प्रभावी विश्लेषणाची गुरुकिल्ली: जलद-परत घेणारे प्रश्न

टेकवे: डॉ. रॉबिन ब्लॉर, डेझ ब्लांचफिल्ड आणि आयडीएआरए बुलेट मॅनाले यांच्यासमवेत होस्ट एरिक कवानाग प्रश्नांवर आणि त्यांच्या कार्यक्षमतेवर दूरगामी प्रभाव कसा ठेवू शकतो याबद्दल चर्चा करतात.

आपण सध्या लॉग इन केलेले नाही. कृपया व्हिडिओ पाहण्यासाठी लॉग-इन किंवा साइन-अप करा.

एरिक कवानाग: महिलांनो, नमस्कार आणि पुन्हा एकदा आपले स्वागत आहे. तो बुधवारी चार वाजता पूर्व वेळ आहे, आणि हे दिवस, याचा अर्थ असा आहे की हॉट टेक्नॉलॉजीजचा वेळ! हो नक्कीच. आज छान गोष्टींबद्दल बोलत होतो. अर्थात मी तुमचा यजमान एरिक कवानाग आहे. आजच्या कार्यक्रमाचे शीर्षक आहे “प्रभावी विश्लेषणाची गुरुकिल्ली: वेगवान-परत मिळणारी क्वेरी.” खरे तर, लोकांनो, आपल्या सर्वांना वेगवान इच्छा आहे. कोण जलद इच्छित नाही? आपल्याबद्दल खरोखर एक स्लाइड आहे आणि माझ्याबद्दल पुरेसे आहे. @Eric_kavanagh वर मला मारा. तेथे आपल्याशी संपर्क साधण्यात आणि सोशल मीडियामध्ये संभाषण करण्यात मला आनंद होईल. हे मजेदार असू शकते, फक्त चर्चा राजकारण करू नका.

वर्षभर उबदार यावर्षी वेगवेगळ्या विश्लेषणाच्या मुद्द्यांविषयी बोलत होतो आणि आजचा एक विषय खरोखर कार्य करण्यासाठी खरोखरच मध्यवर्ती आहे. मला आठवतंय की कदाचित पाच किंवा सहा वर्षांपूर्वी मी एखाद्याला “तुमच्या डेटाशी संभाषण करा” हा शब्दप्रयोग प्रथमच ऐकला होता आणि तो थोडासा आनंददायक वाटला तरी मुद्दा असा आहे की, आपल्याकडे पुनरावृत्तीचा अनुभव नसल्यास आपला डेटा, आपण आपल्या क्वेरी, नवीन क्वेरींमध्ये त्वरीत सुधारणा करू शकत नसल्यास उत्तरे द्रुतपणे परत मिळवू शकत नसाल तर आपण आपल्या डेटाशी संभाषण करीत नाही आणि संपूर्ण विश्लेषणात्मक प्रक्रिया कापली गेली आहे. हे चांगले नाही.

जेव्हा आपल्याकडे आपल्या डेटाशी संभाषण असेल तेव्हा याचा अर्थ असा आहे की आपण मागे व पुढे जाण्यास सक्षम आहात आणि माझ्या मते, जेव्हा आपल्याला अंतर्दृष्टी मिळेल तेव्हाच. कारण अगदी पहिल्यांदाच तुम्ही अगदी परिपूर्ण क्वेरी घेऊन येऊ शकता. जोपर्यंत आपण विश्लेषकांचा मोझार्ट नाही - आणि मला खात्री आहे की ती व्यक्ती तिथे आहे - आपण शोधत आहात त्यास थोडासा बदल करायचा आहे, काही आयाम जोडणे आवश्यक आहे.

कारण, पुन्हा, हे विश्लेषणांच्या जगात काम करणारे अत्यंत जबरदस्त सोयीचे वातावरण नाही; अत्यंत अवास्तव वातावरण आणि अतिशय गुंतागुंतीचे आणि बहुआयामी वातावरणात काम करत होते. आणि म्हणूनच आज वेबकास्टची संपूर्ण कल्पना आपल्या डेटासह त्या प्रकारचे पुनरुत्पादक संवाद कसे सक्षम करावे याबद्दल बोलणे आहे.

आमच्याकडे तीन प्रेझेंटर्स आहेत. अर्थात, हॉट टेक्नॉलॉजीजमध्ये, ब्रीफिंग रूमला विरोध म्हणून, आमच्याकडे दोन विश्लेषक आहेत; त्या प्रत्येकाने आपला पहिला घेतो, मग पाहुणे आत येईल, त्यांचे सादरीकरण देतील आणि आमच्याकडे एक गोलमेज आहे. आणि आपण, आमचे प्रेक्षक, यात एक मोठी भूमिका बजावू शकता. कृपया लाजाळू नका; आपले प्रश्न केव्हाही. शक्य असल्यास प्रश्नोत्तर पॅनेल वापरा, अन्यथा चॅट पॅनेल ठीक आहे; मी शो दरम्यान दोघांवर नजर ठेवण्याचा प्रयत्न करतो. आणि आम्ही ती नोंदवितो, म्हणून आपण काही गमावल्यास किंवा ते आपल्या सहकार्यांसह सामायिक करू इच्छित असल्यास, नंतर परत या. आम्ही त्यांना टेकोपिडिया.कॉम आणि इनसाइडॅनालिसिस डॉट कॉमवर पोस्ट करतो.

आणि त्यासह मी स्मार्ट लोक घेऊन जात आहे. मी हे डॉ. रॉबिन ब्लॉरकडे देणार आहे. मी त्याला कळा देऊ, प्रस्तुतकर्ता बदलू आणि आपण तेथे जा. रॉबिन, घेऊन जा.

रॉबिन ब्लॉर: ठीक आहे. त्या परिचय दिल्याबद्दल धन्यवाद सुमारे दीड महिना पूर्वी, मी प्रत्यक्षात डीबीए असलेल्या विकसकासह गप्पा मारल्या. तो खरोखर डीबीए नाही - तो एका विशिष्ट कंपनीत डीबीए होता, आणि तो एकमेव व्यक्ती होता ज्याने क्वेरी प्रत्यक्षात करण्यास भाग पाडले. परंतु तो असे करण्याने तो आजारी पडला, कारण खरोखरच तो खरोखर बर्‍यापैकी स्मार्ट डेव्हलपर आहे. म्हणून तो निघून गेला.

आणि तरीही त्यांच्यासाठी दरमहा दोन दिवस करावे लागेल कारण त्यांना त्याची जागा घेण्यास कोणालाही सापडले नाही आणि डेटाबेस काय करतो किंवा त्यास कसा ट्यून करायचा याचा सुगावा त्यांना मिळाला नाही. आणि मी त्याबद्दल एक प्रकारचा विचार करीत होतो, आणि फक्त तुम्हाला माहिती आहे, त्यांच्याकडे खरोखरच आयटी विभाग नव्हता, परंतु हा मुलगा त्यांचे समर्थन करत होता. वास्तविक, बहुतेक वेळा तो डीबीएचे काम करीत असे.

परिष्कृत डेटाबेससाठी - ओरॅकल, एसक्यूएल सर्व्हर, डीबी 2, त्या सर्व मोठ्या, महागड्या - डेटाबेस ट्यूनिंगसाठी एक कठीण काम आहे. ही एक सुरक्षित नोकरी देखील आहे. आणि खरोखर कारण सांगण्याचे कारण म्हणजे ते बदलते लँडस्केप. आजारपण या माध्यमातून जा. आपल्याला माहिती आहे, रिलेशनल डेटाबेस - सहसा मोठे चित्र असते, रिलेशनल डेटाबेस अजूनही लोकप्रियतेत वर्चस्व राखतात. त्यांचा आगामी काळात बर्‍यापैकी वर्चस्व राहील. होय, आता असे बरेच डेटाबेस आहेत जे अधिक एअरटाइम मिळवतात, परंतु, तुम्हाला माहिती आहे, जेव्हा आपण तिथे काय चालले आहे हे पहात असता तेव्हा, ओरॅकल्स बहुतेक करीत असतात, मायक्रोसॉफ्ट एसक्यूएल सर्व्हर दुसर्‍या क्रमांकावर असतो आणि मेघमध्ये बर्‍याच गोष्टी घडत असतात. जरी, एक आव्हान होऊ शकते. गेममधील मोठे दिग्गज ते आहेत. आणि ते डेटाबेस आहेत जे आपण ओएलटीपी आणि प्रत्यक्षात डेटा वेअरहाऊस वर्कलोडसाठी दोन्ही वापरू शकता. विकल्प सामान्यत: विश्लेषक वातावरणामध्ये वापरले जातात आणि नंतर साधारणपणे डेटाद्वारे निर्धारित केले जाते की लग्नाला रिलेशनशिप ऐवजी ते का निवडले जाते. बहुतेक लोक नाही.

एका डेटाबेसवर कंपन्यांचे प्रमाणिकरण होते. मी नुकतीच एका कंपनीला भेट दिली ज्यात ओरॅकलच्या 5,000 पेक्षा जास्त घटना आहेत. आणि मी ज्या कंपनीशी बोलत होतो त्या प्रकारची मी प्रकारची डीबीएबद्दल त्यांना विचारली. ते म्हणाले की त्यांच्याकडे सुमारे 10 डीबीए आहेत आणि सुमारे 30 डेटाबेस देखरेखीखाली आहेत. आणि बाकीचे, ओरॅकल फक्त मोठ्या प्रमाणात अंतिम प्रणाली म्हणून वापरले जात होते. अनुप्रयोग वापरणार्‍या डेटावरील डेटावर फारच कमी ताण होता. परंतु त्या प्रकाराने मला चकित केले - ओरॅकलची 5,000 उदाहरणे.

आणि, तसे, त्यांच्याकडे ओरेकल इस्टेट परवाना होता. बरं, तुम्हाला माहिती आहे, कॉर्पोरेट परवाना, अर्थातच. परंतु त्यांच्याकडे इतर डेटाबेस देखील होते कारण काहीवेळा, अनुप्रयोगांना पसंतीचा डेटाबेस येतो. हे ओरेकल ही एकमेव गोष्ट होती असे नाही. आणि हेही लक्षात घेण्यासारखे आहे की हॅडोप किंवा स्पार्क दोघेही प्रत्यक्षात डेटाबेस नाहीत आणि डेटाबेस नियम म्हणून मी काय विचार करतो ते घेण्यापूर्वी त्यांना बराच काळ लागतो. नक्कीच डेटा लिंक्ससाठी चांगले.

डीबीए क्रियाकलापांसह - कदाचित बुलेट माझ्यापेक्षा या गोष्टीबद्दल भयंकर गोष्टी सांगू शकेल - परंतु आजारपण त्याद्वारे चालते. डीबीए काय करते, याविषयी मी विचार करू इच्छितो. ते परवाना व्यवस्थापन स्थापित करतात, कॉन्फिगर करतात, अपग्रेड करतात. ते ईटीएल आणि प्रतिकृतीची कामे एक ना कोणत्या प्रकारे करतात. ते स्टोरेज आणि क्षमता नियोजन करतात. ते समस्यानिवारण करतात किंवा समस्यानिवारण कार्यसंघाचा भाग आहेत. परफॉरमन्स मॉनिटरिंग आणि ट्यूनिंग ही त्यांच्या क्रियाकलापांपैकी बर्‍याच प्रमाणात आहे, परंतु या सर्व गोष्टी, ती लहान नाही, आपल्याला माहिती आहे. सुरक्षा, ते बॅकअप आणि पुनर्प्राप्तीसाठी जबाबदार आहेत. त्यांना सॉफ्टवेअर चाचणी प्रणालींमध्ये सामील असले पाहिजे आणि ते डेटा लाइफ सायकलमध्ये सामील होऊ शकतात.

कामगिरी. जेव्हा मी या मुलांपैकी एक होतो. जेव्हा मी चालत होतो आणि डेटाबेस ट्यून करीत होतो तेव्हा हे मला हे कसे समजले ते तुम्हाला माहिती आहे? आमच्या सीपीयूचा एक मार्ग आहे आणि आमच्या काळात सीपीयू सामान्यतः निष्क्रिय आहे, कारण तो इतर दोनपैकी एक असेल किंवा चांगले, इतर अडथळ्यांपैकी एक खरोखर समस्या निर्माण करेल. मेमरी, थ्रेशिंग आणि फ्रॅग्मेंटेशन, किंवा डिस्क, किंवा डिस्क I / O संपृक्तता, कधीकधी नेटवर्क ओव्हरहेड, जर आपण नेटवर्कच्या एकाधिक नोडमध्ये चालत असाल आणि आपण कदाचित काही लॉकिंगमध्ये धावणे शक्य असेल तर.

मी पाहिले म्हणून ते जग होते. ओरॅकल आणि ओरेकल मधील ट्युनिंग पॅरामीटर्सची संख्या नुकतीच मी पाहिली. हे 300 च्या वर होते. आपल्याला माहित आहे आणि आपण त्याबद्दल खरोखर विचार केल्यास डीबीएला खरोखर माहित आहे की काय करणे हे नक्की माहित आहे की आपण त्यापैकी कोणाशीही गडबड का होऊ शकता. तर हे एक गुंतागुंतीचे काम आहे, हे आपल्याला माहिती आहे आणि यामुळे हे अधिक क्लिष्ट आहे.

तुम्हाला माहिती आहे, आत्ताच आपल्याकडे सीपीयू आहेत, पण तुम्हाला मिळाले आहे ... सीपीयू आधीच अस्तित्त्वात आहेत, सीपीयूवरील जीपीयू किंवा सीपीयूवरील एफपीजीए सह. तर सीपीयू वर प्रत्यक्षात काय घडते याबद्दल एक प्रकारची क्रॉस ब्रीडिंग चालू आहे. सीपीयू बरेच दिवसांपूर्वी मल्टीकोर बनले; प्रत्यक्षात जेव्हा ते घडले तेव्हा मी यापुढे डेटाबेस ट्यून करत नव्हतो. खरं काय फरक पडेल याची मला कल्पना नाही, आता मला याबद्दल विचार करायचा आहे.

