Oracle數據庫性能模型
最近一直在思考一個問題：如何為一個數據庫建立性能模型？作為一名DBA來說，我們面臨的一個巨大挑戰是：如何保證數據庫的性能可以滿足快速變化的應用的需求，如何在數據量和訪問量持續增長的情況下，保證應用的響應時間和數據庫的負載處在合理的水平下。我們可能會經常面對以下的問題：某個SQL每秒要執行100次，響應時間是多少？某個應用發布后，對數據庫的影響如何？所以，評估應用對數據庫所產生的影響，優化應用并預測風險，保證數據庫的可用性和穩定性，這是應用DBA真正有價值的地方。
響應時間為中心：
如果要選擇一個評價系統優劣的性能指標，毫無疑問應該是響應時間。響應時間是客戶體驗的***要素，所有的優化都應該為降低響應時間而努力。對于數據庫系統也是如此，我們優化系統，優化SQL，最終目標都是為了降低響應時間，單位時間內可以處理更多的請求。
數據庫時間模型：
響應時間一般分為服務時間(Service time)和等待時間(Wait time)，服務時間指進程占用CPU的時間，包括前臺進程(Server process)和后臺進程(Backgroud process)，我們一般只關注前臺進程占用的CPU time。等待時間包括很多類型，一般最常見的是IO等待和并發等待，IO等待包括sequential read，scattered read和log file sync等等，而并發等待主要是latch和enqueue。SQL execute elapsed time指用戶進程執行SQL的響應時間，包含CPU time和wait time。
以下是Oracle數據庫的時間模型：
在Oracle系統中，我們可以利用AWR或Statspack報告，看到數據庫的時間信息：
| Statistic Name | Time (s) | % of DB Time |
|---|---|---|
| sql execute elapsed time | 3,062.17 | 91.52 |
| DB CPU | 2,842.08 | 84.95 |
| parse time elapsed | 25.87 | 0.77 |
| PL/SQL execution elapsed time | 11.75 | 0.35 |
| sequence load elapsed time | 7.55 | 0.23 |
| hard parse elapsed time | 5.06 | 0.15 |
| connection management call elapsed time | 3.13 | 0.09 |
| hard parse (sharing criteria) elapsed time | 0.04 | 0.00 |
| repeated bind elapsed time | 0.01 | 0.00 |
| PL/SQL compilation elapsed time | 0.00 | 0.00 |
| DB time | 3,345.74 | |
| background elapsed time | 204.91 | |
| background cpu time | 72.30 |
DB time是整個數據庫用戶進程消耗的總時間，是從***項到第十項時間的總和（從sql execute elapsed time到PL/SQL compilation elapsed time），但是我們會發現這十項時間的總和比DB Time要大一些，這是因為部分時間信息有重疊的部分，比如SQL execute elapsed time就包括了很大一部分DB cpu的時間。而background elapsed time和background cpu time則是Oracle后臺進程消耗的時間和cpu time。
數據庫響應時間分析：
數據庫系統的響應時間由四個要素決定：CPU，IO，內存和網絡，其中CPU和IO是最重要的因素。與之相比，內存與網絡則簡單很多，因為通常情況下，對于一個調優的系統來說，內存訪問的延遲時間非常小（100 ns以下，1 ms=1000000 ns）相比較CPU和IO幾乎可以忽略。而網絡延遲則通常是一個常數，比如在一個數據中心的情況下，網絡的延遲一般在3ms以下，如果存在多數據中心的情況，網絡延遲可能會超過20ms，所以對于一個分布式系統來說，網絡延遲是必須要考慮的問題。
在這里，我們不考慮分布式系統，并且忽略內存的訪問延遲，重點分析CPU和IO，我們看以下數據庫的AWR片段：
我們看到這個系統中DB CPU占整個DB time的87.21%，User I/O占整個DB time的9.12%，commit相關的IO等待占2.35%（主要是log file sync），CPU和IO占用了整個DB time的96.68%。由于DB CPU所占的比例很高，所以這個數據庫系統是CPU intensive類型，這里的DB CPU主要是執行SQL的服務時間。
