SlideShare ist ein Scribd-Unternehmen logo
1 von 40
z/OSシステムリソース削減製品
    のご紹介



              日本CA株式会社




1
システムリソース削減のご提案



— CA システムパフォーマンス管理製品
 − CA Optimizer II
 − CA QuickFetch
 − CA PMO
 − CA FAVER
 − CA Hyper-Buf

— CA DB2パフォーマンス管理製品
 − CA Detector
 − CA Subsystem Analyzer
 − CA Plan Analyzer
CA Optimizer IIの機能と利点



— CA OptimizerIIはプログラムのオブジェクト・コードに作
  用し、モジュール・サイズの縮小化とCPUタイムの短縮
  化を図ります。
 − プログラムの実行プロセッシングは変更しません。利用者が定義
   したデータ領域はそのまま置かれます。
 − COBOLコンパイラーのオペレーションに何ら影響は与えません。
  • コントロール・ルーティン‘DIRECTORⅢ’のコントロールにより、最初
    にコンパイラーにリンクし、次いでオプティマイザーにリンクする単
    一ジョブ・ステップで実行されます。
 − COBOLコンパイラー・オプションとオプティマイザー・オプショ
   ンを自在に組み合わせて使うことができます。
 − プログラム・ロジックの矛盾、または不正確な指定に対して
   WARNINNGメッセージを発します。
CA PMO / CA QuickFetch 概要



— ディレクトリー・サーチやプログラム読み込みにおける
  ディスクI/Oを大幅に削減することで、ディスク・チャネ
  ル・CPUの負荷を減らし、オンラインのレスポンスやバ
  ッチ処理時間を高速化させます。




5
CA PMO の機能



— LINKLISTライブラリへのディレクトリー・サーチの削減
— 私用プログラム・ライブラリへのディレクトリー・サー
  チの削減
— 無駄なSTEPLIBへのディレクトリー・サーチの削減
— マクロ/パラメータ/プロシジャ・ライブラリなど、プロ
  グラム以外のライブラリへのディレクトリー・サーチの
  削減
— ディレクトリー変更の自動認識
    − STOW      CLOSE
    − PMOXSYS     LLAリフレッシュの自動催促と自動感知

6
CA QuickFetch の機能



— LINKLISTライブラリからのプログラムのロード(フェッ
  チ)処理の削減
— 私用ライブラリからのプログラム・ロード(フェッチ)処
  理の削減
— CICS/PCPによるDFHRPLライブラリからのプログラム
  ・ロード(フェッチ)処理の削減
— LPAから使用頻度の小さなモジュールをLINKLISTライブ
  ラリへ移すことによりLPAサイズの縮小
— ディレクトリー変更の自動認識


7
CA PMO の処理効率改善方法


— PMOはSVC18のフロント・エンドとして働き、すべての
  BLDL要求とFIND要求をインターセプトします。

    − 何度も要求されるライブラリのメンバーに対し、「どのライブラ
      リの何というメンバーがどこに(TTR)あるか」をメモリ中のテーブ
      ルで常に保守し、それらのためのディレクトリー・サーチをバイ
      パスする。


    − STEPLIBディレクトリー・サーチ要求に対し、ライブラリのチェ
      ックの前にLPA、LINKLISTライブラリのテーブル情報をチェック
      することにより、無駄なSTEPLIBサーチをバイパスする。




8
CA QuickFetchの処理効率改善方法



— QuickFetchはOSのプログラム・フェッチ・スーパーバ
  イザーのフロント・エンドとして働き、すべてのプログ
  ラム・フェッチ要求をインターセプトし、定期的にフロ
  ント・エンドが保守するプログラムの「活動リスト」を
  チェックして、使用頻度の高いプログラムをなるべく多
  く自分のアドレス空間に保持します。

    − よく使われるプログラムに対し、「どのライブラリの何というプ
      ログラムは何回使用され、QuickFetchアドレス空間に存在するか
      どうか」をメモリ内で管理し、QuickFetchアドレス空間中に要求
      プログラムが存在するならば、それをユーザ・アドレス空間にコ
      ピーし、ライブラリへのフェッチ入力処理をバイパスします。

9
CA PMO 画面(サンプル)
  PMO Display Menu
CA PMO 画面(サンプル)
  PMO D5, D8, D9
CA QuickFetch 画面(サンプル)
   QF Display Menu
CA QuickFetch 画面(サンプル)
QF Q5, Q6, Q4
CA VSAM管理製品


— CA-CREWS® Catalog Recovery
  − CA-CREWS Catalog Recoveryは、ICFカタログの問題識別を容易にし、フ
    ォワードリカバリー、バックアップ及びリストア機能により障害回復プロ
    セスを強力に支援します。また、カタログの問題を検出し、解決策を
    IDCAMSフォーマットのコマンドとパラメータにより提案します。


— CA-ExtendDASD® VSAM Compression
  − CA-ExtendDASDは、圧縮技術により実I/Oを減少させ、システムオーバー
    ヘッドを削減します。これにより、システム全体のI/O負荷削減、オンライ
    ン応答時間の改善を支援します。


— CA-FAVER® VSAM Data Protection
  − CA-FAVERは、VSAMデータセットのバックアップおよびリストアを高速
    かつ低資源で行います。CA-VSAMAidとの併用により、リストアもしくは
    再編成時に、対象VSAMに最適なデータセット属性を提供するため、
    VSAMデータセットのチューニングも併せて実施いただけます。

 14
CA VSAM管理製品


— CA-Hyper-Buf® VSAM Buffer Optimizer
  − CA-Hyper-Bufは、VSAMパフォーマンスの上で最も大きな影響を与える
    bufferspaceを動的に最適化し、I/Oレート、レスポンス時間とJOBのエラッ
    プス時間を大幅に削減します。


— CA-MasterCat® VSAM Catalog Management
  − CA-MasterCatは、標準的なユーティリティーより高速かつ容易に、VSAM
    クラスターとICFカタログの維持/制御を支援します。




 15
CA-FAVERの主な機能


— 高パフォーマンスVSAMバックアップ
  − ディスクコントローラキャッシュチューニング

— 効率的なリストアと再編性機能
  − マルチボリューム処理

— 柔軟なデータ移行オプション
— CA-Disk™とのインターフェース




 16
CA-FAVERの主な機能


— 高パフォーマンスVSAMバックアップ
  − ディスクコントローラキャッシュチューニング

— 効率的なリストアと再編性機能
  − マルチボリューム処理

— 柔軟なデータ移行オプション
— CA-Disk™とのインターフェース




 17
高パフォーマンスVSAMバックアップ



— ハイ・パフォーマンス
     − 標準的なDUMP/RESTOREプログラムは、 ディスクに存在するデ
       ータすべてをトラック単位でアクセスし、DUMP/RESTOREしま
       すが、CA-FAVERはフリー・スペース等を除いた有効クラスター
       のみを論理的にアクセスし、EXPORTします。


— アクセス・メソッド
     − CA-FAVERはカタログ、データ・スペース、クラスターといった
       単位でアクセスできるようデザインされた独自のEXPORTアクセ
       ス・メソッドを使用します。
     − ディスクキャッシュの最適化により、さらにアクセス効率を向上
       させています。

18
効率的なリストアと再編性機能



— ハイ・パフォーマンス
     − Export同様、VSAM管理機能を介さない論理アクセスにより、高
       速化を実現



— リストア時の再編成と、自動DEL/DEF機能のサポート
     − Export時の情報を利用し、IDCAMSステートメントを作成
     − CA-VSAMAidとの連携により、Defineステートメントを調整




19
CA-FAVERの効果


— バックアップの高速化により
  − バックアップJOBのI/O及びCPU使用率の低下によるエラップスの向上
  − バッチウインドウ全体の短縮


— CA-VSAMAidとの併用により
  − アプリケーションパフォーマンスの向上
  − オーバーヘッドの削減による、システムI/OおよびCPU使用率の低下




 20
CA-FAVERの適用と制限事項


— 適用
  − バッチJOBとして実行します。
  − 処理範囲は、単独のVSAMだけではなく、グループ(特定ボリュー
    ムの全てのVSAM等)に属する複数VSAMまでを対象とします。


— 制限事項
  − CA-FAVERはNativeなVSAMのみサポートいたします。
  − IDCAMSステートメントと互換性はございません。




 21
参考資料(弊社マニュアルより)



— CA-FAVER vs. IDCAMS
     − CA-FAVER outperforms IDCAMS for creating VSAM backups in
       the following categories:
      • CPU time: CA-FAVER uses 80 to 95 percent less CPU than IDCAMS
        REPRO or EXPORT.
      • Elapsed time: CA-FAVER requires 35 to 80 percent less clock time.
      • Virtual storage: CA-FAVER EXPORT requires 50 to 80 percent less
        virtual storage.
      • EXCPs: Depending on the number of clusters dumped and the number
        of records, CA-FAVER can save from 30 to 70 percent of the EXCPs
        required to dump clusters.




