m1安装oracle（如何使用swingbench实现oracle数据库压力测试）

本文目录

• 如何使用swingbench实现oracle数据库压力测试
• MacBook m1 pro python cx-oracle提示不是x86如何处理
• oracle 统计每年每月数据
• （oracle）子查询和关联查询效率问题
• m1上 配置OEM 怎样配置oracle oem
• Oracle专用服务器的内存结构分布原则

如何使用swingbench实现oracle数据库压力测试

1、首先使用VMVARE10搭建一个redhat6.5的虚拟机。
2、在虚拟redhat6.5上安装ORACLE11G的数据库。
3、使用oewizard导入测试数据，可以根据向导提示进行数据导入。
4、使用swingbench进行压力测试。
测试步骤：
1、导数据之前需要修改temp表空间大小，使其能够容纳下相应的导入数据
create temporarytablespace temp tempfile ’/home/oracle/oradata/orcl/temp.dbf’ size 1g;
alter databasedefault temporary tablespace temp;
2、 安装swingbench测试软件，直接解压缩即可运行。
unzip -x swingbench35919.zip
3、进入swingbench/bin目录执行oewizard导入1G测试数据，并修改数据库连接名和DBA密码
wKioL1Qx2h3TrIIGAAGyVq92CVA180.jpg
输入导入数据文件存放位置：
wKiom1Qx2nGTFbZFAAGBnRUybxU038.jpg
选择导入1G数据：
wKioL1Qx2tnyThWoAAE8qLLgIJI464.jpg
数据导完之后在该目录下运行swingbench执行测试，修改数据库连接名，用户连接数设置为300，测试时间设置为10分钟
wKiom1Qx2v6S6yjvAAKAl63J5mg784.jpg
修改Distributed Controls用于测试过程中搜集测试监控信息，修改完之后测试连接是否正常， 并可以统计主机的cpu disk IO 信息
wKioL1Qx24DDSssqAAFmiLc2VSU132.jpg
还可以 拉出AWR报表
wKioL1Qx3O2gzw45AADH_p4CEeQ979.jpg
设置 insert，update ，select的比例
wKioL1Qx3RHB32ITAAEK9ABjiPI261.jpg
设置完成之后，点击左上角绿色按钮执行测试
wKiom1Qx24zgsNQ-AAEJ51YcKSs614.jpg
wKiom1Qx3QaxFssnAAGpJeiYV6Q924.jpg
测试结果可保持为XML文档，

MacBook m1 pro python cx-oracle提示不是x86如何处理

M1兼容性的问题。
稍微熟悉计算机的人,一般都会有一个疑虑,M1本质上和苹果的A系芯片是一样的,都是ARM架构的。而无论是早期的Mac还是Windows PC,用的都是英特尔的处理器,..
虚拟机，
Parallels Desktop 17.1 最新版下载 - Mac 系统最强虚拟机 (支持M1/Win11/macOS Monterey)
arm--win11*ISO，

oracle 统计每年每月数据

第一步：创建表

--支出表  
create table PAY  
(  
  ID       NUMBER(11) not null,  
  PAY_NAME VARCHAR2(100),  
  AUTHOR   VARCHAR2(100),  
  TYPE_ID  NUMBER(11),  
  PRICE    FLOAT, --金额  
  BRIEF    VARCHAR2(1000),  
  USERID   NUMBER(11), --用户ID  
  TIMES    DATE, --时间  
  PRIMARY KEY(ID)  
)

