#DBMS_PARAM
DBMS_PARAM包提供了一组变量、函数和存储过程，用于设置数据库的推荐参数。推荐参数调整了一些关键参数的配置，会尽可能避免低级错误，但不保证解决所有配置项问题，对于具体场景还需要细化调优。
拥有ALTER SYSTEM权限的用户可以根据业务类型和系统资源状况，使用该高级包查看和应用推荐参数。
# OPTIMIZE
DBMS_PARAM.OPTIMIZE (
apply_parameter BOOL,
table_type VARCHAR,
os_memory_limit NUMBER,
os_cpu_limit NUMBER,
data_path VARCHAR,
redo_path VARCHAR,
scene VARCHAR,
scale_factor NUMBER
);
本存储过程用于生成推荐参数，旧的推荐参数将会被覆盖。
本存储过程的所有参数都有默认值，最少输入0个参数，最多输入8个参数。
Caution:
对于需要应用推荐参数的环境，建议在数据库默认配置基础上执行本存储过程，避免额外配置项对推荐参数的有效性产生影响。
生成推荐参数过程中，系统会对数据文件（datafile）与重做日志文件（redofile）所在磁盘进行性能测试，建议在无业务运行时执行，以保证参数推荐结果准确可靠。
在多节点环境（例如单机主备部署、共享集群部署）中，为确保参数配置全局一致，需注意以下事项：
各节点对应的服务器硬件资源配置应保持统一。
参数配置变更通常不支持自动同步，需在每个节点分别执行本存储过程。
不建议在生产环境使用TPCC调优方案（即scene=TPCC）。如需在测试环境使用，请务必提前备份配置文件，防止参数被覆盖而影响系统正常运行。
| 参数 | 描述 |
|---|---|
| apply_parameter | 生成推荐参数后是否立刻写入配置文件，默认为FALSE。若设置为TRUE，参数会立即写入配置文件，但还需重启数据库相关参数才能生效 |
| table_type | 主要业务的表类型，可选[HEAP,TAC,LSC]，默认为HEAP |
| os_memory_limit | 服务器可供数据库使用内存百分比上限，默认为100，即分配所有内存，建议设置为80 |
| os_cpu_limit | 服务器可供数据库使用CPU百分比上限，默认为100，即分配所有CPU |
| data_path | datafile所在路径，默认为''，系统会自动获取datafile路径 NOMOUNT模式下，默认为$YASDB_DATA/dbfiles MOUNT和OPEN模式下，默认为随机一个datafile所在路径 |
| redo_path | redofile所在路径，默认为''，系统会自动获取redofile路径 NOMOUNT模式下，默认为$YASDB_DATA/dbfiles MOUNT和OPEN模式下，默认为随机一个redofile所在路径 |
| scene | 参数调优的场景，默认为NORMAL * 在单机部署、共享集群部署以及分布式集群部署中，可选[NORMAL,BATCH,TPCC] * 在存算一体分布式集群部署中，可选[NORMAL,TPCH] 各个参数值的具体适用场景如下： * NORMAL：通用混合负载场景，适用于所有表类型 * BATCH：批量处理场景，仅当表类型为HEAP时可设置为BATCH。当业务主要为OLTP业务使用了HEAP表时，如遇到周期性跑批场景性能不佳的情况，可考虑使用BATCH场景参数进行调优 * TPCC：高并发联机交易处理场景，仅当表类型为HEAP表时可设置为TPCC。使用TPCC场景进行调优推荐时，scale_factor表示测试数据仓数。为保障推荐参数的有效性，TPCC调优对服务器硬件配置有一定的要求（100仓或200仓数据：至少8核CPU+32G内存；500仓数据：至少32核CPU+128G内存；1000仓数据：至少96核CPU+384G内存） * TPCH：复杂分析查询场景，仅当表类型为LSC时可设置为TPCH。使用TPCH场景进行调优推荐时，必须确保所有节点都执行参数推荐，否则可能重启时可能会因为连接参数不匹配而导致失败 |
| scale_factor | * 诸如TPCH等测试场景的数据量（单位：GB） * TPCC测试场景的仓数 取值范围为[1, 100000]，默认为100 仅用于内存足够的情况下辅助部分参数值的推荐，内存不足时优先保证不超配，该参数会自动降级 |
Note:
- 数据库最小可用内存为1.5G，最小可用CPU核数为1，如果分配的内存或CPU过小，将按最小值计算推荐参数，而不会报错。
- 如果同一台服务器上部署多个数据库实例，建议手动设置os_memory_limit，将系统内存按比例划分，防止内存不足。
示例
-- 使用默认参数生成推荐参数，不写入配置文件。
BEGIN
DBMS_PARAM.OPTIMIZE();
END;
/
-- 使用TAC表类型，分配80%的内存，100%的CPU，生成推荐参数后，写入配置文件。
EXEC DBMS_PARAM.OPTIMIZE(True, 'TAC', 80);
-- 使用默认的HEAP表类型，分配100%的内存，100%的CPU，生成推荐参数后，不写入配置文件。
EXEC DBMS_PARAM.OPTIMIZE(NULL, NULL, 100, 100);
-- 使用LSC表类型，分配100%的内存，100%的CPU，指定datafile和redofile的路径，生成推荐参数后，不写入配置文件。
EXEC DBMS_PARAM.OPTIMIZE(NULL, 'LSC', NULL, NULL, '/home/yashan/data', '/home/yashan/redo');
-- 通过参数名指定，使用LSC表类型，分配100%的内存，100%的CPU，基于TPCH SF100场景，生成推荐参数后，写入配置文件。
EXEC DBMS_PARAM.OPTIMIZE(apply_parameter=>True, table_type=>'LSC', os_memory_limit=>100, os_cpu_limit=>100, scene=>'TPCH', scale_factor=>100)
# SHOW_RECOMMEND
DBMS_PARAM.SHOW_RECOMMEND();
SHOW_RECOMMEND为一个函数，返回最近一次推荐参数的报告。
示例（数据仅供参考）
SELECT DBMS_PARAM.SHOW_RECOMMEND() FROM dual;