22
CA-Hyper-Bufの主な機能


— 1リージョン単位、最大256のLSRバッファを利用可能
— VSAM Openが発行されるたびに、バッファのチューニン
  グを実施
 − ターゲットの設定はCA-Hyper-Bufパラメータに記述
     • VSAMデータセット、DDNAME、アプリケーション名等

— VSAMバッファと制御ブロックをXA空間(16Mラインより
  上)に配置
— 拡張メモリの積極的な利用
 − LSRバッファの拡張メモリへの再配置




23
CA-Hyper-Bufの効果



— バッファの最適化により
     − I/Oの削減
     − アプリケーションパフォーマンスの向上
     − オーバーヘッドの削減による、CPU使用率の低下



— 特に効果が望めるアプリケーション、およびシステム
     − 1JOBにて複数のVSAMを使用するJOB/STC
     − ランダムアクセスを多用するオンライン


     − オンラインCICSや、ロングランバッチJOBに大きな効果が望めま
       す。

24
CA-Hyper-Bufの適用と制限事項


— 適用
  − CA-Hyper-Bufをアクティベートするのみでバッファの最適化がス
    タートします。



— 制限事項
  − CA-Hyper-BufはNativeなVSAMのみサポートいたします。




 25
CAのDB2パフォーマンス管理製品


— CA Detector®
       − サブシステムで実行されたSQLのパフォーマンスをリアルタイム
         に監視し、情報を収集

— CA Subsystem Analyzer
       − DB2サブシステム全体のパフォーマンス、リソース使用状況をリ
         アルタイムに監視

— CA Plan Analyzer®
       − アプリケーション・パフォーマンスで最も重要なアクセスパスを
         分析し、改善案を提示
— Value Pack - CA THREAD TERMINATOR
        − DB2スレッドを監視し、しきい値設定によりキャンセルやオペレ
          ータへの通知等のアクションを自動化

  27
CA Detectorの主な機能


— CA独自のコレクターSTCによ         — 負荷調整を容易にする閾値オプシ
  るデータ収集                    ョン
     − 情報収集レベル             − IN/CPU、GETPAGE、FETCHの上
      • アプリケーションレベル          限
      • プランレベル             − PLAN、 PROGRAMの選択
      • DBRM/パッケージレベル
                          — 操作の容易なオンラインパネル
      • SQLステートメントレベル
                           − リアルタイム
     − 収集情報
                           − 履歴
      • 静的SQL
      • 動的SQL             — インターバル単位のデータビュー
      • SQLエラー            — 独自のLINER VSAMへの収集デー
      • ステートメントレベルのパフォー     タ保存
        マンスデータ
                          — 他CA DB2製品との統合
     少ないオーバーヘッドで最大のデータ収集が可能
28
CA Detector 画面サンプル


                       — アクティビティ情報
                        − インターバル単位の
                          サマリーされたスレ
                          ッド情報




— Exception情報
  − スレッド単位の詳細
    情報
  − SQLステートメント
    やホスト変数を含む
    詳細なパフォーマン
    スデータ


  29
CA Detector 画面サンプル


                       — スレッド詳細情報
                        − 各SQLステートメン
                          トごとのリソースを
                          表示




— SQLステートメント
 − 実行済SQLステート
   メントとホスト変数
   を表示




 30
CA Detector 画面サンプル


                 — 収集データ
                     −   Header Information
                         •   DB2 SSID, Program, Planname, Collid, Connid, Type, Opid, Contoken,
                             Authid, Version
                     −   SQL Information
                         •   SQL_CALL, STMT#, SECT#, SQL, TIMEPCT, CPUPCT, INDB2_TIME,
                             INDB2_CPU
                     −   Buffer Manager Activity
                         •   GETPAGE, GETPFAIL, SYNCREAD, SPFETCH, LPFETCH,
                             DYNPFETCH, PFPAGES, PAGEUPDT, IMWRITE, HPREAD,
                             HPREADF, HPREADPGS, HPWRITE, HPWRITEF, EXPANS, REOPT
                     −   Prepare Statement Cache Activity
                         •   PSC_MATCH, PSC_NMATCH, PSC_IPREP, PSC_KDPREP
                     −   RID List Processing
                         •   RID_USED, RID_FSTG, RID_FLIM
                     −   Locking (IRLM) Activity
                         •   DRAINREQ, DRAINFAIL, CLAIMREQ, CLAIMFAIL, DEADLOCK,
                             TIMEOUT, ESCALSHR, ESCALEXC, LOCKSUS, LATCHSUS,
                             OTHERSUS, LOCKREQ, UNLKREQ, CHANGREQ, QUERYREQ,
                             OTHERREQ
                     −   Data Sharing Locking Activity
                         •   GLOCKREQ, GCHNGREQ, GUNLKREQ, GIRLMSUS, GXESSUS,
                             FALSESUS, GLOCKFAIL
                     −   Parallelism Accounting Data
                         •   PMAXDEG, PGROUPS, PPLANNED, PREDUCED, PFAILCUR,
                             PFAILSRT, PFAILBUF, PFAILENC, SPPLANNED, SPFAILBUF,
                             SPFAILCNO, SPFAILRRRS
                     −   Wait Times And Counts
                         •   IO_WTIME, IOWCNT, LOCK_WTIME, LOCKWCNT, ORIO_WTIME,
                             ORIOWCNT, OWIO_WTIME, OWIOWCNT, SERV_WTIME,
                             SERVWCNT, ARCH_WTIME, ARCHWCNT, PLATCH_WTIME,
                             PLATCHWCNT, DRAIN_WTIME, DRAINWCNT, CLAIM_WTIME,
                             CLAIMWCNT, ARCRD_WTIME, ARCRDWCNT, SMSG_WTIME,
                             SMSGWCNT, GLOCK_WTIME, GLOCKWCNT, LOG_WTIME,
                             LOGWCNT, LOB_WTIME, LOBWCNT, OCS_WTIME, OCSWCNT,
31                           SLS_WTIME, SLSWCNT, DSS_WTIME, DSSWCNT, OTS_WTIME,
                             OTSWCNT, LOCK_WTIME, PLOCKWCNT, LLOCK_WTIME,
CA Subsystem Analyzerの主な機能


— サブシステムのリソース利用デ — 操作の容易なオンラインパネル
  ータを収集            − リアルタイム
     − DB Object、Volume、サブシス    − 履歴
       テム内部メモリ、ページアロケ
       ーション
                               — CA独自のコレクターSTCによるデ
                                 ータ収集
     − ドリルダウンのイメージで詳細
       なアクティビティ情報を表示           — インターバル単位のデータビュー
      • バッファ→データベース→テーブ
                               — 独自のLINER VSAMへの収集デー
        ル→ インデックスもしくはスレッ
        ド情報(CA Detectorへリンク)     タ保存
                               — 他CA DB2製品との統合




32
CA Subsystem Analyzer 画面サンプル


                           — オブジェクトVIEW
                            − データベース、テー
                              ブルスペース、テー
                              ブルのレベルで集約
                              したパフォーマンス
                              データ



— ボリュームVIEW
 − DB2オブジェクトがア
   ロケートされている
   ボリュームのパフォ
   ーマンス情報
 − Activity, Reponse,
   IOQの3タイプ


  33
CA Subsystem Analyzer 画面サンプル


                           — バッファプール
                             VIEW
                            − バッファプールのア
                              クティビティ




— サブシステムVIEW
 − 内部の各種メモリや
   、LOCK情報を表示




  34
CA Subsystem Analyzer & CA Detector 画面サンプ
 ル
                            — 11/2/23の14:00から
                              1時間の範囲のDB負
                              荷からスレッドを特
                              定
                              − 一番ゲットページの
                                多いDBを選択


— 一番ゲットページの
  多いテーブルを選択
 − Aの入力で、SQL一覧
 − Sの入力で、INDEXの
   利用状況リスト




 35
CA Subsystem Analyzer & CA Detector 画面サンプ
 ル
                            — CA Detectorへ移動
                              − テーブルを利用して
                                いたsqlcallを表示




— スレッド単位の情報
  を表示
 − Qの入力で、2ページ
   以降の情報を表示




 36
CA Plan Analyzerの利点



— SQLパフォーマンスを向上させるための300通りものル
  ール、リコメンデーションを提供
— アクセスパスやSQLステートメントが変更された際のア
  プリケーション稼働時間の比較が可能
— カタログ統計情報とDB2バインド情報も判別




37
CA Plan Analyzerの利点



— 統計情報の差異によるパフォーマンス問題の回避
     − テスト環境から本番へのアプリケーション移行や、Runstats実行
       後のSQLの挙動変化を事前に検知
     − 異なる環境の統計情報のコピーと分析により、アクセスパスの変
       更を事前にレビューします。



      本番環境         テスト環境

                Catalo
     Catalo
                  g
       g             CA DB2
                     Databas
                               CA DB2製品
                        e



38
CA PlanAnalyzer バッチレポート例①

     1PPA REL. 2.3 --------- PLAN ANALYZER ENHANCED EXPLAIN ------------- PAGE
          6
     DATE 03/10/24          SQL STATEMENT DETAIL REPORTS            TIME 02:31

     SQL DESIGN RULE: 0016 ------------------------ SEVERITY CODE = 0
     THE FOLLOWING ORDER BY CLAUSE:

      ORDER BY STMT_SECTNO                                                       •このSQLステートメントが頻繁に発行さ
                                                                                 れる場合には、これらの列にクラスター化
      REFERENCES THE FOLLOWING COLUMN(S) AND TABLE(S):                           索引を付けるとよいでしょう。指定された
                                                                                 テーブル(1つまたは複数)にクラスター
                                                                                 化索引を追加することを検討してください。


      THESE COLUMNS ARE GOOD CANDIDATES FOR A CLUSTERING INDEX.
          THIS WOULD ALLOW
      DB2 TO AVOID SORTING TO SATISFY THIS QUERY.

      RECOMMENDATION: 0009
      IF THIS IS A FREQUENTLY ISSUED SQL STATEMENT, THEN IT WOULD BE
           BENEFICIAL TO
      HAVE A CLUSTERING INDEX ON THESE COLUMNS. CONSIDER ADDING A
           CLUSTERING INDEX
      TO THE SPECIFIED TABLE(S).

