Este conteúdo foi traduzido por máquina para sua conveniência e a Huawei Cloud não pode garantir que o conteúdo foi traduzido com precisão. Para exibir o conteúdo original, use o link no canto superior direito para mudar para a página em inglês.

Visão geral de serviço
- O que é o GaussDB(DWS)?
- Tipos de Data Warehouse
- Especificações do armazém de dados
- Vantagens
- Cenários de aplicação
- Funções
- Conceitos
- Serviços relacionados
- Gerenciamento de permissões do GaussDB(DWS)
- Acesso ao GaussDB(DWS)
- Detalhes de preços
- Restrições
- Service Quotas
- Especificações técnicas
- Descrição da versão
Guia de gerenciamento
- Processo para usar o GaussDB(DWS)
- Preparativos
- Criação ou exclusão de um cluster
- Conexão de clusters
- Monitoramento e alarmes
- Mudança e dimensionamento de especificações
- Backup e recuperação de desastres
  - Snapshots
  - DR do cluster
- O&M inteligente
- Gerenciamento de cluster
- Migração de dados
- Gerenciamento de logs de cluster
- Gerenciamento de usuários de banco de dados
  - Gerenciamento de usuários
  - Gerenciamento de funções
- Logs de auditoria
- Gerenciamento de segurança de cluster
- Gerenciamento de recursos
- Gerenciamento de fonte de dados
  - Fontes de dados do MRS
  - Gerenciamento de fontes de dados do OBS
- Gerenciamento de clusters lógicos
Referência de API
- Antes de começar
- Visão geral de API
- Chamada das API
- Introdução
- Descrição de API
  - As API de gerenciamento de cluster
  - As API de gerenciamento de snapshot
- Casos de aplicação
  - Uso de Postman para chamar a API para criar um snapshot
- Políticas de permissões e ações suportadas
- Apêndice
Primeiros passos
- Passo 1: Preparação antes da entrada
- Passo 2: criação de um cluster
- Passo 3: conexão a um cluster
- Passo 4: Exibindo Outros Documentos e Compensando Recursos
Perguntas frequentes
- Perguntas frequentes principais
- Problemas gerais
- Uso do banco de dados
- Gerenciamento de clusters
- Conexões de banco de dados
- Importação e exportação de dados
- Conta, senha e permissão
- Desempenho do banco de dados
- Backup e restauração do snapshot
  1. Por que criar um snapshot automatizado é tão lento?
  2. Um snapshot de DWS tem a mesma função que um snapshot de EVS?
- Cobrança
Melhores práticas
- Importação e exportação
- Migração de dados
- Práticas da otimização de tabela
- Recursos avançados
- Gerenciamento de banco de dados
- Análise de dados de amostra
- Gerenciamento de segurança
No momento, o conteúdo não está disponível no seu idioma selecionado. Consulte a versão em inglês.
What's New
Function Overview
Product Bulletin
- Product Notice
- Version Support Notes
Billing
- GaussDB(DWS) Billing Overview
- Billing Modes
- Item
- Billing Examples
- Billing Mode Change
- Renewal
  - Overview
  - Manual Renewal
- Bills
- Arrears
- Stopping Billing
- Cost Management
- Billing FAQs
Data Migration and Synchronization
- Data Migration to GaussDB(DWS)
- Importing Data
- Full Database Migration
  - Using CDM to Migrate Data to GaussDB(DWS)
  - Using DSC to Migrate SQL Scripts
- Real-time Import
  - Using DRS to Import Data to GaussDB(DWS)
  - Real-time Data Import From Kafka GaussDB(DWS)
- Metadata Migration
  - Using gs_dump and gs_dumpall to Export Metadata
  - Using gs_restore to Import Data
- Exporting Data
- Other Operations
Developer Guide
- Standard data warehouse (9.1.0.x)
- Standard data warehouse (8.1.3.x)
- Hybrid Data Warehouse (9.1.0.x）
- Hybrid Data Warehouse (8.1.3.x）
- Historical Versions
SQL Syntax Reference
- SQL Syntax Reference (9.1.0.x)
- SQL Syntax Reference (8.1.3.x)
- Historical Versions
Performance Tuning
- Overview of Query Performance Optimization
- Query Execution Process
- SQL Execution Plan
- SQL Optimization Guide
- Optimization Cases
- SQL Execution Troubleshooting
- query_band Load Identification
- Common Performance Parameter Optimization Design
Tool Guide
- Overview
- Downloading Related Tools
- gsql
- Data Studio
- GDS
- DSC
- DataCheck
- DWS-Connector
- Server Tool
SDK Reference
- SDK Overview
Troubleshooting
- Database Connections
- JDBC/ODBC
- Data Import and Export
- Database Parameter Modification
- Account/Permission/Password
- Cluster Performance
- Cluster Exceptions
  - The Disk Usage Alarm Is Frequently Generated
- Database Use
Videos
Performance White Paper
- Overview
- Test Result
  - TPC-H Single Query Test
  - TPC-DS Single Query Test
- Test Methods
- Appendixes
  - TPC-H Test Sets
  - TPC-DS Test Sets
Technical White Paper
- GaussDB(DWS)
- Platforms and Technical Specifications Supported by GaussDB(DWS)
  - Technical Specifications
- GaussDB(DWS) Core Technologies
- GaussDB(DWS) Tools
  - Client Tools
  - Database Monitoring Tool
- External APIs
Error Code Reference
- 8.2.0 and earlier versions
  - Management Console Error Code
  - Data Warehouse Service Error Codes
- 8.2.1 or later versions
Glossary
More Documents
- User Guide
- API Reference (ME-Abu Dhabi Region)
- Developer Guide (ME-Abu Dhabi Region)
- SQL Syntax Reference (ME-Abu Dhabi Region)
- Tool Guide (ME-Abu Dhabi Region)
- Error Code Reference (ME-Abu Dhabi Region)
  - Management Console Error Code
- User Guide (Paris Region)
- API Reference (Paris Region)
- Developer Guide (Paris Region)
- SQL Syntax Reference (Paris Region)
- Tool Guide (Paris Region)
- Error Code Reference (Paris Region)
  - Management Console Error Code
- User Guide (Kuala Lumpur Region)
- API Reference (Kuala Lumpur Region)
- Developer Guide (Kuala Lumpur Region)
- SQL Syntax Reference (Kuala Lumpur Region)
- Tool Guide (Kuala Lumpur Region)
- Error Code Reference (Kuala Lumpur Region)
  - Management Console Error Code

