Som en databasadministratör vet , kan många saker påverka en databas skriptet genomförandetid och prestanda . För att upprätthålla en snabb bearbetning databas , spara CPU resurser och ger tillgång till databasen användare , databasadministratörer arbetar rutinmässigt för att optimera sina manus , skapa spårningsfiler som loggar flera olika funktioner för att hjälpa administratörer diagnostisera script problem . Medan dessa spårningsfiler är ofta otympliga och svåra att tolka , analyserar Oracles databas nytta TKPROF uppgifter spårningsfilen och presenterar det på ett ordnat tabellen . Databasadministratörer måste fortfarande förstå TKPROF s utgångskoder för att tolka sina rapporter . Instruktioner
1
Se den primära uppgifter tabellen för en bred syn på nyttan analys av skriptet . Den " parse " line ger information om hur många processer som används för att omvandla användarens sökfråga i en handling med uppgift om antal av parsning samtal , den tid som förflutit i hundradels sekund , disken kapacitet som används för att utföra funktionen , hur många databas frågor funktionen tog , och antalet rader med data som skapas av frågan . Den " köra " linje ger allmän information om de resurser som används som databas behandlar ansökan , och " hämta " linje ger samma information om maskinens prestanda som extraherar data från databasen .
2
Leta delar av spårningsfilen rapporten presenteras av TKPROF som läser ovanligt hög . Hämtar data är ofta mer process - intensiva än tolka och exekvera .
3
Undersök frågesyntax om data tyder på en långsam eller CPU - intensiva parse . Långsam tolkning kan ibland fastställas genom att ordna frågesyntax att fungera effektivare eller ge mer specifika limiter på frågor .
4
Ansök uppgifter i exekvera fältet för att avgöra om frågan är för betungande för SQL-server att bearbeta effektivt. Igen , kan detta problem rättas genom effektivare frågor , eller genom att begränsa antalet frågor eller databaser inrymt på en enda server .
5
Undersök hämta data statistik att analysera processerna för datautvinning . Hämtar kan effektiviseras genom att sortera data med grupper av resultaten i stigande storlek , till en process inbyggd i frågan och stadier skriptet körs , samt databas konstruktion minimerar databasens storlek .