     SQL DESIGN RULE: 0073 ------------------------ SEVERITY CODE = 0 •このSQLステートメントは、下記のテーブ
     THIS SQL STATEMENT ACCESSES THE FOLLOWING TABLE(S) AND INDEXES.ルと索引にアクセスします。このようなア
         THESE                                                        クセスは、索引内のすべての列をマッチン
                                                                      グ(突合わせ)していません。
     ACCESSES ARE NOT MATCHING ALL COLUMNS IN THE INDEX(ES).

      "PTI.PTAN_STMT_0201"
39    INDEX - PTI.PIAN_STMT_2_0201        MATCHED     1 OF   9 COLUMNS
CA PlanAnalyzer バッチレポート例②

                                                                  •索引付き列をすべて含む述語を使用し、こ
                                                                  のテーブルのデータに対して完全なマッチ
                                                                  ング(突合わせ)索引アクセスができるよ
RECOMMENDATION: 0116                                              う、検討してください。
CONSIDER INCLUDING PREDICATES INVOLVING ALL OF THE INDEXED COLUMNS TO ALLOW
FULL MATCHING INDEX ACCESS TO THIS TABLE'S DATA.

SQL DESIGN RULE: 0078 ------------------------ SEVERITY CODE = 0
THIS SQL STATEMENT CONTAINS QUALIFIED TABLE NAMES. SOME OR ALL OF THE TABLE
NAMES ARE QUALIFIED, HOWEVER ALL THE TABLE NAMES APPEAR FULLY QUALIFIED DUE TO
ENHANCED EXPLAIN PROCESSING. PLEASE REFER TO THE ACTUAL SQL SOURCE TO
DETERMINE WHICH TABLES HAVE QUALIFIED NAMES.

RECOMMENDATION: 0121
IF POSSIBLE, CONSIDER REWRITING THE SQL ELIMINATING QUALIFIED TABLE NAMES.
THIS WILL IMPROVE PORTABILITY OF THE SQL.

SQL DESIGN RULE: 0089 ------------------------ SEVERITY CODE = 0
THIS SQL IS NOT UTILIZING PARALLEL I/O PROCESSING. PARALLEL I/O CAN
SIGNIFICANTLY REDUCE RESPONSE TIME FOR SQL STATEMENTS.

RECOMMENDATION: 0135
CONSIDER TAKING ADVANTAGE OF USING I/O PARALLELISM FOR THE SQL STATEMENT FOR
BETTER PERFORMANCE.




40

Weitere ähnliche Inhalte

Was ist angesagt?

5ステップで始めるPostgreSQLレプリケーション@hbstudy#13
5ステップで始めるPostgreSQLレプリケーション@hbstudy#135ステップで始めるPostgreSQLレプリケーション@hbstudy#13
5ステップで始めるPostgreSQLレプリケーション@hbstudy#13Uptime Technologies LLC (JP)
 
「今そこにある危機」を捉える ~ pg_stat_statements revisited
「今そこにある危機」を捉える ~ pg_stat_statements revisited「今そこにある危機」を捉える ~ pg_stat_statements revisited
「今そこにある危機」を捉える ~ pg_stat_statements revisitedUptime Technologies LLC (JP)
 
Qlik Replicate - Control Tableの詳細
Qlik Replicate - Control Tableの詳細Qlik Replicate - Control Tableの詳細
Qlik Replicate - Control Tableの詳細QlikPresalesJapan
 
OSC ver : MariaDB ColumnStore ベンチマークしちゃいませんか?
OSC ver : MariaDB ColumnStore ベンチマークしちゃいませんか?OSC ver : MariaDB ColumnStore ベンチマークしちゃいませんか?
OSC ver : MariaDB ColumnStore ベンチマークしちゃいませんか?KAWANO KAZUYUKI
 
MySQLとPostgreSQLの基本的なバックアップ比較
MySQLとPostgreSQLの基本的なバックアップ比較MySQLとPostgreSQLの基本的なバックアップ比較
MySQLとPostgreSQLの基本的なバックアップ比較Shinya Sugiyama
 
バッチ処理にバインド変数はもうやめません? ~|バッチ処理の突発遅延を題材にして考えてみる~
バッチ処理にバインド変数はもうやめません? ~|バッチ処理の突発遅延を題材にして考えてみる~バッチ処理にバインド変数はもうやめません? ~|バッチ処理の突発遅延を題材にして考えてみる~
バッチ処理にバインド変数はもうやめません? ~|バッチ処理の突発遅延を題材にして考えてみる~Ryota Watabe
 
MySQLとPostgreSQLの基本的なパラメータ比較
MySQLとPostgreSQLの基本的なパラメータ比較MySQLとPostgreSQLの基本的なパラメータ比較
MySQLとPostgreSQLの基本的なパラメータ比較Shinya Sugiyama
 
Microsoft SQL Serverソースエンドポイント-スタンドアロン環境での非sysadminユーザーのセットアップ
Microsoft SQL Serverソースエンドポイント-スタンドアロン環境での非sysadminユーザーのセットアップMicrosoft SQL Serverソースエンドポイント-スタンドアロン環境での非sysadminユーザーのセットアップ
Microsoft SQL Serverソースエンドポイント-スタンドアロン環境での非sysadminユーザーのセットアップQlikPresalesJapan
 
MySQLとPostgreSQLにおける基本的なアカウント管理
MySQLとPostgreSQLにおける基本的なアカウント管理MySQLとPostgreSQLにおける基本的なアカウント管理
MySQLとPostgreSQLにおける基本的なアカウント管理Shinya Sugiyama
 
20170310_InDatabaseAnalytics_#1
20170310_InDatabaseAnalytics_#120170310_InDatabaseAnalytics_#1
20170310_InDatabaseAnalytics_#1Kohei KaiGai
 
MySQLとPostgreSQLの基本的な実行プラン比較
MySQLとPostgreSQLの基本的な実行プラン比較MySQLとPostgreSQLの基本的な実行プラン比較
MySQLとPostgreSQLの基本的な実行プラン比較Shinya Sugiyama
 
20160121 データサイエンティスト協会 木曜セミナー #5
20160121 データサイエンティスト協会 木曜セミナー #520160121 データサイエンティスト協会 木曜セミナー #5
20160121 データサイエンティスト協会 木曜セミナー #5Koichiro Sasaki
 
DBスキーマもバージョン管理したい!
DBスキーマもバージョン管理したい!DBスキーマもバージョン管理したい!
DBスキーマもバージョン管理したい!kwatch
 
Db2 Warehouse セッション資料 db tech showcase
Db2 Warehouse セッション資料 db tech showcase Db2 Warehouse セッション資料 db tech showcase
Db2 Warehouse セッション資料 db tech showcase IBM Analytics Japan
 
tcpdump & xtrabackup @ MySQL Casual Talks #1
tcpdump & xtrabackup @ MySQL Casual Talks #1tcpdump & xtrabackup @ MySQL Casual Talks #1
tcpdump & xtrabackup @ MySQL Casual Talks #1Ryosuke IWANAGA
 
PostgreSQL Unconference #29 Unicode IVS
PostgreSQL Unconference #29 Unicode IVSPostgreSQL Unconference #29 Unicode IVS
PostgreSQL Unconference #29 Unicode IVSNoriyoshi Shinoda
 
PostgreSQLのトラブルシューティング@第5回中国地方DB勉強会
PostgreSQLのトラブルシューティング@第5回中国地方DB勉強会PostgreSQLのトラブルシューティング@第5回中国地方DB勉強会
PostgreSQLのトラブルシューティング@第5回中国地方DB勉強会Shigeru Hanada
 

Was ist angesagt? (20)

5ステップで始めるPostgreSQLレプリケーション@hbstudy#13
5ステップで始めるPostgreSQLレプリケーション@hbstudy#135ステップで始めるPostgreSQLレプリケーション@hbstudy#13
5ステップで始めるPostgreSQLレプリケーション@hbstudy#13
 
「今そこにある危機」を捉える ~ pg_stat_statements revisited
「今そこにある危機」を捉える ~ pg_stat_statements revisited「今そこにある危機」を捉える ~ pg_stat_statements revisited
「今そこにある危機」を捉える ~ pg_stat_statements revisited
 
Qlik Replicate - Control Tableの詳細
Qlik Replicate - Control Tableの詳細Qlik Replicate - Control Tableの詳細
Qlik Replicate - Control Tableの詳細
 
OSC ver : MariaDB ColumnStore ベンチマークしちゃいませんか?
OSC ver : MariaDB ColumnStore ベンチマークしちゃいませんか?OSC ver : MariaDB ColumnStore ベンチマークしちゃいませんか?
OSC ver : MariaDB ColumnStore ベンチマークしちゃいませんか?
 