आपल्या लक्षात आले, 3 डी एक्सपॉईंट आणि आयबीएम पीसीएम मेमरीचा एक अतिरिक्त थर म्हणून येत आहेत, आणि आपल्याला एसएसडी मिळाला आहे, परंतु आपल्याला माहिती आहे, ते कताईच्या जंगची जागा घेत आहेत. परंतु एसएसडी वेगात बदलू शकतात. बर्‍याच जणांसह, आपल्याकडे समांतर प्रवेश असू शकतो आणि यामुळे ते अविश्वसनीयपणे वेगवान - रिम गतीच्या जवळ जाऊ शकतात. आणि आपल्‍याला सर्व समांतर हार्डवेअर आर्किटेक्चर्स मिळाली आहेत.

आणि हे सर्व आहे, आपल्याला माहिती आहे, खर्च कमी होत आहेत, ही खरोखर चांगली गोष्ट आहे, परंतु हे सर्व घडवित आहे - आपल्याला माहिती आहे, जर आपण डेटाबेसची पुढील रीलीझ घेतली तर आपण मशीनवर अंमलात आणण्यास सुरूवात केली, अगदी काही हे, आपण आकडेवारीच्या वागणुकीच्या मार्गाने प्राप्त झालेली अंतःप्रेरणा गमावली आहे, कारण विलंब फक्त खूपच भिन्न आहेत. आणि येथे, आपल्याला माहिती आहे की आपल्याकडे तीन स्तरांऐवजी चार थर आहेत.

डेटाबेस समस्या. आपल्याला डेटाबेस एन्ट्रोपी मिळेल - प्रसारित घटना खूप सामान्य आहेत. डेटाबेस कपाट म्हणून वापरली जात होती, जी मी प्रत्यक्षात दिली ती उदाहरण आहे. खूप कमी डेटाबेस सेल्फ-ट्यूनिंग आहेत आणि जे स्वत: ची ट्यूनिंग असल्याचा दावा करतात ते खरोखर तितके चांगले नाहीत, आपल्याला माहिती आहे. परंतु दुसरी गोष्ट अशी आहे की फारच कमी डेटाबेस योग्य प्रकारे ट्यून केलेले आहेत. कामाचे ओझे संतुलित करण्यास सक्षम असणे हे एक कठीण काम आहे. म्हणजे, जेव्हा आपण डेटाबेसबद्दल विचार करता, 24 तासांच्या कालावधीत डेटाबेस काय करीत असेल, तेव्हा कामाचे भार खूप भिन्न असू शकतात. डेटाबेसमध्ये विशेषतः वास्तविक डेटा वेअरहाउस असणे आवश्यक आहे.

आणि म्हणूनच, ट्यूनिंग ही एक क्षुल्लक बाब नाही, तुम्हाला माहिती आहे कारण तुम्ही जे करत आहात ते एका विशिष्ट बिंदूतून संपूर्ण कामांच्या रकमेची पूर्तता करणार्‍या पॅरामीटर्सला ट्यूनिंग करीत आहे. मुळात हे एक कठीण काम आहे. आणि एसक्यूएल विशेषत: एसक्यूएल जॉइनसाठी ट्यून करणे आवश्यक आहे. ते अत्यंत असू शकतात, आपल्याला माहिती आहे संसाधन वापर. आणि जर डेटाबेसमध्ये दृश्ये वास्तविक झाली असतील तर, प्रामाणिकपणे सांगायचे असल्यास, आपण त्या वापरण्याबद्दल चौकशी केली पाहिजे कारण ते सर्वकाही आश्चर्यकारकपणे वेगवान बनवतील. आणि यासाठी अशी अशी एखादी व्यक्ती आवश्यक आहे जी वर्कलोड्स समजेल आणि एस क्यू एल रहदारी वगैरे समजेल.

आणि बर्‍याच कंपन्या खूप कमी डीबीए वापरतात - खूप महाग. माझ्यासारख्या बर्‍याच मोठ्या कंपन्या, जसे तीन लोक, तुम्हाला माहिती आहे अशा बर्‍याच मोठ्या कंपन्या मला ज्ञात आहेत. खरोखर, त्यांच्यासाठी खूप खर्च आला, जटिलतेच्या बाबतीत हे एक कठीण काम आहे. त्यांना साधनांची आवश्यकता आहे.

आणि मला असे वाटते की सर्व म्हणायचे आहे. अरे, हो देझला हात दे, देझ काय म्हणायचे आहे ते पहा.

डेझ ब्लांचफिल्ड: धन्यवाद, रॉबिन. हा एक भव्य विषय आहे. दिवसेंदिवस येणा challenges्या आव्हानांना प्रभावीपणे तोंड देत असलेल्या माझ्या वाटणार्‍या गोष्टी मी पाळत आहे. कारण त्यास सामोरे जाऊ देते, या विषयावर पुस्तकांचे संपूर्ण ग्रंथालय आहे. कोण तांत्रिक पुस्तकांच्या दुकानात गेले नाही आणि डेटाबेस कामगिरी आणि डेटाबेस ट्यूनिंग आणि देखरेखीच्या सामान्य विषयावर पुस्तकांच्या भिंती आणि भिंती लिहिल्या. आणि कधीकधी वेळ मारण्याचा हा एक चांगला मार्ग आहे.

सामान्य विषय: कार्यप्रदर्शन क्वेरी मिळविणे. संघटनेचे असे बरेच भाग आहेत जे या विषयाला घाम घालत आहेत - आपल्या अंतिम वापरकर्त्याच्या स्तरावर, माझ्या अनुभवात, आपल्याला माहिती आहे, लोक फक्त कामगिरीचा अनुभव घेतात, गोष्टी मंद असतात. क्वेरी परत येण्यासाठी स्पिनिंग व्हील्सना थोडा वेळ लागतो. स्पेक्ट्रमच्या अगदी शेवटी, आपल्याला पायाभूत सुविधा आणि नेटवर्क आणि स्टोरेज अभियांत्रिकीचे लोक मिळाले ज्यांना डेटाबेस तज्ञांकडून मारहाण केली जात आहे कारण त्यांच्या अपेक्षेप्रमाणे गोष्टी चालत नाहीत. आणि हा एक अतिशय विस्तृत स्पेक्ट्रम आहे, माझ्या अनुभवामध्ये ज्या गोष्टी त्या स्पेक्ट्रममध्ये आपल्या आयुष्यावर परिणाम करू शकतात.

जर आपण वरच्या दिशेने विचार करत असाल तर आपल्याला फक्त संगणक स्थान माहित आहे. यास मेमरी मिळाली, आपल्याला माहित आहे, रॅम, आपल्याला आवडत असल्यास - डिस्क स्पेस, नेटवर्क आणि त्या सभोवतालच्या सर्व बिट्स. या जागेवर, आपल्याला माहित आहे, हे आपल्याला माहित आहे, हा विचार साठवतो की, कच्चा डिस्क किंवा जेबीओडी वापरणे अधिक चांगले आणि फक्त, तुम्हाला माहिती आहे, शक्य तितक्या डिस्कवर जा आणि डेटाबेस क्रमवारी लावा. डेटा संरक्षण स्तर बाहेर. इतर लोक RAID चे स्वस्त चाहते आहेत, स्वस्त डिस्कचा अनावश्यक अ‍ॅरे आणि हार्ड डिस्क अयशस्वी झाल्यास RAID 0, 1, 3, कधीकधी 5 आणि 6 वेगवेगळ्या प्रकारचे डिस्कवरील प्रतिकृती किंवा भिन्न भिन्न धार्मिक अनुभव आहेत. जरी स्टोरेज पातळीवर आणि अभियांत्रिकी पातळीवर, तरीही, आमच्याकडे स्टोरेजच्या प्रकारांवर, कामगिरीबद्दल भिन्न मत आणि अनुभव असणारे लोक मिळाले.

त्याच्या थेट-संलग्न डिस्क आणि सर्व्हर स्वत: किंवा फायबर चॅनेलद्वारे काही फॉर्मच्या स्टोरेज एरिया नेटवर्कसह कनेक्ट केलेले असो, त्याचे स्टोरेज सर्व्हरवरून कुठेतरी आयएससीएसआय मार्गे माउंट केले गेले आहे किंवा ते इथरनेट आहे, उदाहरणार्थ. आणि डेटाबेस लेयरवर पोहोचण्याआधीच हे घडेल, जिथे आपल्याला माहिती आहे की आम्ही घेत असलेल्या प्रकारच्या विविध गोष्टी आपल्याला मान्य आहेत - एरिकने सांगितल्याप्रमाणे, आपल्याला हेच माहित आहे की आम्ही आपल्या डेटासह संभाषण काय म्हणतो . आम्हाला असे वाटते की आम्ही नमुने आणि अर्थपूर्ण नमुने ओळखण्यास सक्षम आहोत जे आम्हाला वाटते की आपण त्यात बुडविणे सुरू करू आणि कार्यप्रदर्शनाचे प्रश्न शोधू.

आणि हा एक अतिशय विस्तृत विषय आहे, म्हणून मी दोन क्षेत्रात डुंबणार आहे जिथे माझ्या अनुभवात, वेळ आणि शक्ती आणि गुंतवणूकीने काही चांगले उत्पन्न मिळते. तर मी लवकरच यापैकी पहिल्याकडे जाऊ. आणि मी फक्त अर्धवट विनोदबुद्धीने असे काहीतरी शोधत गेलो ज्याच्या आतल्या बाजूला सांगाडा असेल आणि बाहेरील त्वचेवर, परंतु लेगो ब्लॉक कदाचित सर्वात भयानक होता. परंतु बर्‍याच प्रकारे हे असे आहे की मी कधीकधी विश्लेषित प्लॅटफॉर्म आणि डेटाबेसद्वारे समर्थित असलेल्या आव्हानाची मी कल्पना करतो आणि मानसिकदृष्ट्या असे चित्रित करतो. आणि तेच, आपण खरोखरच ग्राहक आणि शेवटचा वापरकर्ता किंवा अगदी विकसक म्हणून अनेकदा त्वचेचा वरचा भाग पाहता, परंतु प्रत्यक्षात तो सांगाडा आहे - ज्यावर आपण लक्ष केंद्रित करणे आवश्यक आहे तो खरोखर हा मुद्दा आहे.

या प्रकरणात जेव्हा आम्ही त्या विशिष्ट दिवसामुळे डेटाबेसच्या कामगिरीवर आणि विश्लेषणावर परिणाम घडवू शकणार्‍या गोष्टींविषयी विचार करतो तेव्हा कार्यप्रदर्शन हिट होतो, मूलभूत सुविधा आणि त्या मूलभूत सुविधांचे निरीक्षण करणे आणि काही क्षणापूर्वी मी जवळजवळ वर्णन केल्याप्रमाणे आपली डिस्क आणि मेमरी आणि सीपीयू. आणि डॉ. रॉबिन ब्लॉर यांनी हायलाइट केल्याप्रमाणे, आभासीकरणामध्ये आता आव्हाने आहेत आणि स्वत: चीपमध्ये घडत असलेल्या गोष्टी आणि मुख्य पातळीपर्यंत कामगिरी आणि स्मृती आता प्रत्येक कोरच्या प्रत्येक चिपमध्ये ठेवली जात आहे. दररोजच्या माणसासाठी शोधणे ही खूप तांत्रिक आव्हाने आहेत.

क्वेरी मॉनिटरीच्या शीर्षस्थानी ठेवणे. आपल्याला माहित आहे की मॉनिटरींग क्वेरी आणि क्वेरी रांगांमधील एक आव्हान उदाहरणार्थ आहे - म्हणजे, एसक्यूएल एक भाषा म्हणून आणि डेटाबेस साधने जी विश्लेषणे साधनांच्या आसपास येतात, खूप शक्तिशाली आहेत आणि विशेषतः एसक्यूएल एक भाषा म्हणून. परंतु त्या सामर्थ्यासह आणि साधेपणा देखील बर्‍याच प्रकरणांमध्ये आढळून येतो आणि ते म्हणजे, जर तो एखादा अ‍ॅप्लिकेशन एका चांगल्या विकसकाद्वारे लिहिला गेलेला आणि चांगल्या डीबीएने शोधून काढलेला न करता काम करत असेल तर ते लोक असू शकतात अनस्ट्रक्टेड क्वेरी करत आहोत.

आणि त्यातली समस्या ही आहे की एसक्यूएलचा थोडासा अभ्यास करणे आणि क्वेरी करणे प्रारंभ करणे हे अगदी सोपे आहे, परंतु याचा परिणाम म्हणून, आपण एखादे चांगले किंवा वाईट कार्य करत आहात की नाही हे जाणून घेण्यासाठी आपल्याकडे सर्व कौशल्य आणि अनुभव आणि ज्ञान असणे आवश्यक नाही. डेटाबेस करण्यासाठी. तर सतत तेच मोठे, व्यापक, चुकीचे चालणे इमारत खाली आणू शकते. क्वेरी मॉनिटरिंगच्या शीर्षस्थानी ठेवणे एक मनोरंजक आव्हान आहे.

