1、深圳博睿同创信息技术有限公司深圳博睿同创信息技术有限公司AWR 报告详细分析AWR 是 Oracle 10g 版本 推出的新特性， 全称叫 Automatic Workload Repository-自动负载信息库, AWR 是通过对比两次快，照(snapshot)收集到的统计信息，来生成报表数据，生成的报表包括多个部分。WORKLOAD REPOSITORY report for DB Name DB Id Instance Inst num Release RAC HostICCI 1314098396 ICCI1 1 10.2.0.3.0 YES HPGICCI1Snap Id Snap
2、 Time Sessions Cursors/SessionBegin Snap: 2678 25-Dec-08 14:04:50 24 1.5End Snap: 2680 25-Dec-08 15:23:37 26 1.5Elapsed: 78.79 (mins) DB Time: 11.05 (mins) DB Time 不包括 Oracle 后台进程消耗的时间。如果 DB Time 远远小于Elapsed 时间，说明数据库比较空闲。db time= cpu time + wait time（不包含空闲等待） （非后台进程）说白了就是 db time 就是记录的服务器花在数据库运算(非后台
3、进程)和等待(非空闲等待) 上的时间DB time = cpu time + all of nonidle wait event time在 79 分钟里（其间收集了 3 次快照数据），数据库耗时 11 分钟，RDA 数据中显示系统有 8 个逻辑 CPU（4 个物理 CPU），平均每个 CPU 耗时 1.4 分钟，CPU 利用率只有大约 2%（1.4/79）。说明系统压力非常小。列出下面这两个来做解释：Report A:Snap Id Snap Time Sessions Curs/Sess- - - -Begin Snap: 4610 24-Jul-08 22:00:54 68 19.1En
4、d Snap: 4612 24-Jul-08 23:00:25 17 1.7Elapsed: 59.51 (mins)DB Time: 466.37 (mins)Report B:Snap Id Snap Time Sessions Curs/Sess- - - -Begin Snap: 3098 13-Nov-07 21:00:37 39 13.6End Snap: 3102 13-Nov-07 22:00:15 40 16.4Elapsed: 59.63 (mins)DB Time: 19.49 (mins)服务器是 AIX 的系统，4 个双核 cpu,共 8 个核:/sbin bindp
5、rocessor -qThe available processors are: 0 1 2 3 4 5 6 7先说 Report A,在 snapshot 间隔中，总共约 60 分钟，cpu 就共有 60*8=480 分钟，DB time为 466.37 分钟，则：cpu 花费了 466.37 分钟在处理 Oralce 非空闲等待和运算上(比方逻辑读)深圳博睿同创信息技术有限公司深圳博睿同创信息技术有限公司也就是说 cpu 有 466.37/480*100% 花费在处理 Oracle 的操作上，这还不包括后台进程看 Report B，总共约 60 分钟，cpu 有 19.49/480*100
6、% 花费在处理 Oracle 的操作上很显然，2 中服务器的平均负载很低。从 awr report 的 Elapsed time 和 DB Time 就能大概了解 db 的负载。可是对于批量系统，数据库的工作负载总是集中在一段时间内。如果快照周期不在这一段时间内，或者快照周期跨度太长而包含了大量的数据库空闲时间，所得出的分析结果是没有意义的。这也说明选择分析时间段很关键，要选择能够代表性能问题的时间段。Report SummaryCache Sizes Begin EndBuffer Cache: 3,344M 3,344M Std Block Size: 8KShared Pool Size
7、: 704M 704M Log Buffer: 14,352K显示 SGA 中每个区域的大小（在 AMM 改变它们之后），可用来与初始参数值比较。shared pool 主要包括 library cache 和 dictionary cache。library cache 用来存储最近解析（或编译）后 SQL、PL/SQL 和 Java classes 等。library cache 用来存储最近引用的数据字典。发生在 library cache 或 dictionary cache 的 cache miss 代价要比发生在 buffer cache 的代价高得多。因此 shared pool
8、 的设置要确保最近使用的数据都能被 cache。Load ProfilePer Second Per TransactionRedo size: 918,805.72 775,912.72Logical reads: 3,521.77 2,974.06Block changes: 1,817.95 1,535.22Physical reads: 68.26 57.64Physical writes: 362.59 306.20User calls: 326.69 275.88Parses: 38.66 32.65Hard parses: 0.03 0.03Sorts: 0.61 0.51Log