MySQLとPostgreSQLの基本的なバックアップ比較
MySQLとPostgreSQLの基本的なバックアップ比較MySQLとPostgreSQLの基本的なバックアップ比較
MySQLとPostgreSQLの基本的なバックアップ比較
 
バッチ処理にバインド変数はもうやめません? ~|バッチ処理の突発遅延を題材にして考えてみる~
バッチ処理にバインド変数はもうやめません? ~|バッチ処理の突発遅延を題材にして考えてみる~バッチ処理にバインド変数はもうやめません? ~|バッチ処理の突発遅延を題材にして考えてみる~
バッチ処理にバインド変数はもうやめません? ~|バッチ処理の突発遅延を題材にして考えてみる~
 
MySQLとPostgreSQLの基本的なパラメータ比較
MySQLとPostgreSQLの基本的なパラメータ比較MySQLとPostgreSQLの基本的なパラメータ比較
MySQLとPostgreSQLの基本的なパラメータ比較
 
Microsoft SQL Serverソースエンドポイント-スタンドアロン環境での非sysadminユーザーのセットアップ
Microsoft SQL Serverソースエンドポイント-スタンドアロン環境での非sysadminユーザーのセットアップMicrosoft SQL Serverソースエンドポイント-スタンドアロン環境での非sysadminユーザーのセットアップ
Microsoft SQL Serverソースエンドポイント-スタンドアロン環境での非sysadminユーザーのセットアップ
 
PostgreSQL安定運用のコツ2009 @hbstudy#5
PostgreSQL安定運用のコツ2009 @hbstudy#5PostgreSQL安定運用のコツ2009 @hbstudy#5
PostgreSQL安定運用のコツ2009 @hbstudy#5
 
MySQLとPostgreSQLにおける基本的なアカウント管理
MySQLとPostgreSQLにおける基本的なアカウント管理MySQLとPostgreSQLにおける基本的なアカウント管理
MySQLとPostgreSQLにおける基本的なアカウント管理
 
20170310_InDatabaseAnalytics_#1
20170310_InDatabaseAnalytics_#120170310_InDatabaseAnalytics_#1
20170310_InDatabaseAnalytics_#1
 
PostgreSQLセキュリティ総復習
PostgreSQLセキュリティ総復習PostgreSQLセキュリティ総復習
PostgreSQLセキュリティ総復習
 
MySQLとPostgreSQLの基本的な実行プラン比較
MySQLとPostgreSQLの基本的な実行プラン比較MySQLとPostgreSQLの基本的な実行プラン比較
MySQLとPostgreSQLの基本的な実行プラン比較
 
20160121 データサイエンティスト協会 木曜セミナー #5
20160121 データサイエンティスト協会 木曜セミナー #520160121 データサイエンティスト協会 木曜セミナー #5
20160121 データサイエンティスト協会 木曜セミナー #5
 
DBスキーマもバージョン管理したい!
DBスキーマもバージョン管理したい!DBスキーマもバージョン管理したい!
DBスキーマもバージョン管理したい!
 
Db2 Warehouse セッション資料 db tech showcase
Db2 Warehouse セッション資料 db tech showcase Db2 Warehouse セッション資料 db tech showcase
Db2 Warehouse セッション資料 db tech showcase
 
tcpdump & xtrabackup @ MySQL Casual Talks #1
tcpdump & xtrabackup @ MySQL Casual Talks #1tcpdump & xtrabackup @ MySQL Casual Talks #1
tcpdump & xtrabackup @ MySQL Casual Talks #1
 
PostgreSQL Unconference #29 Unicode IVS
PostgreSQL Unconference #29 Unicode IVSPostgreSQL Unconference #29 Unicode IVS
PostgreSQL Unconference #29 Unicode IVS
 
PostgreSQLアーキテクチャ入門
PostgreSQLアーキテクチャ入門PostgreSQLアーキテクチャ入門
PostgreSQLアーキテクチャ入門
 
PostgreSQLのトラブルシューティング@第5回中国地方DB勉強会
PostgreSQLのトラブルシューティング@第5回中国地方DB勉強会PostgreSQLのトラブルシューティング@第5回中国地方DB勉強会
PostgreSQLのトラブルシューティング@第5回中国地方DB勉強会
 

Andere mochten auch

第3回 appsfor office勉強会 - 佐藤裕
第3回 appsfor office勉強会 - 佐藤裕第3回 appsfor office勉強会 - 佐藤裕
第3回 appsfor office勉強会 - 佐藤裕Hiroshi Satoh
 
ITS Closing Talk「理想を実現するコツを小さな単位で言語化する」
ITS Closing Talk「理想を実現するコツを小さな単位で言語化する」ITS Closing Talk「理想を実現するコツを小さな単位で言語化する」
ITS Closing Talk「理想を実現するコツを小さな単位で言語化する」Takashi Iba
 
ビズリーチではDBFluteハンズオンやってます(DBFluteフェス2014)
ビズリーチではDBFluteハンズオンやってます(DBFluteフェス2014)ビズリーチではDBFluteハンズオンやってます(DBFluteフェス2014)
ビズリーチではDBFluteハンズオンやってます(DBFluteフェス2014)Itaru Kitagawa
 
JJUG Bizreach DBFlute 2014
JJUG Bizreach DBFlute 2014JJUG Bizreach DBFlute 2014
JJUG Bizreach DBFlute 2014Masahiko Kubo
 
Fabスターターズ ガイド 作品集
Fabスターターズ ガイド 作品集Fabスターターズ ガイド 作品集
Fabスターターズ ガイド 作品集FabCafe
 
「メインフレーム再発見」("IBMのメインフレームを見に行こう 第2弾" より)
「メインフレーム再発見」("IBMのメインフレームを見に行こう 第2弾" より)「メインフレーム再発見」("IBMのメインフレームを見に行こう 第2弾" より)
「メインフレーム再発見」("IBMのメインフレームを見に行こう 第2弾" より)Takumi Kurosawa
 
【KSKアナリティクス】 RapidMiner 紹介 (short)
【KSKアナリティクス】 RapidMiner 紹介 (short)【KSKアナリティクス】 RapidMiner 紹介 (short)
【KSKアナリティクス】 RapidMiner 紹介 (short)KSK Analytics Inc.
 
Oracle Cloud Developers Meetup@東京
Oracle Cloud Developers Meetup@東京Oracle Cloud Developers Meetup@東京
Oracle Cloud Developers Meetup@東京tuchimur
 
「パターンランゲージ ワークショップ ~企業の創造的成長のためのパターンランゲージ3.0~」(井庭崇)@Wilson Learning Worldwide...
「パターンランゲージ ワークショップ ~企業の創造的成長のためのパターンランゲージ3.0~」(井庭崇)@Wilson Learning Worldwide...「パターンランゲージ ワークショップ ~企業の創造的成長のためのパターンランゲージ3.0~」(井庭崇)@Wilson Learning Worldwide...
「パターンランゲージ ワークショップ ~企業の創造的成長のためのパターンランゲージ3.0~」(井庭崇)@Wilson Learning Worldwide...Takashi Iba
 
Webサイトの分析と改善の方法(後編)
Webサイトの分析と改善の方法(後編)Webサイトの分析と改善の方法(後編)
Webサイトの分析と改善の方法(後編)ナイル株式会社
 
Spark Streamingを使ってみた ~Twitterリアルタイムトレンドランキング~
Spark Streamingを使ってみた ~Twitterリアルタイムトレンドランキング~Spark Streamingを使ってみた ~Twitterリアルタイムトレンドランキング~
Spark Streamingを使ってみた ~Twitterリアルタイムトレンドランキング~sugiyama koki
 
さくっとはじめるテキストマイニング(R言語)  スタートアップ編
さくっとはじめるテキストマイニング(R言語)  スタートアップ編さくっとはじめるテキストマイニング(R言語)  スタートアップ編
さくっとはじめるテキストマイニング(R言語)  スタートアップ編Yutaka Shimada
 
Cassandraのしくみ データの読み書き編
Cassandraのしくみ データの読み書き編Cassandraのしくみ データの読み書き編
Cassandraのしくみ データの読み書き編Yuki Morishita
 
Cassandra導入事例と現場視点での苦労したポイント cassandra summit2014jpn
Cassandra導入事例と現場視点での苦労したポイント cassandra summit2014jpnCassandra導入事例と現場視点での苦労したポイント cassandra summit2014jpn
Cassandra導入事例と現場視点での苦労したポイント cassandra summit2014jpnhaketa
 
Webサイトの分析と改善の方法(前編) | ナイル株式会社
Webサイトの分析と改善の方法(前編) | ナイル株式会社Webサイトの分析と改善の方法(前編) | ナイル株式会社
Webサイトの分析と改善の方法(前編) | ナイル株式会社ナイル株式会社
 
「ドメイン駆動設計」の複雑さに立ち向かう
「ドメイン駆動設計」の複雑さに立ち向かう「ドメイン駆動設計」の複雑さに立ち向かう
「ドメイン駆動設計」の複雑さに立ち向かう増田 亨
 
20141004 詰Excel
20141004 詰Excel20141004 詰Excel
20141004 詰Excelta2c
 
自作コンピューターでなんかする - 第八回 カーネル/VM探検隊&懇親会
自作コンピューターでなんかする - 第八回 カーネル/VM探検隊&懇親会自作コンピューターでなんかする - 第八回 カーネル/VM探検隊&懇親会
自作コンピューターでなんかする - 第八回 カーネル/VM探検隊&懇親会Hirotaka Kawata
 

Andere mochten auch (20)

第3回 appsfor office勉強会 - 佐藤裕
第3回 appsfor office勉強会 - 佐藤裕第3回 appsfor office勉強会 - 佐藤裕
第3回 appsfor office勉強会 - 佐藤裕
 
ITS Closing Talk「理想を実現するコツを小さな単位で言語化する」
ITS Closing Talk「理想を実現するコツを小さな単位で言語化する」ITS Closing Talk「理想を実現するコツを小さな単位で言語化する」
ITS Closing Talk「理想を実現するコツを小さな単位で言語化する」
 
ビズリーチではDBFluteハンズオンやってます(DBFluteフェス2014)
ビズリーチではDBFluteハンズオンやってます(DBFluteフェス2014)ビズリーチではDBFluteハンズオンやってます(DBFluteフェス2014)
ビズリーチではDBFluteハンズオンやってます(DBFluteフェス2014)
 
