应用Profiler优化SQL Server数据库系统

应用Profiler优化SQL Server数据库系统发布日期：6/28/2005 | 更新日期：6/28/2005作者：苏有全本页内容概述Profiler trace文件性能分析的传统方法以及局限Read80trace工具介绍以及它的Normalization 功能使用存储过程分析Normalize后的数据使用usp_GetAccessPattern的一些技巧蛇足：哪个是HOT 数据库？概述当你的SQL Server数据库系统运行缓慢的时候，你或许多多少少知道可以使用SQL Server Profiler（中文叫SQL事件探查器）工具来进行跟踪和分析。

是的，Profiler可以用来捕获发送到SQL Server的所有语句以及语句的执行性能相关数据（如语句的read/writes页面数目，CPU的使用量，以及语句的duration等）以供以后分析。

但本文并不介绍如何使用Profiler 工具，而是将介绍如何使用read80trace（有关该工具见后面介绍）工具结合自定义的存储过程来提纲挈领地分析Profiler捕获的Trace文件，最终得出令人兴奋的数据分析报表，从而使你可以高屋建瓴地优化SQL Server数据库系统。

本文对那些需要分析SQL Server大型数据库系统性能的读者如DBA等特别有用。

在规模较大、应用逻辑复杂的数据库系统中Profiler产生的文件往往非常巨大，比如说在Profiler 中仅仅配置捕获基本的语句事件，运行二小时后捕获的Trace文件就可能有GB级的大小。

应用本文介绍的方法不但可以大大节省分析Trace的时间和金钱，把你从Trace文件的海量数据中解放出来，更是让你对数据库系统的访问模式了如指掌，从而知道哪一类语句对性能影响最大，哪类语句需要优化等等。

返回页首Profiler trace文件性能分析的传统方法以及局限先说一下什么是数据库系统的访问模式。

除了可以使用Trace文件解决如死锁，阻塞，超时等问题外，最常用也是最主要的功能是可以从Trace文件中得到如下三个非常重要的信息：1. 运行最频繁的语句2. 最影响系统性能的关键语句3. 各类语句群占用的比例以及相关性能统计信息本文提到的访问模式就是上面三个信息。

我们知道，数据库系统的模块是基本固定的，每个模块访问SQL Server的方式也是差不多固定的，具体到某个菜单，某个按钮，都是基本不变的，所以，在足够长的时间内，访问SQL Server的各类语句及其占用的比例也基本上是固定的。

换句话说，只要Profiler采样的时间足够长（我一般运行2小时以上），那么从Trace文件中就肯定可以统计出数据库系统的访问模式。

每一个数据库系统都有它自己独一无二的访问模式。

分析Profiler Trace文件的一个重要目标就是找出数据库系统的访问模式。

一旦得到访问模式，你就可以在优化系统的时候做到胸有成竹，心中了然。

可惜直到目前为止还没有任何工具可以方便地得到这些信息。

传统的Trace分析方法有两种。

一种是使用Profiler工具本身。

比如说可以使用Profiler 的Filter功能过滤出那些运行时间超过10秒以上的语句，或按照CPU排序找出最耗费CPU 的语句等。

另一种是把Trace文件导入到数据库中，然后使用T-SQL语句来进行统计分析。

这两种方法对较小的Trace文件是有效的。

但是，如果Trace文件数目比较多比较大（如4个500MB以上的trace文件），那么这两种方法就有很大的局限性。

其局限性之一是因为文件巨大的原因，分析和统计都非常不易，常常使你无法从全局的高度提纲挈领地掌握所有语句的执行性能。

你很容易被一些语句迷惑而把精力耗费在上面，而实际上它却不是真正需要关注的关键语句。

局限性之二是你发现尽管很多语句模式都非常类似（仅仅是执行时参数不同），却没有一个简单的方法把他们归类到一起进行统计。

简而言之，你无法轻而易举地得到数据库系统的访问模式，无法在优化的时候做到高屋建瓴，纲举目张。

这就是传统分析方法的局限性。

使用下面介绍的Read80trace工具以及自定义的存储过程可以克服这样的局限性。

返回页首Read80trace工具介绍以及它的Normalization 功能Read80Trace工具是一个命令行工具。

使用Read80Trace工具可以大大节省分析Trace 文件的时间，有事半功倍的效果。

Read80Trace的主要工作原理是读取Trace文件，然后对语句进行Normalize (标准化)，导入到数据库，生成性能统计分析的HTML页面。

另外，Read80trace可以生成RML文件，然后OSTRESS工具使用RML文件多线程地重放Trace文件中的所有事件。

这对于那些想把Profiler捕获的语句在另外一台服务器上重放成为可能。

本文不详细介绍Read80trace或OStress工具，有兴趣的读者请自行参阅相关资料，相关软件可以从微软网站下载（注：软件名称为RML，/downloads/）。