9、ons: 0.01 0.01Executes: 354.34 299.23Transactions: 1.18 % Blocks changed per Read: 51.62 Recursive Call %: 51.72Rollback per transaction %: 85.49 Rows per Sort: #显示数据库负载概况，将之与基线数据比较才具有更多的意义，如果每秒或每事务的负载变化不大，说明应用运行比较稳定。单个的报告数据只说明应用的负载情况，绝大多数据并没有一个所谓“正确”的值，然而 Logons 大于每秒深圳博睿同创信息技术有限公司深圳博睿同创信息技术有限公司12 个
10、、Hard parses 大于每秒 100、全部 parses 超过每秒 300 表明可能有争用问题。Redo size：每秒产生的日志大小(单位字节)，可标志数据变更频率, 数据库任务的繁重与否。Logical reads：每秒/每事务逻辑读的块数.平决每秒产生的逻辑读的 block数。Logical Reads= Consistent Gets + DB Block Gets Block changes：每秒/ 每事务修改的块数Physical reads：每秒/每事务物理读的块数Physical writes：每秒/每事务物理写的块数User calls：每秒 /每事务用户 call 次
11、数Parses： SQL 解析的次数.每秒解析次数，包括 fast parse，soft parse 和 hard parse 三种数量的综合。 软解析每秒超过 300 次意味着你的“应用程序“效率不高，调整 session_cursor_cache。在这里，fast parse 指的是直接在 PGA 中命中的情况（设置了 session_cached_cursors=n）；soft parse 是指在 shared pool 中命中的情形；hard parse 则是指都不命中的情况。Hard parses：其中硬解析的次数，硬解析太多，说明 SQL 重用率不高。每秒产生的硬解析次数, 每秒超
12、过 100次，就可能说明你绑定使用的不好，也可能是共享池设置不合理。这时候可以启用参数 cursor_sharing=similar|force，该参数默认值为 exact。但该参数设置为 similar时，存在 bug，可能导致执行计划的不优。Sorts：每秒/每事务的排序次数Logons：每秒/每事务登录的次数Executes：每秒/ 每事务 SQL 执行次数Transactions：每秒事务数.每秒产生的事务数，反映数据库任务繁重与否。Blocks changed per Read：表示逻辑读用于修改数据块的比例 .在每一次逻辑读中更改的块的百分比。Recursive Call：递归调用
13、占所有操作的比率 .递归调用的百分比，如果有很多PL/SQL，那么这个值就会比较高。Rollback per transaction：每事务的回滚率 .看回滚率是不是很高，因为回滚很耗资源 ,如果回滚率过高,可能说明你的数据库经历了太多的无效操作 ,过多的回滚可能还会带来 Undo Block的竞争 该参数计算公式如下: Round(User rollbacks / (user commits + user rollbacks) ,4)* 100% 。Rows per Sort：每次排序的行数注:Oracle 的硬解析和软解析 提到软解析(soft prase)和硬解析(hard prase)
14、，就不能不说一下 Oracle 对 sql的处理过程。当你发出一条 sql 语句交付 Oracle，在执行和获取结果前，Oracle对此 sql 将进行几个步骤的处理过程：1、语法检查(syntax check)检查此 sql 的拼写是否语法。Comment FF1: OLAP:联机分析处理OLTP:联机事务处理OLAP是主要应用数据仓库系统OLTP是一般的项目开发用到的基本的、日常的事务处理；比如数据库记录的增、删、改、查。深圳博睿同创信息技术有限公司深圳博睿同创信息技术有限公司2、语义检查(semantic check)诸如检查 sql语句中的访问对象是否存在及该用户是否具备相应的权限。3
15、、对 sql语句进行解析(prase)利用内部算法对 sql进行解析，生成解析树(parse tree)及执行计划(execution plan)。4、执行 sql，返回结果(execute and return)其中，软、硬解析就发生在第三个过程里。Oracle 利用内部的 hash算法来取得该 sql的 hash值，然后在 library cache里查找是否存在该 hash值；假设存在，则将此 sql与 cache中的进行比较；假设“相同”，就将利用已有的解析树与执行计划，而省略了优化器的相关工作。这也就是软解析的过程。诚然，如果上面的 2个假设中任有一个不成立，那么优化器都将进行创建解
16、析树、生成执行计划的动作。这个过程就叫硬解析。创建解析树、生成执行计划对于 sql的执行来说是开销昂贵的动作，所以，应当极力避免硬解析，尽量使用软解析。Instance Efficiency Percentages (Target 100%) Buffer Nowait %: 100.00Redo NoWait %: 100.00Buffer Hit %: 98.72In-memory Sort %: 99.86Library Hit %: 99.97Soft Parse %: 99.92Execute to Parse %: 89.09Latch Hit %: 99.99Parse CPU