DBMS_PARAM.SHOW_RECOMMEND()
----------------------------------------------------------------
********** Recommended Settings For TAC Table ************
+--------------------------------+-------------+-------------+---------+
| name | current | recommend | restart |
+--------------------------------+-------------+-------------+---------+
| DATA_BUFFER_SIZE | 11247M | 11247M | True |
| VM_BUFFER_SIZE | 2396M | 2396M | True |
| WORK_AREA_POOL_SIZE | 64M | 64M | True |
| SHARE_POOL_SIZE | 2396M | 2396M | True |
| MAX_PARALLEL_WORKERS | 32 | 32 | True |
| SCOL_DATA_BUFFER_SIZE | 128M | 128M | True |
| SCOL_DATA_PRELOADERS | 2 | 2 | True |
| COLUMNAR_VM_BUFFER_SIZE | 7375M | 7375M | True |
| COLUMNAR_BULK_SIZE | 2048 | 2048 | True |
| PQ_POOL_SIZE | 128M | 128M | True |
| MAX_SESSIONS | 500 | 500 | True |
| MAX_WORKERS | 0 | 0 | True |
| TAB_QUEUE_WINDOW_SIZE | 4 | 4 | True |
| BLOOM_FILTER_FACTOR | .3 | .3 | True |
| DEGREE_OF_PARALLEL | 1 | 1 | True |
| RECOVERY_PARALLELISM | 8 | 8 | True |
+--------------------------------+-------------+-------------+---------+
| other memory | 1872M |
| total memory | 25609M |
+--------------------------------+-------------+-------------+---------+
Note: You can execute 'DBMS_PARAM.APPLY_RECOMMEND()' to apply the recommend parameters.
After applying the parameters, you need to restart the database.
# APPLY_RECOMMEND
DBMS_PARAM.APPLY_RECOMMEND();
此存储过程应用推荐参数，将最近一次的推荐参数写入配置参数文件。执行后必须重启数据库，以便让参数生效。
示例
EXEC DBMS_PARAM.APPLY_RECOMMEND();
# SHOW_MEMORY_LIMIT
DBMS_PARAM.SHOW_MEMORY_LIMIT();
SHOW_MEMORY_LIMIT为一个函数，返回当前配置项下，系统使用内存的上限值。
Note:
执行SHOW_MEMORY_LIMIT函数得到的系统使用内存上限值可能比执行OPTIMIZE存储过程时传入的可用内存值大。
示例（数据仅供参考）
SELECT DBMS_PARAM.SHOW_MEMORY_LIMIT() FROM dual;
DBMS_PARAM.SHOW_MEMO
----------------------------------------------------------------
********** Default table type: LSC ************
+--------------------------------+----------+--------+----------+
| name | setting | num | memory |
+--------------------------------+----------+--------+----------+
| DATA_BUFFER_SIZE | 256M | 1 | 256M |
| VM_BUFFER_SIZE | 32M | 1 | 32M |
| WORK_AREA_POOL_SIZE | 64M | 1 | 64M |
| SHARE_POOL_SIZE | 256M | 1 | 256M |
| LARGE_POOL_SIZE | 32M | 1 | 32M |
| SCOL_DATA_BUFFER_SIZE | 128M | 1 | 128M |
| COLUMNAR_VM_BUFFER_SIZE | 128M | 1 | 128M |
| PQ_POOL_SIZE | 128M | 1 | 128M |
| REDO_BUFFER_SIZE | 8M | 2 | 16M |
| MAX_WORKERS | 16 | | |
| MAX_PARALLEL_WORKERS | 128 | | |
| WORK_AREA_STACK_SIZE | 1024K | 144 | 144M |
| private log buffer size | 128K | 144 | 18M |
| MAX_SESSIONS | 128 | | |
| WORK_AREA_HEAP_SIZE | 2M | 128 | 256M |
| reserved memory for db | 200M | 1 | 200M |
+--------------------------------+----------+--------+----------+
| memory limit | | | 1.68164G |
+--------------------------------+----------+--------+----------+
下载文档
复制链接
