oracle-查询指定时间范围内最消耗资源的前100条sql

简介:
SET SERVEROUT ON SIZE UNLIMITED;
REM 查询指定时间范围内最消耗资源,按照elapsed_time、cpu_time或者buffer_gets,gets_per_row排序的前100条sql
PRO
PRO
PRO 查询指定时间范围内最消耗资源,按照elapsed_time、cpu_time或者buffer_gets,gets_per_row排序的前100条sql
SET TERM ON ECHO OFF;
SET VERIFY off;
ACCEPT begintime CHAR PROMPT 'Enter begin_time(eg:201805030001): '
ACCEPT endtime CHAR PROMPT 'Enter end_time(eg:201805031001): '
ACCEPT rank CHAR DEFAULT 'time_rank' PROMPT 'Enter Rank column(eg:time_rank,cputime_rank,gets_rank,gets_per_row_rank): '
col begintime new_value begintime noprint
col endtime new_value endtime noprint

set line 250
set pages 150
col begin_time for a12
col end_time for a12
col sql_id for a15
col plans_diff for 99
col cputime_per_exec for 999990.999
col time_per_exec for 999990.999
col gets_per_exec for 999999999
col rows_per_exec for 99999990.99
col cputime_delta for 99999990.999
col time_delta for 999999990.999
col exec_delta for 9999999999999
col gets_d for 9999999999
col rows_d for 999999999
col cputime_rank for 9999
col time_rank for 9999
col gets_rank for 9999
col gets_per_row_rank for 9999