17、to Parse Elapsd %: 7.99% Non-Parse CPU: 99.95本节包含了 Oracle关键指标的内存命中率及其它数据库实例操作的效率。其中 Buffer Hit Ratio 也称 Cache Hit Ratio，Library Hit ratio 也称 Library Cache Hit ratio。同 Load Profile一节相同，这一节也没有所谓“正确”的值，而只能根据应用的特点判断是否合适。在一个使用直接读执行大型并行查询的 DSS环境，20%的 Buffer Hit Ratio是可以接受的，而这个值对于一个 OLTP系统是完全不能接受的。根据 Oracl
18、e的经验，对于 OLTP系统，Buffer Hit Ratio 理想应该在90%以上。Buffer Nowait表示在内存获得数据的未等待比例。在缓冲区中获取 Buffer的未等待比率。Buffer Nowait 的这个值一般需要大于 99%。否则可能存在争用，可以在后面的等待事件中进一步确认。buffer hit表示进程从内存中找到数据块的比率，监视这个值是否发生重大变化比这个值本身更重要。对于一般的 OLTP系统，如果此值低于 80%，应该给数据库分配更多的内存。数据块在数据缓冲区中的命中率，通常应在 95%以上。否则，小于 95%，需要调整重要的参数，小于 90%可能是要加 db_cac
19、he_size。一个高的命中率，不一定代表这个系统的性能是最优的，比如大量的非选择性的索引被频繁访问，就会造成命中率很高的假相（大量的 db file sequential read），但是一个比较低的命中率，一般就会对这个系统的性能产生影响，需要调整。命中率的突变，往往是一个不好的信息。如果命中率突然增大，可以检查 top buffer get SQL，查看导致大量逻辑读的语句和索引，如果命中率突深圳博睿同创信息技术有限公司深圳博睿同创信息技术有限公司然减小，可以检查 top physical reads SQL，检查产生大量物理读的语句，主要是那些没有使用索引或者索引被删除的。Redo N
20、oWait 表示在 LOG 缓冲区获得 BUFFER 的未等待比例。如果太低（可参考 90%阀值），考虑增加 LOG BUFFER。 当 redo buffer达到 1M时，就需要写到 redo log文件，所以一般当 redo buffer设置超过 1M，不太可能存在等待 buffer空间分配的情况。当前，一般设置为 2M的 redo buffer，对于内存总量来说，应该不是一个太大的值。library hit 表示 Oracle 从 Library Cache 中检索到一个解析过的 SQL 或PL/SQL 语句的比率，当应用程序调用 SQL 或存储过程时， Oracle 检查 Librar
21、y Cache 确定是否存在解析过的版本，如果存在，Oracle 立即执行语句；如果不存在，Oracle 解析此语句，并在 Library Cache 中为它分配共享 SQL 区。低的library hit ratio 会导致过多的解析，增加 CPU 消耗，降低性能。如果 library hit ratio 低于 90%，可能需要调大 shared pool 区。STATEMENT 在共享区的命中率，通常应该保持在 95%以上，否则需要要考虑：加大共享池；使用绑定变量；修改 cursor_sharing等参数。Latch Hit：Latch 是一种保护内存结构的锁，可以认为是 SERVER 进
22、程获取访问内存数据结构的许可。要确保 Latch Hit99%，否则意味着 Shared Pool latch 争用，可能由于未共享的 SQL，或者 Library Cache 太小，可使用绑定变更或调大 Shared Pool 解决。要确保99%，否则存在严重的性能问题。当该值出现问题的时候，我们可以借助后面的等待时间和 latch分析来查找解决问题。Parse CPU to Parse Elapsd：解析实际运行时间/(解析实际运行时间+解析中等待资源时间) ，越高越好。计算公式为：Parse CPU to Parse Elapsd %= 100*(parse time cpu / par
23、se time elapsed)。即：解析实际运行时间/(解析实际运行时间+解析中等待资源时间)。如果该比率为 100%，意味着 CPU等待时间为 0，没有任何等待。Non-Parse CPU ：SQL 实际运行时间/(SQL 实际运行时间+SQL 解析时间)，太低表示解析消耗时间过多。计算公式为：% Non-Parse CPU =round(100*1-PARSE_CPU/TOT_CPU),2)。如果这个值比较小，表示解析消耗的 CPU时间过多。与 PARSE_CPU相比，如果 TOT_CPU很高，这个比值将接近 100%，这是很好的，说明计算机执行的大部分工作是执行查询的工作，而不是分析查
24、询的工作。Execute to Parse：是语句执行与分析的比例，如果要 SQL 重用率高，则这个比例会很高。该值越高表示一次解析后被重复执行的次数越多。计算公式为：Execute to Parse =100 * (1 - Parses/Executions)。本例中，差不多每execution 5次需要一次 parse。所以如果系统 Parses Executions，就可能出现该比率小于 0的情况。该值1: 88.48 79.81% Memory for SQL w/exec1: 79.99 73.52Memory Usage %：对于一个已经运行一段时间的数据库来说，共享池内存使用率，
