Ketika pengguna atau aplikasi membuat permintaan ke database, itu menghabiskan sumber daya pada sistem itu. Saat jumlah permintaan meningkat, Anda mungkin mengalami menunggu sumber daya. Penantian ini menyebabkan kemacetan kinerja dan, dalam kasus database yang digunakan di cloud, biaya bulanan tambahan! Saat mendiagnosis kemacetan kinerja, langkah pertama adalah memahami sumber daya mana yang terpengaruh.
Mampu memetakan hambatan kinerja kembali ke tunggu sumber daya tertentu, kemudian ke kode tertentu, dan akhirnya ke beban kerja pengguna tertentu akan memungkinkan Anda untuk sampai ke akar penyebab dan menyelesaikan hambatan secara permanen.
Misalnya, Anda mungkin menemukan bahwa aplikasi berjalan lambat karena CPU digunakan secara berlebihan di server database karena Matt di departemen pembelian menjalankan laporan pengambilan stok di database pabrik.
Penganalisis Beban Kerja Spotlight Cloud adalah alat yang memungkinkan hal ini dengan navigasi yang mudah digunakan.
Cara Menggunakan Penganalisis Beban Kerja Spotlight Cloud
Untuk memulai, Anda dapat memilih kerangka waktu yang diinginkan. Spotlight Cloud menyimpan data satu tahun, sehingga Anda dapat kembali ke titik waktu atau rentang waktu mana pun dalam satu tahun terakhir.
Kemudian Anda memiliki opsi untuk memfilter berdasarkan sumber daya. Misalnya, jika Anda tahu masalahnya terkait CPU, Anda dapat memilih sumber daya CPU. Melakukannya akan menyaring informasi yang terkait dengan semua sumber daya lainnya, seperti I/O, kunci, dan memori, secara efektif menghilangkan white noise dan mempermudah untuk mendapatkan akar masalahnya.
Halaman Default Penganalisis Beban Kerja
Telusuri ke dalam dimensi basis data dan ia akan mengurutkan basis data teratas yang mengonsumsi sumber daya paling banyak dari tinggi ke rendah dan menaungi mereka secara bersamaan. Mekanisme penyortiran ini dipertahankan melalui setiap iterasi dari penelusuran.
Mengebor Dimensi Basis Data
Selanjutnya, Anda harus menelusuri basis data penjualan karena penting untuk mengetahui perilaku menunggu apa yang ada di dalam basis data yang paling banyak dikonsumsi secara khusus. Dalam contoh ini, tampak bahwa sebagian besar beban kerja diperhitungkan oleh CPU (45,7 persen) dan sumber daya I/O (30,2 persen), dan kecepatannya mendekati 0,48 detik/s dan 0,43 detik/s.
Menggali Dimensi Basis Data Penjualan
Secara paralel, memilih CPU akan menyaring sumber daya lain dan menghasilkan pembacaan khusus CPU yang disesuaikan. Kemampuan untuk mengisolasi beban kerja tertentu berguna karena secara visual menyaring metrik yang mengganggu, memungkinkan Anda untuk fokus hanya pada apa yang didahulukan. Selain itu, indikator kinerja dapat dibuat grafik di atas satu sama lain sehingga Anda dapat melihat korelasi secara visual.
Indikator Kinerja Utama Difilter untuk Statistik CPU Saja
Selanjutnya, telusuri ke dalam kumpulan T-SQL. Hal ini memungkinkan kita untuk mengetahui batch mana dalam database penjualan yang paling berat. 
Mengebor Batch T-SQL
Karena kumpulan ini sangat intensif CPU, penting untuk mengetahui kueri mana dalam kumpulan itu yang menjadi penyebab biaya tambahan. Menggunakan teks T-SQL dalam hubungannya dengan rencana eksekusi menunjukkan bahwa operator Sortir yang harus disalahkan. SQL Optimizer memperkirakan bahwa perkiraan biaya adalah 97 persen. Menambahkan indeks dapat membantu mengoptimalkan kinerja.
Pernyataan T-SQL
Rencana Eksekusi dan Analisis Biaya Operasi yang Dilakukan
Perhatikan bahwa pemilih sumber daya dapat dikonfigurasi untuk menyorot sumber daya setelah pemanfaatannya melanggar ambang batas yang telah ditentukan sebelumnya. Misalnya, Anda dapat mengatur pemilih untuk menyorot sumber daya I/O jika menunggu lebih dari 30 persen.
Menyesuaikan Konfigurasi Pemilih Sumber Daya untuk Sumber Daya I/O
Konfigurasi yang Diperbarui untuk Pemilih Sumber Daya I/O Diterapkan