प्लॅटफॉर्म काय करीत आहे आणि वापरकर्त्यांकडून काय प्राप्त होत आहे म्हणून फक्त प्रतिसादांच्या वेळावर लक्ष ठेवणे. पुन्हा, तुम्हाला माहिती आहे, योग्य साधनांशिवाय ही गोष्ट अशी नाही की आपण फक्त अंतर्ज्ञानाने त्या गोष्टीकडे पहा आणि विचार करा, “अरे, ते नेटवर्क हळू चालविते,” किंवा “यूजर मेमरी चांगली कामगिरी करत नाही,” किंवा “निर्देशांक खराब कामगिरी करत आहेत. ”किंवा“ फुलत आहेत. ”

आणि मग तुम्हाला माहिती आहे की तुम्ही या ठिकाणी एखादी समस्या पाहिल्यानंतर तुम्हाला त्या ठिकाणी कसे पोहचता येईल, तुम्ही त्यास कसे वेगळे करू शकता आणि त्यास उकलून कसे उभे करू शकता आणि खराब रचना केलेल्या प्रश्नांचे संपूर्ण आव्हान कसे सोडवाल? आणि आपल्याला माहिती आहे की ही एक हक्क क्वेरी आहे जी कुणीतरी हातांनी चालत आहे, किंवा हे डॅशबोर्ड फ्रंट-एंडचे विश्लेषणात्मक साधन आहे जे वाईट प्रश्न करत आहेत कारण ते चुकीचे प्रश्न विचारत आहेत किंवा हे खरोखर खरोखर वाईट आहे कोडचा लेखी तुकडा?

आणि नंतर त्या पुनरावृत्तीचे करत एरिक सुरुवातीला सेट-अपमध्ये म्हणाला, तुम्हाला माहित आहे, फक्त पुनरावृत्तीच्या पलीकडे जात आहे आणि त्या कार्यप्रवाहांना बारीक-ट्यून करत आहेत. आपणास माहित आहे की मी काय वर्कफ्लो चालू आहे, ते कसे चालवित आहेत, किती वेळा ते धावतात, त्यांच्या विरूद्ध कोणते कोड चालतात, सीपीयू आणि मेमरी आणि डिस्क आणि नेटवर्कमध्ये ते त्याविरूद्ध कुठे चालतात? होय, खरोखरच खरोखर तांत्रिक आव्हान आहे.

आणि लोक या जगात शोधत असलेले निर्वाण, ऐतिहासिक विश्लेषणे आणि कार्यप्रदर्शन ट्यूनिंगपासून बदलत असताना आणि आपल्या वातावरणाविरूद्ध सतर्क करीत असताना, जे पाहणे छान आहे कारण आपल्याला भविष्यात योजना का मिळू शकते हे आपल्याला माहित असल्यास गोष्टी कशा संथ झाल्या आहेत. काल सकाळी नऊ वाजता. परंतु हे आत्ता आपल्याला मदत करत नाही आणि आपल्या योजनेस पुढे जाण्यास मदत करत नाही.

मला वाटते की क्षमता नियोजन, आकार आणि स्केलिंग आणि ट्यूनिंग, जेणेकरून मला माहित आहे की आता एक ट्रेंड पाहिला जात आहे, जिथे लोक मोठ्या डेटाबेस प्लॅटफॉर्मवर आले आहेत आणि ऐतिहासिक सतर्कतेपासून जाण्यासाठी डेटाबेस वातावरणात व्यापकपणे पसरले आहेत. भविष्यवाणी करण्याच्या इशारे देण्याची आणि योजना आखण्याचे नियोजन, जेथे त्यांना सध्या काय घडत आहे हे जाणून घ्यायचे आहे आणि ते पुढे जाण्यासाठी प्लॅन करण्यास सक्षम असतील. किंवा आम्ही मेमरी संपत आहोत आणि पुढच्या तासात आपण मेमरी संपणार आहोत आणि त्याबद्दल आपण काय करू शकतो? वास्तविक क्षमतेमध्ये आपण कोणती क्षमता नियोजन करू शकतो?

मला माफ करा. आपल्यास हे माहित आहे की या अडथळ्यांना शोधण्याचे संपूर्ण आव्हान मूलत: ज्याला आपण फ्लुईड ticsनालिटिक्स म्हणून संदर्भित करतो त्या मार्गाने मिळतो आणि आपल्या संस्थेतील सर्वसामान्य प्रमाण बनवते. जसे आपण पाहू शकता, हे एक क्षुल्लक आव्हान आहे, आपल्याला माहिती आहे, फक्त दररोजची महान, न धुणारी जनता. आणि अद्याप अधिक तांत्रिक जाणकारांसाठी हे एक क्षुल्लक आव्हान आहे.

आपणास माहित आहे की जर केवळ मनुष्यांसाठी हे कठीण असेल तर आपण हे कशा प्रकारे शक्य करू शकतो? कारण, आपणास माहित आहे की यापैकी बर्‍याच गोष्टी अशा गोष्टी आहेत ज्या नियमित वापरकर्ते निराकरण करू शकत नाहीत आणि आमच्याकडे कदाचित काही विशेष डेटाबेस अभियंता, डेटाबेस विकसक, कोड विकसक, प्रोग्रामर असू शकतात परंतु तरीही त्या वातावरणातील बंधनमुक्त करण्यास खरोखर सक्षम झाले आहेत. लोक कोडचा पुनर्वापर करतात यासारखे मुद्दे त्यांना बाजूला सारले.

तुम्हाला माहिती आहे, डेटाबेस सर्व्हर इन्फ्रास्ट्रक्चरच्या मोठ्या तैनातीत विश्लेषक प्लॅटफॉर्ममध्ये कामगिरीच्या आसपास हिट पाहिल्या गेलेल्या सर्वात वाईट गोष्टींपैकी एक म्हणजे कोडचा एक तुकडा, एसक्यूएलचा एक भाग किंवा त्यांनी लिहिलेली चोरीची प्रक्रिया नसलेले लोक आणि हा कोडचा चांगला किंवा वाईट भाग आहे की नाही हे त्यांना माहिती नाही आणि ते फक्त त्याचा पुनर्वापर करतात कारण यामुळे त्यांना त्यांना पाहिजे तो निकाल दिला जातो. परंतु हे निष्पन्न झाले की एखाद्या अहवालासारख्या, एक किंवा दोन परिणाम मिळविण्यासाठी फ्लायवर असे काहीतरी लिहिले गेले असावे - एखाद्याला घाई होती.

आणि म्हणूनच लोक जटिल कोड वापरत आहेत जे त्यांनी लिहीत नाही आणि ते फक्त अनुप्रयोगाच्या एका भागावर थोपवतात, हे त्यांना ठाऊक नसते की ते खरोखर शेवटच्या शिक्षेची शिक्षा देत आहेत. जरी फक्त त्या कामगिरीवर लक्ष ठेवणे आणि क्वेरी कुठून येत आहेत आणि ड्रिलिंग करणे हे पहात आहे, हे आपल्याला माहितच आहे, मी रोजचे आव्हान पाहतो.

कार्यक्षमतेसाठी प्री-स्टेजिंग डेटासारख्या मूलभूत वर्तणुकीत्मक गोष्टी जिथे शक्य असेल. ज्या गोष्टी तुम्हाला फक्त शिकवतात अशा गोष्टी जसे की तुम्ही बल्क आयात करत असाल तर अनुक्रमणिका हटवा आणि मग पुन्हा-अनुक्रमणिका म्हणून जेव्हा डेटा टेराबाइट्स काढता तेव्हा अनुक्रमणिका राखता येत नाहीत. आपणास माहित आहे की, योग्य साधनांशिवाय हे पाहणे जवळजवळ अशक्य आहे कारण आपल्याला माहित नाही की निर्देशांक चुकला आहे.

अनुक्रमे नियमितपणे ऑप्टिमायझेशन करणे 101 चे प्रकार आहे, परंतु आपल्याला काय माहित आहे, जेव्हा आपण मोठ्या प्रमाणात आयात करता किंवा आपल्याला माहित असते की एखाद्याने खरोखर मोठी चौकशी केली तर क्वेरींवर सारणी तयार केली? आपल्याला माहित आहे की ही एक प्रचंड कामगिरीची दाद ठरू शकते आणि पुन्हा, जर आपण निरीक्षण केले नाही तर ते पाहण्याची साधने तुमच्याकडे नसतील, त्या पार्श्वभूमीवर फक्त तसे घडते आणि त्यास कसे संबोधित करावे हे आपणास ठाऊक नाही.

आपल्याला आवश्यक असलेल्या स्तंभांच्या संख्येवर क्वेरी मर्यादित करणे - म्हणजे, हे खरोखर मूलभूत वाटत आहे, परंतु पुन्हा, जर आपण ते पाहू शकत नसाल तर आपल्याला हे घडत आहे हे माहित नाही आणि नंतर ते फक्त पार्श्वभूमीवर होते आणि ते आपल्यास दुखवते.

तात्पुरते तक्ते कधी आणि कोठे वापरायचे हे जाणून घेणे, मोठी हटके आणि अद्यतने तयार करणे. पुन्हा, सर्व अगदी सोप्या गोष्टी, परंतु त्या दृश्यमानतेशिवाय, त्या करण्यासाठी साधनांशिवाय, ते फक्त पार्श्वभूमीवर बसतात आणि आपल्याला त्रास देतात आणि आपण चांगले विश्लेषण प्लॅटफॉर्म कार्यप्रदर्शन मिळविण्यासाठी डेटाबेस वातावरणात अधिक मेमरी किंवा सीपीयू टाकत राहता, तेव्हा खरोखर आपल्याला जे दुखत आहे त्याबद्दल तपशीलवार आपण हे करण्यास सक्षम असावे आणि त्या विशिष्ट गोष्टीकडे लक्ष द्या. आणि मग, तुम्हाला माहिती आहे, परदेशी की अडचणी यासारख्या गोष्टी आणि आपणास ते कसे सापडेल, हे प्रकरण आपणास कसे माहित आहे?

हे मला येथे माझ्या मुख्य मुद्द्याच्या निष्कर्षापर्यंत पोहोचवते आणि हेच, आपल्याला माहिती आहे की, दररोज, आम्हाला या समस्या सर्व ठिकाणी दिसतात. आणि जसजसे डेटाबेस वातावरण मोठे आणि मोठे आणि अधिकाधिक विस्तृत होत गेले आणि डॉ. रॉबिन ब्लॉरने येथे हायलाइट केल्याप्रमाणे आम्हाला डेटाबेसच्या वेळासह अधिक आणि अधिक जटिल पर्यावरणीय मॉडेल्स मिळतात.

आणि नंतर हडूप आणि स्पार्क सारख्या काही मोठ्या डेटा प्लॅटफॉर्ममध्ये समाकलित होण्याची आवश्यकता आणि एका वेळी अधिक आणि अधिक. हे रीअल-टाइम प्लॅटफॉर्म कार्यप्रदर्शन आणि विश्लेषणे आणि निदान बुद्धीमत्ताने करणे, हे माझ्या दृष्टीने चांगले मार्ग आणि विशिष्ट साधने शोधणे आपल्यासाठी सुंदर आहे. कारण या गोष्टींमध्ये डुबकी लावण्यासाठी आपण साधने मिळवू नयेत तर त्यास रिअल टाइम आणि रिअल पैसे आणि शेवटच्या वापरकर्त्यांसाठी निराशा येते.

आणि त्यासह मी आयडेराच्या आमच्या मित्रांकडे सुपूर्त करणार आहे, कारण मला विश्वास आहे की या समस्येवर आपण कसा सामना करू शकू हे सांगण्यासाठी त्यांना एक चांगली कथा मिळाली.

बुलेट मॅनालेः छान वाटतंय. मनापासून धन्यवाद, आणि मी पुढे जाऊन गोष्टी काढून टाकू. Ive ला येथे देखील काही स्लाइड्स मिळाल्या आणि मला पुढे जाऊ द्या आणि एकप्रकारे त्या वर आणू द्या. यातील काही पटकन पटकन उडी मारणार होती.

फक्त थोडक्यात माहिती देण्यासाठी, आयडीएआरए येथे विक्री अभियांत्रिकी संचालक, आणि म्हणूनच आम्ही डीबीएशी केलेल्या बर्‍याच वेदना आणि त्यांच्या आव्हानांबद्दल नियमितपणे चर्चा करतो, विशिष्ट परिस्थितीत, कामगिरीमध्ये देखरेख आणि त्या प्रकारच्या गोष्टी, अर्थातच. आणि आम्ही त्या प्रेक्षकांकडून बरेच काही ऐकतो आणि म्हणून मला वाटते की मी त्यांच्याकडून प्राप्त केलेल्या काही माहिती नियमितपणे सामायिक करू शकतो जेणेकरून अर्थ प्राप्त होईल. मी यापैकी काही गोष्टींवरुन उडी मारणार आहे, कारण मला असे वाटत नाही की ते संभाषणासाठी वास्तविक आहेत.

आपल्याला माहिती आहे, डीबीएच्या जबाबदा .्यांबद्दल माझ्याकडे येथे माझी स्वतःची यादी आहे - ती रॉबिनच्या यादीसारखे दिसते आणि मला वाटते की ती अगदी सुसंगत आहे. मला असे वाटते की जेव्हा आपण डेटाबेस प्रशासकाशी बोलता, तरीही - नेहमीच - तुम्हाला माहिती आहे, इतरांपेक्षा त्यापैकी काही क्षेत्रात जास्त भाग पाडले गेले आहेत आणि त्यामागे कोणतेही यमक किंवा कारण नाही, ते फक्त पर्यावरणावर अवलंबून आहे.

आपण एक सुंदर, व्यापक गोष्टी ऐकू शकता ज्या लोकांना करू इच्छितात. आणि बर्‍याच वेळा, ज्या लोकांना या गोष्टी हव्या असतात त्यांना मागता येत नाही आणि काही बाबतींत, आपण खरोखर ज्या गोष्टी विचारत आहात त्यामध्ये आपण ड्रिलिंग सुरू करता आणि मग आपण शोधून काढता की ते खरोखरच अधिक शोधत आहेत. त्यांना खरोखरच आवश्यक आहे त्यापेक्षा त्यांना अधिक माहिती पाहिजे आहे आणि जेव्हा आपण डिव्हाइसमध्ये धान्य पडायला लागता तेव्हा मला असे वाटते की आपण डेटासह संभाषण करीत आहात असे सांगू शकता.