spool /tmp/tmp.sql
select * from (
select 
    a.sql_id sql_id,
    to_char(min(b.begin_interval_time),'yyyymmddhh24') begin_time,
    to_char(max(b.end_interval_time),'yyyymmddhh24') end_time,
    count(distinct(a.plan_hash_value)) plans_diff,
    round(decode(sum(a.EXECUTIONS_DELTA),0,sum(a.CPU_TIME_DELTA/1000000),sum(a.CPU_TIME_DELTA/1000000)/sum(a.EXECUTIONS_DELTA)),3) cputime_per_exec,
    round(decode(sum(a.EXECUTIONS_DELTA),0,sum(a.ELAPSED_TIME_DELTA/1000000),sum(a.ELAPSED_TIME_DELTA/1000000)/sum(a.EXECUTIONS_DELTA)),3) time_per_exec,
    round(decode(sum(a.EXECUTIONS_DELTA),0, sum(a.BUFFER_GETS_DELTA ), sum(a.BUFFER_GETS_DELTA )/sum(a.EXECUTIONS_DELTA)),0) gets_per_exec,
    round(decode(sum(a.EXECUTIONS_DELTA),0,sum(a.ROWS_PROCESSED_DELTA),sum(a.ROWS_PROCESSED_DELTA)/sum(a.EXECUTIONS_DELTA)),2) rows_per_exec,
    round(sum(a.CPU_TIME_DELTA/1000000),3) cputime_delta,
    round(sum(a.ELAPSED_TIME_DELTA/1000000),3) time_delta,
    sum(a.EXECUTIONS_DELTA) exec_delta,
    sum(a.BUFFER_GETS_DELTA ) gets_delta,    
    sum(a.ROWS_PROCESSED_DELTA) rows_delta,
    DENSE_RANK() OVER (ORDER BY decode(sum(a.EXECUTIONS_DELTA),0,sum(a.CPU_TIME_DELTA/1000000),sum(a.CPU_TIME_DELTA/1000000)/sum(a.EXECUTIONS_DELTA)) DESC) cputime_rank,
    DENSE_RANK() OVER (ORDER BY decode(sum(a.EXECUTIONS_DELTA),0,sum(a.ELAPSED_TIME_DELTA/1000000),sum(a.ELAPSED_TIME_DELTA/1000000)/sum(a.EXECUTIONS_DELTA)) DESC) time_rank,
    DENSE_RANK() OVER (ORDER BY decode(sum(a.EXECUTIONS_DELTA),0, sum(a.BUFFER_GETS_DELTA), sum(a.BUFFER_GETS_DELTA )/sum(a.EXECUTIONS_DELTA)) DESC) gets_rank,
    DENSE_RANK() OVER (ORDER BY decode(sum(a.ROWS_PROCESSED_DELTA),0, sum(a.BUFFER_GETS_DELTA)/sum(EXECUTIONS_DELTA), sum(a.BUFFER_GETS_DELTA )/sum(a.ROWS_PROCESSED_DELTA)) DESC) gets_per_row_rank
from  
    dba_hist_sqlstat a,
    dba_hist_snapshot b
where
    a.snap_id = b.snap_id
and
    b.BEGIN_INTERVAL_TIME between to_date('&begintime','yyyymmddhh24mi') and to_date('&endtime','yyyymmddhh24mi')
and 
    a.executions_delta > 0    
group by 
    a.sql_id
having 
   sum(a.EXECUTIONS_DELTA) > round(to_number(to_date('&begintime','yyyymmddhh24mi') - to_date('&endtime','yyyymmddhh24mi')) * 24)
)
where &rank <= 100  
order by &rank,time_rank,cputime_rank ,gets_per_row_rank,gets_rank;
spool off
目录
相关文章
|
14天前
|
SQL 存储 缓存
高基数 GroupBy 在 SLS SQL 中的查询加速
本文详细介绍了SLS中的高基数GroupBy查询加速技术。
|
13天前
|
SQL 运维 程序员
一个功能丰富的SQL审核查询平台
一个功能丰富的SQL审核查询平台
|
20天前
|
SQL 数据库 Java
HQL vs SQL:谁将统治数据库查询的未来?揭秘Hibernate的神秘力量!
【8月更文挑战第31天】Hibernate查询语言(HQL)是一种面向对象的查询语言,它模仿了SQL的语法,但操作对象为持久化类及其属性,而非数据库表和列。HQL具有类型安全、易于维护等优点,支持面向对象的高级特性,内置大量函数,可灵活处理查询结果。下面通过示例对比HQL与SQL,展示HQL在实际应用中的优势。例如,HQL查询“从员工表中筛选年龄大于30岁的员工”只需简单地表示为 `FROM Employee e WHERE e.age &gt; 30`,而在SQL中则需明确指定表名和列名。此外,HQL在处理关联查询时也更为直观易懂。然而,对于某些复杂的数据库操作,SQL仍有其独特优势。
26 0
|
20天前
|
SQL 关系型数据库 MySQL
|
20天前
|
API Java 数据库连接
从平凡到卓越:Hibernate Criteria API 让你的数据库查询瞬间高大上,彻底告别复杂SQL!
【8月更文挑战第31天】构建复杂查询是数据库应用开发中的常见需求。Hibernate 的 Criteria API 以其强大和灵活的特点,允许开发者以面向对象的方式构建查询逻辑,同时具备 SQL 的表达力。本文将介绍 Criteria API 的基本用法并通过示例展示其实际应用。此 API 通过 API 构建查询条件而非直接编写查询语句,提高了代码的可读性和安全性。无论是简单的条件过滤还是复杂的分页和连接查询,Criteria API 均能胜任,有助于提升开发效率和应用的健壮性。
37 0
|
20天前
|
Java UED 开发者
当错误遇上Struts 2:一场优雅的异常处理盛宴,如何让错误信息成为用户体验的救星?
【8月更文挑战第31天】在Web应用开发中,异常处理对确保用户体验和系统稳定性至关重要。Struts 2 提供了完善的异常处理机制,包括 `exception` 拦截器、`ActionSupport` 类以及 OGNL 表达式,帮助开发者优雅地捕获和展示错误信息。本文详细介绍了 Struts 2 的异常处理策略,涵盖拦截器配置、错误信息展示及自定义全局异常处理器的实现方法,使应用程序更加健壮和用户友好。
30 0
|
20天前
|
Java XML Maven
跨越时代的飞跃:Struts 2 升级秘籍——从旧版本无缝迁移到最新版,焕发应用新生!
【8月更文挑战第31天】随着软件技术的发展,Struts 2 框架也在不断更新。本文通过具体案例指导开发者如何从旧版平滑升级到 Struts 2.6.x。首先更新 `pom.xml` 中的依赖版本,并执行 `mvn clean install`。接着检查 `struts.xml` 配置,确保符合新版本要求,调整包扫描器等设置。审查 Action 类及其注解,检查配置文件中的弃用项及插件。更新自定义拦截器实现,并验证日志配置。最后,通过一系列测试确保升级后的系统正常运行。通过这些步骤,可以顺利完成 Struts 2 的版本升级,提升应用的安全性和性能。
57 0
|
20天前
|
前端开发 开发者
Vaadin Grid的秘密武器:打造超凡脱俗的数据展示体验!
【8月更文挑战第31天】赵萌是一位热爱UI设计的前端开发工程师。在公司内部项目中,她面临大量用户数据展示的挑战,并选择了功能强大的Vaadin Grid来解决。她在技术博客上分享了这一过程,介绍了Vaadin Grid的基本概念及其丰富的内置功能。通过自定义列和模板,赵萌展示了如何实现复杂的数据展示。
24 0
|
20天前
|
SQL 存储 安全
Play Framework的安全面纱:揭开隐藏在优雅代码下的威胁
【8月更文挑战第31天】Play Framework 是一款高效、轻量级的 Web 开发框架,内置多种安全特性,助力开发者构建安全稳定的应用。本文详细介绍 Play 如何防范 SQL 注入、XSS 攻击、CSRF 攻击,并提供安全的密码存储方法及权限管理策略,通过具体示例代码展示实施步骤,助您有效抵御常见威胁。
35 0
|
20天前
|
SQL 关系型数据库 MySQL

推荐镜像

更多