Dengan Staf Techopedia, 19 April, 2017
Takeaway: Host Eric Kavanagh membincangkan ramalan dengan Dr Robin Bloor, Rick Sherman dan IDERA's Bullett Manale.
Anda mesti mendaftar untuk acara ini untuk melihat video. Daftar untuk melihat video.
Eric Kavanagh: Tuan-tuan dan puan-puan, hello sekali lagi dan selamat datang kembali ke siri webcast Technologies Hot! Nama saya Eric Kavanagh, saya akan menjadi tuan rumah untuk seminar web hari ini, yang dikenali sebagai "Menyimpan Masa, Wang dan Masalah dengan Ramalan Optimum." Kursus saya merindui bahagian pertama tajuk di sana, "Rancangan Terbaik." sentiasa bercakap tentang perkara itu dalam pameran ini. Jadi, Teknologi Hot tentu saja adalah forum kami untuk memahami apa beberapa produk yang sejuk di luar sana di dunia hari ini, dunia teknologi perusahaan, apa yang orang lakukan dengan mereka, bagaimana mereka bekerja, semua jenis barangan yang menyeronokkan.
Dan topik hari ini, seperti yang saya cadangkan, membincangkan ramalan. Benar-benar anda cuba memahami apa yang akan berlaku dalam organisasi anda. Bagaimana anda akan memastikan pengguna anda gembira, tidak kira apa yang mereka lakukan? Sekiranya mereka melakukan analisis, jika mereka melakukan kerja nyata, mereka menghadapi pelanggan sebenar dengan sistem transaksi, apa pun keadaannya, anda ingin memahami bagaimana sistem anda berjalan dan apa yang berlaku, akan bercakap tentang hari ini. Ia agak lucu kerana ramalan bukanlah sesuatu yang saya suka lakukan, kerana saya adalah khalifah, seperti saya fikir jika saya meramalkan terlalu banyak, perkara buruk akan berlaku, tetapi itu hanya saya. Jangan ikut arahan saya.
Oleh itu, inilah penyampai kami hari ini, anda benar-benar di sudut kiri atas, Rick Sherman sedang mendail dari Boston, rakan kami Bullett Manale dari IDERA dan Dr. Robin Bloor kami sendiri. Dan dengan itu, saya akan menyerahkannya kepada Robin dan hanya mengingatkan orang ramai: Bertanya soalan, jangan malu, kami suka soalan yang baik, kami akan menyerahkannya kepada penyampai dan yang lain hari ini. Dan dengan itu, Robin, ambilnya.
Robin Bloor: Baiklah, kerana saya berada di kedudukan tiang seperti yang mereka katakan, saya fikir saya akan beritahu cerita SQL hari ini, kerana ia adalah latar belakang untuk perbincangan yang akan berjalan dan ia tidak dapat dielakkan tidak bertembung dengan kerana Rick tidak memberi tumpuan kepada ini, dan tidak akan bertentangan dengan apa yang dikatakan Rick. Jadi, cerita SQL, terdapat beberapa perkara yang menarik mengenai SQL kerana ia sangat dominan. Lihat, itu taip taip, SQL adalah bahasa perisytiharan. Idea ini adalah bahawa anda boleh membuat bahasa yang anda akan minta apa yang anda mahu. Dan pangkalan data akan berfungsi bagaimana untuk mendapatkannya. Dan ia berfungsi dengan baik, sebenarnya, tetapi ada beberapa perkara yang sepatutnya dikatakan tentangnya, akibat dari mendasarkan keseluruhan industri IT pada bahasa perisytiharan. Pengguna tidak tahu atau mengambil berat tentang organisasi fizikal data, dan itu adalah perkara yang baik mengenai bahasa deklaratif - ia memisahkan anda daripada semua itu, dan juga membimbangkannya - hanya meminta apa sahaja yang anda mahu, dan pangkalan data akan pergi dan mendapatkannya.
Tetapi pengguna tidak tahu sama ada cara mereka menyusun pertanyaan SQL akan menjejaskan prestasi pertanyaan dan itu sedikit kelemahan. Saya telah melihat pertanyaan yang beratus-ratus dan beratus-ratus baris panjang, yang hanya satu permintaan SQL, anda tahu, bermula dengan "pilih" dan hanya berjalan terus dengan sub-pertanyaan dan sebagainya dan sebagainya. Dan ia benar-benar ternyata bahawa jika anda ingin koleksi data tertentu dari pangkalan data, anda boleh memintanya dalam pelbagai cara dengan SQL, dan dapatkan jawapan yang sama jika anda mempunyai beberapa kebiasaan dengan data. Oleh itu, satu pertanyaan SQL tidak semestinya cara terbaik untuk meminta data, dan pangkalan data akan bertindak balas dengan agak berbeza mengikut SQL yang anda masukkan ke dalamnya.
Oleh itu, SQL benar-benar memberi kesan kepada prestasi, jadi orang yang menggunakan SQL, memang benar tentang mereka, ia juga benar tentang pemrogram SQL yang menggunakan SQL dan mereka mungkin kurang berfikir tentang kesan yang akan mereka ada, kerana kebanyakan tumpuan mereka sebenarnya pada manipulasi data dan bukan pada mendapatkan, memasukkan data. Dan sama juga dengan alat BI, saya telah melihat SQL yang mendapat, jika anda suka, meresapi alat BI dari pelbagai pangkalan data dan harus dikatakan, bahawa banyak itu, baiklah, t menulis pertanyaan SQL seperti itu. Ia seseorang yang telah menciptakan, jika anda suka, motor kecil yang mana pun parameternya, ia akan membuang beberapa SQL, dan sekali lagi, SQL itu tidak semestinya menjadi cekap SQL.
Kemudian saya fikir saya akan menyebutkan ketidakpadanan impedans, data yang digunakan oleh pengaturcara adalah berbeza daripada data yang disusun sedemikian rupa. Oleh itu, DMS kami menyimpan data dalam jadual, menganjurkan kod berorientasikan objek kebanyakannya kod, adalah bentuk berorientasikan objek pengaturcaraan pada masa kini dan mereka memesan data dalam struktur objek, jadi ia tidak memetakan satu sama lain. Oleh itu, ada keperluan untuk menterjemahkan daripada apa yang pemikir berfikir data itu kepada pangkalan data apa yang difikirkan oleh data itu. Yang seolah-olah kita mesti melakukan sesuatu yang salah untuk itu menjadi kes itu. SQL mempunyai DDL untuk definisi data, ia mempunyai DML - bahasa manipulasi data - pilih, projek dan sertai, untuk mendapatkan data tersebut. Sekarang, ada sedikit matematik dan bahan-bahan yang sangat sedikit masa, jadi itu bahasa yang tidak sempurna, walaupun ia harus diperkatakan dan diperpanjang.
Dan kemudian, anda mendapat masalah halangan SQL, yang selalu lebih mantap daripada gambarajah, tetapi ramai orang telah bertanya soalan untuk sebab-sebab analitik, apabila mereka mendapat jawapan kepada istilah data soalan, ingin bertanya soalan lain. Jadi, ia menjadi perkara dialog, dengan baik, SQL tidak dibina untuk dialog, ia dibina untuk bertanya apa yang anda mahukan sekaligus. Dan ia agak bernilai mengetahui, kerana terdapat beberapa produk di luar sana yang sebenarnya meninggalkan SQL untuk membuat perbualan mungkin antara pengguna dan data.
Dari segi prestasi pangkalan data - dan jenis ini menyebar ke segalanya - ya, terdapat CPU, terdapat memori, terdapat cakera, terdapat rangkaian overhed dan ada masalah penguncian lebih dari satu orang yang ingin menggunakan penggunaan data secara eksklusif pada suatu titik dalam masa. Tetapi ada juga panggilan SQL yang lemah, ada banyak sekali yang boleh dilakukan jika anda benar-benar mengoptimumkan SQL, dari segi prestasi. Oleh itu, faktor-faktor prestasi pangkalan data: reka bentuk yang tidak baik, reka bentuk program yang buruk, keruntuhan beban kerja yang hilang, mengimbangi beban, struktur pertanyaan, perancangan kapasiti. Itulah pertumbuhan data. Dan dalam beberapa perkataan, SQL mudah, tetapi ia tidak mengoptimumkan diri sendiri.
Setelah berkata demikian, saya fikir kita boleh menyampaikan kepada Rick.
Eric Kavanagh: Baiklah, Rick, izinkan saya memberikan kunci kepada kereta WebEx. Mengambilnya.
Rick Sherman: Baiklah, hebat. Baiklah terima kasih Robin, seperti yang kita mulakan pada permulaan persembahan, grafik saya masih agak membosankan, tetapi kita akan pergi dengannya. Jadi, saya bersetuju dengan segala-galanya yang dibicarakan oleh Robin di sisi SQL. Tetapi apa yang saya mahu tumpukan sedikit sekarang adalah permintaan terhadap data, yang akan kita lalui dengan sangat cepat, bekalan seperti dalam alat yang digunakan dalam ruang itu atau keperluan alat-alat di ruang tersebut.
Mula-mula, terdapat beberapa dalam setiap artikel yang anda baca ada kaitan dengan data besar, banyak data, data tidak berstruktur yang datang dari awan, data besar di mana-mana yang boleh anda bayangkan. Tetapi pertumbuhan pasaran pangkalan data terus menerus dengan SQL, pangkalan data hubungan mungkin pada 2015, masih 95 peratus daripada pasaran pangkalan data. Tiga vendor relasi teratas mempunyai kira-kira 88 peratus bahagian pasaran dalam ruang itu. Jadi, kami masih bercakap, seperti yang Robin bercakap tentang SQL. Dan sebenarnya, walaupun kita melihat platform Hadoop, Hive dan Spark SQL - yang anak saya, yang seorang saintis data, menggunakan sepanjang masa sekarang - tentunya cara yang dominan untuk orang mendapatkan data.