आणि मला वाटते की हे एक वास्तविक मनोरंजक वाक्यांश आहे आणि हे सांगण्यात सक्षम होण्याच्या दृष्टीने बरेच अर्थ प्राप्त झाले आहे, होय, जर तुमची एखादी वाईट क्वेरी असेल तर खरोखर एक वाईट क्वेरी काय आहे? ही एक क्वेरी आहे जी बर्‍याच वाचन किंवा लिहिणारे किंवा सीपीयू वापरत आहे? हे बरेच चालवणारे एक असू शकते, हे आपल्याला माहित आहे, हे जसे की आपण म्हटले आहे त्याप्रमाणे लिहिलेले आहे.

आम्ही ते कसे ओळखतो या संदर्भात, आपण आमच्या उत्पादनांच्या दृष्टीने बरेच मार्ग शोधू शकता, डायग्नोस्टिक मॅनेजर उत्पादन, आम्ही त्या डीबीए दर्शवितो की ते त्याबद्दल जाऊ शकतात. आणि हे खरंच लवचिक आहे आणि मला वाटते की या मोठ्या गोष्टींपैकी एक आहे - आपणास या कामगिरीच्या समस्येमुळे मदत करणारी साधने असणे आवश्यक आहे, प्रत्येक वातावरणातील वातावरण थोडे वेगळे आहे.

आणि निरीक्षण करण्याच्या दृष्टीने तुम्हाला बर्‍याच गोष्टींची आवश्यकता आहे आणि कदाचित अस्पष्ट आवश्यकतादेखील असतील, तर तुमच्याकडे असे काहीतरी मिळाले जे तुमच्याकडे लवचिक आहे व जे काम करत आहे व जे तुम्ही प्रयत्न करीत आहात त्या वातावरणाशी जुळवून घेण्यास सक्षम असेल. व्यवस्थापन करणे. आपल्याला माहित आहे आणि माझ्याकडे बरीच उदाहरणे आहेत - मी त्या प्रत्येकाकडे जात नाही, परंतु आपल्याकडे असे काहीतरी आवश्यक आहे जे आपण एका डेटाच्या तुकड्यातून दुसर्‍या क्रमांकासाठी मागे पुढे करू शकाल, आणि तेव्हा या प्रकारची चर्चा आम्ही उत्पादनात थोडेसे प्रवेश करतो आणि आपण ते आम्ही कसे करतो त्या दृष्टीने ते दर्शवितो.

पण कोणत्याही चांगल्या toolनालिटिक्स टूलच्या बाबतीत मला वाटणारी दुसरी गोष्ट म्हणजे तुम्हाला माहित आहे, त्या गोष्टींमध्ये खरोखर काही शोधत आहात. आपण स्पष्टपणे प्रथम आणि महत्त्वाचे असे एखादे साधन इच्छित नाही जे परफॉरमेंसच्या नावाखाली स्वतःच्या कार्यप्रदर्शन समस्या निर्माण करेल. जेव्हा मी असे म्हणतो की कोणत्याही किंमतीवर डेटा गोळा करा, मी तुमच्या किंमतीची किंमत मोजत नाही, परंतु आपल्याला माहित आहे की आर्थिक किंमत, परंतु ओव्हरहेडच्या किंमतीच्या किंमती आणि कोणत्या स्त्रोतांकडे जात असलेल्या किंमतीच्या किंमतीच्या बाबतीत कामगिरीच्या नावाखाली वापरा. आपल्याला तेथे नक्कीच काहीतरी पाहिजे आहे जे मदत करायला जाईल.

आपल्याला दररोज आपल्यासमोरील समस्यांसाठी विशिष्ट शोधत असलेला डेटा मिळविण्यात सक्षम होण्यासाठी काहीतरी असणे आवश्यक आहे, आणि अशा काही गोष्टी असू शकतात ज्या आपल्याला आवश्यक नाहीत आणि आपल्याला नको आहेत आणि त्यामध्ये काहीही नाही आपण त्याबद्दल कधीही अहवाल देत नसल्यास किंवा डेटा व्यवस्थापित करण्याचा प्रयत्न करीत असताना त्याबद्दल काही आवश्यकता नसल्यास डेटा संकलित करण्यात अर्थ. कार्यप्रदर्शनाशी संबंधित मेटाडेटाच्या संदर्भात, उदाहरणार्थ.

तुम्हाला माहिती आहे, एक चांगले उदाहरण आहे की एसक्यूएलमधील डिस्ट्रिब्युटेड ट्रान्झॅक्शन कोऑर्डिनेटर सर्व्हिस चालू नसल्यास मला ते चालू करणे आवश्यक आहे तर मला सतर्क करण्याची गरज नाही. म्हणून मला सावध करु नका, त्याविरूद्ध डेटा संकलित करू नका - मला त्या माहितीची आवश्यकता नाही. म्हणून त्या गोष्टी चालू किंवा बंद करण्याची क्षमता असणे खरोखर महत्वाचे आहे.

एकदा आपण डेटा संकलित केला की त्यावर पटकन accessक्सेस करा - आपल्याला हे माहित आहे, चालवावे आणि मालिश करा, डेटा कुशलतेने करा - त्वरेने आणि कार्यक्षमतेने सक्षम असणे. आणि मग एकदा आपल्याकडे डेटा आला की, हे समजणे सक्षम असणे खरोखरच खरोखर महत्वाचे आहे.

आता, इथेच - आमच्यासह - उदाहरणार्थ, डायग्नोस्टिक मॅनेजर प्रॉडक्ट इम आज आपल्याला थोडेसे दाखवणार आहे - ते उत्पादन, तुम्हाला माहिती आहे, मला ते सांगायला आवडेल की ते उत्पादन पुनर्स्थित होणार आहे आणि एका बॉक्समध्ये डीबीए व्हा. वास्तविकता अशी आहे की यासाठी आपले वातावरण काय आहे आणि आपण जे करण्याचा प्रयत्न करीत आहात त्याबद्दल थोडेसे ज्ञान आवश्यक आहे. काही असणे, साहजिकच डीबीएच्या भूमिकेविषयी स्वतःस समजून घेणे स्पष्टपणे महत्वाचे आहे.

आता आपण जे करण्याचा प्रयत्न करतो ते म्हणजे मदतीद्वारे आणि इतर पद्धतींनी शिक्षण देणे. परंतु आपण नेहमीच या अनुभवाच्या पातळीवर किंवा एखाद्याला डेटा प्राप्त झाल्यावर काय करावे याबद्दल काही ज्ञान असलेल्या एखाद्यासह हे निश्चितपणे बघायचे आहे. आणि उत्पादनास योग्य प्रश्न विचारू शकणारी एखादी व्यक्ती सक्षम असणे आणि डेटासह ते संभाषण करणे हे खरोखर महत्त्वाचे आहे. आणि मग अर्थातच डेटाची जाणीव करून देण्यात सक्षम.

एकदा माझ्याकडे माहिती आहे की ती योग्य लोकांपर्यंत पोहोचविण्यात सक्षम आहे. माझे विकसक, माझे ऑपरेशन कार्यसंघ - जो कोणीही असू शकेल, त्या सक्षम असणे आवश्यक असल्यास मला इतर उत्पादनांसह समाकलित करण्याची आवश्यकता असू शकेल. या सर्व वास्तविक महत्वाच्या गोष्टी आहेत. आणि नंतर, स्पष्टपणे, शेवटचे परंतु किमान नाही, जर मला अधिक जाणून घेणे आवश्यक असेल तर ते करण्यास सक्षम असेल. याचा अर्थ आणखी काही संकलित करणे चालू करणे, किंवा याचा अर्थ डेटामध्ये थोडेसे जाणे आहे की नाही. आपण आशा व्यक्त करत आहात की एका साधनासह, कार्यक्षमतेत मदत केल्याने आपल्याला माहित आहे की आपण त्या प्रश्नांची उत्तरे देण्यास सक्षम असणे आवश्यक असलेल्या सर्व गोष्टी प्राप्त करीत आहात.

मी येथे एक गोष्ट ठेवली नाही जी मला वाटते की कदाचित लक्षात घेण्यासारखे आहे, आपल्याला एक साधन आवश्यक आहे जे आपल्याला सामान्य आणि काय सामान्य नाही हे वेगळे करण्यात मदत करेल. आणि मला वाटते की हे एक मोठे आहे, कारण आपल्याला माहिती आहे की, तेथे बरेच टन चेतावणी देणारी उत्पादने आणि तेथे असलेल्या गोष्टी आहेत, परंतु जर आपणास सतर्कता प्राप्त झाली आणि सतर्कता चुकीचा इशारा असेल तर ते तुमचे काही चांगले करणार नाही; त्याचा अधिकाधिक वेळ वाया घालविण्यामुळे आणि आपली कार्यक्षमता कमी होण्यास मदत करण्यापेक्षा अधिक कमी होते. तर, तुम्हाला माहिती आहे, मी अशा काही गोष्टी लक्षात घेतल्या पाहिजे.

जेव्हा मी अशा प्रकारच्या उत्पादनांबद्दल बोलतो जेव्हा मी या सर्व गोष्टी आयडीआरए उत्पादनांच्या सूटमध्ये बांधतो, तेव्हा त्याचे निदान व्यवस्थापक उत्पादन मला असे वाटते की बहुदा येथे मुख्यतः वैशिष्ट्ये आहेत ज्यात डेटाबेस ट्यूनिंग आणि कार्यक्षमतेच्या दृष्टीने येथे काय बोलत होते आणि देखरेख आणि त्या प्रकारच्या गोष्टी.

लोक एंटरप्राइझ-स्तरीय देखरेखीसाठी शोधत आहेत; त्यांना एका स्क्रीनमध्ये प्रवेश करण्यास सक्षम असणे, सक्षम व्हायचे आहे हे जाणून घ्या की गोष्टी ज्याप्रकारे कार्य करीत आहेत त्याप्रमाणे कार्य करीत आहेत. किंवा त्यांना समस्या आहे की नाही हे स्पष्टपणे सांगण्यास सक्षम व्हायचे आहे, समस्या कोठे आहे हे जाणून घ्या आणि नंतर त्यामध्ये लक्ष घालण्यास सक्षम व्हा. मला वाटतं, लोक या प्रकारच्या मार्गांनी काय शोधत आहेत ज्यामध्ये आपण खरोखरच आपल्या कामगिरीवर प्रवेश मिळवू शकता.

इतर गोष्टी जी स्पष्टपणे त्याच्या बाजूने आहेत ती म्हणजे, मी सध्याच्या काळात कार्य करू शकत नाही आणि मला काही काळानंतर परत जाणे आवश्यक आहे, याचा अर्थ असा नाही की खराब चाललेल्या प्रश्नांकडे पाहणे किंवा याचा अर्थ असा आहे की नाही हे आपल्याला माहित आहे, स्रोतांच्या बाबतीत होस्ट व्हीएम स्वतः ज्या पद्धतीने वागत होता त्याकडे पहात आहात. या सर्व प्रकारच्या गोष्टी आपण करण्यास सक्षम बनल्या आहेत आणि आपण आठवड्यातून 24 दिवस 24 तास आपल्या कन्सोलवर डोकावून पाहत बसणार नाही आहात.

जर आपण सुट्टीवर असाल किंवा मध्यरात्री असल्यास किंवा जे काही असू शकते, आपल्याला त्या वेळच्या उदाहरणामध्ये काय चालले आहे ते सांगण्यास सक्षम होण्यासाठी आपल्याबरोबर वेळोवेळी जाण्यासाठी सक्षम असणे आवश्यक आहे. आम्हाला एक समस्या होती. आणि हे पुन्हा करण्यास सक्षम आणि सक्षम आणि सक्षम असणे हा या चर्चेच्या दृष्टीने निश्चितच महत्त्वाचा भाग आहे. आणि आयडी म्हणते की लोक ज्या शोधत आहेत त्या दृष्टीने ही सर्वात महत्वाची बाब आहे. ते नेहमी भूतकाळात त्या खिडकीचा शोध घेत असत, कारण खरोखरच एक im– तुम्हाला माहित आहे, आपल्याला तिथे बसून पुन्हा काहीतरी घडण्याची प्रतीक्षा करायची इच्छा नाही.

यादीतील पुढील गोष्ट म्हणजे आपण क्वेरी कार्यप्रदर्शनासह, यापूर्वी ज्या गोष्टीविषयी बोलत आहोत त्याकडे खरोखरच लक्ष ठेवून आहे. आणि मी तुम्हाला डायग्नोस्टिक मॅनेजर उत्पादनात काही वेगळी उदाहरणे दाखवणार आहे, आम्ही ते कसे करतो, जे नक्कीच दिवसाअखेरीस तुम्हाला हवे असलेल्या प्रश्नांच्या भोवती बरेच पर्याय उपलब्ध करुन देईल. गोळा करण्यासाठी.

आपल्याला संसाधनांमध्ये त्रास, सीपीयूचा वापर किंवा आय / ओचा त्रास होत असलेल्या क्वेरींमध्ये स्वारस्य आहे की नाही या संदर्भात. पूर्ण होण्यास बराच वेळ लागणार्‍या त्याच्या क्वेरीज किंवा सामान्यत: कामगिरीच्या बाबतीत ही सर्वात वाईट गोष्ट असू शकत नसलेली क्वेरी असू शकते, परंतु इतकी वारंवार चालत असेल की स्वत: ची चालू असणारी वारंवारता ही समस्या असू शकते. आणि अर्थातच त्या प्रश्नांसह कालांतराने ट्रेंड शोधण्यात सक्षम होणे हा त्याचा एक महत्त्वाचा भाग आहे.

