http://blog.csdn.net/nilxin/article/details/5812480

sample 1:

定义

TPS：Transactions Per Second（每秒传输的事物处理个数），即服务器每秒处理的事务数。TPS包括一条消息入和一条消息出，加上一次用户数据库访问。（业务TPS = CAPS × 每个呼叫平均TPS）

TPMC：Transactions Per Minute（每分钟处理的交易量），tpmC值在国内外被广泛用于衡量计算机系统的事务处理能力。

IOPS (Input/Output Per Second)即每秒的输入输出量(或读写次数)，是衡量磁盘性能的主要指标之一。

IOPS是指单位时间内系统能处理的I/O请求数量，一般以每秒处理的I/O请求数量为单位，I/O请求通常为读或写数据操作请求。

Mbps (MB per Second)传输速率是指集线器的数据交换能力,也叫“带宽”，单位是Mbps(兆位/秒)。

每秒50个事务，哪就每秒50个TPS呗。 IOPS计算不出来。IOPS是每秒IO次数，根据这些信息，得不到IOPS。

sample 2:

http://www.jydba.net/oracle-orion-calibration-tool/

Oracle Orion Calibration Tool
Oracle Orion是一种用来在没有安装Oracle或没有创建数据库的情况下来预测Oracle数据库性能的工 具。不像其它的I/O校准工具，Oracle Orion是特定为模拟Oracle数据库I/O工作量而设计的。Orion 可以通过Oracle ASM来模拟条带的性能。Orion可以使用不同的I/O负载来检测性能指标，比如 MBPS,IOPS与I/O延迟。

执行Orion需要注意以下两个问题:
.当存储是空闲或者接近空闲时执行。Orion校准存储性能是基于它所生成的I/O负载，如果在执行 Orion的同时也执行了其它非Orion的I/O工作量，那么Orion将不能正确评估性能指标。

.如果数据库已经在存储中创建，执行dbms_resource_manager.calibrate_io()时存储是一种选择。

执行Orion的步骤
1.使用-testname参数来指定一个测试名。这个参数用来唯一标识运行的Orion

2.基于测试名创建一个Orion输入文件,并且它的文件名与-testname参数所指定的测试名要相同，其 缺省的输入文件为orion.lun，例如，创建一个jytest.lun。在输入文件中列出裸设备或要测试的文 件。在输入文件的每一行添加一个卷名，不要加入任何注释。例如:

[oracle@jyrac1 bin]$ vi jytest.lun

/dev/raw/raw1

/dev/raw/raw2

/dev/raw/raw3

3.验证输入文件中所指定的所有卷，例如jytest.lun。对于在linux系统中执行以下命令进行检查:

[oracle@jyrac1 bin]$ dd if=/dev/raw/raw1 of=/dev/null bs=32k count=1024

1024+0 records in

1024+0 records out

33554432 bytes (34 MB) copied, 1.76808 seconds, 19.0 MB/s

[oracle@jyrac1 bin]$ dd if=/dev/raw/raw2 of=/dev/null bs=32k count=1024

1024+0 records in

1024+0 records out

33554432 bytes (34 MB) copied, 1.91884 seconds, 17.5 MB/s

[oracle@jyrac1 bin]$ dd if=/dev/raw/raw3 of=/dev/null bs=32k count=1024

1024+0 records in

1024+0 records out

33554432 bytes (34 MB) copied, 1.51707 seconds, 22.1 MB/s

4.第一次执行Orion时，使用oltp或dss选项的-run参数。如果数据库主要用于OLTP，那么使用-run oltp。如果数据库主要用于DSS，那么使用-run dss。

例如

[oracle@jyrac1 bin]$ ./orion -run oltp -testname jytest

ORION: ORacle IO Numbers -- Version 11.2.0.4.0

jytest_20161011_2122

Calibration will take approximately 24 minutes.

Using a large value for -cache_size may take longer.

Maximum Small IOPS=911 @ Small=60 and Large=0

Small Read Latency: avg=65784 us, min=2256 us, max=721805 us, std dev=58565 us @  Small=60 and Large=0

Minimum Small Latency=10292 usecs @ Small=3 and Large=0

Small Read Latency: avg=10292 us, min=968 us, max=164951 us, std dev=7615 us @ Small=3  and Large=0

Small Read / Write Latency Histogram @ Small=3 and Large=0

        Latency:                # of IOs (read)          # of IOs (write)