Sekarang, di bahagian pangkalan data, terdapat dua kategori luas penggunaan pangkalan data. Satu adalah untuk sistem pengurusan pangkalan data operasi, supaya perancangan perhubungan perusahaan, hubungan pelanggan mengurus begitu, ERP Salesforce, Oracle, EPIC, N4s, dan lain-lain, di dunia. Dan, terdapat jumlah yang banyak dan jumlah data yang semakin meningkat yang ada dalam gudang data dan sistem berasaskan perisikan perniagaan yang lain. 'Punca segala-galanya, tidak kira di mana dan bagaimana ia ditangkap, disimpan atau diurus, akhirnya mendapat analisa dan oleh itu ada permintaan yang besar dan peningkatan dalam penggunaan pangkalan data, khususnya pangkalan data relasional di pasaran.
Kini, kami mendapat permintaan, kami mempunyai sejumlah besar data yang akan datang. Dan saya tidak benar-benar bercakap mengenai data besar, saya bercakap tentang penggunaan data merentasi pelbagai perusahaan. Tetapi dengan itu dari sisi penawaran, bagi orang-orang yang dapat menguruskan sumber-sumber itu, kita mula-mula, kita mempunyai kekurangan DBA. Kami ada mengikut Biro Statistik Buruh, dari 2014-2024 pekerjaan DBA hanya akan berkembang sebanyak 11 peratus - sekarang orang-orang yang mempunyai tajuk pekerjaan DBA, tetapi kita akan membincangkannya dalam detik - berbanding dengan 40- ditambah peratus ruang pertumbuhan data tahunan. Dan kami mempunyai banyak DBA; Rata-rata kajian yang sama membicarakan tentang usia purata adalah cukup tinggi berbanding profesion IT lain. Dan kemudian kita mempunyai banyak orang yang meninggalkan padang, tidak semestinya bersara, tetapi beralih ke aspek lain, masuk ke dalam pengurusan, atau apa sahaja.
Sekarang, sebahagian daripada sebab mereka pergi, adalah kerana pekerjaan DBA terus menjadi lebih sukar dan lebih keras. Mula-mula, kami mempunyai DBA menguruskan banyak pangkalan data yang berbeza sendiri, pangkalan data fizikal, yang terletak di seluruh tempat, serta pelbagai jenis pangkalan data. Sekarang ini mungkin hubungan, atau mungkin pangkalan data lain, jenis pangkalan data juga. Tetapi walaupun ia berkaitan, mereka boleh mempunyai mana-mana satu, dua, tiga, empat vendor berbeza yang sebenarnya mereka cuba untuk mengurus. DBA biasanya terlibat selepas reka bentuk pangkalan data atau aplikasi. Robin bercakap tentang bagaimana pangkalan data atau aplikasi dapat direka, bagaimana SQL mendapat rekabentuk. Nah, apabila kita bercakap mengenai pemodelan data, pemodelan ER, pemodelan ER yang diperluaskan, pemodelan dimensi, pemodelan dimensi canggih, apa sahaja, biasanya pemrogram aplikasi dan pemaju aplikasi yang direka dengan matlamat akhir mereka dalam fikiran - mereka tidak merekabentuk untuk kecekapan struktur pangkalan data itu sendiri. Jadi kita mempunyai banyak reka bentuk yang kurang baik.
Sekarang, saya tidak bercakap tentang vendor aplikasi perusahaan komersial; mereka biasanya mempunyai model ER atau model ER yang dilanjutkan. Apa yang saya bicarakan ialah terdapat lebih banyak proses dan aplikasi perniagaan yang dibina oleh pemaju aplikasi di setiap syarikat - mereka yang tidak semestinya direka untuk kecekapan atau keberkesanan penggunaan. Dan DBA sendiri terlalu banyak bekerja dan mereka mempunyai tugas 24/7 secara bertanggungjawab, mereka terus mendapatkan lebih banyak pangkalan data. Saya fikir ia telah melakukan sedikit dengan orang itu tidak faham apa yang mereka lakukan, atau bagaimana mereka melakukannya. Kelompok kecil dan mereka sendiri hanya berfikir, "Nah semua alat ini hanya begitu mudah digunakan, kita hanya boleh terus membuang lebih banyak pangkalan data pada beban kerja mereka, " yang mana tidak.
Yang membawa kita ke DBA sambilan dan tidak sengaja. Kami mempunyai pasukan IT yang kecil dan mereka tidak semestinya mampu membeli DBA yang berdedikasi. Sekarang ini berlaku dengan perniagaan kecil hingga sederhana, di mana pengembangan pangkalan data dan aplikasi pangkalan data telah meletup pada dekad yang lalu dan terus berkembang. Tetapi ia juga berlaku bagi syarikat besar, biasanya telah melakukan pergudangan data, analisis kecerdasan perniagaan untuk jangka masa yang lama. Pada masa lalu, kami pernah mendapatkan DBA khusus untuk projek-projek itu; kita tidak akan mendapat DBA yang berdedikasi lagi. Kami bertanggungjawab untuk mereka bentuk pangkalan data, yang baik, jika seseorang itu mempunyai pengalaman. Tetapi pada umumnya, DBA adalah pemaju aplikasi, mereka sering mengambil peranan sebagai sebahagian masa kerja mereka, mereka tidak mempunyai latihan formal di dalamnya dan sekali lagi, mereka merancang untuk matlamat akhir mereka, mereka tidak merancang untuk kecekapan.
Dan terdapat banyak perbezaan antara reka bentuk dan pembangunan, berbanding penggunaan dan pengurusan. Oleh itu, kita mempunyai "mata bijak, mata bodoh, " dengan bank kecil di sana, melompat untuk mendapatkan kemahiran dan sumber yang diperlukan dalam projek-projek. Berfikir bahawa semua orang adalah dari "Revenge of the Nerds, " gambar kecil saya di sana. Kini, sejauh yang diperlukan oleh orang, jadi kami mempunyai penggunaan pangkalan data dan data dalam SQL. Kami telah menghalang bilangan DBA - orang yang mahir dan pakar dalam situasi penalaan dan reka bentuk dan pengurusan dan penempatan ini. Dan kita mempunyai lebih banyak separuh masa atau DBA yang tidak disengajakan, orang yang tidak mempunyai latihan rasmi.
Jadi, apakah beberapa perkara lain yang juga menjadi isu hakikat bahawa pangkalan data ini tidak ditala juga, atau diuruskan juga? Mula-mula, ramai orang menganggap bahawa sistem pangkalan data itu sendiri mempunyai alat yang mencukupi untuk mengurus diri mereka sendiri. Sekarang, alat semakin mudah dan mudah dilakukan - reka bentuk dan pembangunan - tetapi itu berbeza daripada melakukan reka bentuk yang baik, dan pengurusan yang baik, perancangan kapasiti, pemantauan, dan sebagainya untuk kegunaan. Jadi, mula-mula, orang mengandaikan bahawa mereka mempunyai semua alat yang mereka perlukan. Kedua, jika anda seorang DBA separuh masa atau tidak sengaja, anda tidak tahu apa yang anda tidak tahu.
Saya rasa saya terlupa beberapa frasa di sana, sehingga banyak kali mereka tidak memahami apa yang mereka perlukan untuk melihat dalam reka bentuk atau ketika mereka menguruskan atau mengendalikan pangkalan data. Jika itu bukan profesion anda, maka anda tidak akan memahami apa yang perlu anda lakukan. Ketiga, ialah SQL adalah alat pergi jadi, jadi Robin bercakap tentang SQL, dan kadang kala SQL tidak dibina, atau sering dibina. Dan juga salah satu petak kesayangan saya dalam pergudangan data BI, penghijrahan data, ruang kejuruteraan data bukannya menggunakan alat, orang mempunyai kecenderungan untuk menulis kod SQL, prosedur tersimpan, walaupun mereka menggunakan alat integrasi data yang mahal atau alat BI mahal, mereka sering menggunakannya untuk menjalankan prosedur tersimpan. Sehingga kepentingan memahami perancangan pangkalan data, pembinaan SQL, semakin menjadi lebih penting.
Dan akhirnya terdapat pendekatan silo ini, di mana kita mempunyai individu melihat pangkalan data individu. Mereka tidak melihat bagaimana aplikasi berfungsi dan berinteraksi antara satu sama lain. Dan mereka juga sering melihat pangkalan data berbanding aplikasi yang mereka gunakan untuknya. Oleh itu, beban kerja yang anda dapatkan di pangkalan data adalah kritikal dalam reka bentuk, kritikal dalam penalaannya, kritikal dalam mencari cara untuk merancang untuk keupayaan, dll. Jadi, melihat hutan dari pokok, orang berada di rumput, melihat jadual dan pangkalan data individu dan tidak melihat interaksi keseluruhan aplikasi ini dalam beban kerja.