या उत्पादनात आम्ही हे करू शकतो असे बरेच मार्ग आहेत आणि मला वाटते की बहुतेक डीबीएसाठी खरोखर महत्वाचा भाग आहे. आणि आपल्याकडे स्वतःचे अंतर्गत विकसित अनुप्रयोग नसले तरीही आपल्या सॉफ्टवेअर विक्रेत्यांकडे जाऊन असे म्हणायला ते सक्षम आहे, “अहो, तुम्हाला काय माहित आहे? आपल्याला माहिती आहे, दररोज दुपारी दोन वाजल्यापासून जेव्हा ही नोकरी सुटेल, ”किंवा जे काही आहे ते“ हे आपले अर्ज यामुळे उद्भवत आहे आणि आम्हाला ते निश्चित करणे आवश्यक आहे. "मग आपल्याकडे कोडवर पूर्ण नियंत्रण नसले तरीही स्वतः समस्या कधी घडतात हे जाणून घेणे छान आहे.

आणि मग तुम्हाला माहिती आहे, दुसरा भाग स्पष्टपणे अधिक सक्रिय आहे. प्रथम माहित असणे सक्षम असणे, समस्या उद्भवताना समजण्यास सक्षम असणे. आपण हे दुरुस्त करू शकता हे माहित करुन घेण्यासाठी प्रथमच सक्षम होऊ शकत नाही, परंतु बर्‍याच प्रकरणांमध्ये जेव्हा आपल्याला आवश्यक असते तेव्हा अशी प्रतिक्रिया देखील स्वयंचलितरित्या सक्षम होते, बर्‍याच प्रकरणांमध्ये. “मी, मी हे मी तुला सभेत किंवा मी करत आहे, रस्त्यावर किंवा मी जे करतोय ते तुम्हाला माहिती आहे, हे सांगण्याऐवजी तुम्ही म्हणू शकता की तुम्हाला हे निश्चित करणे आवश्यक आहे. Ive ला असे काहीतरी सांगण्यात सक्षम झाले की स्वयंचलित मार्गाने ते सांगण्यात सक्षम होईल.

आणि जर त्याकडे स्वयंचलित मार्गाने लक्ष दिले गेले नाही तर कमीतकमी हे माहित असणे आवश्यक आहे की आपण सुधारात्मक कारवाई करू शकता किंवा ज्यांना शक्य आहे अशा एखाद्याशी संपर्क साधू शकता. आणि म्हणूनच हे स्पष्टपणे मोठे महत्त्वपूर्ण तुकडे आहेत, आपल्याला माहिती आहे की या प्रकारच्या समस्या आपण आपल्या मशीन आणि आपल्या घटनांचे परीक्षण आणि स्वत: च्या विश्लेषणाच्या बाबतीत घेऊ शकता.

आता मी याविषयी पूर्वी बोललो, जी गोष्टींची लवचिकता आहे. मी यावर पुरेसा ताण देऊ शकत नाही, म्हणू शकलो, तुला माहित आहे की, बॉक्सच्या बाहेरील बाबींवर लक्ष ठेवले जात नसल्यास, उत्पादनांमध्ये कार्यक्षमता ठेवण्यास सक्षम असणे आणि निरीक्षण करणे आवश्यक आहे. . आणि डायग्नोस्टिक मॅनेजरच्या उदाहरणासह आपल्याकडे स्पष्टपणे माहित आहे की, डब्ल्यूएमआय काउंटर, काउंटर, एसक्यूएल सर्व्हर काउंटर आपण स्वतःचे प्रश्न तयार करू शकता.

आपण हे देखील करू शकता, आपल्याला हे देखील माहित आहे की आपण आपल्या व्हेंटर सेंटर किंवा आपल्या हायपर-व्ही वातावरणावरून डेटा खेचू शकता, मतदानाची प्रक्रिया सुरू होत आहे आणि सक्षम असणे, आपल्याला माहित आहे की ते नियमितपणे करा आणि तो डेटा खेचा आणि तो पाहण्यास सक्षम व्हा. आणि पुन्हा एकदा, आपण या माहितीकडे पहात असताना एका ठिकाणाहून दुसर्‍या ठिकाणी धुरा.

तर अशा प्रकारच्या गोष्टी आहेत ज्या मी टूनिंग आणि कार्यप्रदर्शन या संदर्भात त्यांच्या मदतीसाठी जात असलेल्या साधनांबद्दल विचारत असताना लोक जे विचारत आहेत त्या संदर्भात - आयएम तुम्हाला फक्त एका सेकंदात दाखवणार आहे ते निदान व्यवस्थापक आहे , आणि हे २०१ from पर्यंत २००० पर्यंत सर्वकाहीचे समर्थन करते. हे एसक्यूएल सर्व्हरसाठी विशिष्ट आहे आणि म्हणून आम्ही त्या गोष्टी व्यवस्थापित करण्याचे निरीक्षण करतो. कोणतेही देखरेखीचे उदाहरण घेत नसलेल्या एजंट्सचे स्वतःच ते आहेत.

हे थोड्या खर्चावरुन माहिती गोळा करण्याकडे परत जाते, हे आपल्याला माहितीच आहे की आम्ही ही माहिती एकत्रित करण्याचा अधिक प्रयत्न केला, बरीच संसाधनेही वापरली नाहीत, नाही? एसक्यूएल सर्व्हरने आधीपासूनच आम्हाला पुरवित असलेल्या गोष्टी आणि त्यास अधिक चांगले बनविण्याचा प्रयत्न करीत आहोत, तिचे डायनॅमिक व्यवस्थापन दृश्ये असो किंवा तिचे विस्तारित कार्यक्रम असो किंवा संकलनाच्या बाबतीत काहीही असो. त्या माहितीचा लाभ घेण्यास आणि त्यास अधिक चांगले करण्यास सक्षम बनविणे हा आमच्या आदेशांपैकी एक आहे.

आता, जर तुम्ही या वास्तवात त्वरेने पाहिले तर मी आर्किटेक्चरमध्ये जास्त तपशील घेऊन जाणार नाही, परंतु आपण व्यवस्थापित करू शकणार्‍या आमच्या सर्व ऐतिहासिक डेटासह एक बॅक-एंड रेपॉजिटरी आहे आणि जोपर्यंत आपण इच्छित आहात तोपर्यंत ठेवू शकता . आपण ठेऊ इच्छित माहिती आणि किती वेळ निवडू शकता. हे योग्यप्रकारे डेटा संकलित करणे आणि अनावश्यक डेटा बाहेर ठेवणे यासारखेच आहे. आपण कोरी-परफॉरमिंग असलेले पाच दिवस क्वेरी ठेवू इच्छित असाल तर आणि नंतर दोन वर्षे आपला इशारा ठेवू इच्छित असाल तर ते आपणास निश्चितपणे सांगू शकेल आणि तसे करण्यास सक्षम असेल तर पूर्णपणे अंमलबजावणी करेल.

या उत्पादनासह अनेक भिन्न कन्सोल आहेत. आपल्याकडे वेब-आधारित आवृत्ती आहे, आपल्याकडे जाड क्लायंट आवृत्ती देखील आहे. आणि म्हणूनच ब्राउझरवर उडी मारण्याची आणि काय चालू आहे हे पाहण्याची लवचिकता आहे किंवा आपल्याकडे एखादा लॅपटॉप असल्यास आपल्याकडे समर्पित क्लायंट स्थापित आहे, त्यापैकी एकतर आपल्यासाठी कार्य करेल.

आता, आयडी करायला काय आवडते ते म्हणजे एक द्रुत प्रात्यक्षिक. आणि मी म्हणेन - मी या इतर स्लाइडवर परत जात आहे - जे आमच्याकडे आहे, आम्ही नुकतेच जोडले आहे, फक्त त्या उत्पादनांसाठी परिचित असलेल्या लोकांसाठी एक एफवायआयआय म्हणून, आमच्याकडे एक नवीन ऑफर आहे जो डायग्नोस्टिक मॅनेजर प्रो आहे. एक व्यावसायिक ऑफर ज्यात आपण वर्कलोड callनालिसिस म्हणतो त्या कशाचा समावेश होतो.

आणि खरंच याबद्दल म्हणजे बर्‍याच मोठ्या कालावधींमध्ये परस्पर संवाद साधण्यात आणि त्यापासून पुढे जाणे, आपल्याला माहित आहे, 30-दिवसाचे दृश्य, आपल्याला माहित आहे, सुमारे तीन क्लिकमध्ये पाच-मिनिटांचे दृश्य. आणि कार्यक्षमतेत वाढ होऊ शकली नसलेली समस्या किंवा आपण सक्षम होऊ शकलेल्या अडथळ्यांमधील समस्या पाहण्यात सक्षम असणे, आपल्याला माहित आहे की आपण अगदी उच्च स्तरावर पाहू शकाल आणि अगदी खाली स्तरापर्यंत ड्रिलिंग करू शकता. आणि विशेषत: आज तसेच उत्पादनांमध्ये ते नवीन आहे.

पण मला जे करायचे आहे ते फक्त एक प्रकारची सुरुवात आहे आणि मला त्या त्या विषयाबद्दल थोडेसे बोलायचे आहे आणि पुढे आणि पुढे जायचे आहे. आणि Ive एक उदाहरण आणले आणि मी येथे माझ्या स्क्रीनवर सामायिक करणार आहे. आणि पाहूया ... आपण तिथे जाऊ. माझी स्क्रीन. आणि मित्रांनो, आपण ते पाहू शकता की मला सांगा.

एरिक कवानाग: तिथे तुम्ही जा.

बुलेट मॅनालेः तेथे सर्व काही ठीक आहे? ठीक.तर, आपण आत्ता काय पहात आहात - आणि हे डायग्नोस्टिक मॅनेजर उत्पादन आहे - आणि मला येथे काय चालले आहे याचे एक प्रकारचे उच्च-स्तरीय प्रात्यक्षिक देऊ इच्छित आहे. या विशिष्ट उदाहरणात, आपण काय करीत आहात हे आपल्याला प्रतीक्षाशी संबंधित क्वेरी दर्शवित होते. आणि म्हणून जेव्हा मी मागे व पुढे जाण्यास सक्षम असेल, सखोल ड्रिल करा आणि पिट्स, त्याबद्दल - मी येथे हे दृश्य त्याचे एक चांगले उदाहरण आहे. आम्ही येथे दिसत असलेल्या टाइमलाइन दृश्यावरून जाऊ शकतो, जे आता प्रदर्शित होईल. आमच्या बाबतीत स्वत: ची प्रतीक्षा आणि स्वतःची प्रतीक्षा करण्याच्या श्रेण्या पहात होतो. या प्रतिक्षेस बांधलेली स्टेटमेन्टस आपण अनुप्रयोग पाहू शकतो.

इथल्या टाइमलाइन दृश्यावर लक्ष द्या, म्हणजे मी जेव्हा समस्या उद्भवली त्या वेळेच्या आधारावर ती माहिती ओळखू शकते, परंतु नंतर मला फक्त, पुन्हा एकदा मुख्य, आणि मी म्हणायचे आहे, “तुम्हाला काय माहित आहे, ते पाहू या. हे वेगळ्या दृष्टीकोनातून पुढे जाऊया आणि या दृष्टिकोनातून पाहूया, “मला सर्वात क्लेश उद्भवणारे प्रश्न किंवा प्रतीक्षा किंवा अ‍ॅप्लिकेशन्स बघायच्या आहेत आणि त्या क्रमांकावर आहेत.” आणि ते काय चालले आहे ते ठरवते "क्वेरी कालावधीनुसार प्रतीक्षा करतो." हे पाहण्यासाठी आता मला स्वत: चे अनुप्रयोग दिसत होते ज्यामुळे मला माझ्या बहुतेक वेदना होत आहेत किंवा वाट पाहत आहेत.

आणि मग, हा भाग खरोखर सर्वात महत्वाचा भाग आहे, या गोष्टी वेगळ्या करण्यास सक्षम आहे. मी येथे हे NoSQL अनुप्रयोग लाथ मारत असल्याचे पाहू शकतो. यामुळे मला थांबत असलेल्या या 30 मिनिटांच्या विंडोमध्ये 25 सेकंद प्रतीक्षा वेळ मिळाला होता. आणि मग मी तो अनुप्रयोग वेगळा करू शकतो आणि मी स्टेटमेन्ट पाहू शकतो, या प्रकरणात याचा थेट परिणाम या विशिष्ट घटकावर होतो.

आणि म्हणूनच आपण एखाद्या अडथळ्याची ओळख कशी करू शकाल, माहितीचे रँक करण्यास सक्षम रहा आणि ज्या मुद्द्यांकडे आधी लक्ष देण्याची गरज आहे त्यास प्राधान्य देण्यास सक्षम रहा याचे हे फक्त एक उदाहरण आहे. या आपण विचारात घेण्याच्या या सर्व गोष्टी आहेत. आपल्याला माहिती आहे की आपण दिवसभर समस्यांचे निराकरण करू शकता परंतु जर आपण निराकरण करण्यासाठी यादीच्या तळाशी असलेल्या समस्यांचे निराकरण करीत असाल तर आपण आपला वेळ वाया घालवत आहात. आपल्याशी संबंधित संधीचा खर्च आहे.

मी तुम्हाला आणखी एक उदाहरण देतो, आणि हे थोडे वेगळे उदाहरण आहे. एखाद्या समस्येकडे विशेषत: लक्ष वेधण्याऐवजी किंवा एखाद्या क्षेत्राकडे लक्ष वेधण्याऐवजी, आपल्याला असे साधन देखील आवश्यक आहे की "अरे, आम्हाला काही अडचण आहे का?" किंवा "आहेत का? कार्यप्रदर्शन सुधारण्यासाठी मी करू शकणार्‍या अशा काही गोष्टी? ”आणि पडद्यामागे काहीतरी घडण्यासाठी काय चालले आहे ते पाहणे. आणि या प्रकरणात, हे कॉन्फिगरेशनशी संबंधित असू शकते; हे, आपल्यास माहित असलेल्या मार्गाशी संबंधित असू शकते ज्यायोगे उदाहरणाचे आरोग्य स्वतः व्यवस्थापित केले जात आहे. आणि स्पष्टपणे, कामगिरीच्या गोष्टी देखील.

