Oracle性能預(yù)測

譯者序
前言
第1章 性能預(yù)測導(dǎo)論
1.1 風(fēng)險(xiǎn)：一個(gè)四個(gè)字母的單詞（RISK）
1.2 服務(wù)水平管理
1.3 建模：化繁為簡
1.4 模型類型
1.4.1 數(shù)學(xué)模型
1.4.2 基準(zhǔn)模型
1.4.3 模擬模型
1.4.4 基準(zhǔn)和模擬之間的差異
1.5 Oracle性能預(yù)測的挑戰(zhàn)
第2章 基本性能預(yù)測
2.1 計(jì)算系統(tǒng)是活的
2.2 事務(wù)是工作的單元/計(jì)量單位
2.2.1 到達(dá)率
2.2.2 事務(wù)處理器
2.2.3 隊(duì)列
2.2.4 事務(wù)流
2.3 響應(yīng)時(shí)間曲線
2.4 CPU和IO子系統(tǒng)建模
2.5 方法是必須的
2.6 數(shù)據(jù)采集
2.7 基礎(chǔ)數(shù)學(xué)
2.7.1 公式
2.7.2 應(yīng)用程序
2.7.3 管理層需要知道什么
2.8 風(fēng)險(xiǎn)緩解策略
2.8.1 優(yōu)化應(yīng)用程序和Oracle
2.8.2 購買更多的CPU能力
2.8.3 平衡現(xiàn)有的工作負(fù)載
2.9 小結(jié)
第3章 提高預(yù)測精度
3.1 預(yù)測陷阱
3.2 模型選擇
3.2.1 要問的問題
3.2.2 基本預(yù)測模型
3.3 基線選擇
3.4 響應(yīng)時(shí)間數(shù)學(xué)
3.4.1 Erlang C預(yù)測公式
3.4.2 對比預(yù)測公式
3.5 計(jì)算平均值
3.5.1 正確的分布模式
3.5.2 如何求多個(gè)值的平均值
3.6 案例研究：高光公司
3.6.1 確定研究課題
3.6.2 收集和描述工作負(fù)載
3.6.3 選擇預(yù)測模型
3.6.4 預(yù)測和驗(yàn)證
3.6.5 我們告訴管理層什么
3.7 小結(jié)
第4章 基礎(chǔ)預(yù)測統(tǒng)計(jì)
4.1 什么是統(tǒng)計(jì)
4.2 樣本與總體
4.3 描述樣本
4.3.1 用數(shù)值描述樣本
4.3.2 可視化地描述數(shù)據(jù)樣本
4.3.3 完整地描述樣本數(shù)據(jù)
4.4 做出推斷
4.4.1 使用總體標(biāo)準(zhǔn)差
4.4.2 使用標(biāo)準(zhǔn)誤
4.5 騙人的精度
4.6 小結(jié)
第5章 實(shí)用排隊(duì)論
5.1 排隊(duì)系統(tǒng)符號
5.2 Little法則
5.3 Kendall的符號
5.4 排隊(duì)論工作簿
5.5 隊(duì)列配置和響應(yīng)時(shí)間曲線位移
5.5.1 觀察不同隊(duì)列配置的影響
5.5.2 響應(yīng)時(shí)間曲線的上下左右移動
5.6 應(yīng)用排隊(duì)論所面臨的挑戰(zhàn)
5.7 小結(jié)
第6章 系統(tǒng)化地預(yù)測性能
6.1 需要有一種方法
6.2 OraPub的預(yù)測方法
6.2.1 確定研究課題
6.2.2 收集工作負(fù)載數(shù)據(jù)
6.2.3 描述工作負(fù)載
6.2.4 開發(fā)和使用適當(dāng)?shù)哪Ｐ?br />6.2.5 驗(yàn)證預(yù)測
6.2.6 預(yù)測
6.3 小結(jié)
第7章 描述工作負(fù)載
7.1 面臨的挑戰(zhàn)
7.2 收集工作負(fù)載
7.2.1 收集操作系統(tǒng)數(shù)據(jù)
7.2.2 收集Oracle數(shù)據(jù)
7.3 定義工作負(fù)載組成部分
7.4 對工作負(fù)載建模
7.4.1 簡單工作負(fù)載模型
7.4.2 單類工作負(fù)載模型
7.4.3 多類工作負(fù)載模型
7.5 選擇峰值
7.5.1 選擇單一樣本
7.5.2 匯總多個(gè)工作負(fù)載樣本
7.6 小結(jié)
第8章 比例模型
8.1 比例模型概念
8.2 比例模型公式
8.3 收集和描述工作負(fù)載
8.4 推導(dǎo)比例
8.4.1 推導(dǎo)出批處理對CPU的比例
8.4.2 推導(dǎo)OLTP對CPU的比例
8.5 比例模型預(yù)測
8.6 小結(jié)
第9章 線性回歸模型
9.1 避免非線性領(lǐng)域
9.2 尋找關(guān)系
9.3 確定線性關(guān)系
9.3.1 查看原始數(shù)據(jù)
9.3.2 查看原始數(shù)據(jù)曲線圖
9.3.3 查看殘差數(shù)據(jù)
9.3.4 查看殘差數(shù)據(jù)曲線圖
9.3.5 查看回歸公式
9.3.6 查看相關(guān)性強(qiáng)度
9.3.7 如果一切正常，執(zhí)行預(yù)測
9.4 處理離群值
9.4.1 離群值的識別
9.4.2 確定何時(shí)停止
9.5 回歸分析案例研究
9.6 小結(jié)
第10章 可擴(kuò)展性
10.1 物理CPU和有效CPU之間的關(guān)系
10.2 預(yù)測時(shí)如何使用可擴(kuò)展性
10.3 可擴(kuò)展性涉及什么
10.4 加速和擴(kuò)展
10.5 哪個(gè)預(yù)測模型受到可擴(kuò)展性影響
10.6 可擴(kuò)展性模型
10.6.1 阿姆達(dá)爾擴(kuò)展
10.6.2 幾何級數(shù)擴(kuò)展
10.6.3 二次方擴(kuò)展
10.6.4 超級串行擴(kuò)展
10.7 確定可擴(kuò)展性的方法
10.7.1 從物理CPU數(shù)據(jù)到有效CPU數(shù)據(jù)
10.7.2 基準(zhǔn)：物理CPU數(shù)量對吞吐量的數(shù)據(jù)
10.7.3 真實(shí)系統(tǒng)：系統(tǒng)負(fù)載和吞吐量數(shù)據(jù)
10.8 小結(jié)