一个性能问题的分析思路

 一个性能问题的分析思路，转载一篇老白以前的文章
这个小案例其实很简单，可能很多人都会找到解决问题的方案。不过分析问题思路很重要，可能很多人就算解决了问题，也搞不清楚是怎么分析出来的，下回碰到类似问题还会迷惑半天。

在一张上千万记录的大表里，做一个SELECT * FROM <TAB_NAME> WHERE ROWNUM<100，居然十多秒钟才出来。我问他这张表是不是碎片很厉害，他所不可能有碎片，昨天才IMP进去的，昨天还没问题，今天就出问题了。而且这张是话单表，不可能会做删除操作的，不会有碎片。

我让他马上做个10046发过来。10分钟后，他通过QQ把TRACE发过来了：

SELECT *
FROM
ttt where rownum<100
call count cpu elapsed disk query current rows
------- ------ -------- ---------- ---------- ---------- ---------- ----------
Parse 1 0.14 0.17 44 198 0 0
Execute 1 0.00 0.00 0 0 0 0
Fetch 8 3.71 5.86 67489 68340 0 99
------- ------ -------- ---------- ---------- ---------- ---------- ----------
total 10 3.85 6.03 67533 68538 0 99
从这上面看，确实产生了67533个物理读和68538个逻辑读。执行时间为6.03秒。从等待事件来看：

BINDS #39:
EXEC #39:c=0,e=88,p=0,cr=0,cu=0,mis=0,r=0,dep=0,og=1,tim=1422207486718
WAIT #39: nam='SQL*Net message to client' ela= 7 driver id=1650815232 #bytes=1 p3=0 obj#=206418 tim=1422207486810
WAIT #39: nam='SQL*Net more data to client' ela= 203 driver id=1650815232 #bytes=2002 p3=0 obj#=206418 tim=1422207487071
WAIT #39: nam='SQL*Net more data to client' ela= 66 driver id=1650815232 #bytes=2020 p3=0 obj#=206418 tim=1422207487175
WAIT #39: nam='db file scattered read' ela= 515 file#=146 block#=92900 blocks=5 obj#=206418 tim=1422207488208
WAIT #39: nam='db file scattered read' ela= 918 file#=146 block#=92905 blocks=8 obj#=206418 tim=1422207489579
WAIT #39: nam='db file scattered read' ela= 2121 file#=146 block#=92914 blocks=7 obj#=206418 tim=1422207492091
WAIT #39: nam='db file scattered read' ela= 617 file#=146 block#=92921 blocks=8 obj#=206418 tim=1422207493135
WAIT #39: nam='db file scattered read' ela= 493 file#=146 block#=92930 blocks=7 obj#=206418 tim=1422207494016
WAIT #39: nam='db file scattered read' ela= 1666 file#=147 block#=897417 blocks=8 obj#=206418 tim=1422207496049
WAIT #39: nam='db file scattered read' ela= 1026 file#=147 block#=897426 blocks=7 obj#=206418 tim=1422207497350
WAIT #39: nam='db file scattered read' ela= 378 file#=147 block#=897433 blocks=8 obj#=206418 tim=1422207498049
WAIT #39: nam='db file scattered read' ela= 1075 file#=147 block#=897442 blocks=7 obj#=206418 tim=1422207499416
WAIT #39: nam='db file scattered read' ela= 1649 file#=147 block#=897449 blocks=3 obj#=206418 tim=1422207501237
WAIT #39: nam='db file scattered read' ela= 2768 file#=147 block#=897453 blocks=4 obj#=206418 tim=1422207504191
WAIT #39: nam='db file scattered read' ela= 653 file#=147 block#=897458 blocks=7 obj#=206418 tim=1422207505141
WAIT #39: nam='db file scattered read' ela= 1588 file#=147 block#=897465 blocks=8 obj#=206418 tim=1422207507029
WAIT #39: nam='db file scattered read' ela= 460 file#=147 block#=897474 blocks=7 obj#=206418 tim=1422207507787
WAIT #39: nam='db file scattered read' ela= 608 file#=147 block#=897481 blocks=8 obj#=206418 tim=1422207508697
WAIT #39: nam='db file scattered read' ela= 564 file#=147 block#=897490 blocks=7 obj#=206418 tim=1422207509571
WAIT #39: nam='db file scattered read' ela= 832 file#=147 block#=897497 blocks=8 obj#=206418 tim=1422207510668
WAIT #39: nam='db file scattered read' ela= 846 file#=148 block#=102411 blocks=16 obj#=206418 tim=1422207512030
WAIT #39: nam='db file scattered read' ela= 4872 file#=148 block#=102427 blocks=16 obj#=206418 tim=1422207517488
WAIT #39: nam='db file scattered read' ela= 1624 file#=148 block#=102443 blocks=16 obj#=206418 tim=1422207520062
确实存在大量的DB FILE SCATTERD READ。这更加坚信了我的观点，表里存在大量的碎片。找第一个SCATTERD READ的参数 file#=146 block#=92900，让客户执行alter system dump datafile 146 block min 92900 block max 92904。获得的结果如下：