जर मी या विश्लेषणाच्या बटनावर येथून गेलो, तर मी तुम्हाला ज्या गोष्टी दर्शवित आहे ती म्हणजे या उत्पादनात, आमच्याकडे अशा प्रकारच्या गोष्टींची एक सक्रिय यादी देखील आहे जी रँक स्वरूपात सादर केली जाऊ शकते जी आपल्याला त्याबद्दल अंतर्दृष्टी प्रदान करेल. अशा घटना ज्यामुळे त्या प्रकरणात आपल्या कार्यप्रदर्शनात वाढ होईल किंवा त्या घटनेच्या आरोग्यामध्ये वाढ होईल. आणि हे त्या क्रमांकाच्या स्वरूपात आहे की कोणत्या विशिष्ट प्रकारची समस्या ओळखली जाऊ शकते या संदर्भात आपले कार्यप्रदर्शन सुधारण्याची अधिक शक्यता कोणती आहे हे आपल्याला पाहण्याची क्षमता आहे.

आणि म्हणूनच, जेव्हा मी या गोष्टींकडे पहात आहे आणि मी त्यास ओळखतो, केवळ मलाच दिसत नाही की मला एक समस्या आहे आणि बर्‍याच प्रकरणांमध्ये, ही समस्या निराकरण करण्यासाठी स्वयंचलितपणे तयार केलेली स्क्रिप्टदेखील आहे. परंतु यापैकी बर्‍याच प्रकरणांमध्ये, आमच्याकडे बाह्य दुवे देखील आहेत जे कोणत्या प्रकारच्या समस्येचा संदर्भ घेतील आणि मग ही शिफारस का देत आहेत, म्हणून आपल्याला त्या गोष्टींचा शैक्षणिक पैलू मिळेल. आपण पुन्हा एकदा समस्या सोडवत आहात याबद्दल आपण बोलत असताना मला वाटते हे महत्वाचे आहे.

मला या शिफारसींचे डोळे झाकून पालन करायचे नाही, या शिफारसी का केल्या जात आहेत हे मला समजून घ्यायचे आहे. आणि मी कदाचित एक वरिष्ठ डीबीए असावा की 30 वर्षे ते हे करत आहेत आणि मला या गोष्टीकडे जाण्याची गरज आहे, आपल्याला माहिती आहे, ते तपासा - किंवा डॉट द आहे आणि टीएस पार करा - या प्रकरणात कदाचित मी कनिष्ठ डीबीए आहे आणि मला पाहिजे आहे या समस्या जसे घडत आहेत त्या समजून घेण्यासाठी आणि या शिफारसी का दिल्या जात आहेत त्याबद्दल थोडीशी मदत.

मी म्हटल्याप्रमाणे, मी तुम्हाला उत्पादनाच्या वेगवेगळ्या भागातून घेईन. ही साधने आजूबाजूला होती, ती 2004, 2003 पासून होती. आणि त्यामध्ये खरोखर खूप विकास आहे, बरीच माहिती आहे, म्हणून येथे सर्व काही प्रयत्न करुन दाखवण्याचा अर्थ नाही. परंतु मला वाटते की लक्षात घेण्याजोग्या गोष्टींपैकी एक म्हणजे जेव्हा आपण आत प्रवेश करतो आणि आपण निरीक्षण करू शकत असलेल्या सर्व गोष्टींबद्दल आणि आपण ज्या सतर्क करू शकता अशा सर्व गोष्टींबद्दल पुन्हा एकदा गोष्टी करण्यास सुरवात करता तेव्हा त्या गोष्टींच्या लवचिकतेकडे परत जाऊ. , आम्ही निरीक्षण करीत असलेल्या सर्व आयटमची सूची येथे आहे.

आता, याचा अर्थ असा होत नाही की उंबरठाच्या बाबतीत जर या गोष्टी चुकीच्या मार्गावर आल्या तर मी या गोष्टी सावध स्थितीत असल्याचे समजून घेऊ इच्छित आहे, जेणेकरून आपण या गोष्टी चालू आणि बंद करू शकाल. हे त्याकडे परत जाते, “अहो, मला केवळ काही मेट्रिक्समध्ये काही गोष्टी करण्याची आवश्यकता आहे. मला फक्त काही अडचणींबद्दल सावध करण्याची गरज आहे. ”आणि हे निश्चित करण्यास सक्षम रहा की, खोटे पॉझिटिव्हच्या गुच्छाने तुम्हाला संतुष्ट करते. आपल्याकडे केवळ या गोष्टी चालू किंवा बंद करण्याची क्षमता नाही परंतु बर्‍याच प्रकरणांमध्ये आपण लक्षात घ्या की आम्ही प्रत्येक मेट्रिकशी संबंधित असल्याने आम्ही सामान्यपणाचा बँड देखील प्रदान करतो. म्हणून मी या विशिष्ट बाबीकडे पाहत असल्यास, मला हे लक्षात येईल की उंबरठा कदाचित आत्ता जिथे आहे तिथे जास्त आहे.

नाण्याच्या दुस side्या बाजूला असे आहे की माझ्याकडे एसक्यूएल असेल तर मी काही मेट्रिक्स व त्या मेट्रिकचा मागोवा घेतो, काही कारणास्तव, Ive चा उंबरठा चुकीचा आहे? दुस words्या शब्दांत, उंबरठा ज्या ठिकाणी बेसलाइन प्रत्यक्षात बसला आहे त्या मध्यभागी स्मॅक डॅब आहेत, ज्याचा अर्थ असा आहे की जर मला त्या उंबरठाशी जोडलेला इशारा असेल तर, मी कदाचित एखाद्या सामान्य घटनेबद्दल इशारा देतो. आणि म्हणूनच, अशा प्रकारच्या परिस्थितीत, आम्ही आपल्याला बोर्डात तसेच अंतर्दृष्टी प्रदान करू शकतो.

या विशिष्ट घटकावरील सर्व मेट्रिक्ससाठी मी कदाचित सामान्य आणि काय नाही या दृष्टीने चुकीचे पॉझिटिव्ह दाखवणारे बहुतेक थ्रेशोल्ड मी पाहू शकतो. हे असे काहीतरी असणार आहे जे मेमरीच्या बाजूस सामान्य वापराच्या अधिक गोष्टी मानले जाईल आणि जर मला हा उंबरठा वाढवायचा असेल तर मी करू शकतो, परंतु बेसलाईनसह अशा प्रकारची कल्पना आहे.

आणि स्वतः बेसलाइनच्या बाबतीत डायग्नोस्टिक मॅनेजर उत्पादनाबद्दलची मस्त गोष्ट म्हणजे एकाधिक बेसलाइन सेट करण्याची क्षमता. आणि आपण विचारू शकता की, "मी हे का करू इच्छितो?" आणि उत्तर आहे, ठीक आहे, जर आपल्याकडे एखादी देखभाल विंडो चालू असेल तर मध्यरात्री पासून पहाटे 4 पर्यंत आपण जिथे आपल्या संसाधनांवर खरोखर कर आकारत आहात, आपण खरोखर वापरत आहात शक्य तितकी संसाधने, नंतर आपण पुन्हा सक्षम होऊ इच्छित असाल आणि पुन्हा एकदा शिफ्ट करा आणि आपण जरासे पुढे म्हणावे आणि “पहा, त्यासाठी आमचे उंबरठे बदलणार होते.” आणि आम्ही प्रत्यक्षात गतिकरित्या समायोजित करू शकतो दिवसाचा किंवा दिवसाचा किंवा आठवड्याच्या दिवसाच्या आधारावर आणि ज्याच्या आधारावर आम्ही आहोत त्यापैकी कोणत्या विशिष्ट बेसलाइनवर आमचा उंबरठा असतो. तर मग ते आमच्यासाठी ते थ्रेशोल्ड गतिकरित्या समायोजित करा.

पुन्हा एक पाऊल टाकू या. एकदा आम्ही ते उंबरठे ओळखले, एकदा आम्ही आत गेल्यानंतर आणि सतर्कता आणि सूचना स्थापित करण्याच्या दृष्टीने आणि या परिस्थितीत पुन्हा होणा might्या परिस्थितीबद्दल माहिती दिली जाईल आणि पुन्हा एकदा लवचिकता येथे महत्त्वाची आहे. आपण विशिष्ट परिस्थितीत सतर्क राहण्यास सक्षम होऊ इच्छित आहात. इतर घटनांमध्ये, आपण कदाचित एखाद्यास दुसरे इच्छित असाल, आपल्याला कदाचित पॉवरशेल स्क्रिप्ट चालवायची असेल, कदाचित आपणास माहित असेलच, यादी पुढे जाईल.

मला कदाचित एसएनएमपी ट्रॅपद्वारे किंवा अगदी थेट, उदाहरणार्थ एसकॉम सह कशासही समाकलित करायचे आहे. मुद्दा असा आहे की, आपल्याकडे तसे करण्याची लवचिकता आहे आणि आपण कोणत्या प्रकारच्या परिस्थितीची हमी देऊ शकता ते सेट करू शकता, जरी ती अगदी विस्तृत स्थिती असेल तर - मला माहित आहे, माझे सीपीयू आणि मेमरी किंवा जे काही संसाधने आहेत - माझ्या सर्व घटनांमध्ये किंवा कदाचित माझ्याकडे निरीक्षण करण्याची इच्छा असलेला एखादा विशिष्ट प्रकार आहे कारण जेव्हा मला असे आढळले की त्याचे उल्लंघन होत आहे तेव्हा मला त्या समस्येवर एक अतिशय विशिष्ट आणि निर्देशित स्क्रिप्ट चालवायची आहे. म्हणूनच आपण डायग्नोस्टिक मॅनेजर उत्पादनामध्ये अशा प्रकारच्या गोष्टी करण्यास सक्षम असाल, फक्त, आपल्याला माहिती आहे, सतर्कता आणि सूचनेच्या दृष्टीने आणि त्या दृष्टिकोनातून लवचिक बनण्यास सक्षम आहात.

आता, मी सर्व चेतावणी देणारी आणि त्या चांगल्या सर्व गोष्टींकडे दुर्लक्ष करू शकत नाही. मला अहवालाविषयी बोलायचे नव्हते. आणि, पुन्हा एकदा माहिती घेण्यास सक्षम आणि त्या डेटाचा विविध प्रकारे अनेक प्रकारे फायदा घेण्यास सक्षम आहे - आणि हे पुन्हा आपल्या डेटासह संभाषणात परत जाईल. आणि बर्‍याच लोक, जेव्हा ते प्रथम हे उत्पादन पाहतात, तेव्हा त्यांना वाटते, “अरे, ठीक आहे, जेव्हा मला समस्या उद्भवतात तेव्हा मला सावध करण्यासाठी एक साधन असते. मला जे पाहिजे आहे तेच ते. ”आणि वास्तव म्हणजे त्यांना त्या साधनाची आवश्यकता आहे काय, परंतु त्यामागील दुसरी बाजू म्हणजे ते खरोखरच - त्यांना निर्णय घेण्यास मदत करण्यासाठी देखील एका साधनाची आवश्यकता आहे आणि ते एकत्रित करीत असलेल्या या माहितीचा फायदा घेऊ शकतात कामकाजाचे नाव आणि सतर्कतेच्या नावाखाली, आपण पुढे जाण्यासाठी निर्णय घेण्यात मदत करू शकता.

आपल्याला माहिती आहे, माझ्या डेटाबेसमधील माझ्या वाढीचे एक चांगले उदाहरण असेल. माझ्याकडे वाढणारा विशिष्ट डेटाबेस असल्यास, त्या वाढीचे दर काय आहेत हे पाहण्यात सक्षम होण्यासाठी त्या डेटाबेसकडे किंवा एकाधिक डेटाबेसकडे निर्देश करण्यास सक्षम असेल. आपल्याला आज काय आहे, काय माहित आहे, काय आहे याच्या आधारे आपण दर्शवित नाही; आम्ही अनुभवलेल्या मागील विकासाच्या आधारे याचा अंदाज वर्तविणार आहे.

माझ्याकडे इकडे काही डेटाबेस असल्यास - जे माझ्याकडे घडले असेल, अशी कल्पना करा - मी आत जाऊन असे म्हणू शकतो की, “शेवटचा विचार करूया, तुम्हाला माहिती आहे, वर्षानुवर्षे डेटा, महिन्यानुसार आणि त्यातील नमुना दराशी जुळवून घेऊ. महिने, पुढे जाऊया आणि पुढच्या तीन वर्षांत किंवा how 36 युनिट्समध्ये किती वाढ होणार आहे ते पाहूया. ”अशा परिस्थितीत, आम्ही या प्रश्नाचे उत्तर त्वरेने देऊ शकतो. आता, स्वतःहून करण्याचा प्रयत्न करा, बरोबर? मी स्वतःहून जितका वेळ केला तितक्या वेळेत तसे करण्याचा प्रयत्न करा. हे आपल्याला थोडा वेळ घेईल.

आता, अशा प्रकारच्या आणखी ताणतणावांना आणखी एक अहवाल द्या, जो माझा सर्व्हर रिपोर्ट आहे. कल्पना करा की माझ्याकडे उत्पादन निर्मितीची शंभर उदाहरणे आहेत, जी या प्रकरणात मला आवडत नाहीत. परंतु जर कोणी माझ्याकडे येऊन म्हणतो, “मला सांगण्याची तुमची गरज आहे - नवीन नवीन अनुप्रयोगासाठी हा नवीन डेटाबेस तेथे ठेवणार होतो; हे आपल्याला माहित आहे त्याप्रमाणे सर्व काही बदलणार आहे; हे आयुष्य खूप आश्चर्यकारक बनवित आहे. अरे, तसे, डेटाबेस स्वतःच I / O सघन असेल, किंवा त्याचा CPU गहन असेल, किंवा खरोखर मेमरी इंटेन्सिव्ह असेल ..., ”जे काही रिक्त आहे ते मला हवे आहे माझ्या सर्व उत्पादन उदाहरणे पाहण्यात सक्षम व्हा, डेटाबेस ठेवण्यात अर्थ काय आहे? आणि मी सीपीयू, मेमरी, डिस्क असो किंवा काहीही असो, आकस्मिक प्रकाराच्या दृष्टीने मी सर्व उदाहरणे एकमेकांविरूद्ध रँक करू शकतो. आणि म्हणून येथे प्रश्नाचे उत्तर त्वरेने आणि कार्यक्षमतेने देण्यास सक्षम आहे आणि आपण हे करता तेव्हा अंदाज लावण्याऐवजी योग्य निर्णय घेण्यास सक्षम आहे - हे सर्व खरोखर महत्त्वाचे आहेत, आणि आपल्याला मदत करण्यासाठी काहीतरी आवश्यक आहे.

