AWR(Automatic Workload Repository)報告動輒上百頁,若從頭細讀不僅耗時且易迷失方向。資深 DBA 採用「整體優先、對比為主、跳躍式深入、業務語境判斷」的四步驟分析法,能在最短時間定位效能瓶頸。本文系統整理 AWR 資料來源、快照管理、報告產生,並詳細拆解「系統整體狀況」與「具體狀況」兩大分析維度的關鍵指標與解讀邏輯。
V$ 動態視圖查詢(如 V$SYSSTAT、V$SYSTEM_EVENT)。SYSAUX 表空間的 DBA_HIST_* 表群,保留 7 天(預設)。-- 查詢目前設定
SELECT snap_interval, retention FROM dba_hist_wr_control;
-- 輸出範例:+00000 01:00:00.0 | +00007 00:00:00.0 (每小時、保留7天)
-- 修改為每 30 分鐘一個快照,保留 10 天(以分鐘為單位)
EXEC DBMS_WORKLOAD_REPOSITORY.MODIFY_SNAPSHOT_SETTINGS(INTERVAL => 30, RETENTION => 10*24*60);
-- 手動建立快照(如重大變更前後)
EXEC DBMS_WORKLOAD_REPOSITORY.CREATE_SNAPSHOT;
建議:高載系統可縮短間隔至 15~30 分鐘;長期保留需評估 SYSAUX 空間增長。
-- 以 SYSDBA 執行
@?/rdbms/admin/awrrpt.sql
-- 依提示輸入:報告類型、快照 ID 範圍、輸出檔名
亦可使用 awrrpti.sql(指定 Instance)、awrgrpt.sql(RAC 全叢集)、awrsqrpt.sql(單一 SQL 專項)。
核心指標與解讀:
| 指標 | 關注重點 | 異常徵兆 |
|---|---|---|
| Per Second / Per Transaction | 交易吞吐量基線 | 驟降或飆升,對應業務流量異常 |
| Physical Reads/Writes | 磁碟 I/O 強度 | Physical Reads 高於 Logical Reads 10%+ 表示緩衝區命中率低 |
| Logical Reads/Writes | 記憶體存取量 | 單筆交易 Logical Reads 過高 → SQL 效率差、缺索引 |
| Parses (Hard/Total) | 解析負擔 | Hard Parse 佔比 > 10% → 未使用 Bind Variable、Cursor Sharing 問題 |
| Logons | 連線建立頻率 | 高頻短連 → 應用未用連線池 |
各指標應逼近 100%,兩項例外:
黃金法則:全部達標 ≠ 系統無問題;但任一顯著偏離 ≡ 必有效能問題。
依「總等待時間」排序,直接指向瓶頸類型:
| 等待事件 | 典型成因 | 檢查方向 |
|---|---|---|
| db file sequential read | 索引範圍掃描、單區塊讀取 | 索引效率、Clustering Factor、熱塊競爭 |
| db file scattered read | 全表掃描、多區塊讀取 | 缺索引、統計資訊過期、執行計劃錯誤 |
| log file sync | Commit 等待 LGWR 寫入 Redo | Redo Log 檔案/裝置效能、Commit 過於頻繁 |
| log file switch completion | Log Switch 等待歸檔/檢查點完成 | Redo Log 群組/大小不足、歸檔延遲 |
| enq: TX - row lock contention | 列鎖競爭 | 熱點資料、長交易、索引缺失導致全表掃描鎖定過多列 |
| latch: cache buffers chains | 熱門資料區塊競爭 | 熱點表/索引、Nested Loop Join 過度、統計資訊偏差 |
對目標 SQL:擷取 SQL_ID → DBMS_XPLAN.DISPLAY_AWR 取得實際執行計劃 → 分析 Cardinality/Access Path/Join Order/Partition Pruning。
DB_CACHE_SIZE 是否足夠。PGA_AGGREGATE_TARGET 或啟用 MEMORY_TARGET 自動管理。Tablespace I/O Stats:Read/Write 延遲、吞吐量、熱門表空間識別。DBA_HIST_FILESTATXS 追蹤歷史 I/O 趨勢,規劃檔案佈局(分離 Data/Index/Temp/Undo/Redo 至不同磁碟/ASM Disk Group)。SQL_ID → 分析執行計劃、統計資訊、索引狀態。AWR 分析不是讀報告,而是「用報告做診斷」。建立標準化分析流程、累積基線報告庫、善用 DBMS_WORKLOAD_REPOSITORY 程式化比對,能將效能調優從「經驗驅動」轉型為「數據驅動」。下一步可進階學習 ASH(Active Session History)報告進行秒級鑽取,以及 SQL Tuning Advisor 自動化建議的輔助應用。