基于dba_hist_sqlstat查看sql语句的性能历史

最新推荐文章于 2024-07-18 21:24:26 发布

原创最新推荐文章于 2024-07-18 21:24:26 发布 · 5.1k 阅读

3 ·

CC 4.0 BY-SA版权

本文介绍了一个用于分析SQL语句性能历史的脚本，通过DBA_HIST_SQLSTATS数据字典，可以有效监控SQL执行情况及执行计划稳定性，有助于提前发现并解决潜在问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在生产环境中，如果系统已经稳定，调优的空间就会越来越小，但是不代表没有调优的余地，可能工作的重心就会更加求稳，sql调优就是一项不间断的工作，很多工作还是需要前瞻的，如果等到问题严重的时候再紧急处理，提前的分析这些潜在问题就会让你不会总是心跳加快，两手冒汗。
dba_hist_sqlstat是一个宝库，很多的sql执行统计信息都会在其中，可以基于这个数据字典分析很多的特性，比如查看某条sql语句的性能历史，分析执行计划是否稳定等等，这些功能在分析sql语句的时候是相当实用的，毕竟一个awr报告中的sql问题可能只是一个表象，如果结合历史来看就会分析出更多的因素来。
这个脚本在<>中提到，而且可以通过网站找到相关的脚本内容，如果明白了思路，大家想自己定制一下也不错。
大多数的脚本可以通过链接找到http://kerryosborne.oracle-guy.com/2009/06/oracle-11g-adaptive-cursor-sharing-acs/
分析某一条sql语句的性能历史脚本
set lines 155
col execs for 999,999,999
col avg_etime for 999,999.999
col avg_lio for 999,999,999.9
col begin_interval_time for a30
col node for 99999
break on plan_hash_value on startup_time skip 1
select ss.snap_id, ss.instance_number node, begin_interval_time, sql_id, plan_hash_value,
nvl(executions_delta,0) execs,
(elapsed_time_delta/decode(nvl(executions_delta,0),0,1,executions_delta))/1000000 avg_etime,
(buffer_gets_delta/decode(nvl(buffer_gets_delta,0),0,1,executions_delta)) avg_lio
from DBA_HIST_SQLSTAT S, DBA_HIST_SNAPSHOT SS
where sql_id = nvl(‘&sql_id’,’4dqs2k5tynk61’)
and ss.snap_id = S.snap_id
and ss.instance_number = S.instance_number
and executions_delta > 0
order by 1, 2, 3
/

脚本运行情况如下：
SNAP_ID NODE BEGIN_INTERVAL_TIME SQL_ID PLAN_HASH_VALUE EXECS AVG_ETIME AVG_LIO

 38878      1 31-MAR-15 05.20.06.216 PM      0xtpfz5pj4prb      1880269335          104        5.702      327,280.7
 38879      1 31-MAR-15 05.30.06.754 PM      0xtpfz5pj4prb                          119        4.926      326,385.0
 38880      1 31-MAR-15 05.40.07.622 PM      0xtpfz5pj4prb                          125        4.713      328,324.9
 38881      1 31-MAR-15 05.50.08.418 PM      0xtpfz5pj4prb                            6        6.461      361,164.7
 38884      1 31-MAR-15 06.20.09.984 PM      0xtpfz5pj4prb                           21        5.324      321,935.6
 38885      1 31-MAR-15 06.30.10.720 PM      0xtpfz5pj4prb                          107        5.539      325,886.4
 38886      1 31-MAR-15 06.40.11.283 PM      0xtpfz5pj4prb                           64        5.432      329,591.9
 38887      1 31-MAR-15 06.50.11.900 PM      0xtpfz5pj4prb                          110        5.397      326,757.1
 38888      1 31-MAR-15 07.00.12.457 PM      0xtpfz5pj4prb                          103        5.792      329,023.0
 38889      1 31-MAR-15 07.10.13.355 PM      0xtpfz5pj4prb                          126        4.682      328,220.6
 38890      1 31-MAR-15 07.20.13.848 PM      0xtpfz5pj4prb                          128        4.601      326,872.7
 38891      1 31-MAR-15 07.30.14.326 PM      0xtpfz5pj4prb      1880269355          131        4.508      328,507.7
 38892      1 31-MAR-15 07.40.14.905 PM      0xtpfz5pj4prb                          129        4.571      326,210.3
 38893      1 31-MAR-15 07.50.15.372 PM      0xtpfz5pj4prb                          132        4.468      327,796.7
 38894      1 31-MAR-15 08.00.15.889 PM      0xtpfz5pj4prb                          113        5.176      328,226.4
 38895      1 31-MAR-15 08.10.16.442 PM      0xtpfz5pj4prb                           63        5.194      332,234.3
 38897      1 31-MAR-15 08.30.17.385 PM      0xtpfz5pj4prb                           37        6.175      326,039.1
 38898      1 31-MAR-15 08.40.17.922 PM      0xtpfz5pj4prb                           76        7.755      327,436.6
 38899      1 31-MAR-15 08.50.18.469 PM      0xtpfz5pj4prb                          113        5.245      327,478.5
 38900      1 31-MAR-15 09.00.18.950 PM      0xtpfz5pj4prb                          127        4.614      326,215.6
 38901      1 31-MAR-15 09.10.19.458 PM      0xtpfz5pj4prb                           74        4.316      332,214.9

如果某些指标突然发生了重大的变化，可以通过性能历史很清晰的看到，对于plan_hash_value做了断句处理，如果发生了执行计划的改变，就会很清楚什么时间点有了变动，哪些方面的变化等等。