我們再看另外的一個數據庫的AWR片段：
我們看到，Commit和User I/O占DB time的81.46%，而DB CPU只占13.82%，所以這個數據庫系統是IO instensive類型的。
Physical read
Physical read是指Oracle在buffer cache中沒有找到相應的block，需要從IO子系統讀取相應的block的過程，對應的IO稱為物理IO，物理讀數量代表物理IO讀取的block數量。因為一般IO子系統都是慢速的磁盤，所以物理IO對整體響應時間的影響非常大，如果發生大量的物理IO，整個系統的響應時間會變得很差。系統的IO子系統可能是文件系統，裸設備或者ASM，底層硬件可能是SAN存儲，NAS存儲或者普通SAS磁盤等等。為了提高響應時間，通常在物理磁盤與Oracle之間增加cache層，對于Oracle來說，物理IO并不一定是真正訪問磁盤，很可能是訪問文件系統cache，存儲的cache等等。
不管IO subsystem是什么，Oracle只關心物理IO的響應時間。通過AWR報告，我們可以看到物理IO的響應時間：
db file sequential read（單塊讀，隨機IO）的平均響應時間為3ms，db file scattered read（多塊讀，連續IO）的平均響應時間是4ms，logfile file sync的平均響應時間是3ms，前兩者的Wait class是User I/O，代表用戶進程讀操作的響應時間，logfile sync的wait class是Commit，代表lgwr進程寫redo的響應時間，因為用戶commit必須完成log file sync的操作，所以它也會直接影響用戶進程寫操作的響應時間。
關于物理IO的響應時間，我們有一個經驗值。對于Sequential read和Scattered read，我們認為小于10ms屬于正常狀態，而大于10ms則認為IO subsystem的響應延遲過大。所以我們在衡量存儲系統的性能時，只有響應時間在10ms以下的IO我們認為是有效的。這里有一個有趣的現象，就是sequential read和scattered read的響應時間幾乎相差無幾，也就是說隨機IO讀取8K數據和連續IO讀取128K數據，響應時間差別很小，這是由磁盤的機械特性造成的，延遲時間=尋道時間+
對于log file sync的響應時間，因為用戶commit必須完成log file sync，所以整個系統的寫操作的響應時間都取決于它的響應時間，而且從整個數據庫系統的角度去看，log file sync幾乎是串行的，所以這個響應時間對寫操作影響非常大，我們的經驗值是必須保證在5ms以下，如果超過5ms整個系統的寫操作都會受到嚴重的影響。
Logical read
Logical read是Oracle從buffer cache中讀取block的過程，對應的IO稱為邏輯IO，邏輯讀數量代表邏輯IO讀取的block數量。因為Oracle必須首先將block讀入buffer cache中(direct path read除外)，所以邏輯讀數量包含了物理讀數量。對于一個SQL來說，邏輯讀數量是衡量其性能的標準，而不是物理讀。雖然物理IO的響應延遲比邏輯IO大很多，但是物理讀數量會隨著執行次數而變化（頻繁讀取導致block被緩存在buffer cache中）。對于一個系統也是如此，邏輯讀應該是數據庫性能評估模型的核心，我們需要建立邏輯讀與響應時間的對應關系。
每個邏輯讀的響應時間是多少，這是一個巨大的挑戰。因為每個邏輯讀背后隱藏了很多動作，可能包括物理讀，等待事件，CPU time等等。我對很多數據庫的AWR報告做了分析，期望根據經驗值建立一個簡化的模型。我們假設一個數據庫如果是充分調優的，除CPU time和IO以外的等待時間應該盡可能少（應小于DB time 10%）。在這個前提下，我們只關心CPU time和IO的影響，并將系統分為三類：CPU密集型，IO密集型和混合型：
1.IO密集型
User IO 85%
DB CPU 5%
每邏輯讀響應時間0.1-0.5ms
2.CPU密集型
DB CPU 85%
User IO 10%
每邏輯讀響應時間小于0.01ms
3.混合型
User I/O 60%
DB CPU 20%
每邏輯讀響應時間0.05-0.1ms
以上數據是根據很多個典型數據庫的AWR報告計算出來的經驗值，計算公式很簡單：DB time/邏輯讀=每邏輯讀響應時間。因為并沒有考慮硬件和OS上的差異，所以這個數值并不是特別準確，但我們還是可以發現一些規律：隨著IO所占比例從10%增加到85%，響應時間也從小于0.01ms到0.5ms。
預測系統瓶頸
