室内等无GPS环境下定位系统的精度与鲁棒性,尤其适用于磁场特征明显的场景。文中详细阐述了算法原理、数学模型构建、状态估计流程及仿真实验设计。; 适合人群:具备一定Matlab编程基础,熟悉机器人感知、导航或状态估计相关理论的研究生、科研人员及从事SLAM算法开发的工程师。; 使用场景及目标:①应用于室内机器人、AGV等在缺乏GPS信号环境下的高精度定位与地图构建;②为磁场SLAM系统的设计与优化提供算法参考和技术验证平台;③帮助研究人员深入理解EKF与GPR在非线性系统中的融合机制及实际应用方法。; 阅读建议:建议读者结合Matlab代码逐模块分析算法实现细节,重点关注高斯过程回归的训练与预测过程以及EKF的状态更新逻辑,可通过替换实际磁场数据进行实验验证,进一步拓展至多源传感器融合场景。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值