25、应该稳定在 75%-90%间，如果太小，说明 Shared Pool 有浪费，而如果高于 90，说明共享池中有争用，内存不足。这个数字应该长时间稳定在75%90%。如果这个百分比太低，表明共享池设置过大，带来额外的管理上的负担，从而在某些条件下会导致性能的下降。如果这个百分率太高，会使共享池外部的组件老化，如果 SQL语句被再次执行，这将使得 SQL语句被硬解析。在一个大小合适的系统中，共享池的使用率将处于 75%到略低于 90%的范围内.SQL with executions1：执行次数大于 1 的 sql 比率，如果此值太小，说明需要在应用中更多使用绑定变量，避免过多 SQL 解析。 在一
26、个趋向于循环运行的系统中，必须认真考虑这个数字。在这个循环系统中，在一天中相对于另一部分时间的部分时间里执行了一组不同的 SQL语句。在共享池中，在观察期间将有一组未被执行过的 SQL语句，这仅仅是因为要执行它们的语句在观察期间没有运行。只有系统连续运行相同的 SQL语句组，这个数字才会接近 100%。Memory for SQL w/exec1：执行次数大于 1 的 SQL 消耗内存的占比。这是与不频繁使用的 SQL语句相比，频繁使用的 SQL语句消耗内存多少的一个度量。这个数字将在总体上与% SQL with executions1 非常接近，除非有某些查询任务消耗的内存没有规律。在稳定状
27、态下，总体上会看见随着时间的推移大约有 75%85%的共享池被使用。如果 Statspack报表的时间窗口足够大到覆盖所有的周期，执行次数大于一次的 SQL语句的百分率应该接近于 100%。这是一个受观察之间持续时间影响的统计数字。可以期望它随观察之间的时间长度增大而增大。小结：通过 ORACLE的实例有效性统计数据，我们可以获得大概的一个整体印象，然而我们并不能由此来确定数据运行的性能。当前性能问题的确定，我们主要还是依靠下面的等待事件来确认。我们可以这样理解两部分的内容，hit 统计帮助我们发现和预测一些系统将要产生的性能问题，由此我们可以做到未雨绸缪。而 wait事件，就是表明当前数据库
28、已经出现了性能问题需要解决，所以是亡羊补牢的性质。Top 5 Timed Events Event Waits Time(s) Avg Wait(ms) % Total Call Time Wait Class深圳博睿同创信息技术有限公司深圳博睿同创信息技术有限公司CPU time 515 77.6 SQL*Net more data from client 27,319 64 2 9.7 Networklog file parallel write 5,497 47 9 7.1 System I/Odb file sequential read 7,900 35 4 5.3 User I/O
29、db file parallel write 4,806 34 7 5.1 System I/O这是报告概要的最后一节，显示了系统中最严重的 5 个等待，按所占等待时间的比例倒序列示。当我们调优时，总希望观察到最显著的效果，因此应当从这里入手确定我们下一步做什么。例如如果buffer busy wait是较严重的等待事件，我们应当继续研究报告中 Buffer Wait 和 File/Tablespace IO 区的内容，识别哪些文件导致了问题。如果最严重的等待事件是 I/O 事件，我们应当研究按物理读排序的 SQL 语句区以识别哪些语句在执行大量 I/O，并研究Tablespace 和 I/O
30、 区观察较慢响应时间的文件。如果有较高的 LATCH 等待，就需要察看详细的 LATCH 统计识别哪些 LATCH 产生的问题。一个性能良好的系统，cpu time 应该在 top 5 的前面，否则说明你的系统大部分时间都用在等待上。在这里，log file parallel write 是相对比较多的等待，占用了 7%的 CPU 时间。通常，在没有问题的数据库中，CPU time 总是列在第一个。更多的等待事件，参见本报告 的 Wait Events 一节。RAC StatisticsBegin EndNumber of Instances: 2 2Global Cache Load Pro
31、file Per Second Per TransactionGlobal Cache blocks received: 4.16 3.51Global Cache blocks served: 5.97 5.04GCS/GES messages received: 408.47 344.95GCS/GES messages sent: 258.03 217.90DBWR Fusion writes: 0.05 0.05Estd Interconnect traffic (KB) 211.16 Global Cache Efficiency Percentages (Target local+
32、remote 100%) Buffer access - local cache %: 98.60Buffer access - remote cache %: 0.12Buffer access - disk %: 1.28Global Cache and Enqueue Services - Workload Characteristics Avg global enqueue get time (ms): 0.1Avg global cache cr block receive time (ms): 1.1Avg global cache current block receive ti