對于數據庫來說，IO子系統對性能影響非常大，必須保證在一定的IO的壓力下，響應延遲控制在合理的范圍內（前面說的10ms和5ms）。因為每塊磁盤可以承受的IOPS是基本確定的，比如15K的SAS磁盤，在響應延遲不超過10ms的前提下，可以提供150個IOPS，如果不考慮cache的影響，整個存儲子系統的IOPS是比較容易計算的。我們可以在系統上線前，進行大量充分的測試，建立存儲IOPS與響應延遲的模型，這樣我們就可以預測出性能出現拐點的風險，提前做出擴容的判斷。在AWR報告中，我們可以得到每秒的物理IO的數量和響應時間，可以方便的實現性能監控和趨勢預警。
評估CPU的容量瓶頸相對簡單，Oracle中CPU time的計算是每個CPU耗費時間的總和，如果有16顆(核)CPU，1個小時理論上可以提供3600×16=57600s CPU time，不超過57600s CPU time我們可以認為不會在CPU上排隊，系統不會出現CPU瓶頸。但是需要注意的是，除了用戶進程使用CPU以外，操作系統也需要占用CPU資源，用來管理內存和進程調度等。我們在OS上看到的CPU使用率中的sys部分就是系統占用的CPU資源，所以應該考慮至少保留10-20%的CPU資源給OS使用。
并發訪問對數據庫的影響
Oracle是一個Disk-based database，設計的出發點就是大部分數據在外部存儲中，而只有小部分數據被cache在buffer中，它既不同于Memcache這類KV cache，也不同于timesten這類In-memory database。所以，就算是所有的數據都可以被cache在buffer中，在高并發訪問的情況下，也可能會出現大量的latch等待，最常見的情況就是cache buffer chain。當大量并發訪問同一塊數據時，就很可能會出現cache buffer chain的latch爭用，也就是我們常說的“熱點”。
需要注意的是：Oracle中的latch等待分為spin和sleep兩個部分，spin消耗cpu time，而sleep則是等待時間。所以大量的latch等待不僅僅會產生大量的等待時間，而且會消耗大量的CPU time。
Oracle是一個為并發操作而設計的數據庫，大量的并發讀寫請求，可能會帶來額外的性能消耗。比如讀取一部分頻繁修改的數據，Oracle為了保證一致性讀的需要，會利用undo信息構造產生大量CR block，同時會產生大量的邏輯讀，這樣會消耗額外的CPU和響應時間。
存儲也可能存在熱點的問題，需要前期對存儲系統充分的優化，常見的手段是利用RAID技術，將數據分散在不同的磁盤上，防止出現“熱點”盤。Oracle ASM提供了Rebalance的功能，允許DBA將存儲中的的數據重新分布，達到消除熱點的目的。
總之，Oracle是一個可以提供大量并發讀寫訪問的數據庫系統，但是在很多地方，Oracle又不得采用一些串行的控制手段，比如latch，enqueue和mutex，我們要做的就是盡量降低這些串行控制對數據庫整體性能的影響。
數據庫優化原則
基于響應時間的Oracle優化原則：盡量減少等待時間（Wait time），提高服務時間（Service time）。這也是基于Oracle等待事件的分析方法的基本原則：盡量消除各種等待事件對系統的影響，從而提高系統性能和響應時間。
如果數據庫系統除了CPU和IO以外的等待時間超過DB time的5%以上的話，可能存在某些性能問題，需要DBA采用等待事件的分析方法，對系統或應用進行優化。
–EOF–
后記：為什么要寫這么一個主題，因為最近和一位同事探討機器自動審核SQL的問題，就想建立一個簡單的模型，用來開發一個SQL審核工具，開發人員通過工具和預先建立好的模型，就可以確定這個SQL是否存在性能風險。之前我們在做SQL優化的時候，只是關注這個SQL本身是否優化，邏輯讀是多少。但是，很少有人把邏輯讀和響應時間之間的關系建立起來，我試圖想回答這個問題。
關于容量規劃和風險預測其實是一個很有意義的命題，但是我們很多時候都局限在一些具體的技術細節中，而忽略了對整個系統容量的把握，事實上，這也是非常難的一件事。也許到目前為止，我根本沒有達到建立“模型”的程度，但是我試圖將這些方方面面的因素聯系起來，提供一些有用的經驗值給大家，我覺得這個挺有意義。
在這篇文章中，我提到了幾個有意義的經驗值，這是我根據很多數據庫AWR中的信息計算出來的，雖然不保證完全準確，但是我覺得基本是靠譜的。建議每個DBA都應該從AWR中找到這些信息，并判斷自己的數據庫屬于哪種類型，瓶頸在哪里，是否存在性能風險。當面對諸如“硬件是否能夠滿足性能需求”，“系統明年是否需要擴容”，“應用是否會對系統產生影響”此類問題時，我們可以用這些經驗值給出一個判斷。
關于這個命題，目前只是一個階段性的結果，我還會繼續思考。如果大家有興趣，歡迎和我一起探討這個話題。
本文轉載自Hello DBA的博客，原文：Oracle數據庫性能模型
【編輯推薦】