data_block_dump,data header at 0x6000000000208e64
===============
tsiz: 0x1f98
hsiz: 0x4c
pbl: 0x6000000000208e64
bdba: 0x24816ae4
76543210
flag=--------
ntab=1
nrow=29
frre=0
fsbo=0x4c
fseo=0xf7
avsp=0x1f4c
tosp=0x1f4c
0xe:pti[0] nrow=29 offs=0
0x12:pri[0] sfll=1
0x14:pri[1] sfll=2
0x16:pri[2] sfll=3
0x18:pri[3] sfll=4
0x1a:pri[4] sfll=5
0x1c:pri[5] sfll=6
0x1e:pri[6] sfll=7
0x20:pri[7] sfll=8
0x22:pri[8] sfll=9
0x24:pri[9] sfll=10
0x26:pri[10] sfll=11
0x28:pri[11] sfll=12
0x2a:pri[12] sfll=13
0x2c:pri[13] sfll=14
0x2e:pri[14] sfll=15
0x30:pri[15] sfll=16
0x32:pri[16] sfll=17
0x34:pri[17] sfll=18
0x36:pri[18] sfll=19
0x38:pri[19] sfll=20
0x3a:pri[20] sfll=21
0x3c:pri[21] sfll=22
0x3e:pri[22] sfll=23
0x40:pri[23] sfll=24
0x42:pri[24] sfll=25
0x44:pri[25] sfll=26
0x46:pri[26] sfll=27
0x48:pri[27] sfll=28
0x4a:pri[28] sfll=-1
block_row_dump:
end_of_block_dump
里面全部是空块。建议客户做一个ALTER TABLE <table> MOVE;表重组后，发现原来12G的表只剩下800M了。再执行这个SQL，只有12个BUFFER GET了：

Statistics
----------------------------------------------------------
1 recursive calls
0 db block gets
12 consistent gets
1 physical reads
0 redo size
18921 bytes sent via SQL*Net to client
558 bytes received via SQL*Net from client
8 SQL*Net roundtrips to/from client
0 sorts (memory)
0 sorts (disk)
99 rows processed
 
对于这个案例的分析，要基于几点：
1、首先客户说的情况并不符合实际情况，这张表肯定在导入后做过操作，否则不可能存在这么多的碎片。因为IMP导入，从根本上来说还是组成INSERT语句来实现的
2、了解ROWNUM<100这种操作的原理，这种SQL，由于没有其他的WHERE条件，肯定会全表扫描，但是如果存在ROWNUM<100这样的条件存在，当找到足够的记录后就会终止
3、一个数据块中一般可以存放几十条-几百条数据，根据表结构不同而不同。所以100条记录，不应该产生这么多BUFFER GET，因为SQL *PLUS的缺省ARRAY SIZE是5，因此如果所有的数据块都是饱满的，大概需要20个左右的BUFFER GET就能够获取到所需要的数据了
如果没有这些理论基础，那么只能一点一点的去试，最终找到解决问题的方法，这种方法，虽然也很有效，但是碰到些更复杂的问题，解决率就很低了。因此学会分析问题的方法尤为重要。