我要利用的是Read80Trace的标准化功能。

什么是标准化？就是把那些语句模式类似，但参数不一样的语句全部归类到一起。

举例说Trace中有几条语句如下：select * from authors where au_lname = 'white'select * from authors where au_lname = 'green'select * from authors where au_lname = 'carson'经过标准化后，上面的语句就变成如下的样子：select * from authors where au_lname = {str}select * from authors where au_lname = {str}select * from authors where au_lname = {str}有了标准化后的语句，统计出数据库系统的访问模式就不再是难事。

运行Read80trace 的时候我一般使用如下的命令行：Read80trace –f –dmydb –Imytrace.trc其中－f开关是不生成RML文件，因为我不需要重放的功能。

生成的RML文件比较大，建议读者如果不需要重放的话，也使用－f开关。

－d开关告诉read80trace把trace文件的处理结果存到mydb数据库中。

我们后面创建的存储过程正是访问read80trace在mydb中生成的表来进行统计的。

－I开关是指定要分析的的trace文件名。

Read80trace工具很聪明，如果该目录下有Profiler产生的一系列Trace文件，如mytrace.trc,mytrace1.trc,mytrace2.trc等，那么它会一一顺序读取进行处理。

除了上面介绍的外，Read80trace还有很多其它有趣的开关。

比如说使用－i开关使得Read80trace可以从zip或CAB文件中读取trace文件，不用自己解压。

所有开关在Read80trace.chm中有详细介绍。

我最欣赏的地方是read80trace的性能。

分析几个GB大小的trace文件不足一小时就搞定了。

我的计算机是一台内存仅为512MB的老机器，有这样的性能我很满意。

你也许会使用read80trace分析压力测试产生的trace文件。

我建议还是分析从生产环境中捕获的Trace文件为好。

因为很多压力测试工具都不能够真正模拟现实的环境，其得到的trace文件也就不能真实反映实际的情况。

甚至有些压力测试工具是循环执行自己写的语句，更不能反映准确的访问模式。

建议仅仅把压力测试产生的trace作为参考使用。

返回页首使用存储过程分析Normalize后的数据有了标准化后的语句就可以使用存储过程进行统计分析了。

分析的基本思想是把所有模式一样的语句的Reads，CPU和Duration做group by统计，得出访问模式信息：1. 某类语句的总共执行次数，平均读页面数（reads）/平均CPU时间/平均执行时间等。

2. 该类语句在所有语句的比例，如执行次数比例，reads比例，CPU比例等。

存储过程的定义以及说明如下：/*************************************************************/ Create procedure usp_GetAccessPattern 8000@duration_filter int=-1 --传入的参数，可以按照语句执行的时间过滤统计as begin/*首先得到全部语句的性能数据的总和*/declare @sum_total float,@sum_cpu float,@sum_readsfloat,@sum_duration float,@sum_writes floatselect @sum_total=count(*)*0.01,--这是所有语句的总数。

@sum_cpu=sum(cpu)*0.01, --这是所有语句耗费的CPU时间@sum_reads=sum(reads)*0.01, --这是所有语句耗费的Reads数目，8K为单位。

@sum_writes=sum(writes)*0.01,--这是所有语句耗费的Writes数目，8K为单位。

@sum_duration=sum(duration)*0.01--这是所有语句的执行时间总和。

from tblBatches --这是Read80Trace产生的表，包括了Trace文件中所有的语句。

where duration>=@duration_filter --是否按照执行时间过滤/*然后进行Group by，得到某类语句占用的比例*/Select ltrim(str(count(*))) exec_stats,''+str(count(*)/@sum_total,4,1)+'%' ExecRatio,ltrim(str(sum(cpu)))+' : '++ltrim(str(avg(cpu)))cpu_stats,''+str(sum(cpu)/@sum_cpu,4,1)+'%' CpuRatio,ltrim(str(sum(reads) ))+' : '+ltrim(str(avg(reads) ))reads_stats,''+str(sum(reads)/@sum_reads,4,1) +'%' ReadsRatio ,--ltrim(str(sum(writes) ))+' : '+ltrim(str(avg(writes) ))--writes_stats,''+str(sum(writes)/@sum_writes,4,1) +'%)',ltrim(str(sum(duration) ))+' : '+ltrim(str(avg(duration))) duration_stats,''+str(sum(duration)/@sum_duration,4,1)+'%' DurRatio ,textdata,count(*)/@sum_total tp,sum(cpu)/@sum_cpucp,sum(reads)/@sum_reads rp,sum(duration)/@sum_duration dpinto #queries_staticstics from/* tblUniqueBatches表中存放了所有标准化的语句。