JJUG Bizreach DBFlute 2014
JJUG Bizreach DBFlute 2014JJUG Bizreach DBFlute 2014
JJUG Bizreach DBFlute 2014
 
Fabスターターズ ガイド 作品集
Fabスターターズ ガイド 作品集Fabスターターズ ガイド 作品集
Fabスターターズ ガイド 作品集
 
「メインフレーム再発見」("IBMのメインフレームを見に行こう 第2弾" より)
「メインフレーム再発見」("IBMのメインフレームを見に行こう 第2弾" より)「メインフレーム再発見」("IBMのメインフレームを見に行こう 第2弾" より)
「メインフレーム再発見」("IBMのメインフレームを見に行こう 第2弾" より)
 
【KSKアナリティクス】 RapidMiner 紹介 (short)
【KSKアナリティクス】 RapidMiner 紹介 (short)【KSKアナリティクス】 RapidMiner 紹介 (short)
【KSKアナリティクス】 RapidMiner 紹介 (short)
 
Oracle Cloud Developers Meetup@東京
Oracle Cloud Developers Meetup@東京Oracle Cloud Developers Meetup@東京
Oracle Cloud Developers Meetup@東京
 
「パターンランゲージ ワークショップ ~企業の創造的成長のためのパターンランゲージ3.0~」(井庭崇)@Wilson Learning Worldwide...
「パターンランゲージ ワークショップ ~企業の創造的成長のためのパターンランゲージ3.0~」(井庭崇)@Wilson Learning Worldwide...「パターンランゲージ ワークショップ ~企業の創造的成長のためのパターンランゲージ3.0~」(井庭崇)@Wilson Learning Worldwide...
「パターンランゲージ ワークショップ ~企業の創造的成長のためのパターンランゲージ3.0~」(井庭崇)@Wilson Learning Worldwide...
 
Webサイトの分析と改善の方法(後編)
Webサイトの分析と改善の方法(後編)Webサイトの分析と改善の方法(後編)
Webサイトの分析と改善の方法(後編)
 
Oracle GoldenGate導入Tips
Oracle GoldenGate導入TipsOracle GoldenGate導入Tips
Oracle GoldenGate導入Tips
 
Oracle GoldenGate入門
Oracle GoldenGate入門Oracle GoldenGate入門
Oracle GoldenGate入門
 
Spark Streamingを使ってみた ~Twitterリアルタイムトレンドランキング~
Spark Streamingを使ってみた ~Twitterリアルタイムトレンドランキング~Spark Streamingを使ってみた ~Twitterリアルタイムトレンドランキング~
Spark Streamingを使ってみた ~Twitterリアルタイムトレンドランキング~
 
さくっとはじめるテキストマイニング(R言語)  スタートアップ編
さくっとはじめるテキストマイニング(R言語)  スタートアップ編さくっとはじめるテキストマイニング(R言語)  スタートアップ編
さくっとはじめるテキストマイニング(R言語)  スタートアップ編
 
Cassandraのしくみ データの読み書き編
Cassandraのしくみ データの読み書き編Cassandraのしくみ データの読み書き編
Cassandraのしくみ データの読み書き編
 
Cassandra導入事例と現場視点での苦労したポイント cassandra summit2014jpn
Cassandra導入事例と現場視点での苦労したポイント cassandra summit2014jpnCassandra導入事例と現場視点での苦労したポイント cassandra summit2014jpn
Cassandra導入事例と現場視点での苦労したポイント cassandra summit2014jpn
 
Webサイトの分析と改善の方法(前編) | ナイル株式会社
Webサイトの分析と改善の方法(前編) | ナイル株式会社Webサイトの分析と改善の方法(前編) | ナイル株式会社
Webサイトの分析と改善の方法(前編) | ナイル株式会社
 
「ドメイン駆動設計」の複雑さに立ち向かう
「ドメイン駆動設計」の複雑さに立ち向かう「ドメイン駆動設計」の複雑さに立ち向かう
「ドメイン駆動設計」の複雑さに立ち向かう
 
20141004 詰Excel
20141004 詰Excel20141004 詰Excel
20141004 詰Excel
 
自作コンピューターでなんかする - 第八回 カーネル/VM探検隊&懇親会
自作コンピューターでなんかする - 第八回 カーネル/VM探検隊&懇親会自作コンピューターでなんかする - 第八回 カーネル/VM探検隊&懇親会
自作コンピューターでなんかする - 第八回 カーネル/VM探検隊&懇親会
 

Ähnlich wie CAメインフレーム システムリソース削減に貢献する製品について

Web Operations and Perl kansai.pm#14
Web Operations and Perl kansai.pm#14Web Operations and Perl kansai.pm#14
Web Operations and Perl kansai.pm#14Masahiro Nagano
 
AWSのデータベースサービス全体像
AWSのデータベースサービス全体像AWSのデータベースサービス全体像
AWSのデータベースサービス全体像Amazon Web Services Japan
 
LINEのMySQL運用について
LINEのMySQL運用についてLINEのMySQL運用について
LINEのMySQL運用についてLINE Corporation
 
Solarflare SolarCapture - 10Gbイーサネットパケットキャプチャソフトウェア リリース
Solarflare SolarCapture - 10Gbイーサネットパケットキャプチャソフトウェア リリースSolarflare SolarCapture - 10Gbイーサネットパケットキャプチャソフトウェア リリース
Solarflare SolarCapture - 10Gbイーサネットパケットキャプチャソフトウェア リリースAtsushi Suzuki
 
「Oracle Database + Java + Linux」 環境における性能問題の調査手法 ~ミッションクリティカルシステムの現場から~ Part.1
「Oracle Database + Java + Linux」環境における性能問題の調査手法 ~ミッションクリティカルシステムの現場から~ Part.1「Oracle Database + Java + Linux」環境における性能問題の調査手法 ~ミッションクリティカルシステムの現場から~ Part.1
「Oracle Database + Java + Linux」 環境における性能問題の調査手法 ~ミッションクリティカルシステムの現場から~ Part.1Shogo Wakayama
 
プロとしてのOracleアーキテクチャ入門 ~番外編~ @ Developers Summit 2009
プロとしてのOracleアーキテクチャ入門 ~番外編~ @ Developers Summit 2009プロとしてのOracleアーキテクチャ入門 ~番外編~ @ Developers Summit 2009
プロとしてのOracleアーキテクチャ入門 ~番外編~ @ Developers Summit 2009Ryota Watabe
 
LED-Camp2「組込みシステム開発の勘所と実践」
LED-Camp2「組込みシステム開発の勘所と実践」LED-Camp2「組込みシステム開発の勘所と実践」
LED-Camp2「組込みシステム開発の勘所と実践」Hideki Takase
 
2014 11-20 Machine Learning with Apache Spark 勉強会資料
2014 11-20 Machine Learning with Apache Spark 勉強会資料2014 11-20 Machine Learning with Apache Spark 勉強会資料
2014 11-20 Machine Learning with Apache Spark 勉強会資料Recruit Technologies
 
Hadoopによるリクルートでの技術調査とその活用
Hadoopによるリクルートでの技術調査とその活用Hadoopによるリクルートでの技術調査とその活用
Hadoopによるリクルートでの技術調査とその活用Chiaki Hatanaka
 
AWS Blackbelt 2015シリーズ Amazon CloudWatch & Amazon CloudWatch Logs
AWS Blackbelt 2015シリーズ Amazon CloudWatch & Amazon CloudWatch LogsAWS Blackbelt 2015シリーズ Amazon CloudWatch & Amazon CloudWatch Logs
AWS Blackbelt 2015シリーズ Amazon CloudWatch & Amazon CloudWatch LogsAmazon Web Services Japan
 
ROMA のアーキテクチャと社内事例
ROMA のアーキテクチャと社内事例ROMA のアーキテクチャと社内事例
ROMA のアーキテクチャと社内事例Rakuten Group, Inc.
 
A24 SQL Server におけるパフォーマンスチューニング手法 - 注目すべきポイントを簡単に by 多田典史
A24 SQL Server におけるパフォーマンスチューニング手法 - 注目すべきポイントを簡単に by 多田典史A24 SQL Server におけるパフォーマンスチューニング手法 - 注目すべきポイントを簡単に by 多田典史
A24 SQL Server におけるパフォーマンスチューニング手法 - 注目すべきポイントを簡単に by 多田典史Insight Technology, Inc.
 
LINEのMySQL運用について 修正版
LINEのMySQL運用について 修正版LINEのMySQL運用について 修正版
LINEのMySQL運用について 修正版LINE Corporation
 
[A33] [特濃jpoug statspack on pdb oracle database 12c] 20131115 補足・続報付き
[A33] [特濃jpoug statspack on pdb oracle database 12c] 20131115 補足・続報付き[A33] [特濃jpoug statspack on pdb oracle database 12c] 20131115 補足・続報付き
[A33] [特濃jpoug statspack on pdb oracle database 12c] 20131115 補足・続報付きInsight Technology, Inc.
 
