tom的RUNSTATS测试工具

本文介绍了一种名为RUNSTATS的性能测试工具,该工具主要用于监控和对比Oracle数据库在不同操作下的性能指标变化。文章详细展示了如何创建RUNSTATS工具所需的视图、临时表和PL/SQL包,并提供了具体的使用示例。

这里只是整理一下TOM的RUNSTATS检查工具包的脚本及使用示例,由于脚本内容较多,记录一下还是很必要的,便于日后使用翻看。

 

要运行RUNSTATSSS测试工具,必须有访问V$STATNAME,V$MYSTAT,V$LATCH的权限。

还必须有对SYS.V_$STATNAME,SYS.V_$MYSTAT,SYS.V_$LATCH的直接权限(不是通过角色授权)。

create or replace view stats

as

select 'STAT...'||a.NAME AS name, b.VALUE as value

from v$statname a, v$mystat b

where a.STATISTIC# = b.STATISTIC#

union all

select 'latch'||name as name, gets as value

from v$latch;

 

创建一张存储这些统计信息的小表:

create global temporary table run_stats
(
       runid varchar2(15),
       name varchar2(80),
       value int
) on commit preserve rows;

 

-- 创建 runstats 包。其中包括 3 个简单 API 调用:
create or replace package runstats_pkg
as
   procedure rs_start;
   procedure rs_middle;
   procedure rs_stop(p_difference_threshold in number default 0);
end;

/

create or replace package body runstats_pkg
as
-- 这些全局变量用于纪录每次运行的耗用时间:
  g_start number;
  g_run1 number;
  g_run2 number;

  procedure rs_start
  is
  begin
        delete from run_stats;
        insert into run_stats
        select 'before', stats.* from stats;
        g_start := dbms_utility.get_time;
  end;

 

procedure rs_middle
  is
  begin
        g_run1 := (dbms_utility.get_time - g_start);
        insert into run_stats
        select 'after 1',stats.* from stats;
        g_start := dbms_utility.get_time;
  end;

 

procedure rs_stop(p_difference_threshold in number default 0)
  is
  begin
      g_run2 := (dbms_utility.get_time - g_start);
      dbms_output.put_line('Run1 ran in'||g_run1||'hsecs');
      dbms_output.put_line('Run2 ran in'||g_run2||'hsecs');
      dbms_output.put_line('run 1 ran in '||round(g_run1/g_run2*100,2)||'%of the time');
      dbms_output.put_line(chr(9));
      
      insert into run_stats
      select 'after 2', stats.* from stats;
      dbms_output.put_line( rpad('Name',30)|| lpad('Run1',10)||
                            lpad('Run2',10)|| lpad('Diff',10));
      for x in
      (
          select rpad(a.name,30)||
                 to_char(b.value - a.value,'9,999,999')||
                 to_char(c.value - b.value,'9,999,999')||
                 to_char(((c.value - b.value)-(b.value - a.value)),'9,999,999') data
          from run_stats a, run_stats b, run_stats c
          where a.name = b.name
          and b.name = c.name
          and a.runid = 'before'
          and b.runid = 'after 1'
          and c.runid = 'after 2'
          and (c.value - a.value) > 0
          and abs((c.value - b.value) - (b.value - a.value)) > p_difference_threshold
          order by abs((c.value - b.value)-(b.value - a.value))
      ) loop
        dbms_output.put_line(x.data);
      end loop;
      
      dbms_output.put_line(chr(9));
      dbms_output.put_line('Run1 latches total versus runs -- difference and pct ');
      dbms_output.put_line( lpad('Run1',10) || lpad('Run2',10) ||
                            lpad('Diff',10) || lpad('Pct',8));
      for x in
      (
          select to_char(run1, '9,999,999')||
                 to_char(run2, '9,999,999')||
                 to_char(diff, '9,999,999')||
                 to_char(round(run1/run2*100,2), '999.99')||'%' data
          from (
               select sum(b.value - a.value) run1,
                      sum(c.value - b.value) run2,
                      sum((c.value - b.value) - (b.value - c.value)) diff
               from run_stats a, run_stats b, run_stats c
               where a.name = b.name
               and b.name = c.name
               and a.runid = 'before'
               and b.runid = 'after 1'

and c.runid = ‘after 2’
               and a.name like 'latch%'
          )
      )loop
           dbms_output.put_line(x.data);
      end loop;           
  end;
end;

/

 

以上可以考虑在SYS用户下创建,之后创建runstats_pkg的public synonym即可。

 

使用实例:

使用Scott/tiger用户:

SQL> drop table heap;

 

表已丢弃。

 

SQL> drop table iot;

 

表已丢弃。

 

SQL> create table heap (dummy )

  2  as select * from dual;

 

表已创建。

 

SQL> ed

已写入文件 afiedt.buf

 

  1  create table iot(dummy primary key)

  2  organization index

  3* as select dummy from dual

SQL> /

 

表已创建。

 

SQL> analyze table heap compute statistics;

 

表已分析。

 

SQL> analyze table iot compute statistics;

 