Nesta página

Taxa de distorção
Taxa de página suja
Auditoria de DDL

Mostrar todos

Central de ajuda/ GaussDB(DWS)/ Guia de gerenciamento/ Monitoramento e alarmes/ Monitoramento de banco de dados (DMS)/ Utilities/ Diagnóstico de tabela

Diagnóstico de tabela

Atualizado em 2024-08-19 GMT+08:00

Ver PDF

GaussDB(DWS) fornece estatísticas e ferramentas de diagnóstico para você aprender o status da tabela, incluindo:

Taxa de distorção: monitora e analisa estatísticas de tabelas de dados no cluster e exibe informações sobre as 50 maiores tabelas cuja taxa de distorção é superior a 5%.
Taxa de página suja: monitora e analisa estatísticas de tabelas de dados no cluster e exibe informações sobre as 50 maiores tabelas cuja taxa de distorção é superior a 50%.
Auditoria de DDL: a revisão DDL é um tipo de revisão SQL. Para evitar que o design inadequado de DDL afete os serviços, essa ferramenta verifica se os metadados de DDL são padrão, detectando possíveis problemas de definição de tabela com antecedência. O resultado da verificação também pode ser usado como referência para localizar problemas de desempenho.

Somente 8.1.1.x e versões posteriores suportam os recursos de taxa de distorção de tabela e taxa de página suja. Para versões anteriores, entre em contato com o suporte técnico.
Somente 8.1.1.300 e versões posteriores suportam o recurso de revisão DDL. Para versões anteriores, entre em contato com o suporte técnico.
O período de coleta de dados das verificações de página suja e distorcida da tabela pode ser configurado na página Coleta de monitoramento. A coleta frequente de dados pode afetar o desempenho do cluster. Defina um período adequado com base nas cargas de trabalho do cluster.

Taxa de distorção

Contexto

Colunas de distribuição impróprias podem causar distorção grave durante a computação do operador ou derramamento de dados para o disco. As cargas de trabalho serão distribuídas de forma desigual em DNs, resultando em alto uso de disco em um único DN e afetando o desempenho. Você pode consultar a taxa de distorção da tabela e alterar a coluna de distribuição para as tabelas com distorção severa. Para clusters da versão 8.1.0 ou posterior, consulte ALTER TABLE. Para outras versões, consulte Como alterar colunas de distribuição?.

