oracle　10g如何关闭和打开自动收集统计信息？

Oracle10g新特性工作量自

学习使用10G新特性来收集数据库性能统计和度量数据来分析和调优。显示数据的确切执行时间，以及保存的会话信息。 10G的性能分析新特性 当数据库发生了性能问题时，如何去定位？比较常用的方法是采用一个既定的模式：解决诸如“是不是同一问题的再现？”、“是否在某一特殊时间段发生？”、“两个问题之间是否存在联系？”等问题，这样通常能得到一个比较好的诊断结果。 作为一个DBA，你可能使用一个第三方或者自己开发的工具来收集数据库运行期间的精细统计数据，并从中得到性能度量数据。你需要将这些发生问题时的度量数据与当前数据进行比较。重现以前的时间能使现在的问题变得明朗。 因此，持续的收集相关统计数据对于性...全部

  学习使用10G新特性来收集数据库性能统计和度量数据来分析和调优。显示数据的确切执行时间，以及保存的会话信息。 10G的性能分析新特性 当数据库发生了性能问题时，如何去定位？比较常用的方法是采用一个既定的模式：解决诸如“是不是同一问题的再现？”、“是否在某一特殊时间段发生？”、“两个问题之间是否存在联系？”等问题，这样通常能得到一个比较好的诊断结果。
  作为一个DBA，你可能使用一个第三方或者自己开发的工具来收集数据库运行期间的精细统计数据，并从中得到性能度量数据。你需要将这些发生问题时的度量数据与当前数据进行比较。重现以前的时间能使现在的问题变得明朗。
  因此，持续的收集相关统计数据对于性能分析来说十分重要。在某些情况下，在解决收集统计数据这方面的问题上有自己内置的工具——statspack。尽管在某些情况下的作用非常大，但它缺乏解决性能问题所必须的健壮性。
  提供了一个标志性的改进特性：自动工作量存储（Automatic Workload Repository AWR）。AWR是随着数据库一起被安装的，它不仅能收集统计数据，还能从统计数据中分析出度量数据。
   通过运行$ORACLE_HOME/rdbms/admin目录下的awrrpt。sql脚本可以生产AWR从统计和度量数据中分析报告。这个分析报告最能体现出AWR的性能分析能力。这个脚本看起来很像statspack，它会列出所有可用的AWR快照并要求输入两个特定的快照编号作为一个间隔段。
  它能产生两种类型的输出：文本格式（除了AWR统计信息外和statspack报告基本类似）和默认的格式（通过超连接等方式来提供一个友好的界面）。下面来运行以下这个脚本，对它产生的分析报告及AWR的性能分析能力做一个认识。
   AWR的使用 首先来了解一下AWR是如何设计的，并了解一下它的构造。基本上来说，AWR应该是一个Oracle用来收集性能相关统计数据并从中得出性能度量数据来追踪潜在问题的内置工具。和statspack不一样，AWR的快照信息是由一个新的后台进程MMON及其线程来每隔一个小时自动收集的。
  为了节省空间，这些收集的数据会在7天后自动清除。快照收集的频率和保留时间都是可以被用户修改的。可以通过以下脚本查看当前的设置： SQL> select snap_interval, retention from dba_hist_wr_control; SNAP_INTERVAL RETENTION ------------------- ------------------- +00000 01:00:00。
  0 +00007 00:00:00。0 这个结果表明当前的快照是每隔一个小时收集一次，并且会被保留7天。要改变这个设置，比如需要设置成每隔半小时收集一次，并且只保留3天，可以使用以下语句（参数的单位都是分）： SQL> begin 2 dbms_workload_repository。
  modify_snapshot_settings ( 3 interval => 30, 4 retention => 3*24*60 5 ); 6 end; SQL> select snap_interval, retention from dba_hist_wr_control; SNAP_INTERVAL RETENTION ------------------- ------------------- +00000 00:30:00。
  0 +00003 00:00:00。0 AWR使用多个表来存储收集的统计数据，它们都被放置在SYS这个方案中，存储在一个新的特殊表空间SYSAUX上，并且以WRM$_*和WRH$_*的格式存储。
  前面一种格式的表存储诸如数据库检查和采集的快照等元数据信息，而后面一种格式的表存储了实际收集的统计数据（M表示“Metadata元数据”，H表示“Historical历史”）。另外还有多个以“DBA_HIST_”为前缀，由这些表构造出的视图。
  你可以利用这些视图写出自己的性能分析工具。这些视图的命名与它相关的表直接相关。比如，视图DBA_HIST_SYSMETRIC_SUMMAY是以表WRH$_SYSMETRIC_SMMURY为基础构造的。
   AWR的历史信息表捕捉了比statspack多得多的信息，包括表空间的使用情况、文件系统的使用情况、甚至操作系统的统计信息。可以用以下语句从数据字典中得到这些表的完整列表： select view_name from user_views where view_name like 'DBA\_HIST\_%' escape '\'; 视图DBA_HIST_METRIC_NAME定义了AWR收集的重要度量数据、它们所属哪个组以及他们实在哪个单元被收集的。
  下面是一条记录例子： DBID : 4133493568 GROUP_ID : 2 GROUP_NAME : System Metrics Long Duration METRIC_ID : 2075 METRIC_NAME : CPU Usage Per Sec METRIC_UNIT : CentiSeconds Per Second 这个数据显示了一个隶属于 “系统长期度量数据”的度量数据组中的“每秒的厘秒数”单元的“CPU每秒使用情况”的度量项。
  这条记录可以和其他表如“DBA_HIST_SYSMETRIC_SUMMARY”联合查询来起作用： SQL> select begin_time, intsize, num_interval, minval, maxval, average, standard_deviation sd from dba_hist_sysmetric_summary where metric_id = 2075; BEGIN INTSIZE NUM_INTERVAL MINVAL MAXVAL AVERAGE SD ----- ---------- ------------ ------- ------- -------- ---------- 11:39 179916 30 0 33 3 9。
  81553548 11:09 180023 30 21 35 28 5。91543912 … … 这显示的是以厘秒为单位的CPU消耗时间。在分析数据中的标准偏差（Standard Deviation SD）可以帮助我们来确定平均数据图是否反映实际工组负荷。
  在第一条记录中，平均值是每秒钟CPU消耗3厘秒，而标准偏差是9。81，这说明平均为3并没有反映出实际工作负荷。在第二条记录中，平均值是28，而标准偏差是5。9，所以这条记录更具代表性。这种类型的信息有助于帮助理解在性能度量中的几个环境参数的作用。
  收起