AWR(Automatic Workload Repository)是Oracle 10g新提供的收集数据库统计信息的工具。它主要包括AWR内存区，历史数据存储文件和ASH等部件。

AWR报告的主要内容包括以下几部分：

前言部分：这是AWR报告的第一段，用于描述环境包括数据库名，数据库版本，是否为RAC节点，快照报告的采集时间等。

综述部分：包含等待事件段，Load Profile段，实例效率统计段，Shared Pool统计段，Cache Size段，其中最重要的是等待事件段，它告诉我们在快照时间内数据库遇到哪些性能瓶颈，它们将是性能调整或问题诊断的主要候选对象。以下Top Time Event数据摘自我的数据库产生的AWR报告。

报告显示“db file scattered read”是这个快照时间内最重要的等待事件，这种等待是由于会话在等待一个“multiblock IO”的完成，通常这是由于在大表上执行全表扫描或索引快速扫描引起。接下来可以查看哪些SQL执行这些查询，查询操作集中在哪些表上，检查SQL PLAN看是否使用了索引。

SQL部分：无效的SQL语句是性能不好的主要原因，这部分对这段时间区间内的SQL按照执行时间，逻辑读，磁盘读等指标进行了分类和排序，和STATSPACK不同的是，从AWR报告中可以直接查到该SQL的文本和发送请求的客户端进程信息，极大的提高了SQL分析的效率。

实例活动统计部分：这部分是快照期间，对实例的各个内部模块的活动和各种资源使用情况的统计，主要包括CPU使用情况，SQL*Net消息，链接的行存取和PGA使用情况。

段统计部分：告诉哪些段(包括表和索引)在快照期间经历最高的磁盘读操作，这些信息可以帮助我们决定是否需要重建索引，或对段进行分区来减少发生在这些数据文件上的I/O。

AWR的一些常用操作主要包括：

修改快照的收集和保存时间，创建Baseline，导出并迁移AWR数据。下面介绍一下这些功能使用方法。

默认情况下，AWR每隔1小时自动收集一个系统负载快照，并且此快照默认保存一周。但Oracle 10g提供以下命令可以修改快照收集时间间隔和保存时间。

execute dbms_workload_repository.modify_snapshot_settings(interval => 120,
retention => 20160);

上述命令修改快照的收集间隔为2小时，保存时间为两周。

可以为AWR数据创建baseline，保存这些数据用于将来分析和比较。具体命令如下，

execute dbms_workload_repository.create_baseline (start_snap_id =>1, 
end_snap_id =>100, baseline_name => 'baseline name', dbid => yourdbid);

可以将AWR数据导出并迁移到其它数据库以便于以后分析。Oracle10g Release2提供两个新工具来完成导出和迁移。AWR数据的工作。

DBMS_SWRF_INTERNAL.AWR_EXTRACT用来导出数据，其使用方法如下：

Begin
DBMS_SWRF_INTERNAL.AWR_EXTRACT (
dmpfile   => 'awr_data.dmp',
dmpdir    => 'TMP_DIR',
bid       => 302,
eid       => 305);
end;

其中，dmpfile参数用于指定将要导出的AWR数据文件的名字，dmpdir是指定存放导出文件的目录路径，bid是起始快照编号，eid是结束快照编号。

DBMS_SWRF_INTERNAL用来迁移AWR数据文件到其他数据库。导入AWR数据的过程分为两个步骤，首先使用DBMS_SWRF_INTERNAL.AWR_LOAD方法把数据导入到一个临时模式中，本例是AWR_TEST(也可以自己定义名称)，具体方法如下：

begin
DBMS_SWRF_INTERNAL.AWR_LOAD (
SCHNAME => 'AWR_TEST',
dmpfile => 'awr_data',
dmpdir =>  'TMP_DIR');
end;

接下来把需要把AWR数据转移到SYS模式中，操作方法如下：

exec DBMS_SWRF_INTERNAL.MOVE_TO_AWR (SCHNAME => 'TEST');

这样AWR数据的导入工作已经完成，现在可以使用这种方法建立一个专门存放AWR数据的数据库，用于集中管理和分析多个数据库实例的性能统计数据。

【相关文章】

• Oracle简化Oracle 10g中用户管理

• 使用Oracle 10g MERGE语句更新数据行

• Oracle 10g中利用哈希函数提高查询速度