SAP Applicationのソース・エンドポイントとしての利用
SAP Applicationのソース・エンドポイントとしての利用SAP Applicationのソース・エンドポイントとしての利用
SAP Applicationのソース・エンドポイントとしての利用QlikPresalesJapan
 
オープンソースのIoT向けスケールアウト型データベース GridDB 〜性能ベンチマーク結果とOSSを利用したビッグデータ分析環境〜
オープンソースのIoT向けスケールアウト型データベース GridDB 〜性能ベンチマーク結果とOSSを利用したビッグデータ分析環境〜オープンソースのIoT向けスケールアウト型データベース GridDB 〜性能ベンチマーク結果とOSSを利用したビッグデータ分析環境〜
オープンソースのIoT向けスケールアウト型データベース GridDB 〜性能ベンチマーク結果とOSSを利用したビッグデータ分析環境〜griddb
 
MySQL最新情報  ※2016年12月
MySQL最新情報  ※2016年12月MySQL最新情報  ※2016年12月
MySQL最新情報  ※2016年12月yoyamasaki
 
Jjug springセッション
Jjug springセッションJjug springセッション
Jjug springセッションYuichi Hasegawa
 
[db tech showcase Tokyo 2017] D21: ついに Red Hat Enterprise Linuxで SQL Serverが使...
[db tech showcase Tokyo 2017] D21: ついに Red Hat Enterprise Linuxで SQL Serverが使...[db tech showcase Tokyo 2017] D21: ついに Red Hat Enterprise Linuxで SQL Serverが使...
[db tech showcase Tokyo 2017] D21: ついに Red Hat Enterprise Linuxで SQL Serverが使...Insight Technology, Inc.
 
Performance and Scalability of Web Service
Performance and Scalability of Web ServicePerformance and Scalability of Web Service
Performance and Scalability of Web ServiceShinji Tanaka
 

Ähnlich wie CAメインフレーム システムリソース削減に貢献する製品について (20)

Web Operations and Perl kansai.pm#14
Web Operations and Perl kansai.pm#14Web Operations and Perl kansai.pm#14
Web Operations and Perl kansai.pm#14
 
AWSのデータベースサービス全体像
AWSのデータベースサービス全体像AWSのデータベースサービス全体像
AWSのデータベースサービス全体像
 
LINEのMySQL運用について
LINEのMySQL運用についてLINEのMySQL運用について
LINEのMySQL運用について
 
Solarflare SolarCapture - 10Gbイーサネットパケットキャプチャソフトウェア リリース
Solarflare SolarCapture - 10Gbイーサネットパケットキャプチャソフトウェア リリースSolarflare SolarCapture - 10Gbイーサネットパケットキャプチャソフトウェア リリース
Solarflare SolarCapture - 10Gbイーサネットパケットキャプチャソフトウェア リリース
 
「Oracle Database + Java + Linux」 環境における性能問題の調査手法 ~ミッションクリティカルシステムの現場から~ Part.1
「Oracle Database + Java + Linux」環境における性能問題の調査手法 ~ミッションクリティカルシステムの現場から~ Part.1「Oracle Database + Java + Linux」環境における性能問題の調査手法 ~ミッションクリティカルシステムの現場から~ Part.1
「Oracle Database + Java + Linux」 環境における性能問題の調査手法 ~ミッションクリティカルシステムの現場から~ Part.1
 
プロとしてのOracleアーキテクチャ入門 ~番外編~ @ Developers Summit 2009
プロとしてのOracleアーキテクチャ入門 ~番外編~ @ Developers Summit 2009プロとしてのOracleアーキテクチャ入門 ~番外編~ @ Developers Summit 2009
プロとしてのOracleアーキテクチャ入門 ~番外編~ @ Developers Summit 2009
 
LED-Camp2「組込みシステム開発の勘所と実践」
LED-Camp2「組込みシステム開発の勘所と実践」LED-Camp2「組込みシステム開発の勘所と実践」
LED-Camp2「組込みシステム開発の勘所と実践」
 
2014 11-20 Machine Learning with Apache Spark 勉強会資料
2014 11-20 Machine Learning with Apache Spark 勉強会資料2014 11-20 Machine Learning with Apache Spark 勉強会資料
2014 11-20 Machine Learning with Apache Spark 勉強会資料
 
Hadoopによるリクルートでの技術調査とその活用
Hadoopによるリクルートでの技術調査とその活用Hadoopによるリクルートでの技術調査とその活用
Hadoopによるリクルートでの技術調査とその活用
 
AWS Blackbelt 2015シリーズ Amazon CloudWatch & Amazon CloudWatch Logs
AWS Blackbelt 2015シリーズ Amazon CloudWatch & Amazon CloudWatch LogsAWS Blackbelt 2015シリーズ Amazon CloudWatch & Amazon CloudWatch Logs
AWS Blackbelt 2015シリーズ Amazon CloudWatch & Amazon CloudWatch Logs
 
ROMA のアーキテクチャと社内事例
ROMA のアーキテクチャと社内事例ROMA のアーキテクチャと社内事例
ROMA のアーキテクチャと社内事例
 
A24 SQL Server におけるパフォーマンスチューニング手法 - 注目すべきポイントを簡単に by 多田典史
A24 SQL Server におけるパフォーマンスチューニング手法 - 注目すべきポイントを簡単に by 多田典史A24 SQL Server におけるパフォーマンスチューニング手法 - 注目すべきポイントを簡単に by 多田典史
A24 SQL Server におけるパフォーマンスチューニング手法 - 注目すべきポイントを簡単に by 多田典史
 
LINEのMySQL運用について 修正版
LINEのMySQL運用について 修正版LINEのMySQL運用について 修正版
LINEのMySQL運用について 修正版
 
[A33] [特濃jpoug statspack on pdb oracle database 12c] 20131115 補足・続報付き
[A33] [特濃jpoug statspack on pdb oracle database 12c] 20131115 補足・続報付き[A33] [特濃jpoug statspack on pdb oracle database 12c] 20131115 補足・続報付き
[A33] [特濃jpoug statspack on pdb oracle database 12c] 20131115 補足・続報付き
 
SAP Applicationのソース・エンドポイントとしての利用
SAP Applicationのソース・エンドポイントとしての利用SAP Applicationのソース・エンドポイントとしての利用
SAP Applicationのソース・エンドポイントとしての利用
 
オープンソースのIoT向けスケールアウト型データベース GridDB 〜性能ベンチマーク結果とOSSを利用したビッグデータ分析環境〜
オープンソースのIoT向けスケールアウト型データベース GridDB 〜性能ベンチマーク結果とOSSを利用したビッグデータ分析環境〜オープンソースのIoT向けスケールアウト型データベース GridDB 〜性能ベンチマーク結果とOSSを利用したビッグデータ分析環境〜
オープンソースのIoT向けスケールアウト型データベース GridDB 〜性能ベンチマーク結果とOSSを利用したビッグデータ分析環境〜
 
MySQL最新情報  ※2016年12月
MySQL最新情報  ※2016年12月MySQL最新情報  ※2016年12月
MySQL最新情報  ※2016年12月
 
Jjug springセッション
Jjug springセッションJjug springセッション
Jjug springセッション
 
[db tech showcase Tokyo 2017] D21: ついに Red Hat Enterprise Linuxで SQL Serverが使...
[db tech showcase Tokyo 2017] D21: ついに Red Hat Enterprise Linuxで SQL Serverが使...[db tech showcase Tokyo 2017] D21: ついに Red Hat Enterprise Linuxで SQL Serverが使...
[db tech showcase Tokyo 2017] D21: ついに Red Hat Enterprise Linuxで SQL Serverが使...
 
Performance and Scalability of Web Service
Performance and Scalability of Web ServicePerformance and Scalability of Web Service
Performance and Scalability of Web Service
 

Kürzlich hochgeladen

Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)Hiroshi Tomioka
 
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。iPride Co., Ltd.
 
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video UnderstandingToru Tamaki
 
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)NTT DATA Technology & Innovation
 
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)Hiroshi Tomioka
 
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半        2024/04/26の勉強会で発表されたものです。新人研修 後半        2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。iPride Co., Ltd.
 
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...Toru Tamaki
 
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Gamesatsushi061452
 
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。iPride Co., Ltd.
 
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー  DS20L  カタログ  LiDARデバイスLoRaWANスマート距離検出センサー  DS20L  カタログ  LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイスCRI Japan, Inc.
 
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアルLoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアルCRI Japan, Inc.
 

Kürzlich hochgeladen (11)

Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
 
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
 
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
 
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
 
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
 
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半        2024/04/26の勉強会で発表されたものです。新人研修 後半        2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
 
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
 
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
 
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
 
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー  DS20L  カタログ  LiDARデバイスLoRaWANスマート距離検出センサー  DS20L  カタログ  LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
 
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアルLoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
 

