博客
关于我
查询某个表上的IO情况
阅读量:782 次
发布时间:2019-03-25

本文共 1633 字,大约阅读时间需要 5 分钟。

SELECT st.dbsname, p.tabname, sum(sin.ti_nrows) as nrows, round(sum(sin.ti_nptotal*sd.pagesize/1024/1024), 2) as total_size, round(sum(sin.ti_npused*sd.pagesize/1024/1024), 2) as used_size, sum(seqscans) as seqscans, sum(pagreads) as diskreads, sum(bufreads) as bufreads, sum(bufwrites) as bufwrites, sum(pagwrites) as diskwrites, sum(pagwrites) + sum(pagreads) as disk_rsws,
trunc((decode(sum(bufreads), 0, 0, (100 - (sum(pagreads) * 100) / (sum(bufreads) + pagreads))), 2) as rbufhits, trunc((decode(sum(bufwrites), 0, 0, (100 - (sum(pagwrites) * 100) / (sum(bufwrites) + pagwrites))), 2) as wbufhits,
FROM scp20:systables s, sysmaster:sysptprof p, sysmaster:systabinfo sin, sysmaster:sysdbspaces sd, sysmaster:systabnames st
WHERE s.tabid > 99 and s.tabname = p.tabname and p.dbsname = st.dbsname and sd.dbsnum = trunc(st.partnum / 1048576) and p.partnum = st.partnum and s.tabname = st.tabname and st.dbsname = 'scp20 ' and st.partnum = sin.ti_partnum,
GROUP BY 1, 2 ORDER BY 11 DESC

注意事项:以下内容为技术查询脚本,仅供参考,请勿直接使用。

从提供的代码片段可以看到,这是一个用于数据库统计分析的SQL查询。查询从多个系统表(如systables, sysptprof等)中自定义数据,计算了多个关键指标,包括总存储区大小、使用存储区大小、序列扫描次数等。这些数据主要用于数据库性能评估和资源占用分析。

查询的具体字段包括:

  • 数据库名称(dbsname)
  • 表名称(tabname)
  • 数据行总数(nrows)
  • 总存储区大小(total_size)
  • 已使用存储区大小(used_size)
  • 序列扫描次数(seqscans)
  • 磁盘读取总次数(diskreads)
  • 缓冲区读取总次数(bufreads)
  • 缓冲区写入总次数(bufwrites)
  • 磁盘写入总次数(diskwrites)
  • 总磁盘读写次数(disk_rsws)
  • 缓冲区命中率(rbufhits)
  • 写缓冲区命中率(wbufhits)

查询条件主要包含:

  • 表ID大于99
  • 表名匹配
  • 数据库名称匹配
  • 数据分区信息匹配
  • 部分数匹配
  • 数据库名称固定为scp20
  • 部分数与统计信息匹配

最后,查询结果根据指定的排序规则进行返回,主要是按顺序降序排列。

请根据实际需求调整查询条件和排序规则,确保查询结果符合预期。

转载地址:http://ajduk.baihongyu.com/

你可能感兴趣的文章
opencv8-图像模糊
查看>>
opencv9-膨胀和腐蚀
查看>>
OpenCV_ cv2.imshow()
查看>>
opencv_core.dir/objects.a(vs_version.rc.obj)‘ is incompatible with i386:x86-64 output
查看>>
opencv——图像缩放1(resize)
查看>>
opencv——最简单的视频读取
查看>>
Opencv——模块介绍
查看>>
OpenCV与AI深度学习 | 2024年AI初学者需要掌握的热门技能有哪些?
查看>>
OpenCV与AI深度学习 | CIB-SE-YOLOv8: 优化的YOLOv8, 用于施工现场的安全设备实时检测 !
查看>>
OpenCV与AI深度学习 | CoTracker3:用于卓越点跟踪的最新 AI 模型
查看>>
OpenCV与AI深度学习 | OpenCV中八种不同的目标追踪算法
查看>>
OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
查看>>
OpenCV与AI深度学习 | OpenCV如何读取仪表中的指针刻度
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(一) :直接拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(三):基于特征匹配拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四):基于Stitcher类拼接
查看>>
OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
查看>>
OpenCV与AI深度学习 | PaddleOCR 2.9 发布, 正式开源文本图像智能分析利器
查看>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>