Procedimento

Faça logon no console de gerenciamento do GaussDB(DWS).
Na página Clusters, localize o cluster de destino.
Na coluna Operation do cluster de destino, clique em Monitoring Panel.
Na árvore de navegação à esquerda, escolha Utilities > Table Diagnosis e clique na guia Skew Rate. As tabelas que atendem às condições de coleta de estatísticas no cluster são exibidas.

Taxa de página suja

Contexto

As operações DML em tabelas podem gerar dados sujos, que ocupam desnecessariamente o armazenamento do cluster. Você pode consultar a taxa de páginas sujas e lidar com grandes tabelas e tabelas com alta taxa de páginas sujas. Para obter detalhes, consulte Solução para alto uso de disco e cluster somente leitura.

Procedimento

Faça logon no console de gerenciamento do GaussDB(DWS).
Na página Clusters, localize o cluster de destino.
Na coluna Operation do cluster de destino, clique em Monitoring Panel.
Na árvore de navegação à esquerda, escolha Utilities > Table Diagnosis e clique na guia Dirty Page Rate. As tabelas que atendem às condições de coleta de estatísticas no cluster são exibidas.

Auditoria de DDL

Exibir e exportar resultados da auditoria de DDL

Faça logon no console de gerenciamento do GaussDB(DWS).
Na página Clusters, localize o cluster de destino.
Na coluna Operation do cluster de destino, clique em Monitoring Panel.

Na árvore de navegação à esquerda, escolha Utilities > Table Diagnosis e clique na guia DDL Audit. Os resultados da auditoria são exibidos.

Clique para ampliar

Os itens de auditoria selecionados são exibidos na guia DDL Audit por padrão. Você pode configurar os itens de auditoria na guia Coleta de monitoramento. Para obter mais informações, consulte Tabela 1.