Akhirnya, orang perlu melihat bidang utama yang perlu mereka lihat. Apabila mereka merancang untuk menguruskan pangkalan data, mereka perlu terlebih dahulu berfikir tentang, membangunkan beberapa metrik prestasi-sentrik aplikasi, sehingga mereka perlu melihat bukan hanya bagaimana jadual ini disusun, bagaimana model itu dimodelkan, tetapi bagaimana ia digunakan? Jadi, jika anda mempunyai aplikasi perusahaan yang perlu dalam pengurusan rantaian bekalan, jika anda mengambil pesanan dari web, jika anda melakukan BI - apa sahaja yang anda lakukan - anda perlu melihat siapa yang menggunakannya, bagaimana mereka menggunakannya, apa jilid data, apabila ia akan berlaku. Apa yang anda cuba cari ialah masa menunggu, kerana tidak kira apa, semua aplikasi diadili dengan berapa lama masa yang diambil untuk mendapatkan sesuatu yang dilakukan, sama ada orang itu atau hanya pertukaran data antara aplikasi atau pemproses. Dan apa masalahnya? Sering kali apabila anda cuba menyebarkan isu-isu, tentu saja, anda benar-benar cuba untuk melihat apa masalah sebenar - tidak semestinya bagaimana untuk menyesuaikan segala-galanya, tetapi bagaimana anda menyingkirkan dan memindahkan prestasi sehingga masa menunggu dan throughput - apa sahaja yang perlu anda lihat.
Dan anda benar-benar perlu memisahkan pengumpulan data, urus niaga, aspek transformasi dalam pangkalan data bersama-sama dengan analisis. Setiap mereka mempunyai corak reka bentuk yang berbeza, masing-masing mempunyai corak penggunaan yang berbeza dan masing-masing perlu ditala berbeza. Oleh itu, anda perlu memikirkan bagaimana data ini digunakan, apabila ia digunakan, apa yang digunakan, dan mengetahui apakah metrik prestasi dan apakah perkara penting yang anda ingin analisa berkaitan dengan penggunaan itu. Sekarang, apabila anda melihat pemantauan prestasi, anda ingin melihat operasi pangkalan data itu sendiri; anda ingin melihat kedua-dua struktur data, jadi indeks, pembahagian dan aspek fizikal lain dalam pangkalan data, bahkan struktur pangkalan data - sama ada model ER atau model dimensi, tetapi ia berstruktur - semua perkara itu mempunyai kesan ke atas prestasi, terutamanya dalam konteks analisis data yang diambil dan transformasi yang berlaku.
Dan seperti yang disebutkan oleh Robin di sisi SQL, melihat SQL yang dijalankan oleh aplikasi-aplikasi yang berbeza di seluruh pangkalan data ini, dan penalaan itu adalah kritikal. Dan melihat beban kerja aplikasi keseluruhan, dan persekitaran infrastruktur yang dijalankan oleh pangkalan data dan aplikasi ini. Jadi, bahawa rangkaian, pelayan, awan - apa sahaja yang mereka jalankan - juga melihat impak bahawa aplikasi dan pangkalan data ini ada dalam konteks itu, semua ini mempunyai interaksi yang dapat menala pangkalan data.
Dan akhirnya, apabila anda melihat alat, anda ingin dapat melihat tiga jenis analitik yang berkaitan dengannya. Anda ingin melihat analisis deskriptif: apa yang berlaku dan di mana, berkaitan dengan pangkalan data dan prestasi aplikasi. Anda ingin mempunyai keupayaan untuk melakukan analisis diagnostik untuk memikirkan bukan sahaja apa yang sedang berlaku tetapi mengapa ia berlaku, di manakah kesesakan, di mana masalah, apa yang berjalan dengan lancar, apa yang tidak berjalan lancar? Tetapi dapat menganalisa dan mengetuk ke dalam bidang masalah untuk menangani mereka, sama ada untuk reka bentuk atau apa sahaja yang perlu anda lakukan.
Dan akhirnya, analisis analisis yang paling agresif atau proaktif adalah sebenarnya melakukan analisis ramalan, pemodelan analisis ramalan, apa sahaja. Kami tahu bahawa pangkalan data dan aplikasi berfungsi dalam konteks ini, jika kita meningkatkan kapasiti, jika kita mendapatkan lebih banyak pengguna, jika kita melakukan lebih banyak, apa sahaja yang kita lakukan, dapat mempamerkan apa, bagaimana dan di mana yang akan kesan pangkalan data, aplikasi, membolehkan kami merancang dan mencari secara proaktif, di mana kesesakan itu, di mana masa menunggu mungkin menderita dan apa yang perlu dilakukan untuk menyelesaikan sesuatu. Oleh itu, kami ingin mempunyai alat yang dapat melaksanakan metrik prestasi, memantau prestasi, seperti yang dilakukan dalam tiga jenis analisis ini. Dan itu gambaran saya.
Eric Kavanagh: Baiklah, izinkan saya menyerahkannya - mereka adalah dua persembahan hebat, dengan cara - biarkan saya menyerahkan ini kepada Bullett Manale untuk mengambilnya dari sana. Dan orang-orang, jangan lupa untuk bertanya soalan yang baik; kami mempunyai beberapa kandungan yang baik. Keluarkannya, Bullett.
Bullett Manale: Bunyi baik. Terima kasih, Eric. Jadi, banyak yang dikatakan oleh Rick dan Robin berkata, jelas saya bersetuju dengan 100 peratus. Saya akan mengatakan bahawa saya menarik luncuran ini, kerana saya fikir ia sesuai, saya tidak tahu bagi anda yang "peminat A-Team" kembali pada tahun 80-an, John Hannibal Smith telah mengatakan bahawa dia akan sentiasa katakan, "Saya suka apabila rancangan datang bersama, " dan saya fikir apabila anda bercakap tentang khususnya SQL Server, yang mana kita sedang memberi tumpuan, iaitu produk yang akan kita bincangkan hari ini, Pengurus Diagnostik SQL, sudah pasti salah satu perkara yang perlu anda lakukan; anda perlu memanfaatkan data yang anda ada, dan dapat membuat keputusan daripada data itu, dan dalam beberapa kes, anda tidak mencari keputusan; anda sedang mencari sesuatu untuk memberitahu anda apabila sesuatu akan kehabisan sumber, apabila anda akan kehabisan sumber, apabila anda akan mengalami kesesakan, perkara-perkara semacam itu.
Ia bukan hanya mengenai pemantauan metrik tertentu. Oleh itu, dengan Pengurus Diagnostik, salah satu perkara yang sangat baik akan membantu anda dari segi peramalan, dan pemahaman spesifik untuk beban kerja dan kami akan bercakap tentang banyak perkara itu hari ini. Alat ini ditujukan untuk pengurus data, DBA atau DBA yang bertindak, jadi banyak perkara yang dikatakan oleh Rick, DBA yang bertindak sangat benar. Dalam banyak kes, jika anda bukan DBA, akan ada banyak tanda tanya yang akan anda miliki apabila tiba masanya untuk mengurus persekitaran SQL, perkara yang anda tidak tahu. Dan anda sedang mencari sesuatu untuk membantu anda, membawa anda melalui proses itu, dan juga mendidik anda dalam proses juga. Oleh itu, adalah penting bahawa alat yang anda gunakan untuk jenis keputusan itu akan memberi anda sedikit pemahaman mengenai alasan mengapa keputusan itu dibuat, itu bukan hanya memberitahu anda, "Hei, lakukan ini."
Kerana saya bertindak DBA, akhirnya saya mungkin menjadi DBA penuh dengan kepakaran dan pengetahuan yang sebenarnya untuk mengembalikan gelaran tersebut. Jadi, kata itu, apabila kita bercakap tentang menjadi pentadbir pangkalan data - saya selalu memaparkan slaid ini terlebih dahulu, kerana DBA mempunyai beberapa peranan yang berlainan dan bergantung kepada organisasi yang anda ada, anda akan mempunyai, mereka akan bervariasi dari satu tempat ke tempat yang lain - tetapi biasanya, anda sentiasa akan bertanggungjawab ke atas storan anda, perancangan penyimpanan dan pemahaman anda tentang jangkaan, saya harus mengatakan, berapa banyak ruang yang anda akan pergi perlu, sama ada untuk backup anda, atau sama ada untuk pangkalan data itu sendiri. Anda perlu memahami dan menilainya.
Di samping itu, anda perlu memahami dan mengoptimumkan perkara-perkara yang diperlukan seperti yang diperlukan, dan semasa anda menjalankan pemantauan terhadap alam sekitar, penting sekali anda membuat perubahan seperti yang diperlukan berdasarkan perkara-perkara yang perubahan dalam persekitaran itu sendiri. Jadi, perkara seperti bilangan pengguna, perkara seperti populariti aplikasi, bermusim dalam pangkalan data, semua harus dipertimbangkan apabila anda membuat peramalan anda. Dan kemudian, dengan jelas melihat perkara-perkara lain dari segi dapat memberikan laporan dan maklumat yang diperlukan kerana ia berkaitan dengan membuat keputusan itu. Dalam banyak kes yang bermaksud melakukan analisis perbandingan; ia bermakna dapat melihat secara khusus pada satu metrik tertentu dan memahami apa nilai metrik itu dari masa ke masa, supaya anda dapat menjangka di mana ia akan bergerak ke hadapan.