CAメインフレーム システムリソース削減に貢献する製品について

  • 1. z/OSシステムリソース削減製品 のご紹介 日本CA株式会社 1
  • 2. システムリソース削減のご提案 — CA システムパフォーマンス管理製品 − CA Optimizer II − CA QuickFetch − CA PMO − CA FAVER − CA Hyper-Buf — CA DB2パフォーマンス管理製品 − CA Detector − CA Subsystem Analyzer − CA Plan Analyzer
  • 3.
  • 4. CA Optimizer IIの機能と利点 — CA OptimizerIIはプログラムのオブジェクト・コードに作 用し、モジュール・サイズの縮小化とCPUタイムの短縮 化を図ります。 − プログラムの実行プロセッシングは変更しません。利用者が定義 したデータ領域はそのまま置かれます。 − COBOLコンパイラーのオペレーションに何ら影響は与えません。 • コントロール・ルーティン‘DIRECTORⅢ’のコントロールにより、最初 にコンパイラーにリンクし、次いでオプティマイザーにリンクする単 一ジョブ・ステップで実行されます。 − COBOLコンパイラー・オプションとオプティマイザー・オプショ ンを自在に組み合わせて使うことができます。 − プログラム・ロジックの矛盾、または不正確な指定に対して WARNINNGメッセージを発します。
  • 5. CA PMO / CA QuickFetch 概要 — ディレクトリー・サーチやプログラム読み込みにおける ディスクI/Oを大幅に削減することで、ディスク・チャネ ル・CPUの負荷を減らし、オンラインのレスポンスやバ ッチ処理時間を高速化させます。 5
  • 6. CA PMO の機能 — LINKLISTライブラリへのディレクトリー・サーチの削減 — 私用プログラム・ライブラリへのディレクトリー・サー チの削減 — 無駄なSTEPLIBへのディレクトリー・サーチの削減 — マクロ/パラメータ/プロシジャ・ライブラリなど、プロ グラム以外のライブラリへのディレクトリー・サーチの 削減 — ディレクトリー変更の自動認識 − STOW CLOSE − PMOXSYS LLAリフレッシュの自動催促と自動感知 6
  • 7. CA QuickFetch の機能 — LINKLISTライブラリからのプログラムのロード(フェッ チ)処理の削減 — 私用ライブラリからのプログラム・ロード(フェッチ)処 理の削減 — CICS/PCPによるDFHRPLライブラリからのプログラム ・ロード(フェッチ)処理の削減 — LPAから使用頻度の小さなモジュールをLINKLISTライブ ラリへ移すことによりLPAサイズの縮小 — ディレクトリー変更の自動認識 7
  • 8. CA PMO の処理効率改善方法 — PMOはSVC18のフロント・エンドとして働き、すべての BLDL要求とFIND要求をインターセプトします。 − 何度も要求されるライブラリのメンバーに対し、「どのライブラ リの何というメンバーがどこに(TTR)あるか」をメモリ中のテーブ ルで常に保守し、それらのためのディレクトリー・サーチをバイ パスする。 − STEPLIBディレクトリー・サーチ要求に対し、ライブラリのチェ ックの前にLPA、LINKLISTライブラリのテーブル情報をチェック することにより、無駄なSTEPLIBサーチをバイパスする。 8
  • 9. CA QuickFetchの処理効率改善方法 — QuickFetchはOSのプログラム・フェッチ・スーパーバ イザーのフロント・エンドとして働き、すべてのプログ ラム・フェッチ要求をインターセプトし、定期的にフロ ント・エンドが保守するプログラムの「活動リスト」を チェックして、使用頻度の高いプログラムをなるべく多 く自分のアドレス空間に保持します。 − よく使われるプログラムに対し、「どのライブラリの何というプ ログラムは何回使用され、QuickFetchアドレス空間に存在するか どうか」をメモリ内で管理し、QuickFetchアドレス空間中に要求 プログラムが存在するならば、それをユーザ・アドレス空間にコ ピーし、ライブラリへのフェッチ入力処理をバイパスします。 9
  • 10. CA PMO 画面(サンプル) PMO Display Menu
  • 11. CA PMO 画面(サンプル) PMO D5, D8, D9
  • 14. CA VSAM管理製品 — CA-CREWS® Catalog Recovery − CA-CREWS Catalog Recoveryは、ICFカタログの問題識別を容易にし、フ ォワードリカバリー、バックアップ及びリストア機能により障害回復プロ セスを強力に支援します。また、カタログの問題を検出し、解決策を IDCAMSフォーマットのコマンドとパラメータにより提案します。 — CA-ExtendDASD® VSAM Compression − CA-ExtendDASDは、圧縮技術により実I/Oを減少させ、システムオーバー ヘッドを削減します。これにより、システム全体のI/O負荷削減、オンライ ン応答時間の改善を支援します。 — CA-FAVER® VSAM Data Protection − CA-FAVERは、VSAMデータセットのバックアップおよびリストアを高速 かつ低資源で行います。CA-VSAMAidとの併用により、リストアもしくは 再編成時に、対象VSAMに最適なデータセット属性を提供するため、 VSAMデータセットのチューニングも併せて実施いただけます。 14
  • 15. CA VSAM管理製品 — CA-Hyper-Buf® VSAM Buffer Optimizer − CA-Hyper-Bufは、VSAMパフォーマンスの上で最も大きな影響を与える bufferspaceを動的に最適化し、I/Oレート、レスポンス時間とJOBのエラッ プス時間を大幅に削減します。 — CA-MasterCat® VSAM Catalog Management − CA-MasterCatは、標準的なユーティリティーより高速かつ容易に、VSAM クラスターとICFカタログの維持/制御を支援します。 15
  • 16. CA-FAVERの主な機能 — 高パフォーマンスVSAMバックアップ − ディスクコントローラキャッシュチューニング — 効率的なリストアと再編性機能 − マルチボリューム処理 — 柔軟なデータ移行オプション — CA-Disk™とのインターフェース 16
  • 17. CA-FAVERの主な機能 — 高パフォーマンスVSAMバックアップ − ディスクコントローラキャッシュチューニング — 効率的なリストアと再編性機能 − マルチボリューム処理 — 柔軟なデータ移行オプション — CA-Disk™とのインターフェース 17
  • 18. 高パフォーマンスVSAMバックアップ — ハイ・パフォーマンス − 標準的なDUMP/RESTOREプログラムは、 ディスクに存在するデ ータすべてをトラック単位でアクセスし、DUMP/RESTOREしま すが、CA-FAVERはフリー・スペース等を除いた有効クラスター のみを論理的にアクセスし、EXPORTします。 — アクセス・メソッド − CA-FAVERはカタログ、データ・スペース、クラスターといった 単位でアクセスできるようデザインされた独自のEXPORTアクセ ス・メソッドを使用します。 − ディスクキャッシュの最適化により、さらにアクセス効率を向上 させています。 18
  • 19. 効率的なリストアと再編性機能 — ハイ・パフォーマンス − Export同様、VSAM管理機能を介さない論理アクセスにより、高 速化を実現 — リストア時の再編成と、自動DEL/DEF機能のサポート − Export時の情報を利用し、IDCAMSステートメントを作成 − CA-VSAMAidとの連携により、Defineステートメントを調整 19
  • 20. CA-FAVERの効果 — バックアップの高速化により − バックアップJOBのI/O及びCPU使用率の低下によるエラップスの向上 − バッチウインドウ全体の短縮 — CA-VSAMAidとの併用により − アプリケーションパフォーマンスの向上 − オーバーヘッドの削減による、システムI/OおよびCPU使用率の低下 20
  • 21. CA-FAVERの適用と制限事項 — 適用 − バッチJOBとして実行します。 − 処理範囲は、単独のVSAMだけではなく、グループ(特定ボリュー ムの全てのVSAM等)に属する複数VSAMまでを対象とします。 — 制限事項 − CA-FAVERはNativeなVSAMのみサポートいたします。 − IDCAMSステートメントと互換性はございません。 21
  • 22. 参考資料(弊社マニュアルより) — CA-FAVER vs. IDCAMS − CA-FAVER outperforms IDCAMS for creating VSAM backups in the following categories: • CPU time: CA-FAVER uses 80 to 95 percent less CPU than IDCAMS REPRO or EXPORT. • Elapsed time: CA-FAVER requires 35 to 80 percent less clock time. • Virtual storage: CA-FAVER EXPORT requires 50 to 80 percent less virtual storage. • EXCPs: Depending on the number of clusters dumped and the number of records, CA-FAVER can save from 30 to 70 percent of the EXCPs required to dump clusters. 22
  • 23. CA-Hyper-Bufの主な機能 — 1リージョン単位、最大256のLSRバッファを利用可能 — VSAM Openが発行されるたびに、バッファのチューニン グを実施 − ターゲットの設定はCA-Hyper-Bufパラメータに記述 • VSAMデータセット、DDNAME、アプリケーション名等 — VSAMバッファと制御ブロックをXA空間(16Mラインより 上)に配置 — 拡張メモリの積極的な利用 − LSRバッファの拡張メモリへの再配置 23
  • 24. CA-Hyper-Bufの効果 — バッファの最適化により − I/Oの削減 − アプリケーションパフォーマンスの向上 − オーバーヘッドの削減による、CPU使用率の低下 — 特に効果が望めるアプリケーション、およびシステム − 1JOBにて複数のVSAMを使用するJOB/STC − ランダムアクセスを多用するオンライン − オンラインCICSや、ロングランバッチJOBに大きな効果が望めま す。 24
  • 25. CA-Hyper-Bufの適用と制限事項 — 適用 − CA-Hyper-Bufをアクティベートするのみでバッファの最適化がス タートします。 — 制限事項 − CA-Hyper-BufはNativeなVSAMのみサポートいたします。 25
  • 26.
  • 27. CAのDB2パフォーマンス管理製品 — CA Detector® − サブシステムで実行されたSQLのパフォーマンスをリアルタイム に監視し、情報を収集 — CA Subsystem Analyzer − DB2サブシステム全体のパフォーマンス、リソース使用状況をリ アルタイムに監視 — CA Plan Analyzer® − アプリケーション・パフォーマンスで最も重要なアクセスパスを 分析し、改善案を提示 — Value Pack - CA THREAD TERMINATOR − DB2スレッドを監視し、しきい値設定によりキャンセルやオペレ ータへの通知等のアクションを自動化 27
