Математика

Физика

Химия

Биология

Техника и    технологии

Forecasting Oracle Performance - Craig Shallahamer 2007 str253
Forecasting Oracle Performance - Craig Shallahamer 2007 str253


Contents at a Glance
About the Author . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiii
About the Technical Reviewers. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xv
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xvii
¦CHAPTER 1 Introduction to Performance Forecasting . . . . . . . . . . . . . . . . . . . . . . . . 1
¦CHAPTER 2 Essential Performance Forecasting. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
¦CHAPTER 3 Increasing Forecast Precision . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
¦CHAPTER 4 Basic Forecasting Statistics. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
¦CHAPTER 5 Practical Queuing Theory . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
¦CHAPTER 6 Methodically Forecasting Performance . . . . . . . . . . . . . . . . . . . . . . . . 139
¦CHAPTER 7 Characterizing the Workload . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
¦CHAPTER 8 Ratio Modeling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
¦CHAPTER 9 Linear Regression Modeling. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
¦CHAPTER 10 Scalability . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
¦INDEX . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
v

Contents
About the Author . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiii
About the Technical Reviewers. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xv
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xvii
¦CHAPTER 1 Introduction to Performance Forecasting . . . . . . . . . . . . . . . . . . 1
Risk: A Four-Letter Word. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Service-Level Management. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Modeling: Making the Complex Simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Model Types . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
Mathematical Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
Benchmark Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Simulation Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Differences Between Benchmarks and Simulations . . . . . . . . . . . . . . 8
Challenges in Forecasting Oracle Performance . . . . . . . . . . . . . . . . . . . . . . . 9
¦CHAPTER 2 Essential Performance Forecasting. . . . . . . . . . . . . . . . . . . . . . . . 13
The Computing System Is Alive. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
Transactions Are Units of Work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
The Arrival Rate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
The Transaction Processor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
The Queue. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Transaction Flow . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
The Response Time Curve . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
CPU and IO Subsystem Modeling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Method Is a Must. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
Data Collection. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Essential Mathematics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
The Formulas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
The Application. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
What Management Needs to Know . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
vii
Risk Mitigation Strategies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
Tuning the Application and Oracle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
Buying More CPU Capacity. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
Balancing Existing Workload . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
¦CHAPTER 3 Increasing Forecast Precision . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
Forecasting Gotchas! . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
Model Selection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
Questions to Ask . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
Fundamental Forecasting Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
Baseline Selection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
Response Time Mathematics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
Erlang C Forecasting Formulas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Contrasting Forecasting Formulas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
Average Calculation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
The Right Distribution Pattern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
How to Average Diverse Values . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
Case Study: Highlight Company . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
Determine the Study Question. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
Gather and Characterize Workload . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
Select the Forecast Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
Forecast and Validate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
What We Tell Management. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
¦CHAPTER 4 Basic Forecasting Statistics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
What Is Statistics?. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
Sample vs. Population . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
Describing Samples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
Numerically Describing Samples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
Visually Describing Data Samples . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
Fully Describing Sample Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
Making Inferences. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
Precision That Lies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
viii ¦CONTENTS
¦CHAPTER 5 Practical Queuing Theory. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
Queuing System Notation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
Little’s Law . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
Kendall’s Notation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
The Queuing Theory Workbook . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
Queuing Configurations and Response Time Curve Shifts . . . . . . . . . . . . 114
Observing the Effects of Different Queuing Configurations . . . . . . 114
Moving the Response Time Curve Around. . . . . . . . . . . . . . . . . . . . . 119
Challenges in Queuing Theory Application . . . . . . . . . . . . . . . . . . . . . . . . . 124
Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
¦CHAPTER 6 Methodically Forecasting Performance . . . . . . . . . . . . . . . . . . 139
The Need for a Method. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
The OraPub Forecasting Method. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
Determine the Study Question. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
Gather the Workload Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
Characterize the Workload . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
Develop and Use the Appropriate Model . . . . . . . . . . . . . . . . . . . . . . 145
Validate the Forecast. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
Forecast. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
¦CHAPTER 7 Characterizing the Workload . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
The Challenge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
Gathering the Workload . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
Gathering Operating System Data . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
Gathering Oracle Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
Defining Workload Components . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
Modeling the Workload. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
Simple Workload Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
Single-Category Workload Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
Multiple-Category Workload Model. . . . . . . . . . . . . . . . . . . . . . . . . . . 168
Selecting the Peak. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
Selecting a Single Sample . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
Summarizing Workload Samples . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
¦CONTENTS ix
¦CHAPTER 8 Ratio Modeling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
What Is Ratio Modeling?. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
The Ratio Modeling Formula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
Gathering and Characterizing the Workload . . . . . . . . . . . . . . . . . . . . . . . . 187
Deriving the Ratios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
Deriving the Batch-to-CPU Ratio. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
Deriving the OLTP-to-CPU Ratio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
Forecasting Using Ratio Modeling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
¦CHAPTER 9 Linear Regression Modeling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
Avoiding Nonlinear Areas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
Finding the Relationships. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
Determining a Linear Relationship . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
View the Raw Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
View the Raw Data Graph. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
View the Residual Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
View the Residual Data Graph . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
View the Regression Formula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
View the Correlation Strength . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
If Everything Is OK, Forecast . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
Dealing with Outliers. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
Identifying Outliers. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
Determining When to Stop . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
Regression Analysis Case Studies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
¦CHAPTER 10 Scalability . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
The Relationship Between Physical CPUs and Effective CPUs . . . . . . . . 229
How Scalability Is Used in Forecasting . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
What’s Involved in Scalability? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
Speedup and Scaleup. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
Which Forecast Models Are Affected by Scalability?. . . . . . . . . . . . . . . . . 236
x ¦CONTENTS
Scalability Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
Amdahl Scaling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
Geometric Scaling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
Quadratic Scaling. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
Super-Serial Scaling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
Methods to Determine Scalability. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
Physical-to-Effective CPU Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
Benchmark: Physical CPUs-to-Throughput Data . . . . . . . . . . . . . . . 248
Real System: Load and Throughput Data . . . . . . . . . . . . . . . . . . . . . 251
Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253

Цена: 200руб.

Назад

Заказ

На главную страницу