आणि जेव्हा आपण विश्लेषणे बद्दल बोलतो तेव्हा हे क्षमतेच्या नियोजन बद्दल जे काही बोलत होते त्यासारखे असू शकते, आपणास माहित आहे की आपण दररोज सीपीयूला सामोरे जाणारे अ‍ॅलर्ट तसेच स्पष्टपणे स्वत: ला क्वेरी करतात, तिथे ब्लॉकिंग आहे की नाही वगैरे वगैरे.

त्यामागचे आणखी एक उदाहरण म्हणजे मी येथे प्रशासनाच्या विभागात गेलो तर - मी त्या मागे घेईन, इशारा देणारा विभाग - भूतकाळात घडलेल्या गोष्टींसाठी आपल्या ऐतिहासिक माहितीच्या डिपॉझिटरीचा शोध घेत आहे. मी माझ्या उत्पादन वातावरणात अडथळे आणत होतो? मला माहित नाही, शोधूया.

मी माझ्या प्रॉडक्शन टॅगवर परत जाऊ शकतो आणि मी ओळखू इच्छित असलेल्या कोणत्याही मेट्रिकसाठी काही वेळ देऊन माझ्या सर्व प्रॉडक्शन उदाहरणांमध्ये मी म्हणू शकतो. जर माझ्याकडे इव्हेंट चेतावणी देण्याच्या स्थितीत गेला असेल तर काही सेकंदांनी नव्हे तर मोजणीने ब्लॉक करणे सांगू आणि मी परत जाऊ शकतो आणि या प्रकरणात काही महिने मला आवश्यक असल्यास - किंवा या प्रकरणात, एक महिना - आणि मी ते अवरोधित करत आहे. मी हे कधी सुरू केले ते पाहू शकतो, ते केव्हा संपले ते मी पाहू शकतो आणि मला स्वतःला ब्लॉकिंगच्या घटनेचे स्पष्टीकरण पाहण्यासाठी आवश्यक असल्यास यापैकी कोणत्याही पुलिंग अंतराळात खाली ड्रिल करू शकतो. आपल्याकडे आवश्यक काहीतरी शोधण्यात सक्षम असणे आवश्यक आहे, त्यामध्ये बरेच आवर्तन फिरण्याऐवजी आपल्याला काय हवे आहे ते शोधण्यात आणि शोधण्यात सक्षम असणे आवश्यक आहे. आणि म्हणूनच, मला असे वाटते की ते देखील महत्त्वाचे आहे.

शेवटची गोष्ट जी मी तुम्हाला दाखवू इच्छितो - आणि आपल्याला हे उत्पादन, डायग्नोस्टिक मॅनेजर उत्पादन दर्शवित आहे - जसे की मी आधी नमूद केले आहे त्याप्रमाणे आपण आमच्या एसक्यूएल डायग्नोस्टिक मॅनेजर प्रो ऑफरमध्ये आणखी एक घटक जोडला आहे. आणि वर्कलोड ysisनालिसिस घटक निश्चित करते. आणि या प्रकरणात ही आपल्याला येथे दर्शवित असलेल्याची ही वेब-आधारित आवृत्ती आहे. परंतु येथे मुद्दा असा आहे की हे आपल्याला बर्‍याच काळाचा कालावधी किंवा विशिष्ट विशिष्ट विंडो पाहण्याची अनुमती देते आणि कदाचित आपणास माहित आहे की काही क्लिक्स कोड कदाचित प्रत्यक्षात संबंधित समस्यांशी संबंधित दिसू शकले आहेत. .

त्याचे एक उदाहरण म्हणून, मी चार आठवड्यांच्या दृश्याकडे पहात असल्यास, मी येथे पाहू शकतो, डेटाबेसच्या दृष्टीकोनातून आणि त्या डेटाबेसच्या कामगिरीच्या दृष्टीने सर्व स्पाइक्स आणि जिथे आम्ही त्या डेटाबेसवरील प्रतीक्षा क्रियाकलाप पाहिले. आता, आणि आपण पाहू शकता, मला येथे स्पाइक दिसल्यास, या साधनाचा स्वतःच त्या छोट्या पट्टीला हायलाइट करण्यात सक्षम आहे. आणि मग जेव्हा मी ते करतो तेव्हा येथे असलेली सर्व सामग्री बदलते. आपण डेटाबेस पाहण्यास सक्षम आहोत, त्या पट्टीच्या मागे असलेल्या सर्व कमांडस बघायला मिळतील.

मी गेल्या चार आठवड्यांऐवजी “शेवटचे चार तास पाहू या” असे म्हणालो तर तीच गोष्ट. मी अजूनही ते करू शकतो मी अद्याप तो कालावधी हायलाइट करू शकतो, आणि नंतर तेथून - हेरेस, पुन्हा एकदा माझे मुख्य बिंदू - येथे या सर्व गोष्टींचा मी दुवा साधू शकतो. शीर्ष एसक्यूएल स्टेटमेन्ट्स, मी त्या क्वेरी पाहू शकतो, या प्रकरणात, सीपीयूच्या वापराशी संबंधित वेट्समुळे होते. फक्त ड्रिल करून, मी येथे संबंधित असलेल्या क्वेरी पाहू शकतो - अरेरे - आणि मी तसेच यासह संबंधित प्रोग्राम आणि काय नाही हे देखील पाहू शकतो.

आपणास येथे बरीच अंतर्दृष्टी मिळेल आणि तीच नाही तर आपण पाहू शकता की जेव्हा आपण कमांड पातळीवर उतरता तेव्हा ते आपल्याला गोष्टी सांगेल. हे जड ऑपरेटर पाहते की नाही हे सांगत आहे, त्यानंतर आपण अंमलबजावणीची योजना पाहू शकता. यास थोडासा वेळ लागत आहे कारण हा लोड करण्यासाठी तो खूपच विस्तृत आहे. परंतु येथे मुद्दा हा आहे की आपल्याकडे डेटा पाहण्याचे बरेच मार्ग आहेत, आपण काय शोधत आहात हे पाहणे आणि नंतर आपल्यास आवश्यकतेनुसार तेथून कारवाई करण्यास सक्षम असणे आवश्यक आहे, आणि हे त्यापेक्षा जास्त वेळ घेत आहे हे सामान्यत: करते, म्हणून मी ते त्यास सोडतो.

आणि म्हणूनच मी म्हणेन की मी ते परत पार करीन. आणि आशा आहे की आम्ही बोलत असलेल्या गोष्टींचे हे एक चांगले प्रदर्शन होते. आणि मी म्हटल्याप्रमाणे, ही उदाहरणे देण्यास आम्ही वापरत असलेले उत्पादन स्वतःच बर्‍याच काळापासून होते, आणि म्हणून इतर बर्‍याच गोष्टींबद्दल आम्ही बोलू शकतो आणि आपल्याला दर्शवू शकतो, परंतु हे असे काहीतरी असेल जे काही हितकारक असेल. आपल्यापैकी, आपण आमच्या वेबसाइटवर नेहमीच जाऊ शकता आणि डाउनलोड करू शकता आणि त्यासह प्ले करू शकता.

एरिक कवानाग: आणि मला हे आवडते की आपण हे सर्व तपशील दाखवा. आपण दोन स्क्रीन परत गेल्यास - ही स्क्रीन देखील चांगली आहे. कारण प्रत्यक्षात काय घडत आहे याची कल्पना करण्याचे बरेच वेगवेगळे मार्ग आहेत आणि मला वाटते की आजकाल संगणकीय गणित करण्याच्या ही एक अधिक कमी कौतुक करणारी पैलू आहे. हे नक्कीच एक डेटाबेस वातावरण आहे जे बर्‍याच मार्गांनी माझ्याकडे हा अर्धवट विनोद आहे: "अजूनही सिलिकॉन बोलायला शिकत होतो." काय घडत आहे ते कसे पहायचे ते समजून घेणे अजूनही चांगलेच होते, घेतले, काय चालले आहे या गोष्टी चांगल्या प्रकारे समजून घेण्यासाठी आपल्याकडे डेटासह संभाषण असणे आवश्यक आहे, गोष्टी हळू का जात आहेत, कारण तेथे बर्‍याच संभाव्य समस्या आहेत. आणि अर्थातच, आयडीआरएला असंख्य भिन्न उत्पादने मिळाली, त्यापैकी एक जुनी अचूक उत्पादने आहे जी मला वाटते की या प्रशंसाकारक असू शकतात.

परंतु कदाचित रॉबिन, आजारी हे दोन प्रश्नांसाठी आपल्याकडे टाकतील आणि मग देझ, आपल्याकडून काही प्रश्न आणि मग कदाचित प्रेक्षकांमधील कोणीही लाजाळू नये. त्यांना आता.

बुलेट मॅनालेः रॉबिन, तू निःशब्द आहेस?

रॉबिन ब्लॉर: होय हे ठीक आहे, मी फक्त निःशब्दतेपासून दूर आहे. मी म्हणायलाच पाहिजे, आश्चर्यकारकपणे - या साधनाबद्दल मला खरोखरच सर्वात नाट्यकारक म्हणून मारणारी गोष्ट, कारण ती खरोखरच - खरं तर अगदी स्पष्टपणे दिली गेली की संपूर्ण परिमाणांची संपूर्ण मालिका ज्यामध्ये आपण प्रवेश केला नाही - ती गोष्ट जी मला वाटते , या बद्दल सर्वात प्रभावी होता, डीबीएला प्रशिक्षित करण्याचा खरोखर, खरोखर चांगला मार्ग असणे आवश्यक आहे. तुम्हाला माहिती आहेच, म्हणजे - जेव्हा जेव्हा आपण प्रथम डेटाबेसचे कार्य करीत असता आणि डेटाबेसमध्ये काय घडत असते त्याबद्दल आपल्याला खरोखर बरेच काही माहित नसते, खरोखर खरोखर खरोखर समजून घेणे कठीण असते. मग याचा वापर विशेषतः प्रशिक्षणासाठी केला जातो? मी ते वापरतो.

बुलेट मॅनालेः हो म्हणजे, जेव्हा आपण प्रशिक्षण म्हणता, तेव्हा आपल्यास असे म्हणतात की प्रशिक्षण-प्रगतीप्रमाणे डीबीए प्रकारची गोष्ट आहे, बरोबर? च्या दृष्टीने ...

रॉबिन ब्लॉर: होय, होय, होय, होय शिकण्याचे साधन तुम्हाला माहिती आहे, ए.

बुलेट मॅनालेः होय, मी निश्चितपणे हे प्रकरण निश्चितपणे विचारतो आणि त्याहीपेक्षा आणखी चांगले म्हणजे हे आम्ही जोडले आहे, विश्लेषक घटक जो आम्ही तुम्हाला यापूर्वी दर्शवित होतो, त्यामध्ये सर्व शिफारसी आहेत ज्या त्यास जोडलेल्या आहेत. परंतु मला खात्री आहे की आपण मदत आणि उत्पादनाच्या अंतर्गत बर्‍याच वेगवेगळ्या क्षेत्रे शोधत आहात. हे आपल्याला प्रदान करते, आपल्याला माहिती आहे, भरपूर अंतर्दृष्टी आहे. बरीच माहिती.

आणि वास्तविकता अशी आहे, जसे मी म्हटल्याप्रमाणे, आपण डीबीए नसल्यास आपण हे वापरू शकता. बहुतेक डीबीएकडे असलेल्या सामान्य ज्ञानानुसार आपण कदाचित काही Google शोध आणि त्यासारख्या गोष्टी करीत असल्याचे कदाचित आपणास आढळेल, परंतु आपण हे आणि ते निश्चितपणे आपणास यासंबंधाने मदत करू शकता, “अहो, आपल्याला माहित आहे, हे काय आहे फ्रॅगमेंटेशन म्हणतात? ”किंवा“ ही क्वेरी ,000,००० वेळा का चालू आहे? ”म्हणजे, या गोष्टी आपल्याकडे आणल्या जातील आणि त्या बडबड करतील आणि आपण त्या पहाल. आपण पहाल, आपल्याला माहित आहे काय सामान्य आणि काय नाही. आपणास स्पिकिंग आणि ज्या नसलेल्या गोष्टी दिसतील.

एक नियम म्हणून, आम्ही उत्कृष्ट पद्धतींच्या बाबतीत ही गोष्ट सेट करण्याचा प्रयत्न करतो. जेणेकरून जेव्हा आपण एखाद्या उदाहरणाकडे लक्ष द्याल तेव्हा ते आपल्याला चांगल्या पद्धतींच्या बाहेरील गोष्टी म्हणून दर्शवितात. म्हणजे, अर्थातच, तुम्हाला माहिती आहे, वास्तविकता अशी आहे की सर्वोत्तम पद्धती म्हणजे उत्कृष्ट प्रॅक्टिस असतात आणि त्या नेहमीच वास्तविक नसतात. परंतु, आपणास माहित आहे की हे आपण स्थापित केलेले प्रारंभिक बिंदूपासून आणि एखाद्या घटकाकडे ते दर्शवितील हे दर्शक आपणास दर्शविते.