第二步：插入数据

insert into PAY (ID, PAY_NAME, AUTHOR, TYPE_ID, PRICE, BRIEF, USERID, TIMES)  
values (1, ’1’, ’1’, 0, 1, ’1’, 1, to_date(’12-10-2012’, ’dd-mm-yyyy’));  
insert into PAY (ID, PAY_NAME, AUTHOR, TYPE_ID, PRICE, BRIEF, USERID, TIMES)  
values (0, ’3’, ’3’, 1, 3, ’3’, 1, to_date(’12-10-2012’, ’dd-mm-yyyy’));  
insert into PAY (ID, PAY_NAME, AUTHOR, TYPE_ID, PRICE, BRIEF, USERID, TIMES)  
values (2, ’2’, ’2’, 1, 2, ’2343444’, 1, to_date(’12-10-2012’, ’dd-mm-yyyy’));  
insert into PAY (ID, PAY_NAME, AUTHOR, TYPE_ID, PRICE, BRIEF, USERID, TIMES)  
values (6, ’6’, ’1’, 0, 4000, ’1’, 1, to_date(’12-08-2012’, ’dd-mm-yyyy’));  
insert into PAY (ID, PAY_NAME, AUTHOR, TYPE_ID, PRICE, BRIEF, USERID, TIMES)  
values (5, ’5’, ’1’, 0, 1, ’1’, 1, to_date(’12-10-2012’, ’dd-mm-yyyy’));  
insert into PAY (ID, PAY_NAME, AUTHOR, TYPE_ID, PRICE, BRIEF, USERID, TIMES)  
values (4, ’4’, ’1’, 0, 100, ’1’, 1, to_date(’12-09-2012’, ’dd-mm-yyyy’));  
insert into PAY (ID, PAY_NAME, AUTHOR, TYPE_ID, PRICE, BRIEF, USERID, TIMES)  
values (7, ’4’, ’1’, 0, 566, ’1’, 1, to_date(’03-03-2012’, ’dd-mm-yyyy’));  
insert into PAY (ID, PAY_NAME, AUTHOR, TYPE_ID, PRICE, BRIEF, USERID, TIMES)  
values (11, ’4’, ’1’, 0, 566, ’1’, 1, to_date(’03-04-2012’, ’dd-mm-yyyy’));  
insert into PAY (ID, PAY_NAME, AUTHOR, TYPE_ID, PRICE, BRIEF, USERID, TIMES)  
values (10, ’4’, ’1’, 0, 566, ’1’, 1, to_date(’03-05-2012’, ’dd-mm-yyyy’));  
insert into PAY (ID, PAY_NAME, AUTHOR, TYPE_ID, PRICE, BRIEF, USERID, TIMES)  
values (9, ’4’, ’1’, 0, 566, ’1’, 1, to_date(’03-06-2012’, ’dd-mm-yyyy’));  
insert into PAY (ID, PAY_NAME, AUTHOR, TYPE_ID, PRICE, BRIEF, USERID, TIMES)  
values (8, ’4’, ’1’, 0, 566, ’1’, 1, to_date(’03-07-2012’, ’dd-mm-yyyy’));  
commit;

第三步：执行分组查询

SELECT SUM(DECODE(EXTRACT(MONTH FROM B.TIMES), 1, B.PRICE, 0)) AS A,  
       SUM(DECODE(EXTRACT(MONTH FROM B.TIMES), 2, B.PRICE, 0)) AS B,  
       SUM(DECODE(EXTRACT(MONTH FROM B.TIMES), 3, B.PRICE, 0)) AS C,  
       SUM(DECODE(EXTRACT(MONTH FROM B.TIMES), 4, B.PRICE, 0)) AS D,  
       SUM(DECODE(EXTRACT(MONTH FROM B.TIMES), 5, B.PRICE, 0)) AS E,  
       SUM(DECODE(EXTRACT(MONTH FROM B.TIMES), 6, B.PRICE, 0)) AS F,  
       SUM(DECODE(EXTRACT(MONTH FROM B.TIMES), 7, B.PRICE, 0)) AS G,  
       SUM(DECODE(EXTRACT(MONTH FROM B.TIMES), 8, B.PRICE, 0)) AS H,  
       SUM(DECODE(EXTRACT(MONTH FROM B.TIMES), 9, B.PRICE, 0)) AS I,  
       SUM(DECODE(EXTRACT(MONTH FROM B.TIMES), 10, B.PRICE, 0)) AS J,  
       SUM(DECODE(EXTRACT(MONTH FROM B.TIMES), 11, B.PRICE, 0)) AS K,  
       SUM(DECODE(EXTRACT(MONTH FROM B.TIMES), 12, B.PRICE, 0)) AS L  
  FROM PAY B  
 WHERE USERID = 1  
   AND EXTRACT(YEAR FROM B.TIMES) = ’2012’

