16.20 - 16.50 - Fórmulas de consultas sospechosas - Teradata Viewpoint - Teradata Workload Management

Teradata® Viewpoint Guía del usuario

Product
Teradata Viewpoint
Teradata Workload Management
Release Number
16.20
16.50
Release Date
Julio de 2021
Content Type
Guía del usuario
Publication ID
B035-2206-071K-ESN
Language
Español (España)

Fórmulas y configuración estándar

Las consultas se marcan como sospechosas en función de las fórmulas de consultas sospechosas que se enumeran a continuación. El valor de tolerancia controla cuántas consultas se marcan como sospechosas.

Cuando la tolerancia es cero, cualquier consulta que consuma 1 segundo de CPU de AMP o más y que supere los umbrales se marcará como sospechosa. Es normal que las consultas que consumen cantidades más pequeñas de recursos superen estos umbrales, sobre todo en sistemas grandes. El valor de tolerancia impide que estas consultas de menor consumo se marquen como sospechosas si no exceden demasiado el umbral en proporción a los recursos que consumen. Cuanto mayor sea el sistema Teradata, mayores serán los valores de tolerancia necesarios para asegurar que las consultas que funcionan normalmente no se identifiquen como sospechosas.

Métrica Fórmula Fórmula de consultas sospechosas Umbral estándar Tolerancia estándar
CPUSkew 100 * (1 - (AMPCpuTime/(MaxAMPCPUTime * NumOfActiveAMPs))) CPUSkew > 100 - ((100 - Threshold) * AMPCPUTime)/(Tolerance + AMPCPUTime) 40 10
IOSkew 100 * (1 - (TotalIOCount/(MaxAmpIO * NumOfActiveAMPs))) IOSkew > 100 - ((100 - Threshold) * TotalIOCount)/(Tolerance * 20,000 + TotalIOCount) 40 10
PJI (AMPCPUTime * 1000)/TotalIOCount PJI > (10 * Tolerance)/(AMPCPUTime - Tolerance + 1) + Threshold) AND AMPCpuTime >= Tolerance 3 10
UII TotalIOCount/(AMPCPUTime * 1000) UII > (200,000 * Tolerance)/(TotalIOCount - (Tolerance * 1000) + 1) + Threshold) AND TotalIOCount >= Tolerance * 1000 20 10

Métodos para obtener un valor de tolerancia óptima

Existen dos métodos diferentes para obtener el valor de tolerancia óptima.

Según el primer enfoque, se puede utilizar una herramienta de visualización para dispersar consultas de línea gráfica por desvío de CPU o PJI versus AMPCPUTime, o por desvío de E/S o UII versus TotalIOCount para los datos DBQL recopilados en un día. Después se representa la fórmula de consultas sospechosas en la parte superior del gráfico de dispersión. Las consultas que aparecen por encima de la línea de consultas sospechosas se marcan como sospechosas. Ajuste la tolerancia en la fórmula de consultas sospechosas para colocar la línea de modo que los valores atípicos visuales estén por encima de la línea y la mayoría de las consultas estén por debajo.

Según el segundo enfoque, se puede ejecutar una consulta SQL que cuente el número de filas que exceden el valor de las fórmulas de consultas sospechosas para los datos DBQL recopilados en un día y ajustar los valores de tolerancia para devolver un número de consultas procesables.