Jadi apa yang banyak alat Pengurus Diagnostik tidak mempunyai keupayaan itu dan orang menggunakannya setiap hari kerana dapat melakukan perkara-perkara seperti ramalan, dan saya telah meletakkan definisi di sini perancangan kapasiti. Dan itu definisi cukup luas dan benar-benar jelas samar-samar, yang hanya proses menentukan kapasiti pengeluaran yang diperlukan oleh sesebuah organisasi untuk memenuhi permintaan yang berubah untuk produknya, dan pada akhir hari, itulah yang sebenarnya tentang: tentang dapat mengambil maklumat bahawa anda mempunyai beberapa cara atau yang lain dan mengambil maklumat itu dan membuat keputusan untuk membantu anda bergerak maju seperti yang anda lalui melalui kitar hayat pangkalan data anda. Dan sebagainya, jenis perkara yang menjadi sebab mengapa orang perlu melakukan ini jelas sekali pertama dan paling penting, dalam kebanyakan kes, untuk menjimatkan wang. Perniagaan, jelas, itu matlamat utama mereka adalah untuk menjana wang dan menjimatkan wang. Tetapi dalam proses bersama dengan itu, itu juga bermakna dapat memastikan bahawa downtime anda, tidak ada downtime. Dan dapat memastikan bahawa anda dapat mengurangkan kemungkinan terjadinya downtime, sehingga menjaga agar tidak terjadi, dengan kata lain, tidak menunggu ia terjadi dan kemudian bereaksi kepadanya.
Serta dapat meningkatkan produktiviti keseluruhan pengguna anda, menjadikannya lebih cekap supaya anda dapat memperoleh lebih banyak perniagaan dilakukan dengan jelas kunci di sini, jadi ini adalah jenis perkara yang seperti DBA atau seseorang yang terlibat dalam peramalan atau kapasiti perancangan harus dapat menyebarkan maklumat agar dapat membuat keputusan tersebut. Dan kemudian, secara keseluruhannya, ini jelas akan membantu anda menghapuskan sisa, bukan hanya membazir dari segi wang, tetapi juga dari segi masa dan dari segi sumber yang umum sahaja yang boleh digunakan untuk perkara lain, mungkin. Oleh itu, dapat menghapuskan sisa tersebut supaya anda tidak mempunyai kos peluang yang terikat pada sisa itu sendiri.
Jadi, dengan itu, apakah jenis soalan yang kami dapat, khususnya kepada orang yang merupakan DBA? Bilakah saya akan kehabisan ruang? Itulah yang besar, bukan hanya berapa banyak ruang yang saya makan sekarang, tetapi apabila saya akan kehabisan, berdasarkan tren dan sejarah masa lalu? Perkara yang sama dengan contoh sebenar SQL, pangkalan data, yang pelayan saya boleh menyatukan? Saya akan meletakkan beberapa pada VM, apa yang masuk akal dari segi mana pangkalan data yang saya akan menyatukan dan yang mana contohnya SQL harus mereka tinggalkan? Semua jenis soalan perlu dijawab. Kerana dalam kebanyakan kes, jika anda seorang DBA atau DBA yang bertindak, anda akan menyatukannya dalam karier anda. Dalam banyak kes, anda akan melakukannya secara berterusan. Oleh itu, anda perlu membuat keputusan dengan cepat, tidak bermain permainan yang meneka ketika itu.
Kami bercakap tentang kesesakan dan di mana mereka akan berlaku seterusnya, dapat menjangka bahawa, sekali lagi, bukannya menunggu mereka berlaku. Oleh itu, jelas semua perkara yang kita bicarakan, masuk akal dalam arti bahawa anda bergantung pada data sejarah, dalam kebanyakan kes, dapat menghasilkan cadangan ini, atau dalam beberapa keadaan dapat merumuskan keputusan sendiri, untuk dapat menjawabnya. Tetapi ia mengingatkan saya tentang, apabila anda mendengar iklan radio untuk seseorang menjual sekuriti atau sesuatu seperti itu, ia sentiasa "prestasi masa lalu tidak menunjukkan petunjuk masa depan" dan jenis perkara itu. Dan perkara yang sama berlaku di sini. Anda akan mempunyai situasi di mana ramalan ini dan analisis ini tidak boleh 100 peratus hak. Tetapi jika anda berhadapan dengan perkara-perkara yang telah berlaku pada masa lalu dan yang diketahui, dan dapat mengambil dan melakukan "bagaimana jika" dengan banyak jenis soalan-soalan ini, anda akan menghadapi, sangat berharga dan ia akan membawa anda lebih jauh daripada bermain permainan meneka.
Oleh itu, jenis soalan ini jelas akan muncul, jadi bagaimana kita mengendalikan banyak soalan ini dengan Pengurus Diagnostik, yang pertama sekali kita mempunyai keupayaan peramalan, dapat melakukan ini di pangkalan data, di meja juga sebagai pemacu atau kelantangan. Untuk dapat bukan sahaja untuk mengatakan, "Hei, kami penuh dengan ruang, " tetapi enam bulan dari sekarang, dua tahun dari sekarang, lima tahun dari sekarang, jika saya membuat anggaran untuk itu, berapa banyak ruang angkasa saya pergi perlu bajet untuk? Mereka adalah soalan yang perlu saya tanya, dan saya perlu menggunakan beberapa cara untuk melakukan itu dan bukan meneka dan meletakkan jari saya di udara dan menunggu untuk melihat di mana angin bertiup, yang banyak kali, malangnya, cara banyak keputusan dibuat.
Di samping itu, dapat - kelihatan seperti slaid saya terpaksa memotong di sana sedikit - tetapi dapat memberi bantuan dalam bentuk cadangan. Jadi, ia satu perkara yang dapat menunjukkan kepada anda papan pemuka yang penuh dengan metrik dan dapat mengatakan, "Baiklah, inilah semua metrik dan di mana mereka berada, " tetapi kemudian dapat membuat beberapa atau mempunyai pemahaman tentang apa yang perlu dilakukan, berasaskan daripadanya adalah lonjakan yang lain. Dan dalam beberapa kes, orang ramai cukup dididik dalam peranan DBA untuk dapat membuat keputusan itu. Dan jadi kami mempunyai beberapa mekanisme dalam alat yang akan membantu dengan itu, yang akan kami tunjukkan kepada anda sekejap. Tetapi dapat menunjukkan bukan hanya apa yang dicadangkan itu, tetapi juga untuk memberikan beberapa pandangan tentang mengapa cadangan itu dibuat dan kemudian di atasnya, dalam beberapa kes, dapat benar-benar datang dengan skrip yang mengautomasikan Pemulihan isu itu juga sesuai.
Bergerak ke depan yang akan datang di sini, yang akan kita lihat, itu hanya pengertian umum secara umum ke tahap metrik yang normal. Saya tidak boleh memberitahu anda apa yang tidak normal jika saya tidak tahu apa yang normal. Oleh itu, mempunyai beberapa cara untuk mengukur yang penting dan anda harus dapat mempertimbangkan pelbagai jenis bidang, contohnya - atau saya harus mengatakan bingkai masa - pengelasan pelayan yang berbeza, dapat melakukan ini secara dinamik, dari perspektif amaran, dengan kata lain, pada pertengahan malam, semasa jendela penyelenggaraan saya, saya berharap CPU saya berjalan pada 80 peratus berdasarkan semua penyelenggaraan yang sedang berlaku. Oleh itu, saya mungkin mahu meningkatkan ambang saya lebih tinggi, semasa bingkai masa berbanding semasa mungkin pada pertengahan hari, apabila saya tidak mempunyai banyak aktiviti.
Ini adalah beberapa perkara yang jelas akan menjadi alam sekitar, tetapi perkara-perkara yang anda boleh memohon kepada apa yang diurus, dapat membantu anda mengurus persekitaran yang lebih baik, dan menjadikannya lebih mudah untuk melakukannya. Kawasan lain, jelasnya, hanya dapat memberikan laporan dan maklumat untuk menjawab jenis "soalan jika". Jika saya baru membuat perubahan kepada persekitaran saya, saya ingin memahami apa kesannya, supaya saya boleh menggunakan perubahan yang sama dengan keadaan lain atau pangkalan data lain dalam persekitaran saya. Saya mahu dapat mempunyai beberapa maklumat atau beberapa amunisi untuk dapat membuat perubahan itu dengan sedikit ketenangan fikiran dan mengetahui bahawa ia akan menjadi perubahan yang baik. Oleh itu, dapat melakukan pelaporan perbandingan itu, dapat menarafkan contoh-contoh saya di SQL, yang dapat menarafkan pangkalan data saya terhadap satu sama lain, untuk mengatakan, "Yang merupakan pengguna CPU saya yang paling tinggi?" Atau yang mana yang paling lama mengambil syarat menunggu dan perkara-perkara seperti itu? Jadi banyak maklumat yang akan tersedia dengan alat ini juga.
Dan kemudian, yang terakhir tetapi yang paling tidak, adalah hanya keupayaan keseluruhan yang anda perlukan alat yang akan dapat mengendalikan apa sahaja keadaan yang anda jalani, dan apa yang saya maksud dengan itu ialah, jika anda mempunyai persekitaran yang besar dengan banyak contoh, anda mungkin akan menghadapi situasi di mana anda perlu menarik metrik yang secara tradisinya bukan metrik yang DBA akan mahu memantau dalam beberapa kes, bergantung pada keadaan tertentu itu. Oleh itu, mempunyai alat yang anda boleh, itu boleh diperpanjang, untuk dapat menambah metrik tambahan dan dapat menggunakan metrik tersebut dalam bentuk dan fesyen yang sama yang akan anda gunakan jika anda menggunakan kotak keluar metrik, sebagai contoh. Oleh itu, dapat menjalankan laporan, dapat memberi isyarat, garis dasar - semua perkara yang kita sedang bicarakan - juga merupakan bahagian penting untuk dapat membuat ramalan ini dan membuatnya sehingga anda mendapatkan jawaban yang anda cari boleh membuat keputusan itu, bergerak ke hadapan.