33、me (ms): 0.8深圳博睿同创信息技术有限公司深圳博睿同创信息技术有限公司Avg global cache cr block build time (ms): 0.0Avg global cache cr block send time (ms): 0.0Global cache log flushes for cr blocks served %: 3.5Avg global cache cr block flush time (ms): 3.9Avg global cache current block pin time (ms): 0.0Avg global cache curre
34、nt block send time (ms): 0.0Global cache log flushes for current blocks served %: 0.4Avg global cache current block flush time (ms): 3.0Global Cache and Enqueue Services - Messaging Statistics Avg message sent queue time (ms): 0.0Avg message sent queue time on ksxp (ms): 0.3Avg message received queu
35、e time (ms): 0.5Avg GCS message process time (ms): 0.0Avg GES message process time (ms): 0.0% of direct sent messages: 14.40% of indirect sent messages: 77.04% of flow controlled messages: 8.56Main Report Wait Events Statistics SQL Statistics Instance Activity Statistics IO Stats Buffer Pool Statist
36、ics Advisory Statistics Wait Statistics Undo Statistics Latch Statistics Segment Statistics Dictionary Cache Statistics Library Cache Statistics Memory Statistics Streams Statistics Resource Limit Statistics init.ora Parameters Wait Events Statistics Time Model Statistics Wait Class Wait Events Back
37、ground Wait Events Operating System Statistics Service Statistics Service Wait Class Stats Back to Top深圳博睿同创信息技术有限公司深圳博睿同创信息技术有限公司/* oracle等待事件是衡量 oracle运行状况的重要依据及指示，等待事件分为两类：空闲等待事件和非空闲等待事件, TIMED_STATISTICS = TRUE 那么等待事件按等待的时间排序，= FALSE 那么事件按等待的数量排序。运行 statspack期间必须 session上设置 TIMED_STATISTICS = TR
38、UE，否则统计的数据将失真。空闲等待事件是 oracle正等待某种工作，在诊断和优化数据库时候，不用过多注意这部分事件，非空闲等待事件专门针对 oracle的活动，指数据库任务或应用程序运行过程中发生的等待，这些等待事件是我们在调整数据库应该关注的。对于常见的等待事件，说明如下：1) db file scattered read 文件分散读取该事件通常与全表扫描或者 fast full index scan有关。因为全表扫描是被放入内存中进行的进行的，通常情况下基于性能的考虑，有时候也可能是分配不到足够长的连续内存空间，所以会将数据块分散(scattered)读入 Buffer Cache中。
39、该等待过大可能是缺少索引或者没有合适的索引(可以调整 optimizer_index_cost_adj) 。这种情况也可能是正常的，因为执行全表扫描可能比索引扫描效率更高。当系统存在这些等待时，需要通过检查来确定全表扫描是否必需的来调整。因为全表扫描被置于 LRU(Least Recently Used，最近最少适用)列表的冷端(cold end)，对于频繁访问的较小的数据表，可以选择把他们 Cache 到内存中，以避免反复读取。当这个等待事件比较显著时，可以结合 v$session_longops 动态性能视图来进行诊断，该视图中记录了长时间(运行时间超过 6 秒的)运行的事物，可能很多是全
40、表扫描操作(不管怎样，这部分信息都是值得我们注意的)。关于参数 OPTIMIZER_INDEX_COST_ADJn：该参数是一个百分比值，缺省值为 100，可以理解为 FULL SCAN COST/INDEX SCAN COST。当 n%* INDEX SCAN COST select parameter1,parameter2,parameter3 from v$event_name where name=buffer busy waitsPARAMETER1 PARAMETER2 PARAMETER3- - -file# block# idOracle 10gPARAMETER1 PARA
41、METER2 PARAMETER3- - -file# block# class#在诊断 buffer busy waits 事件的过程中，获取如下信息会很有用：1.获取产生 buffer busy waits 事件的等待原因编号，这可以通过查询该事件的 p3参数值获得2.获取产生此事件的 SQL 语句，可以通过如下的查询获得：select sql_text from v$sql t1,v$session t2,v$session_wait t3where t1.address=t2.sql_address and t1.hash_value=t2.sql_hash_value深圳博睿同创信息