  • 28. CA Detectorの主な機能 — CA独自のコレクターSTCによ — 負荷調整を容易にする閾値オプシ るデータ収集 ョン − 情報収集レベル − IN/CPU、GETPAGE、FETCHの上 • アプリケーションレベル 限 • プランレベル − PLAN、 PROGRAMの選択 • DBRM/パッケージレベル — 操作の容易なオンラインパネル • SQLステートメントレベル − リアルタイム − 収集情報 − 履歴 • 静的SQL • 動的SQL — インターバル単位のデータビュー • SQLエラー — 独自のLINER VSAMへの収集デー • ステートメントレベルのパフォー タ保存 マンスデータ — 他CA DB2製品との統合 少ないオーバーヘッドで最大のデータ収集が可能 28
  • 29. CA Detector 画面サンプル — アクティビティ情報 − インターバル単位の サマリーされたスレ ッド情報 — Exception情報 − スレッド単位の詳細 情報 − SQLステートメント やホスト変数を含む 詳細なパフォーマン スデータ 29
  • 30. CA Detector 画面サンプル — スレッド詳細情報 − 各SQLステートメン トごとのリソースを 表示 — SQLステートメント − 実行済SQLステート メントとホスト変数 を表示 30
  • 31. CA Detector 画面サンプル — 収集データ − Header Information • DB2 SSID, Program, Planname, Collid, Connid, Type, Opid, Contoken, Authid, Version − SQL Information • SQL_CALL, STMT#, SECT#, SQL, TIMEPCT, CPUPCT, INDB2_TIME, INDB2_CPU − Buffer Manager Activity • GETPAGE, GETPFAIL, SYNCREAD, SPFETCH, LPFETCH, DYNPFETCH, PFPAGES, PAGEUPDT, IMWRITE, HPREAD, HPREADF, HPREADPGS, HPWRITE, HPWRITEF, EXPANS, REOPT − Prepare Statement Cache Activity • PSC_MATCH, PSC_NMATCH, PSC_IPREP, PSC_KDPREP − RID List Processing • RID_USED, RID_FSTG, RID_FLIM − Locking (IRLM) Activity • DRAINREQ, DRAINFAIL, CLAIMREQ, CLAIMFAIL, DEADLOCK, TIMEOUT, ESCALSHR, ESCALEXC, LOCKSUS, LATCHSUS, OTHERSUS, LOCKREQ, UNLKREQ, CHANGREQ, QUERYREQ, OTHERREQ − Data Sharing Locking Activity • GLOCKREQ, GCHNGREQ, GUNLKREQ, GIRLMSUS, GXESSUS, FALSESUS, GLOCKFAIL − Parallelism Accounting Data • PMAXDEG, PGROUPS, PPLANNED, PREDUCED, PFAILCUR, PFAILSRT, PFAILBUF, PFAILENC, SPPLANNED, SPFAILBUF, SPFAILCNO, SPFAILRRRS − Wait Times And Counts • IO_WTIME, IOWCNT, LOCK_WTIME, LOCKWCNT, ORIO_WTIME, ORIOWCNT, OWIO_WTIME, OWIOWCNT, SERV_WTIME, SERVWCNT, ARCH_WTIME, ARCHWCNT, PLATCH_WTIME, PLATCHWCNT, DRAIN_WTIME, DRAINWCNT, CLAIM_WTIME, CLAIMWCNT, ARCRD_WTIME, ARCRDWCNT, SMSG_WTIME, SMSGWCNT, GLOCK_WTIME, GLOCKWCNT, LOG_WTIME, LOGWCNT, LOB_WTIME, LOBWCNT, OCS_WTIME, OCSWCNT, 31 SLS_WTIME, SLSWCNT, DSS_WTIME, DSSWCNT, OTS_WTIME, OTSWCNT, LOCK_WTIME, PLOCKWCNT, LLOCK_WTIME,
  • 32. CA Subsystem Analyzerの主な機能 — サブシステムのリソース利用デ — 操作の容易なオンラインパネル ータを収集 − リアルタイム − DB Object、Volume、サブシス − 履歴 テム内部メモリ、ページアロケ ーション — CA独自のコレクターSTCによるデ ータ収集 − ドリルダウンのイメージで詳細 なアクティビティ情報を表示 — インターバル単位のデータビュー • バッファ→データベース→テーブ — 独自のLINER VSAMへの収集デー ル→ インデックスもしくはスレッ ド情報(CA Detectorへリンク) タ保存 — 他CA DB2製品との統合 32
  • 33. CA Subsystem Analyzer 画面サンプル — オブジェクトVIEW − データベース、テー ブルスペース、テー ブルのレベルで集約 したパフォーマンス データ — ボリュームVIEW − DB2オブジェクトがア ロケートされている ボリュームのパフォ ーマンス情報 − Activity, Reponse, IOQの3タイプ 33
  • 34. CA Subsystem Analyzer 画面サンプル — バッファプール VIEW − バッファプールのア クティビティ — サブシステムVIEW − 内部の各種メモリや 、LOCK情報を表示 34
  • 35. CA Subsystem Analyzer & CA Detector 画面サンプ ル — 11/2/23の14:00から 1時間の範囲のDB負 荷からスレッドを特 定 − 一番ゲットページの 多いDBを選択 — 一番ゲットページの 多いテーブルを選択 − Aの入力で、SQL一覧 − Sの入力で、INDEXの 利用状況リスト 35
  • 36. CA Subsystem Analyzer & CA Detector 画面サンプ ル — CA Detectorへ移動 − テーブルを利用して いたsqlcallを表示 — スレッド単位の情報 を表示 − Qの入力で、2ページ 以降の情報を表示 36
  • 37. CA Plan Analyzerの利点 — SQLパフォーマンスを向上させるための300通りものル ール、リコメンデーションを提供 — アクセスパスやSQLステートメントが変更された際のア プリケーション稼働時間の比較が可能 — カタログ統計情報とDB2バインド情報も判別 37
  • 38. CA Plan Analyzerの利点 — 統計情報の差異によるパフォーマンス問題の回避 − テスト環境から本番へのアプリケーション移行や、Runstats実行 後のSQLの挙動変化を事前に検知 − 異なる環境の統計情報のコピーと分析により、アクセスパスの変 更を事前にレビューします。 本番環境 テスト環境 Catalo Catalo g g CA DB2 Databas CA DB2製品 e 38
  • 39. CA PlanAnalyzer バッチレポート例① 1PPA REL. 2.3 --------- PLAN ANALYZER ENHANCED EXPLAIN ------------- PAGE 6 DATE 03/10/24 SQL STATEMENT DETAIL REPORTS TIME 02:31 SQL DESIGN RULE: 0016 ------------------------ SEVERITY CODE = 0 THE FOLLOWING ORDER BY CLAUSE: ORDER BY STMT_SECTNO •このSQLステートメントが頻繁に発行さ れる場合には、これらの列にクラスター化 REFERENCES THE FOLLOWING COLUMN(S) AND TABLE(S): 索引を付けるとよいでしょう。指定された テーブル(1つまたは複数)にクラスター 化索引を追加することを検討してください。 THESE COLUMNS ARE GOOD CANDIDATES FOR A CLUSTERING INDEX. THIS WOULD ALLOW DB2 TO AVOID SORTING TO SATISFY THIS QUERY. RECOMMENDATION: 0009 IF THIS IS A FREQUENTLY ISSUED SQL STATEMENT, THEN IT WOULD BE BENEFICIAL TO HAVE A CLUSTERING INDEX ON THESE COLUMNS. CONSIDER ADDING A CLUSTERING INDEX TO THE SPECIFIED TABLE(S). SQL DESIGN RULE: 0073 ------------------------ SEVERITY CODE = 0 •このSQLステートメントは、下記のテーブ THIS SQL STATEMENT ACCESSES THE FOLLOWING TABLE(S) AND INDEXES.ルと索引にアクセスします。このようなア THESE クセスは、索引内のすべての列をマッチン グ(突合わせ)していません。 ACCESSES ARE NOT MATCHING ALL COLUMNS IN THE INDEX(ES). "PTI.PTAN_STMT_0201" 39 INDEX - PTI.PIAN_STMT_2_0201 MATCHED 1 OF 9 COLUMNS
  • 40. CA PlanAnalyzer バッチレポート例② •索引付き列をすべて含む述語を使用し、こ のテーブルのデータに対して完全なマッチ ング(突合わせ)索引アクセスができるよ RECOMMENDATION: 0116 う、検討してください。 CONSIDER INCLUDING PREDICATES INVOLVING ALL OF THE INDEXED COLUMNS TO ALLOW FULL MATCHING INDEX ACCESS TO THIS TABLE'S DATA. SQL DESIGN RULE: 0078 ------------------------ SEVERITY CODE = 0 THIS SQL STATEMENT CONTAINS QUALIFIED TABLE NAMES. SOME OR ALL OF THE TABLE NAMES ARE QUALIFIED, HOWEVER ALL THE TABLE NAMES APPEAR FULLY QUALIFIED DUE TO ENHANCED EXPLAIN PROCESSING. PLEASE REFER TO THE ACTUAL SQL SOURCE TO DETERMINE WHICH TABLES HAVE QUALIFIED NAMES. RECOMMENDATION: 0121 IF POSSIBLE, CONSIDER REWRITING THE SQL ELIMINATING QUALIFIED TABLE NAMES. THIS WILL IMPROVE PORTABILITY OF THE SQL. SQL DESIGN RULE: 0089 ------------------------ SEVERITY CODE = 0 THIS SQL IS NOT UTILIZING PARALLEL I/O PROCESSING. PARALLEL I/O CAN SIGNIFICANTLY REDUCE RESPONSE TIME FOR SQL STATEMENTS. RECOMMENDATION: 0135 CONSIDER TAKING ADVANTAGE OF USING I/O PARALLELISM FOR THE SQL STATEMENT FOR BETTER PERFORMANCE. 40