为 pga_aggregate_target 开发特征码
Oracle 数据库中的 PGA 区域非常重要，因为它控制排序操作以及 SQL 散列联接的速度。在以下的某一种情况出现时，您可能希望动态更改 pga_aggregate_target 参数：
只要 v$sysstat 统计量 "estimated PGA memory for one-pass” 的值超过 pga_aggregate_target，您就希望增加 pga_aggregate_target。
只要 v$sysstat 统计量 “workarea executions — multipass” 的值大于百分之一，数据库就可能得益于额外增加的 RAM 内存。
有可能出现过量分配 PGA 内存的情况，而只要 v$sysstat 行 “workarea executions—optimal” 的值持续显示百分之百时，您可能会考虑减少 pga_aggregate_target 的值。
v$pgastat 视图提供对 PGA 使用情况以及自动内存治理程序的实例级汇总统计信息。为快速获得概要信息，有个简单的查询提供了关于所有 Oracle Database 10g 连接的总体 PGA 使用情况的极佳统计信息：
check_pga.sql
-- *************************************************************
-- Display detailed PGA statistics
--
-- *************************************************************
column name format a30
column value format 999,999,999
select
name,
value
from
v$pgastat
;
该查询的输出可能类似于以下信息：
NAME VALUE
------------------------------------------------------ ----------
aggregate PGA auto target 736,052,224
global memory bound 21,200
total eXPected memory 141,144
total PGA inuse 22,234,736
total PGA allocated 55,327,872
maximum PGA allocated 23,970,624
total PGA used for auto workareas 262,144
maximum PGA used for auto workareas 7,333,032
total PGA used for manual workareas 0
maximum PGA used for manual workareas 0
estimated PGA memory for optimal 141,395
maximum PGA memory for optimal 500,123,520
estimated PGA memory for one-pass 534,144
maximum PGA memory for one-pass 52,123,520
在上面来自于 v$pgastat 的显示内容中，我们看到以下重要的统计信息：
Total PGA used for auto workareas — 该统计量监视所有以自动内存模式运行的连接的 RAM 使用情况。记住，Oracle 没有答应所有内部进程使用自动内存特性。例如，Java 和 PL/SQL 将会分配 RAM 内存，而这将不会计算在总的 PGA 统计量中。因此，您应该从分配的总 PGA 中减去该值，以便了解由连接所使用的内存量和由 Java 和 PL/SQL 所使用的 RAM 内存量。
Estimated PGA memory for optimal/one-pass — 该统计量估计出以最优化模式执行所有任务连接 RAM 请求时需要多少内存。记住，当 Oracle Database 10g 碰到内存短缺情况时，DBA 将调用多步操作，试图找到最近释放的 RAM 内存。在 Oracle Database 10g 中，该统计量对于监视 RAM 使用情况非常重要，大部分 Oracle DBA 会将 pga_aggregate_target 增加到此值。
在 Oracle Database 10g 中可以使用称为新顾问实用程序的 v$pga_target_advice。
该实用程序显示从当前值的 10% 到 200% 的不同大小的 pga_aggregate_target 的最优化、一步和多步 PGA 执行的临界差别。
列表 4 显示使用这一新的实用程序的示例查询，以下是输出的示例。在这里我们看到，已经为当前的处理超量分配了 pga_aggregate_target，可以安全地从这一区域提取 RAM 并将它分配到其他地方：
Estimated Estimated
Target(M) Cache Hit % Over-Alloc.
---------- ----------- -----------
113 73 0
225 81 0
450 92 0
675 100 0
900 100 0
1080 100 0
1260 100 0 <= current size
1440 100 0
1620 100 0
1800 100 0
2700 100 0
3600 100 0
5400 100 0
7200 100 0
可以看到，您能够方便地创建自动方法来检测 PGA 内存短缺情况（使用 Statspack）并编写作业来动态更改 pga_aggregate_target，以确保为排序和散列联接进行最优化的 RAM 使用。
为数据缓冲区开发特征码
DBA 将会注重到，在实际情况中，数据缓冲区命中率 (DBHR) 的变化会随着测量间隔的频率增加而增加。例如，Statspack 可能在以小时为单位的间隔时报告 DBHR 为百分之九十二，但在采样率以两分钟为间隔时，将显示很大的变化，如图 3 所示。
作为一般性原则，应该调整主机上的所有可用内存，并且应该为 db_cache_size 分配达到增益递减点的 RAM 资源。（参见图 4）。在该点处增加缓冲区块不会显著提高缓冲区命中率。
新的 v$db_cache_advice 视图类似于 Oracle7 中推出的一个用于跟踪缓冲区命中情况的旧实用程序 x$kcbrbh；同样，x$kcbcbh 视图用于跟踪缓冲区遗漏情况。数据缓冲区命中率可以提供与 v$db_cache_advice 所提供内容相类似的数据，因此多数 Oracle 调整的专业人员可以使用这两种工具来监视其数据缓冲区的有效性。
当 v$db_cache_advice 实用程序已经启用，并且数据库已经运行了足够长的时间来提供有代表性的结果时，可以使用列表 5 中的脚本来执行高速缓存建议功能。使用这一脚本，您可以获得对您所有缓冲区池的高速缓存建议，包括 2k、4k、8k、16k 和 32k 数据缓冲区。
该脚本的输出如下所示。注重，数值的范围从 db_cache_size 当前大小的百分之十直到当前大小的两倍。
Estd Phys Estd Phys
Cache Size (MB) Buffers Read Factor Reads
---------------- ------------ ----------- ------------
30 3,802 18.70 192,317,943 <- 10% size
60 7,604 12.83 131,949,536
91 11,406 7.38 75,865,861
121 15,208 4.97 51,111,658
152 19,010 3.64 37,460,786
182 22,812 2.50 25,668,196
212 26,614 1.74 17,850,847
243 30,416 1.33 13,720,149
273 34,218 1.13 11,583,180
304 38,020 1.00 10,282,475 Current Size
334 41,822 .93 9,515,878
364 45,624 .87 8,909,026
395 49,426 .83 8,495,039
424 53,228 .79 8,116,496
456 57,030 .76 7,824,764
486 60,832 .74 7,563,180
517 64,634 .71 7,311,729
547 68,436 .69 7,104,280
577 72,238 .67 6,895,122
608 76,040 .66 6,739,731 <- 2x size
如图 4 中所标注，数据缓冲区最优化设置的位置就是附加缓冲区的临界效益开始减少的位置。
当然，该优化点将在一段时间后改变，这就是为什么我们需要预先重新配置 SGA 的原因，以便于我们能够根据当前的处理需要来更改数据缓冲区的大小。
对于趋势分析，DBHR 中的变化并不重要，可以沿两个方向生成平均数据缓冲区命中率：一周中天天的平均 DBHR 和一天中每小时的平均 DBHR。
记住，在数据缓冲区中变化快速地发生，有时长期的分析将会提供线索，指出数据库中的处理故障问题。几乎每个 Oracle 数据库都提供链接到常规处理计划的模式，称为特征码。
以下显示一个 Statspack DBHR 每小时平均值脚本的输出。报告基于六个月的数据收集，显
|