Kini cara Pengurus Diagnostik melakukan ini, kami mempunyai perkhidmatan terpusat, sekumpulan perkhidmatan yang berjalan, mengumpul data berbanding 2000 hingga 2016. Dan kemudian apa yang kita lakukan ialah kita mengambil data itu dan kita memasukkannya ke dalam repositori pusat dan kemudian apa yang akan kita lakukan dengan data itu, jelasnya, kita banyak melakukan untuk dapat memberikan wawasan lebih lanjut. Kini, sebagai tambahan kepada itu - dan salah satu daripada perkara-perkara yang tidak ada di sini - kita juga mempunyai perkhidmatan yang berjalan di tengah malam, yang merupakan perkhidmatan analisis ramalan kami, dan itu menunjukkan beberapa masalah dan membantu memahami dan membantu anda sebagai DBA atau bertindak DBA, dapat membuat jenis cadangan itu, dapat juga memberikan beberapa pandangan dari segi garis dasar.
Jadi, apa yang saya ingin lakukan, dan ini hanyalah contoh seni bina yang pantas, takeaway besar di sini tidak ada ejen atau perkhidmatan yang sebenarnya duduk di tempat yang anda uruskan. Tetapi apa yang saya ingin lakukan hanyalah membawa anda ke aplikasi di sini dan memberi anda demo cepat. Dan biarlah saya keluar juga, dan buat yang berlaku. Jadi, beritahu saya, saya fikir Eric, bolehkah anda melihatnya OK?
Eric Kavanagh: Saya mendapatnya sekarang, ya.
Bullett Manale: Baiklah, saya akan membawa anda melalui beberapa bahagian yang berbeza yang saya bicarakan. Dan pada asasnya mari kita mulakan dengan jenis perkara yang lebih banyak di sepanjang garis di sini adalah sesuatu yang perlu anda lakukan, atau di sini adalah sesuatu yang tepat pada waktunya di masa depan dan kami akan memberi anda sedikit pemahaman di sekelilingnya. Dan ini dapat benar-benar menjangkakan - atau saya harus mengatakan secara dinamik menjangka - perkara-perkara yang sedang berlaku. Sekarang, dalam kes laporan, salah satu perkara yang kita ada dalam alat itu adalah tiga laporan peramalan yang berbeza. Dan dalam hal ini, contohnya, ramalan pangkalan data, apa yang mungkin saya lakukan dalam keadaan dapat menjangkakan saiz pangkalan data sepanjang tempoh masa, dan saya hanya akan memberi anda beberapa contoh itu . Jadi, saya akan mengambil pangkalan data audit saya, yang cukup saya / O intensif - ia mendapat banyak data yang akan berlaku. Kami ada, mari kita lihat, kami akan buat ini di sini, dan mari kita pilih pangkalan data penjagaan kesihatan di sini.
Tetapi perkara itu, saya tidak hanya melihat ruang apa yang ada pada saya, saya boleh berkata, "Lihatlah, ambil data bernilai tahun lepas" - dan saya akan merasakan sedikit di sini, Saya tidak mempunyai data bernilai setahun, saya mempunyai kira-kira dua bulan data - tetapi, kerana saya memilih kadar sampel bulan di sini, saya akan dapat menjangka atau meramalkan dalam ini kes seterusnya 36 unit kerana kadar sampel kami ditetapkan untuk bulan - iaitu unit, adalah sebulan - dan kemudian saya dapat, untuk kemudian menjalankan laporan untuk menunjukkan kepada saya di mana kita akan menjangka pertumbuhan masa depan kita, untuk ini tiga pangkalan data. Dan kita dapat melihat kita mempunyai perbezaan yang berlainan, atau varians, antara ketiga-tiga pangkalan data yang berlainan, khususnya kepada jumlah data yang mereka gunakan dalam sejarah.
Kita dapat melihat titik data di sini mewakili data sejarah, dan kemudian baris akan memberikan kita ramalan, bersama-sama dengan nombor untuk menyokongnya. Jadi kita boleh lakukan itu di peringkat meja, kita boleh melakukannya walaupun di peringkat memandu, di mana saya boleh menjangka seberapa besar pemacu saya akan mendapat, termasuk titik gunung. Kami akan dapat meramalkan jenis maklumat yang sama, tetapi sekali lagi, bergantung kepada kadar sampel, akan membolehkan saya menentukan berapa unit dan di mana kita mengambil apa yang kita mahu ramalan. Perhatikan juga kami mempunyai jenis ramalan yang berbeza. Oleh itu, anda mendapat banyak pilihan dan kelenturan apabila tiba masa untuk membuat ramalan. Sekarang, itu satu perkara yang akan kita lakukan, sebenarnya memberikan anda tarikh tertentu dan dapat mengatakan "Hey pada tarikh ini, ini adalah di mana kita akan menjangka pertumbuhan data anda." Selain itu, kita boleh menyediakan anda dengan pandangan lain yang berkaitan dengan beberapa analisis yang kami lakukan semasa jam kerja dan perkhidmatan apabila ia berjalan. Antara perkara yang ia lakukan, ia cuba untuk menjangkakan perkara-perkara yang mungkin akan berlaku, berdasarkan sejarah apabila berlaku pada masa lalu.
Oleh itu, kita boleh lihat di sini, sebenarnya ramalan memberikan kita sedikit pemahaman mengenai kemungkinan kita mengalami masalah sepanjang malam berdasarkan perkara-perkara yang sekali lagi berlaku pada masa lalu. Jadi, jelas ini hebat, terutama jika saya bukan DBA, saya boleh melihat perkara ini, tetapi apa yang lebih baik jika saya bukan DBA, tab menganalisis ini. Jadi, sebelum ini terdapat alat yang akan kami lalui dan menunjukkan produk kepada orang ramai dan mereka akan menjadi "Itu hebat, saya melihat semua nombor ini, saya melihat segala-galanya, tetapi saya tidak tahu apa yang perlu dilakukan" (ketawa) "Akibatnya." Dan apa yang kita ada di sini, adalah cara yang lebih baik untuk anda dapat memahami, jika saya akan mengambil tindakan untuk membantu dengan prestasi, jika saya akan mengambil tindakan walaupun membantu dengan kesihatan persekitaran saya, dapat mempunyai cara untuk menyediakan cadangan tersebut, serta petua maklumat yang berguna untuk mengetahui lebih lanjut mengenai cadangan tersebut dan sebenarnya mempunyai pautan luar ke beberapa data itu, yang akan menunjukkan kepada saya dan bawa saya kepada sebab-sebab mengapa cadangan ini dibuat.
Dan dalam banyak kes, mampu menyediakan skrip yang akan mengotomatisasi, seperti yang saya katakan, pemulihan isu-isu ini. Sekarang, sebahagian daripada apa yang kita lakukan di sini dengan analisis ini - dan saya akan menunjukkan kepada anda apabila saya masuk untuk mengkonfigurasi sifat contoh ini, dan saya pergi ke bahagian konfigurasi analisis - kami mempunyai banyak kategori yang berbeza disenaraikan di sini, dan sebahagian daripadanya, kami mempunyai pengoptimuman indeks dan pengoptimuman pertanyaan. Jadi, kita sedang menilai bukan sahaja metrik itu sendiri, dan perkara-perkara seperti itu, tetapi juga perkara-perkara seperti beban kerja dan indeks. Dalam kes ini, kita akan melakukan analisis indeks hipotetikal tambahan. Jadi, ini salah satu daripada situasi yang saya tidak mahu, dalam banyak kes, saya tidak mahu menambah indeks jika saya tidak perlu. Tetapi pada satu ketika ada satu titik tip, di mana saya berkata, "Nah, jadual semakin saiz atau jenis pertanyaan yang berjalan dalam beban kerja masuk akal sekarang untuk menambah indeks. Tetapi ia tidak masuk akal mungkin enam minggu sebelum ini. "Jadi, ini membolehkan anda secara dinamik mendapatkan wawasan tentang hal-hal yang mungkin, seperti saya katakan, meningkatkan prestasi berdasarkan apa yang berlaku dalam alam sekitar, apa yang berlaku dalam beban kerja, dan melakukan perkara-perkara seperti itu.
Dan supaya anda mendapat banyak maklumat yang bagus di sini, serta keupayaan untuk mengoptimumkan perkara-perkara ini secara automatik. Jadi, itu satu lagi bidang di mana kita dapat membantu, dari segi apa yang kita sebut analisis ramalan. Sekarang, sebagai tambahan kepada itu, saya harus mengatakan, kami juga mempunyai bidang lain yang saya fikir secara amnya meminjamkan diri untuk membantu anda membuat keputusan. Dan apabila kita bercakap tentang membuat keputusan, sekali lagi, dapat melihat data sejarah, memberikan beberapa pandangan untuk membawa kita ke mana kita perlu memperbaiki prestasi itu.