        0 - 1           us:             0                       0

        2 - 4           us:             0                       0

        4 - 8           us:             0                       0

        8 - 16          us:             0                       0

       16 - 32          us:             0                       0

       32 - 64          us:             0                       0

       64 - 128         us:             0                       0

      128 - 256         us:             0                       0

      256 - 512         us:             0                       0

      512 - 1024        us:             2                       0

     1024 - 2048        us:             17                      0

     2048 - 4096        us:             1291                    0

     4096 - 8192        us:             7044                    0

     8192 - 16384       us:             6899                    0

    16384 - 32768       us:             1870                    0

    32768 - 65536       us:             279                     0

    65536 - 131072      us:             25                      0

   131072 - 262144      us:             5                       0

   262144 - 524288      us:             0                       0

   524288 - 1048576     us:             0                       0

  1048576 - 2097152     us:             0                       0

  2097152 - 4194304     us:             0                       0

  4194304 - 8388608     us:             0                       0

  8388608 - 16777216    us:             0                       0

 16777216 - 33554432    us:             0                       0

 33554432 - 67108864    us:             0                       0

 67108864 - 134217728   us:             0                       0

134217728 - 268435456   us:             0                       0

在orion命令执行完后会生成以下文件:

[oracle@jyrac1 bin]$ ls -lrt jytest*

-rw-r--r-- 1 oracle oinstall 43524 Oct 11 21:42 jytest_20161011_2122_trace.txt

-rw-r--r-- 1 oracle oinstall  1930 Oct 11 21:42 jytest_20161011_2122_summary.txt

-rw-r--r-- 1 oracle oinstall   570 Oct 11 21:42 jytest_20161011_2122_mbps.csv

-rw-r--r-- 1 oracle oinstall   800 Oct 11 21:42 jytest_20161011_2122_lat.csv

-rw-r--r-- 1 oracle oinstall   742 Oct 11 21:42 jytest_20161011_2122_iops.csv

-rw-r--r-- 1 oracle oinstall 19369 Oct 11 21:42 jytest_20161011_2122_hist.txt

orion执行的汇总结果存储在*_summary.txt文件中:

sample1: (http://blog.itpub.net/12457158/viewspace-752987/)

还是awr/STATSPACK报告，既然我们要查询的是事务数，那么事务数和什么有关系呢？当然是commit啦，如果我们知道了commit数，那么也就是变向知道了事务数，所以第二种方法还是在awr/STATSPACK报告里，这时相信有朋友已经想到了，不错和你想的一样就是

sample 2:

http://blog.itpub.net/12457158/viewspace-752987/

方法3：

select instance_number,
          metric_unit,
           trunc(begin_time) time,
        avg(average)*60*60*24 "Transactions Per Day"
      from DBA_HIST_SYSMETRIC_SUMMARY
     where metric_unit = 'Transactions Per Second'
       and begin_time >=
           to_date('2013-01-21 00:00:00', 'yyyy-mm-dd hh24:mi:ss')
       and begin_time < to_date('2013-01-22 00:00:00', 'yyyy-mm-dd hh24:mi:ss')
    group by instance_number, metric_unit, trunc(begin_time)
    order by instance_number;

方法4：

select s.USERNAME,sum(se.VALUE) "session transaction number",sum(sy.VALUE) " database transaction number" from v$session s,v$sesstat se,v$sysstat sy
where s.sid=se.SID and se.STATISTIC#=sy.STATISTIC#
and sy.NAME='user commits'
and s.USERNAME=upper('&username')
group by s.USERNAME;

方法5：

select to_char(sysdate,'DD-MM-YYYY HH:MI:SS'), sum(value) sum from v$sysstat where name like 'user commits' or name like 'user rollbacks';

方法6：

with c as (select snap_id, stat_name, value commits from dba_hist_sysstat where stat_name = 'user commits'),
     r as (select snap_id, stat_name, value rollbacks from dba_hist_sysstat where stat_name = 'user rollbacks'),
     x as (select c.snap_id,  c.commits, r.rollbacks from c, r where c.snap_id = r.snap_id order by c.snap_id)
select x.snap_id,s.begin_interval_time, end_interval_time, 
       case when commits >= prior commits then commits - prior commits else null end commits, 
       case when rollbacks >= prior rollbacks then rollbacks - prior rollbacks else null end rollbacks
from x, dba_hist_snapshot s
where x.snap_id = s.snap_id
connect by x.snap_id = prior x.snap_id + 1
start with x.snap_id = (select min(snap_id) from c)
order by 1;

sample 3: (http://dwrose.blog.51cto.com/1067952/1102041)

IBM小机+ORACLE数据库迅猛提升事物数TPS的方法总结：近期一直在搞业务压测，提升系统的事务处理能力。事务处理量从刚开始的三千到如今的接近一万，也积累了一些优化方法，分享给各位。首先当然需要你的系统是处理大并发事务的，如果你的系统每秒TPS才一两百，可能事务优化并不是主要的目的。这里一共包含两个部分的优化手段，第一部分是常规的优化手段，第二部分是稍微“邪门”点的优化手段。