表已分析。

 

SQL> exec runstats_pkg.rs_start;

 

PL/SQL 过程已成功完成。

 

SQL> ed

已写入文件 afiedt.buf

 

  1  declare

  2  x varchar2(1);

  3  begin

  4  for i in 1..10000 loop

  5  select dummy into x

  6  from heap;

  7  end loop;

  8* end;

SQL> /

 

PL/SQL 过程已成功完成。

 

SQL> exec runstats_pkg.rs_middle;

 

PL/SQL 过程已成功完成。

 

SQL> ed

已写入文件 afiedt.buf

 

  1  declare

  2  x varchar2(1);

  3  begin

  4  for i in 1..10000 loop

  5  select dummy into x

  6  from iot;

  7  end loop;

  8* end;

SQL> /

 

PL/SQL 过程已成功完成。

 

SQL> set serveroutput on size 1000000

SQL> exec runstats_pkg.rs_stop;

Run1 ran in7480hsecs                                                           

Run2 ran in3131hsecs                                                           

run 1 ran in 238.9%of the time                                                 

                                                                                     

Name                                Run1      Run2      Diff                   

STAT...SQL*Net roundtrips to/f         6         5        -1                   

STAT...active txn count during         3         4         1                   

STAT...calls to kcmgcs                 3         4         1                   

STAT...cleanout - number of kt         3         4         1                   

STAT...db block gets                 525       524        -1                   

STAT...opened cursors cumulati        14        13        -1                   

STAT...user calls                      9         8        -1                   

latchktm global data                   0         1         1                   

latchmessage pool operations p         0         1         1                   

latchsort extent pool                  1         2         1                   

latchsimulator lru latch               1         0        -1                   

latchsimulator hash latch              1         0        -1                   

latchsession idle bit                 22        21        -1                   

latchobject stats modification         0         1         1                   

latchkwqit: protect wakeup tim         2         1        -1                   

latchfile number translation t         0         1         1                   

STAT...parse count (failures)          1         0        -1                   

STAT...free buffer requested           5         4        -1                   

STAT...cursor authentications          1         0        -1                   

STAT...consistent gets - exami        11        12         1                   

STAT...consistent changes            491       493         2                   

STAT...db block changes            1,014     1,012        -2                    

STAT...parse time elapsed              2         0        -2                   

STAT...parse time cpu                  2         0        -2                   

STAT...immediate (CURRENT) blo         4         0        -4                    

latchchild cursor hash table          19        15        -4                   

STAT...redo entries                  505       501        -4                   

STAT...CPU used by this sessio        26        21        -5                   

STAT...CPU used when call star        26        21        -5                   

latchenqueues                         94        87        -7                   

STAT...deferred (CURRENT) bloc         0         9         9                   

latchConsistent RBA                   37        27       -10                   

latchsession timer                    25        11       -14                   

latchactive checkpoint queue l        27        10       -17                   

latchpost/wait queue                  74        54       -20                   

latchlgwr LWN SCN                     56        33       -23                   

latchmostly latch-free SCN            56        33       -23                   

latchchannel operations parent        48        23       -25                   

latchcache buffers lru chain          56        29       -27                   

latchrow cache enqueue latch         128       164        36                   

latchrow cache objects               134       170        36                   

latchredo writing                    189       112       -77                   

latchsession allocation              188       100       -88                   

latchundo global data                371       246      -125                   

STAT...redo size                  65,224    65,364       140                   

latchmessages                        332       180      -152                   

latchlibrary cache pin allocat       442       272      -170                   

latchredo allocation                 866       696      -170                   

latchdml lock allocation             391       203      -188                   

latchlibrary cache pin            20,627    20,410      -217                    

latchenqueue hash chains             662       378      -284                   

STAT...bytes received via SQL*     1,448     1,137      -311                   

latchshared pool                  10,791    10,476      -315                    

latchlibrary cache                21,176    20,748      -428                   

STAT...bytes sent via SQL*Net      1,245       693      -552                   

latchcheckpoint queue latch        1,298       502      -796                   

latchSQL memory manager workar     1,608       670      -938                   

STAT...buffer is not pinned co    10,001         1   -10,000                   

STAT...index scans kdiixs1            10    10,010    10,000                   

STAT...table scan blocks gotte    10,000         0   -10,000                   

STAT...table scans (short tabl    10,000         0   -10,000                   

STAT...table scan rows gotten     10,000         0   -10,000                   

STAT...shared hash latch upgra        10    10,010    10,000                   

STAT...no work - consistent re    10,001         1   -10,000                   

STAT...consistent gets            30,026    10,027   -19,999                   

STAT...calls to get snapshot s    30,018    10,018   -20,000                   

STAT...session logical reads      30,551    10,551   -20,000                   

latchcache buffers chains         65,336    24,057   -41,279                   

                                                                                      

Run1 latches total versus runs -- difference and pct                           

Run1      Run2      Diff     Pct                                               

125,072    79,748   159,496 156.83%                                             

 

PL/SQL 过程已成功完成。

 

SQL> spool off

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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