Sekarang, salah satu daripada perkara yang boleh kita lakukan adalah kita mempunyai visualizer garis dasar yang membolehkan kita memilih secara selektif mana-mana metrik yang kita mahu - dan biarkan saya mencari yang baik di sini - Saya akan menggunakan penggunaan CPU SQL, tetapi maksudnya ialah anda boleh kembali beberapa minggu lagi untuk melukis gambar-gambar ini untuk anda melihat apabila penglihatan anda, untuk melihat secara amnya di mana nilai itu berada dalam tempoh masa yang kami telah mengumpul data. Dan kemudian, sebagai tambahan kepada itu, anda juga akan melihat bahawa apabila kita pergi ke contoh sebenar itu sendiri, kita mempunyai keupayaan untuk mengkonfigurasi baseline kami. Dan garis dasar adalah bahagian yang sangat penting untuk dapat mengautomasikan perkara serta dapat dimaklumkan tentang perkara-perkara. Dan cabaran itu, kerana kebanyakan DBA akan memberitahu anda, persekitaran anda tidak selalu berjalan sama, sepanjang hari, berbanding petang dan tidak seperti yang telah disebutkan sebelumnya dalam contoh dengan tempoh penyelenggaraan masa, ketika kami mempunyai tahap CPU yang tinggi atau apa sahaja yang mungkin berlaku.
Jadi, dalam kes di sini, dengan asas-asas ini, kita boleh mempunyai beberapa garis asas, jadi saya mungkin mempunyai garis dasar sebagai contoh, iaitu semasa waktu penyelenggaraan saya. Tetapi saya boleh membuat garis dasar untuk jam pengeluaran saya. Dan perkara yang dilakukan ialah ketika kita masuk ke dalam contoh SQL dan kita sebenarnya mempunyai beberapa garis dasar ini, maka kita akan dapat menjangka dan dapat melakukan beberapa jenis automasi, beberapa jenis pemulihan atau hanya memberi amaran secara umum, berbeza khusus untuk tingkap masa itu. Jadi, salah satu daripada perkara yang akan anda lihat di sini, ialah garis dasar yang kami hasilkan menggunakan data sejarah untuk menyediakan analisis itu, tetapi yang lebih penting, saya boleh mengubah ambang ini secara statik, tetapi saya juga boleh mengautomasikannya secara dinamik. Oleh itu, sebagai tetingkap penyelenggaraan, atau saya harus mengatakan tingkap baseline penyelenggaraan muncul, ambang ini secara automatik akan menukar khusus kepada beban yang saya hadapi semasa tetingkap masa itu, berbanding mungkin pada pertengahan hari ketika beban saya tidak banyak, apabila beban kerja tidak begitu berkesan.
Jadi, itu satu perkara yang perlu diingat, dari segi asasnya. Jelas sekali ini akan menjadi sangat berguna untuk anda, dari segi juga memahami apa yang biasa dan dapat juga difahami, melibatkan diri apabila anda akan kehabisan sumber. Sekarang, perkara lain yang kita ada dalam alat ini, yang akan membantu anda membuat keputusan, sebagai tambahan asas dan dapat menyediakan peringatan di sekitar garis dasar dan ambang yang anda buat secara dinamik, seperti yang saya katakan sebelum ini, hanya dapat menjalankan pelbagai laporan yang membantu saya menjawab soalan mengenai apa yang berlaku.
Jadi, sebagai contoh, jika saya mempunyai 150 contoh yang saya uruskan - dalam kes saya tidak, jadi kita perlu memainkan permainan berpura-pura di sini - tetapi jika saya mempunyai semua contoh pengeluaran saya dan saya perlu memahami di mana kawasan yang saya perlukan perhatian, dengan kata lain, jika saya hanya akan mempunyai masa yang terhad untuk melaksanakan beberapa jenis pentadbiran untuk meningkatkan prestasi, saya ingin memberi tumpuan kepada bidang utama. Oleh itu, dengan berkata demikian, saya akan dapat berkata, "Berdasarkan persekitaran itu, tentukan keadaan saya terhadap satu sama lain, dan beri saya ranking itu melalui paip perbalahan." Jadi sama ada penggunaan cakera, penggunaan memori, sama ada ia menunggu, sama ada masa tindak balas, saya dapat berkomunikasi - atau saya harus mengatakan pangkat - contohnya terhadap satu sama lain. Jelas contoh yang di bahagian atas setiap senarai, jika ia adalah contoh yang sama, itu mungkin sesuatu yang saya mahu tumpu, kerana ia jelas sekali lagi di bahagian atas senarai.
Jadi, anda mempunyai banyak laporan dalam alat yang membantu anda dari segi kedudukan persekitaran pada tahap contoh; anda boleh melakukan ini juga di peringkat pangkalan data juga, di mana saya boleh meletakkan pangkalan data saya terhadap satu sama lain. Terutama kepada ambang dan bidang yang boleh saya tetapkan, saya juga boleh menubuhkan kad liar di sini jika saya mahu, hanya menumpukan pada pangkalan data tertentu, tetapi maksudnya ialah saya dapat membandingkan pangkalan data saya dengan cara yang sama. Selain itu, setakat analisis perbandingan yang lain dan yang besar dalam alat ini, adalah analisis asas yang kita ada. Jadi, jika anda tatal ke bawah untuk melihat perkhidmatan di sini, anda akan melihat bahawa ada laporan statistik dasar. Sekarang laporan ini jelas akan membantu kita memahami bukan hanya nilai metrik, tetapi untuk contoh khusus yang saya dapat keluar, dan untuk mana-mana metrik ini, dapat melihat garis dasar untuk metrik ini.
Jadi, apa sahaja yang mungkin, sebagai peratus atau apa sahaja yang boleh saya keluar dan katakan, "Mari lihat garis asas untuk ini pecah dalam 30 hari yang lalu, " dalam hal ini akan menunjukkan kepada saya nilai sebenar versus garis dasar dan Saya akan dapat membuat beberapa keputusan menggunakan maklumat itu, jelasnya, jadi ini adalah salah satu daripada situasi tersebut, di mana ia akan bergantung kepada apa soalannya, yang anda minta pada masa itu. Tetapi ini jelas akan membantu anda untuk banyak soalan itu. Saya harap saya boleh mengatakan bahawa kami mempunyai satu laporan yang melakukan semuanya, dan ia seperti laporan mudah, di mana anda menekan dan butang dan hanya menjawab setiap soalan "jika jika" anda boleh menjawab. Tetapi hakikatnya, anda akan mempunyai banyak atribut dan banyak pilihan untuk dapat memilih dari dalam pull-down ini untuk dapat merumuskan "apa jika" soalan jenis yang anda cari .
Jadi banyak laporan ini ditujukan untuk menjawab jenis soalan tersebut. Dan sebagainya, penting juga bahawa laporan ini dan tambahannya, semua perkara yang telah kami tunjukkan kepada anda dalam alat seperti yang telah saya sebutkan tadi, mempunyai kefleksibelan untuk memasukkan metrik baru, dapat diurus, bahkan dapat membuat kaunter, atau pertanyaan SQL yang dimasukkan ke dalam selang pengundian anda, untuk dapat membantu saya menjawab soalan-soalan ini, yang mungkin keluar dari kotak yang kami tidak jangkakan untuk memantau, anda boleh menambah perkara itu. Dan anda akan dapat melakukan semua perkara yang sama yang saya tunjukkan kepada anda: baseline, menjalankan laporan, dan membuat laporan dari metrik itu, dan dapat menjawab dan melakukan banyak jenis perkara yang saya tunjukkan kepada anda di sini.
Kini, sebagai tambahan kepada itu - dan salah satu daripada perkara yang kami jelaskan agak sedikit baru-baru ini - mula-mula ia, semua orang membalikkan atau beralih ke VM. Dan sekarang kita mempunyai banyak orang yang menuju ke awan. Dan ada banyak persoalan yang muncul di sekitar jenis perkara itu. Adakah masuk akal untuk saya bergerak ke awan? Adakah saya akan menyimpan wang dengan bergerak ke awan? Jika saya meletakkan perkara-perkara ini pada VM, pada mesin sumber bersama, berapa banyak wang yang boleh saya simpan? Jenis-jenis soalan, jelas akan muncul juga. Jadi, banyak perkara yang perlu diingat, dengan Pengurus Diagnostik, kita boleh menambah dan menarik dari persekitaran maya VMware dan Hyper-V. Kami juga boleh menambah contoh yang berada di awan, jadi persekitaran anda seperti Azure DB, sebagai contoh, atau RDS, kami boleh menarik metrik dari persekitaran tersebut juga.
Oleh itu, terdapat banyak kelonggaran dan banyak dapat menjawab soalan-soalan itu kerana ia berkaitan dengan jenis persekitaran yang lain yang kita lihat orang menuju ke. Dan masih ada banyak persoalan di sekeliling perkara ini, dan ketika kita melihat orang menggabungkan persekitaran mereka, mereka juga perlu menjawab soalan itu juga. Jadi, itu gambaran yang cukup baik, saya akan mengatakan, Pengurus Diagnostik, kerana ia berkaitan dengan topik ini. Saya tahu bahawa subjek perisikan perniagaan datang dan kami juga mempunyai alat untuk perisikan perniagaan yang kami tidak bercakap tentang hari ini, tetapi ia juga akan memberikan anda wawasan dari segi menjawab jenis soalan ini berkaitan dengan anda kubus dan semua jenis perkara yang berbeza juga. Tetapi semoga ini menjadi gambaran yang baik, sekurang-kurangnya dari segi bagaimana produk ini boleh membantu dengan dapat merumuskan pelan yang baik.
Eric Kavanagh: Baiklah, benda baik. Ya, saya akan membuangnya ke Rick, jika dia masih di sana. Rick, apa-apa soalan dari awak?