大并发事务常规的优化手段：

1）REDO LOG 盘优化：如果是放在存储，可以多拿出几块盘来做LOG 盘，最基本的常识盘要做成RAID 10,不能放RAID 5。根据你盘的情况，可以用6-12块盘不等。这些 盘专门提供给REDO LOG用，剩余的空间也不能提供给其他盘用，以免影响LOG 盘的IO。由于存储一般都带有CACHE，CACHE的大小根据高低中端的不同，存储型号的不同而不同，存储的CACHE可以说是存储的灵魂，对于写缓冲的效果非常明显，极大的降低写LOG盘的时间。

2）数据盘的IO要根据你系统的情况来，根据操作系统工具topas -D或iostat -DlRa 1 来看数据盘存不存在瓶颈，如果busy比较大，那么需要继续添加硬盘来提升IOPS。事务型的交易系统数据盘的繁忙主要是写脏数据造成的（可能你的情况跟我不一样），一般对IOPS要求不高。这个要根据系统情况来定。IOPS不够，可以考虑用SSD来提升IOPS，但是存储对SSD的支持不太好，最好让SSD的IO可以打散在存储的多个光纤环路中。

3）ORACLE 的GROUP COMMIT是自动、默认的行为，这块其实不用作优化也没法做优化。

4）对关键业务表设置了CACHE属性，保证事务的数据都在内存里。这一块的优化也非常重要，优化效果也非常明显。ORACLE里可以设置CACHE表。

当时压测是基于P740的一个小机+V7000的一个中端存储，做完以上优化，TPS可以达到6000。

非常规手段的优化：

1）由于P740只有物理16core cpu，CPU使用率到了65%，LOAD 接近40。为了LGWR可以任意时刻获取CUP资源，设置了_high_priority_processes 参数，保证LGWR可以随时获得CPU资源，不用排队。

2）操作系统级别设置dscrctl -n -b -s 1 内存预读，效果非常明显，立即可以提升1000+的TPS

3)如果你是万兆网卡，chdev -l hba0 -a cdli_queues=4 -P，加大网卡处理队列，效果也非常明显，可以提升1500+的TPS。事物数超大的系统，网卡往往是瓶颈，优化非常必要。及时你的3个千M网卡处理量还完全没到瓶颈，可是使用万兆网卡做了这个优化，还是非常的能看到立竿见影的下效果。

4）ORACLE的REDO LOG 块大小设置为4K.11GR2的版本可以指定REDO LOG的块大小，一般是磁盘的扇区大小512字节。在我的版本11.2.0.3下修改会报错，说修改值与实际扇区大小不匹配。通过修改隐含参数_disk_sector_size_override为true，可以强制改成功。修改的办法是在alter database add log file xxxx blocksize 4096。如果拿PL/SQL压测，采取commit write immediate wait方式提交，优化前后的差距接近4倍，非常惊人。但是拿我们的业务压测，只是提升了1500+的TPS，也非常的不错了。

经过上面4步的优化，TPS可以接近1W了。在此分享，希望对大家有帮助，很多地方说的不详细，有需要，可以联系我，进一步探讨。

P740，16core 3.55GHZ的内存，32G CPU，3块千M网卡BOND。

V7000 80G 的CACHE。12块LOG 盘。足够多的数据盘。

最新文章

  1. Android MediaMetadataRetriever 读取多媒体文件信息，元数据(MetaData)
  2. JS写入日志
  3. Python 学习文章收藏
  4. 解决：Linux版百度云客户端 BCloud网络错误 问题
  5. Python None comparison: should I use “is” or ==?
  6. 第十三篇：在SOUI中使用有窗口句柄的子窗口
  7. 8天掌握EF的Code First开发系列之2 简单的CRUD操作
  8. jquery设置和获得checkbox选中问题
  9. 数据结构(线段树)：HDU 5649 DZY Loves Sorting
  10. 【web开发问题】HTTP请求POSTDATA中包含多层对象如何获取？
  11. Android Monkey具体解释
  12. [AngularJS] New in Angular 1.5 ng-animate-swap
  13. CodeFirst解决数据迁移问题
  14. iOS 主动抛出异常
  15. 开涛spring3(4.2) - 资源 之 4.2 内置Resource实现
  16. xpadder教程：自定义设置游戏手柄的图片
  17. IN-子查询
  18. burp基本使用
  19. Echarts 柱状图配置详解
  20. Appium + Python 测试 QQ 音乐 APP的一段简单脚本

热门文章

  1. Nginx中的惊群现象解决方法
  2. Loadrunner脚本自动关联和手动关联
  3. iPhone HTTP获得XML并使用GDataXML解析
  4. php排序方法之插入排序
  5. codeforces 669B B. Little Artem and Grasshopper(水题)
  6. Opencv— — water wave
  7. bzoj 1127 [POI2008]KUP——思路(悬线法)
  8. HashMap为什么比数组查询快
  9. SSE2 Intrinsics各函数介绍
  10. sql之视图、触发器、函数、存储过程、事务