第四步：输出结果

（oracle）子查询和关联查询效率问题

Oracle有自动优化查询的能力，但有时候会把查询计划优化的一塌糊涂，反而超级慢。如果你用的客户端是PLSQL Developer，可以用F5查看执行计划。
你第一个语句慢的原因，可能是执行计划出乎你的预料。
有时候，用临时表存储临时数据，把一个超级复杂的SQL拆分成几个，效率要高很多倍。

m1上 配置OEM 怎样配置oracle oem

1.sqlplus;2.sys as sysdba;3.密码直接按车；4.alter user scott account unlock;5.alter user scott identified by tiger;输入sqlplus 登录名 ：scott 密码： tiger

Oracle专用服务器的内存结构分布原则

一般我们会把oracle实例的内存用到系统物理内存的80%-60%(4G以上内存用到80%以上，2G内存用到60%-70%)
s=pga+sga_max_size=80%memory (对于OLTP系统pga是sga的4分之1，如果是DSS，则可以各占一半)
db_cache_size=60%sga
shared_pool_size=sga_max_size-db_cache_size-160m 也可以设置为35%sga左右
java_pool_size=64m
large_pool_size=16m
log_buffer=2m
1：4G物理内存
如果为4000m
则
s=3200m
对于OLTP(sga=s*80%=2560m
db_cache_size=1536m 访问数据时数据的缓冲区、更新数据提交之前的脏数据等
shared_pool_size=864m 放置sql、plsql代码（以提高代码的共享）和数据字典信息（提高数据字典信息的访问速度）
java_pool_size=64m java应用
large_pool_size=16m 备份和恢复时使用，共享服务器时用户session的信息（UGA）（专用服务器时用户的session信息放置在pga中）
log_buffer=2m 日志数据缓冲、归档所用
PGA=640M）
对于DSS(sga=s*50%=1600m
db_cache_size=960m 访问数据时数据的缓冲区、更新数据提交之前的脏数据等
shared_pool_size=480m 放置sql、plsql代码（以提高代码的共享）和数据字典信息（提高数据字典信息的访问速度）
java_pool_size=64m java应用
large_pool_size=16m 备份和恢复时使用，共享服务器时用户session的信息（UGA）（专用服务器时用户的session信息放置在pga中）
log_buffer=2m 日志数据缓冲、归档所用
PGA=800M）
2：2G物理内存
如果为2000m
则
s=1200m
对于OLTP(sga=s*80%=960m
db_cache_size=576m 访问数据时数据的缓冲区、更新数据提交之前的脏数据等
shared_pool_size=224m 放置sql、plsql代码（以提高代码的共享）和数据字典信息（提高数据字典信息的访问速度）
java_pool_size=64m java应用
large_pool_size=16m 备份和恢复时使用，共享服务器时用户session的信息（UGA）（专用服务器时用户的session信息放置在pga中）
log_buffer=2m 日志数据缓冲、归档所用
PGA=240M）
对于DSS(sga=s*50%=600m
db_cache_size=360m 访问数据时数据的缓冲区、更新数据提交之前的脏数据等
shared_pool_size=144m 放置sql、plsql代码（以提高代码的共享）和数据字典信息（提高数据字典信息的访问速度）
java_pool_size=32m java应用
large_pool_size=16m 备份和恢复时使用，共享服务器时用户session的信息（UGA）（专用服务器时用户的session信息放置在pga中）
log_buffer=2m 日志数据缓冲、归档所用
PGA=240M）
3：8G物理内存
如果为8000m
则
s=6400m
对于OLTP(sga=s*80%=5120m
db_cache_size=3072m 访问数据时数据的缓冲区、更新数据提交之前的脏数据等
shared_pool_size=1864m 放置sql、plsql代码（以提高代码的共享）和数据字典信息（提高数据字典信息的访问速度）
java_pool_size=64m java应用
large_pool_size=16m 备份和恢复时使用，共享服务器时用户session的信息（UGA）（专用服务器时用户的session信息放置在pga中）
log_buffer=2m 日志数据缓冲、归档所用
PGA=1024M）
对于DSS(sga=s*50%=3200m
db_cache_size=1920m 访问数据时数据的缓冲区、更新数据提交之前的脏数据等
shared_pool_size=1120m 放置sql、plsql代码（以提高代码的共享）和数据字典信息（提高数据字典信息的访问速度）
java_pool_size=64m java应用
large_pool_size=16m 备份和恢复时使用，共享服务器时用户session的信息（UGA）（专用服务器时用户的session信息放置在pga中）
log_buffer=2m 日志数据缓冲、归档所用
PGA=3200M）