Rick Sherman: Ya, jadi buat pertama kali, ini bagus, saya suka. Saya terutamanya suka meluaskan ke VM dan awan. Saya melihat banyak pemaju aplikasi berfikir bahawa jika berada di awan maka mereka tidak perlu menyesuaikannya. Jadi,
Bullett Manale: Betul, kita masih perlu bayar, kan? Anda masih perlu membayar untuk apa sahaja orang meletakkan awan, jadi jika ia tidak berjalan dengan lancar, atau jika ia menyebabkan banyak kitaran CPU, lebih banyak wang yang anda perlu bayar, jadi tidak, anda masih perlu mengukur perkara ini, sememangnya.
Rick Sherman: Ya, saya telah melihat banyak reka bentuk miskin di awan. Saya ingin bertanya, apakah produk ini akan digunakan - Saya tahu anda menyebut produk BI dan anda mempunyai banyak produk lain yang berinteraksi antara satu sama lain - tetapi adakah anda akan mula melihat prestasi SQL, pertanyaan individu dalam alat ini? Atau apakah alat lain yang akan digunakan untuk itu?
Bullett Manale: Tidak, ini benar-benar. Itulah salah satu perkara yang saya tidak tutup dan maksud saya, adalah bahagian pertanyaan itu. Kami mempunyai banyak cara yang berbeza untuk mengenal pasti prestasi pertanyaan, sama ada berkaitan dengan, khususnya untuk menunggu seperti yang kita lihat pada pandangan ini di sini, atau sama ada ia berkaitan dengan penggunaan sumber pertanyaan keseluruhan, terdapat sejumlah cara untuk menganalisis pertanyaan prestasi. Ia sama ada tempohnya, CPU, I / O, dan sekali lagi, kita juga dapat melihat beban kerja itu sendiri untuk memberikan pandangan. Kami boleh memberikan cadangan dalam bahagian analisis dan kami juga mempunyai versi berasaskan web yang menyediakan maklumat mengenai pertanyaan itu sendiri. Jadi saya boleh mendapatkan cadangan mengenai indeks yang hilang dan keupayaan untuk melihat pelan pelaksanaan dan semua jenis barangan; ia juga merupakan keupayaan. Jadi, secara mutlak, kita boleh mendiagnosis pertanyaan tujuh cara untuk hari Ahad (ketawa) dan dapat memberikan wawasan itu dari segi bilangan hukuman mati, sama ada penggunaan sumber, menunggu, tempoh, semua barang yang baik.
Rick Sherman: OK, hebat. Dan kemudian apakah beban pada kejadian itu sendiri dengan semua pemantauan ini?
Bullett Manale: Ini soalan yang baik. Cabaran dengan menjawab soalan itu, adakah ia bergantung, ia seperti apa-apa lagi. Banyak alat yang kami tawarkan, memberikan kelonggaran dan sebahagian daripada kelonggaran yang anda dapat memberitahu apa yang harus dikumpulkan dan apa yang tidak dapat dikumpulkan. Jadi sebagai contoh, dengan pertanyaan itu sendiri, saya tidak perlu mengumpul maklumat menunggu, atau saya boleh. Saya boleh mengumpul maklumat yang berkaitan dengan pertanyaan yang melepasi tempoh masa, pelaksanaan. Contohnya, jika saya pergi ke konfigurasi pemantau pertanyaan dan saya katakan, "Mari kita tukar nilai ini kepada sifar, " realitinya ialah pada dasarnya hanya membuat alat mengumpul setiap pertanyaan yang berjalan dan itu sebenarnya bukan semangat kenapa ada di sana, tetapi pada amnya jika saya mahu memberikan contoh penuh data untuk semua pertanyaan, saya boleh berbuat demikian.
Oleh itu, ia sangat bersesuaian dengan tetapan anda, secara amnya, keluar dari kotak. Ini di mana sahaja dari sekitar 1-3 peratus overhead, tetapi ada syarat lain yang akan dikenakan. Ia juga bergantung kepada berapa banyak pertanyaan port yang dijalankan di persekitaran anda, bukan? Ia juga bergantung pada kaedah pengumpulan pertanyaan tersebut dan apakah versi SQL itu. Jadi, sebagai contoh, SQL Server 2005, kita tidak akan dapat menarik dari peristiwa lanjutan, sedangkan sehingga kita akan menarik dari jejak untuk melakukan itu. Jadi, ia akan menjadi sedikit berbeza dari segi cara kita akan mengumpul data itu, tetapi yang mengatakan, seperti yang saya katakan, kita telah berada di sekitar kerana saya rasa sejak tahun 2004 dengan produk ini. Sudah lama, kami mempunyai beribu-ribu pelanggan, jadi perkara terakhir yang kami mahu lakukan ialah alat pengawasan prestasi yang menyebabkan masalah prestasi (ketawa). Oleh itu, kita cuba mengelakkannya, sebanyak mungkin, tetapi secara umumnya, seperti kira-kira 1-3 peratus adalah peraturan yang baik.
Rick Sherman: OK, dan itu sangat rendah, jadi hebat.
Eric Kavanagh: Baik. Robin, apa-apa soalan dari awak?
Robin Bloor: Maafkan saya, saya sedang bisu. Anda mempunyai keupayaan pangkalan data yang banyak, dan saya berminat bagaimana anda boleh melihat pelbagai pangkalan data dan oleh itu anda boleh mengetahui asas sumber yang lebih besar mungkin dibahagikan antara pelbagai mesin maya dan sebagainya dan sebagainya. Saya berminat dengan cara orang menggunakannya. Saya berminat dengan apa yang pelanggan lakukan dengannya. Kerana itu kelihatan kepada saya, dengan baik, sudah tentu, ketika saya sedang mengacaukan dengan pangkalan data, sesuatu yang saya tidak pernah ada. Dan saya hanya akan mempertimbangkan satu perkara dengan cara yang bermakna di mana-mana masa yang diberikan. Jadi, bagaimana orang menggunakannya?
Bullett Manale: Secara umum, anda bercakap secara umum hanya alat itu sendiri? Bagaimana mereka menggunakannya? Maksud saya, secara amnya, ia adalah tentang dapat memiliki titik pusat kehadiran alam sekitar. Mempunyai ketenangan fikiran dan mengetahui bahawa jika mereka menatap skrin dan mereka melihat hijau, mereka tahu semuanya baik. Apabila masalah berlaku dan jelas kebanyakan kes dari perspektif DBA, banyak kali masalah ini berlaku ketika mereka berada di hadapan konsol, jadi dapat dimaklumkan sebaik masalah itu terjadi. Tetapi di samping itu, dapat memahami apabila masalah itu berlaku, dapat sampai ke hati maklumat yang memberikan mereka beberapa konteks dari segi mengapa ia terjadi. Dan begitu, saya fikir, bahagian terbesar: menjadi proaktif mengenainya, tidak reaktif.
Kebanyakan DBA yang saya bercakap dengan - dan saya tidak tahu, itu peratusan yang baik dari mereka - malangnya masih dalam jenis persekitaran yang reaktif; mereka menunggu pengguna menghampiri mereka untuk memberitahu mereka ada masalah. Oleh itu, kita melihat ramai orang yang cuba melepaskan diri dari itu dan saya fikir itu sebahagian besar sebab mengapa orang seperti alat ini adalah membantu mereka untuk menjadi proaktif tetapi ia juga memberikan mereka wawasan tentang apa yang sedang berlaku, apa masalahnya, tetapi dalam banyak kes, apa yang kami dapati sekurang-kurangnya - dan mungkin hanya DBA yang memberitahu kami ini - tetapi DBA, persepsi itu selalu menjadi masalah mereka, walaupun ia adalah pemaju aplikasi yang menulis aplikasi yang tidak menulis dengan betul, mereka adalah orang yang akan menyalahkan, 'kerana mereka mengambil aplikasi itu ke dalam sistem atau pelayan mereka dan kemudian apabila prestasi buruk, semua orang menunjuk kepada DBA berkata, "Hei itu salah kamu."
Oleh itu, alat ini, banyak kali, akan digunakan untuk membantu dalam hal membuat kes bagi DBA untuk mengatakan, "Hei, ini adalah di mana masalahnya terletak dan bukan saya." (Ketawa) Kita perlu memperbaiki ini, sama ada ia menukar pertanyaan atau apa sahaja yang mungkin. Dalam beberapa kes, ia akan jatuh ke dalam baldi mereka dari segi tanggungjawab mereka, tetapi sekurang-kurangnya mempunyai alat untuk dapat membantu mereka memahami dan mengetahui itu, dan melakukannya secara tepat pada masanya adalah pendekatan yang ideal.
Robin Bloor: Ya, kebanyakan laman web yang saya kenal, tetapi sudah lama sejak saya berada di luar sana, melihat pelbagai laman web pelbagai pangkalan data, tetapi kebanyakannya apa yang biasa saya cari adalah bahawa akan ada DBA yang memberi tumpuan kepada segelintir pangkalan data. Dan mereka akan menjadi pangkalan data, bahawa jika mereka pernah turun, itu akan menjadi masalah besar bagi perniagaan, dan sebagainya dan sebagainya. Dan yang lain, mereka akan mengumpul statistik setiap saat dan kemudian melihat mereka tidak kehabisan ruang dan mereka tidak akan melihatnya sama sekali. Dan semasa anda sedang melakukan demo saya melihat ini dan saya berfikir dengan baik, dalam satu cara atau yang lain, anda memanjangkan, hanya dengan menyediakan sesuatu seperti ini untuk pangkalan data yang sering, tidak ada yang peduli tentang, kerana mereka mempunyai pertumbuhan data, mereka mempunyai pertumbuhan aplikasi pada masa-masa juga. Anda memperluaskan liputan DBA dengan agak dramatik. Jadi itulah persoalannya, sama ada dengan set alat seperti ini, anda akhirnya dapat memberikan perkhidmatan DBA kepada setiap pangkalan data yang terdapat dalam rangkaian korporat?