42、技术有限公司深圳博睿同创信息技术有限公司and t2.sid=t3.sid and t3.event=buffer busy waits;3.获取等待的块的类型以及所在的 segment，可以通过如下查询获得：PHP code:select Segment Header class,a.segment_type,a.segment_name,a.partition_name from dba_segments a,v$session_wait bwhere a.header_file=b.p1 and a.header_block=b.p2 and b.event=buffer busy wa
43、itsunionselect Freelist Groups class,a.segment_type,a.segment_name,a.partition_name from dba_segments a,v$session_wait bwhere a.header_file=b.p1 and b.p2 between a.header_block+1 and (a.header_block+a.freelist_groups) and a.freelist_groups1 and b.event=buffer busy waitsunionselect a.segment_type| bl
44、ock class,a.segment_type,a.segment_name,a.partition_name from dba_extents a,v$session_wait bwhere a.file_id=b.p1 and b.p2 between a.block_id and a.block_id+a.blocks-1 and b.event=buffer busy waits and not exists(select 1 from dba_segments where header_file=b.p1 and header_block= b.p2);查询的第一部分：如果等待的块
45、类型是 segment header，那么可以直接拿 buffer busy waits 事件的 p1 和 p2 参数去 dba_segments 视图中匹配 header_file 和 header_block 字段即可找到等待的 segment 名称和 segment 类型，进行相应调整查询的第二部分：如果等待的块类型是 freelist groups，也可以在 dba_segments 视图中找出对应的 segment 名称和 segment 类型，注意这里的参数 p2 表示的 freelist groups 的位置是在segment 的 header_block+1 到 header_
46、block+freelist groups 组数之间，并且 freelist groups 组数大于 1查询的第三部分：如果等待的块类型是普通的数据块，那么可以用 p1、p2 参数和 dba_extents 进行联合查询得到 block 所在的 segment 名称和 segment 类型对于不同的等待块类型，我们采取不同的处理办法：1.data segment header：进程经常性的访问 data segment header 通常有两个原因：获取或修改 process freelists 信息、扩展高水位标记，针对第一种情况，进程频繁访问 process freelists 信息导致
47、freelist 争用，我们可以增大相应的 segment 对象的存储参数 freelist 或者 freelist groups；若由于数据块频繁进出freelist 而导致进程经常要修改 freelist，则可以将 pctfree 值和 pctused 值设置较大的差距，从而避免数据块频繁进出 freelist；对于第二种情况，由于该 segment 空间消耗很快，而设置的 next extent 过小，导致频繁扩展高水位标记，解决的办法是增大 segment 对象的存储参数 next extent 或者直接在创建表空间的时候设置 extent size uniform2.data blo
48、ck：某一或某些数据块被多个进程同时读写，成为热点块，可以通过如下这些办法来解决这个问题：(1)降低程序的并发度，如果程序中使用了 parallel 查询，降低 parallel degree，以免多个parallel slave 同时访问同样的数据对象而形成等待降低性能(2)调整应用程序使之能读取较少的数据块就能获取所需的数据，减少 buffer gets 和 physical 深圳博睿同创信息技术有限公司深圳博睿同创信息技术有限公司reads(3)减少同一个 block 中的记录数，使记录分布于更多的数据块中，这可以通过若干途径实现：可以调整 segment 对象的 pctfree 值，可以将 segment 重建到 block size 较小的表空间中，还可以用 alter table minimize records_per_block 语句减少每块中的记录数(4)若热点块对象是类似自增 id 字段的索引，则可以将索引转换为反转索引，打散数据分布，分散热点块3.undo segment header：undo segment header 争用是因为系统中 undo segment 不够，需要增加足够的 un