**Tabela 1** Itens de auditoria
Item	Descrição
Number of Distribution Keys (disKeyCount)	Se não houver distorção de dados, não use mais do que quatro chaves de distribuição. Geralmente, se você usar muitas chaves de distribuição, os dados podem ser distribuídos uniformemente em um cluster, evitando assim a distorção de dados. No entanto, se forem utilizadas demasiadas chaves de distribuição, o desempenho de armazenamento e o desempenho de consulta conjunta poderão deteriorar-se. É aconselhável configurar não mais do que quatro chaves de distribuição. Problema de desempenho de armazenamento: Quando os dados são adicionados, a função hash calcula o resultado de cada coluna de distribuição, agrega os resultados e, em seguida, determina onde distribuir os dados. Um grande número de chaves de distribuição requer cálculo demorado e complexo. Problema de desempenho da consulta de junção: Durante a consulta join de várias tabelas, se todas as colunas da chave de distribuição estiverem envolvidas na condição join, os dados não precisarão ser redistribuídos no plano de execução. Se um grande número de chaves de distribuição for usado, algumas delas podem não ser as colunas envolvidas na condição join, e a redistribuição de dados pode ocorrer, o que consome muitos recursos e leva muito tempo.
Number of Index Columns/PCKs (indexKeyOrPckCount)	Recomenda-se que o número de chaves de cluster parciais (PCKs)/colunas de um índice seja menor ou igual a 4. Um grande número de colunas de índice requer muitos recursos para manter os dados de índice e é provável que contenham índices duplicados. Enquanto os dados de armazenamento de colunas são importados, as colunas de PCK são comparadas e calculadas para determinar a divisão de CU. Um grande número de PCKs consumirá muitos recursos e muito tempo, afetando o desempenho. Para filtrar eficientemente CUs em uma consulta, os prefixos das colunas envolvidas nas condições de consulta devem ser colunas PCK e b>? (Por exemplo, se as colunas PCK forem a, b e c, os critérios de consulta deverão ser a>? and b>? and c>?.) Caso contrário, todas as CUs devem ser percorridas, e o agrupamento de dados não contribui para a aceleração da consulta.
Invalid PCKs (invalidPck)	Não crie colunas de PCK inválidas. Em 8.1.1 e versões posteriores, o cluster pode filtrar e comparar dados dos tipos char, int8, int2, int4, text, bpchar, varchar, date, time, timestamp e timestamptz. Se uma coluna de um tipo de dados sem suporte for usada como uma PCK, a coluna será uma coluna de PCK inválida. Não entra em vigor durante a filtragem de CU e consumirá recursos para sua manutenção.
numeric Data Usage (validityOfNumeric)	Quando tipos de dados numéricos são usados, use números inteiros, se possível. Se o requisito de precisão não for alto, use o tipo de dados float de comprimento fixo. O tipo de dados float de comprimento fixo tem melhor desempenho de computação do que o tipo de dados numérico de comprimento variável. Ou seja, se o tipo numérico for usado, é aconselhável especificar a escala e a precisão dentro de 38 bits. Quando o tipo numérico é usado para cálculo, a camada subjacente tenta converter o cálculo para o cálculo entre int e bigint para melhorar a eficiência do cálculo. Ou seja, é utilizada a otimização de inteiros grandes do tipo de dados. Em 8.1.1 e versões posteriores, se nenhuma precisão for especificada, um máximo de dígitos 131.072 pode ser colocado antes do ponto decimal e um máximo de dígitos 16.383 pode ser colocado após o ponto decimal. Ou seja, a escala e a precisão máximas são usadas. Neste caso, a otimização de inteiros grandes não pode ser realizada durante o cálculo e a eficiência do cálculo diminui de acordo.
Index Column Width (widthOfIndexKey)	Geralmente, as colunas de índice largo são colunas de cadeia de caracteres, que não envolvem operações de comparação e levarão a índices grandes que consomem espaço desnecessário. Especifique um valor menor que 64 bytes.
Replication Table Size (sizeOfCopyTable)	As tabelas que ocupam mais espaço de armazenamento do que o limite (100 MB) em um único DN serão identificadas. Para essas tabelas, é aconselhável usar colunas associadas comuns como chaves de distribuição (geralmente com uma chave primária). O cluster suporta tabelas de replicação. Uma tabela de replicação mantém uma cópia completa dos dados em cada nó e é usada principalmente para armazenar dados de tipos enumerados. Se uma tabela contiver muitos dados, ela ocupará uma grande quantidade de espaço. Além disso, em uma consulta de união, o nó atravessa todos os dados da tabela, o que pode levar mais tempo do que a consulta de união depois que o tipo de tabela é alterado para tabela de distribuição. (Embora os dados possam ser redistribuídos na tabela de distribuição, a quantidade de dados percorridos por cada nó diminui.)
Skew Detection for Single-Distribution-Key Tables (recognitionOfDataSkew)	A distorção de dados de tabelas de chave de distribuição única é detectada pelas estatísticas. Esta auditoria aplica-se apenas a tabelas com uma chave de distribuição.
Distribution Key Usage (validityOfDiskey)	Em um cluster, você não é aconselhável usar uma coluna do tipo boolean ou data como uma coluna de distribuição, porque isso pode causar distorção de dados.
Number of Cached Sequence Values (cacheSizeOfSequence)	Especifique um número maior que 100. Se uma coluna de tabela usar sequências, seu next_value será obtido a partir do valor armazenado em cache no nó local. Se os valores de sequência em cache forem usados, uma solicitação será enviada solicitando ao GTM que obtenha o valor novamente. Se uma grande quantidade de dados for adicionada, mas apenas alguns valores forem armazenados em cache, o GTM receberá muitas solicitações e poderá ficar sobrecarregado e até mesmo quebrar. Para evitar esse problema, é aconselhável definir o valor de cache para um valor maior que 100 ao criar uma sequência.
Optimizable Indexes (optimizableIndexKey)	Cenários onde os índices podem ser otimizados: A coluna de índice de um índice é as primeiras N colunas de outro índice. As colunas de índice de dois índices são as mesmas, mas as ordens são diferentes.

Se o resultado da revisão de um item for Failed, clique em View para ir para a página de detalhes.
Clique em Export no canto superior esquerdo para exportar o resultado da auditoria.

Auditar manualmente itens de DDL

Faça logon no console de gerenciamento do GaussDB(DWS).
Na página Clusters, localize o cluster de destino.
Na coluna Operation do cluster de destino, escolha Monitoring Panel. A página de monitoramento do banco de dados é exibida.
Na árvore de navegação à esquerda, escolha Utilities > Table Diagnosis e clique na guia DDL Audit. Na página exibida, selecione os itens a serem auditados e clique em One-Click Audit.