Bullett Manale: Sudah tentu, cabarannya, seperti yang anda katakan agak fasih, seperti ada beberapa pangkalan data yang dikhawatirkan oleh DBA dan kemudian ada yang mereka tidak peduli. Dan cara produk tertentu ini, cara ia dilesenkan adalah berdasarkan contohnya. Jadi, ada, saya rasa anda akan mengatakan, ambang apabila orang membuat keputusan "Hei, ini bukan contoh yang sangat penting yang saya mahu menguruskannya dengan alat ini." Itu berkata, ada alat lain yang kita lakukan ada yang lebih, saya rasa, yang memenuhi syarat-syarat yang kurang penting dari SQL. Salah seorang daripada mereka akan menjadi seperti Pengurus Inventori, di mana kita melakukan pemeriksaan kesihatan yang ringan terhadap keadaan, tetapi sebagai tambahan kepada apa yang kita lakukan adalah penemuan kita, jadi kita mengenal pasti kejadian-kejadian baru yang dibawa dalam talian dan kemudian dari sudut itu, sebagai DBA saya boleh katakan, "OK, inilah contoh baru SQL, sekarang adakah Express? Adakah versi percuma atau versi perusahaan? "Itu mungkin soalan yang saya mahu bertanya kepada diri sendiri, tetapi kedua, betapa pentingnya contoh itu kepada saya? Jika tidak penting, saya mungkin mempunyai alat ini keluar dan melakukannya, generik, apa yang saya panggil semakan kesihatan generik dalam erti bahawa mereka adalah jenis unsur perkara yang saya peduli sebagai DBA: Adakah pemadanan memandu ? Adakah pelayan menanggapi isu? Perkara utama, bukan?
Manakala dengan Pengurus Diagnostik, alat yang saya tunjukkan kepada anda, ia akan turun ke tahap pertanyaan, ia akan turun ke syor indeks, melihat pelan pelaksanaan dan semua perkara yang baik, sedangkan ini terutamanya tertumpu pada siapa yang memiliki apa, apa yang saya sendiri dan siapa yang bertanggungjawab untuknya? Apakah pek perkhidmatan dan pembaikan panas yang saya ada? Dan pelayan saya berjalan dengan bahan utama dari apa yang saya anggap menjadi contoh SQL yang sihat? Jadi untuk menjawab soalan anda, ada sedikit campuran. Apabila kita mempunyai orang yang melihat alat ini, mereka biasanya melihat satu contoh yang lebih kritikal. Yang berkata, kami mempunyai beberapa orang yang membeli setiap contoh yang mereka ada dan mengurusnya, jadi ia hanya bergantung. Tetapi saya memberitahu anda, secara keseluruhannya, sudah pasti ambang orang-orang yang menganggap persekitaran mereka cukup penting untuk mempunyai alat seperti ini untuk menguruskan keadaan tersebut.
Robin Bloor: Okay, soalan lain sebelum saya menyerahkan kepada Eric. Kesan yang diperolehi, hanya dari menonton industri adalah bahawa pangkalan data masih mempunyai kehidupan, tetapi semua data mencurahkan ke dalam semua tasik data dan sebagainya dan sebagainya. Itulah gembar-gembur, benar-benar, dan gembar-gembur tidak pernah mencerminkan realiti, jadi saya berminat dengan jenis realiti yang anda perhatikan di sana? Adakah pangkalan data penting dalam organisasi, adakah mereka mengalami pertumbuhan data tradisional, yang saya anggap sebagai 10 peratus setahun? Atau adakah mereka berkembang lebih dari itu? Adakah data besar membuat belon pangkalan data ini? Apakah gambar yang anda lihat?
Bullett Manale: Saya rasa banyak kes yang kita lihat beberapa data yang dipindahkan ke segmen lain di mana ia lebih masuk akal, apabila ada teknologi lain yang tersedia. Sehingga kini, beberapa barangan data yang lebih besar. Tetapi pangkalan data ini, saya akan mengatakan, sukar untuk umum dalam banyak kes kerana semua orang sedikit berbeza. Secara umumnya, saya melihat beberapa perbezaan. Saya melihat, seperti yang saya katakan, orang ramai berpindah ke model elastik dalam banyak kes, kerana mereka mahu mengembangkan sumber dan tidak banyak di kawasan lain. Sesetengah orang berpindah ke data besar. Tetapi sukar untuk dirasai, katakan, persepsi, kerana secara amnya orang-orang yang bercakap dengan semua mempunyai pangkalan data tradisional dan menggunakannya dalam persekitaran SQL Server.
Yang berkata, saya katakan dari segi SQL sendiri, saya pasti masih fikir ia mendapat bahagian pasaran. Dan saya fikir terdapat banyak orang yang masih menuju ke SQL dari tempat lain seperti Oracle, kerana ia lebih murah dan nampaknya jelas, kerana versi SQL menjadi lebih maju - dan anda melihatnya dengan perkara-perkara yang lebih baru-baru ini sedang berjalan dengan SQL, dari segi penyulitan dan semua keupayaan lain yang menjadikannya sebuah persekitaran atau platform pangkalan data - yang jelas sangat misi yang mampu, saya rasa. Jadi, saya rasa kita juga melihatnya. Di mana anda melihat peralihan, ia masih berlaku. Maksud saya, ia berlaku 10 tahun lalu, masih, saya fikir, berlaku dari segi SQL Server, di mana persekitaran semakin meningkat dan bahagian pasaran semakin berkembang.
Robin Bloor: Baiklah, Eric, saya menganggap penonton mempunyai soalan atau dua?
Eric Kavanagh: Ya, biarkan saya membuang satu cepat kepada anda. Ini soalan yang cukup baik, sebenarnya. Salah seorang peserta bertanya, apakah alat ini akan memberitahu saya jika jadual mungkin memerlukan indeks untuk mempercepat pertanyaan? Jika ya, bolehkah anda menunjukkan contoh?
Bullett Manale: Ya, jadi saya tidak tahu sama ada saya mempunyai satu untuk menambahkan indeks secara khusus, tetapi anda boleh lihat di sini, kami mempunyai cadangan pemecahan di sini. Saya juga percaya bahawa kami hanya ada dan ini adalah sebahagian daripada Pengurus Diagnostik yang menawarkan versi berasaskan web, di mana ia memberitahu saya mempunyai indeks yang hilang. Dan kita boleh melihat cadangan itu dan ia akan memberitahu kita potensi keuntungan itu dengan mengindeks maklumat itu. Perkara lain yang perlu saya sebutkan ialah apabila kita membuat saranan, untuk kebanyakan ini skrip akan dibina untuknya. Itu bukan contoh yang baik, tetapi anda dapat melihat, ya, situasi di mana indeks - sama ada indeks pendua, atau penambahan indeks - akan meningkatkan prestasi, dan seperti yang saya katakan tadi, kita banyak melakukan bahawa melalui analisis indeks hipotesis. Jadi, ia benar-benar membantu dari segi pemahaman beban kerja, untuk dapat memohon itu kepada cadangan.
Eric Kavanagh: Itu perkara yang hebat, dan ini akan memberi saya gambaran yang baik untuk komen akhir di sini. Robin dan saya dan Rick juga, telah mendengar banyak tahun sekarang, ada bercakap mengenai pangkalan data sendiri. Ia adalah pangkalan data sendiri! Apa yang saya boleh katakan adalah: Jangan percaya mereka.
Bullett Manale: Jangan percaya gembar-gembur.
Eric Kavanagh: Mungkin ada beberapa perkara kecil yang dapat dilakukan secara dinamik, tetapi walaupun itu, anda mungkin mahu menyemaknya dan pastikan ia tidak melakukan sesuatu yang anda tidak mahu lakukan. Oleh itu, untuk beberapa waktu, kita akan memerlukan alat seperti ini untuk memahami apa yang berlaku di pangkalan pangkalan data dan seperti kata Robin, tasik data adalah konsep yang menarik, tetapi mungkin ada kemungkinan besar mereka mengambil alih kerana terdapat ada yang menjadi Monster Loch Ness bila-bila masa tidak lama lagi. Jadi, saya hanya mengatakan sekali lagi, dunia sebenar mempunyai banyak teknologi pangkalan data, kita memerlukan orang, DBA, untuk melihat perkara ini dan menyusunnya. Anda boleh memberitahu, anda perlu tahu apa yang anda lakukan untuk membuat perkara ini berfungsi. Tetapi anda memerlukan alat untuk memberi anda maklumat untuk mengetahui apa yang anda lakukan. Oleh itu, garis bawah adalah DBA akan lakukan dengan baik.
Dan terima kasih kepada Bullett Manale dan rakan-rakan kami di IDERA. Dan tentu saja, Rick Sherman dan Robin Bloor. Kami mengarkibkan semua webcast ini, jadi semak dalam laman web dalamanalysis.com atau laman web www.techopedia.com rakan kongsi kami untuk maklumat lanjut tentang semua itu.
Dan dengan itu, kami akan membida anda perpisahan, orang. Terima kasih lagi, kami akan bercakap dengan anda pada masa akan datang. Jaga diri. Selamat tinggal.