आणि मग तिथून आपण समस्या हलवू आणि त्या खरोखरच एक समस्या आहे की सामान्यपणे दिवसा-दररोज घडत असलेल्या गोष्टींचे निराकरण करणे आवश्यक आहे म्हणून आपण तेथून पुढे जाऊ शकता. आणि मग, आपल्याकडे मदतीसाठी बरीच माहिती आणि शिफारसी आहेत, होय, पूर्णपणे.

रॉबिन ब्लॉर: ठीक. आणि दुसरा प्रश्न - परंतु मला खात्री आहे की याचे उत्तर खूप वेगवान आहे - ते म्हणजे आपल्याकडे वैयक्तिक प्रश्न आणि वेळोवेळी वैयक्तिक बिंदूकडे खाली जाणे आणि त्या परिमाणांकडे पाहणे, या ग्रॅन्युलॅरिटीमध्ये आहे.

बुलेट मॅनालेः नक्की, होय. आपण काय करू इच्छित आहात यावर अवलंबून आपण एका मिनिटाची विंडो पाहू शकता किंवा तीन दिवसाची विंडो पाहू शकता किंवा आपल्याला माहित असेल की, तीन आठवड्यांच्या कालावधीची विंडो. आणि, आपल्याला माहिती आहेच, जसे मी म्हटल्याप्रमाणे, हे आपल्याला डेटा कसे पहायचे आहे आणि आपण काय संकलित करू इच्छिता यावर देखील अवलंबून आहे. काही प्रकरणांमध्ये, आम्ही फक्त आपण ओळखलेल्या उंबरठ्यापर्यंत पोहोचत असलेले प्रश्न संग्रहित करतो. इतर प्रकरणांमध्ये आम्ही कदाचित आपल्यास माहित असलेल्या प्रत्येक क्वेरीसाठी संकलित करू शकतो.

पण आपल्याकडे असे म्हणण्याची क्षमता देखील आहे की, “हे पहा, मी ओळखले ते उंबरठे, कदाचित हे फक्त लेखनासाठी, किंवा कदाचित फक्त वाचनासाठी किंवा कदाचित फक्त सीपीयूसाठीच आहे.” असे समजू, की त्या उंबरठाला मागे टाकले गेले, आपण काय संग्रहित करू इच्छित आहात.आणि जे काही टाइमफ्रेम आपण पाहू इच्छित आहात ते आपण आक्षेपार्ह असल्याचे मानता त्या आधारावर आक्षेपार्ह असलेले प्रश्न पाहू शकाल.

आपल्याकडे डेटाकडे पाहण्याचे बरेच भिन्न मार्ग आहेत. आपण दृश्यास्पद दृश्यात हे पाहण्यासारखे पाहू शकता, आपल्याला माहित आहे की, पडद्यामागील किती प्रश्नांची लाथ मारली जाते, विरूद्ध, आपल्याला माहित आहे की त्या क्वेरीची प्रत्येक घटना घडली, एक नमुना पाहण्यासाठी, जर आपण हे सतत खराब होत आहे का ते पहावे लागेल.

परंतु आपल्या प्रश्नाचे उत्तर देण्यासाठी आपण आपल्यास पाहिजे त्या वेळ निश्चितपणे दर्शवू शकता. आपल्याकडे हिस्ट्री ब्राउझर नावाची ही गोष्ट आहे - आणि मी त्याचा थोडासा वापर करून घेण्यास तयार होतो - परंतु मुळात आपण निवडलेल्या वेळेत जे काही बिंदू निवडता, आपण निवडलेल्या कॅलेंडरवर कोणत्याही दिवशी, आपण थेट त्या त्या वेळेवर जाऊ शकता.

आत्ता मी नोव्हेंबर 15 मध्ये पहात आहे^व्या सकाळी 7:05 वाजता आणि आम्ही त्यावेळच्या विशिष्ट प्रश्नांकडे पाहू शकतो. त्यावेळच्या विंडोला माझ्याकडे असमाधानकारकपणे चालू असलेल्या काही गोष्टी असल्यास आम्ही त्या सत्राच्या वेळी संबंधित सत्राचे तपशील पाहण्यास सक्षम आहोत की कोणती सत्रे चालू आहेत हे पाहण्यासाठी. म्हणजे, येथे संपूर्ण डेटा आहे आणि मी म्हटल्याप्रमाणे, सर्वात कठीण भाग म्हणजे कन्सोलसह सुमारे 30 मिनिटे खेळणे आणि ही सामग्री कशी करावी हे शोधून काढणे.

परंतु एकदा आपल्याला हे समजले की येथील बर्‍याच डेटा या टॅबद्वारे विभाजित केला गेला आहे आणि प्रत्येक टॅबचे स्वतःचे डायनॅमिक बदलणारे बटण आहेत जे प्रत्येक वेळी आपण त्यावर क्लिक करता तेव्हा दिसतात, मग आपण रीअल-टाइम सामग्रीकडे पहात आहात की नाही किंवा गेल्या आठवड्यात घडलेल्या गोष्टी, ही समान प्रक्रिया आहे. हे मुळात, मी आत्ता 15 नोव्हेंबरला पाहत आहे^व्या, परंतु त्या बटणावर क्लिक करून मी अगदी तितक्या सहजपणे वास्तविक वेळ पाहू शकतो. आणि मी त्याच प्रकारे डेटाशी संवाद साधणार आहे.

परंतु आपल्या प्रश्नाचे उत्तर देण्यासाठी, होय, ऐतिहासिक माहिती पाहण्याचे बरेच वेगवेगळे मार्ग आहेत आणि ते स्वत: च्या प्रश्नांशी देखील संबंधित आहेत.

रॉबिन ब्लॉर: मी पाहतो. हे खूप प्रभावी आहे. आणि मला खरं आवडतं की खिडक्या समक्रमित करतात, जरी आजकाल रीअल-टाइम डेटाशी निगडीत असलेल्या गोष्टींमध्ये अशा प्रकारचे बरेच आवश्यक होते.

बुलेट मॅनालेः हो नक्की.

रॉबिन ब्लॉर: येथे माहितीचा एक बिंदू आहे ज्याचे मला उत्तर खरोखर माहित नाही. आपल्या ऑफर म्हणून - एस क्यू एल सर्व्हर आणि क्लाऊड - आपण प्रमाणानुसार क्लाउडकडे लक्ष देऊ शकता?

बुलेट मॅनालेः आपण हे करू शकता. आपण हे ढग अंतर्गत दर्शवू शकता. आपण प्रत्यक्षात उदाहरणे जोडता तेव्हा ते आरडीएस किंवा ureझ्युअर आहे की नाही ते विचारेल. आता, ढगातून आपल्यासमोर काय आणले गेले आहे यावर आधारित काही मर्यादा आहेत, त्यामुळे कदाचित असे होऊ शकते - आम्ही निरीक्षण करू शकतो त्या दृष्टीने थोडासा फरक आहे, कारण काही प्रकरणांमध्ये वाद्य यंत्र मायक्रोसॉफ्ट जे उघड करीत आहे त्या आधारे, आम्हाला तेथे गोळा करण्यासाठी आहे.

आता जर असे काहीतरी असेल तर आपल्याला माहिती असेल, प्लॅटफॉर्म म्हणून पायाभूत सुविधा, जसे की, आपल्याला माहिती आहे किंवा EC2 किंवा असे काहीतरी आहे, यात मुळीच समस्या नाही. आम्हाला सर्वकाही मिळते. आणि जसे आम्ही मायक्रोसॉफ्टसह कार्य करतो आणि आम्ही Amazonमेझॉनसह कार्य करतो; पुढील अधिक माहितीमध्ये ती माहिती उघड करण्याचे काम करीत होते. पण अगदी होय, आम्ही त्या वातावरणाला समर्थन देतो.

रॉबिन ब्लॉर: ठीक आहे, ते मनोरंजक आहे. बरं, डेझकडे मी हात घालत आहे, मला खात्री आहे की आपणास वेगवेगळ्या दिशेने प्रश्न टाकतील.

बुलेट मॅनालेः ठीक.

डेझ ब्लांचफिल्ड: धन्यवाद. Ive आपल्यासाठी दोन फार जलद गहाळ झाले. मला वाटतं, तुम्हाला माहिती आहे, पहिली ती म्हणजे तराजू, तुम्हाला माहिती आहे, मला वाटते की मला मारणारी एक गोष्ट अशी आहे की जेव्हा कामगिरीची सर्वसाधारण थीम अशी असते जी आपण विचार करतो तेव्हा आपण खूप मोठे होतो तेव्हा खूप मोठी , खूप मोठ्या प्रमाणात आणि विस्तृत आणि डेटाची टेराबाइट. डेमो पाहताना, मला जबरदस्त धक्का बसला, ही खरोखरच अगदी अगदी अगदी लहान वातावरणास देखील लागू होते, फक्त कामगिरी हिट करण्याचा प्रकार.

आपण या प्रकाराचा प्रसार करताना कोणत्या प्रकारचा प्रसार पाहता आणि आपल्याला असे वाटते की आपल्याला त्याचे माहित आहे, तुम्हाला असे वाटते की त्याचे चांगले साधन आहे, हे तुम्हाला माहिती आहे - माझ्या मनात ते आहे, म्हणून मला वाटते की हे होय आहे - परंतु आपण काय पहात आहात हे पाहण्यास मी उत्सुक आहे. लहान संघटनांशी समान संभाषणे होत आहेत आणि हे करण्यासाठी एखादे साधन शोधत आहेत, किंवा शहराच्या अगदी शेवटी हे काहीतरी आहे?

बुलेट मॅनालेः हे मजेदार आहे - एक चांगला प्रश्न आहे. हे थोडेसे मिश्रण आहे, परंतु आयडीचे म्हणणे आहे की आमच्याकडे एक लहान ग्राहक आहेत. आणि जेव्हा मी लहान ग्राहक म्हणतो, मला म्हणायचे आहे, व्यवस्थापित करण्यासाठी परवाना देण्यासाठी एक ते पाच उदाहरणार्थ खरेदी. आता, कित्येक प्रकरणांमध्ये त्यांच्याकडे एसक्यूएलची 30 उदाहरणे असू शकतात, आणि त्या पाच घटनांमध्ये अशा पाच साधनांमध्ये गुंतवणूकीसाठी खरोखर खरोखर त्या पाच गोष्टींची त्यांना खरोखरच काळजी आहे.

पण वास्तविकता अशी आहे की अगदी लहान दुकाने देखील तुम्हाला मुठभर एसक्यूएल सर्व्हर मिळाली आहेत. बहुतेक प्रकरणांमध्ये किंवा बर्‍याच बाबतीत ते लहान दुकान त्या डेटाबेसवर अवलंबून असते, कारण ते काय करतात हे आपल्याला माहिती आहे. आणि म्हणून ते करू शकत नाहीत, ते खाली जाऊ देत नाहीत. ते शकत नाहीत, तुम्हाला माहिती आहे, त्यांच्याजवळ एक साधन असावे लागेल.

त्या नाण्याच्या दुस side्या बाजूला अशी आहे की त्यापैकी काही छोट्या दुकानांमध्ये त्यांनी डीबीए समर्पित केले नाही, म्हणून तो मुलगा खोलीतला सर्वात हुशार माणूस किंवा खोलीतले तांत्रिक माणूस नियुक्त डीबीए म्हणून संपतो. आणि म्हणूनच, त्या परिस्थितीत ते नक्कीच काही मदतीची अपेक्षा करीत आहेत आणि हे साधन त्यांना त्या बाबतीत नक्कीच मदत करेल.

आपल्या मोठ्या वातावरणाकरिता, जसे की डेझनेच याचा उल्लेख केला आहे - किंवा रॉबिन, मला खात्री नाही - परंतु आपल्याला माहिती आहे, मोठे वातावरण, आपल्याकडे किती डीबीए आहेत याबद्दल आश्चर्यचकित व्हाल, म्हणजे, असंख्य उदाहरण बोलत होते. एस क्यू एल चे, आणि आपल्याला अक्षरशः मूठभर डीबीए मिळाले जे त्यांच्यासाठी जबाबदार आहेत. आणि म्हणून त्या दृष्टीकोनातून, त्या लोकांना, तुम्हाला माहिती आहे, ते काही मदतीसाठी पहात आहेत कारण त्यांच्याकडे खरोखरच मदत करण्यासाठी पुरेसे संसाधने नाहीत, आणि म्हणूनच साधन त्यापैकी काही ऑफसेट करण्यास मदत करेल.

आणि म्हणून आम्ही ते अगदी थोड्या वेळाने पाहतो, जिथे तुम्हाला माहिती आहे, तुमच्याकडे 200 उदाहरणे व्यवस्थापित करणारी तीन मुले मिळाली. आणि म्हणूनच आपल्याकडे असे एखादे साधन नसल्यास समस्या उद्भवल्यास काय मिळवायचे याचा प्रयत्न करुन आपण त्यातील रसद कल्पना करू शकता. तो एक सक्रिय मार्ग होणार नाही, मी तुम्हाला खात्री देतो. म्हणून आशा आहे की आपल्या प्रश्नाचे उत्तर. हो

डेझ ब्लांचफिल्ड: होय, होय. याचा मला त्रास झाला - आणि मला असे वाटते की रॉबिनने त्यासंदर्भात सूचित केले आहे - परंतु, आपल्याला माहिती आहे की जेव्हा आपण डेमो केल्यावर आपण ज्या प्रकारच्या आश्वासनाचे वर्णन करीत आहात, ते म्हणजे ते फार मोठ्या वातावरणासच अनन्य नव्हते. आपणास माहित आहे की आपण एखाद्या वस्तूसाठी तयार केलेला एक सामान्य ऑफ-द-शेल्फ प्लॅटफॉर्म विकत घेऊ शकता आणि त्यास दुसर्‍या कशासाठी डेटाबेस सामायिक वातावरणामध्ये ठेवू शकता आणि यामुळे संपूर्ण वातावरणाला शिक्षा होईल.

मला त्रास देणारी दुसरी गोष्ट - हा इतका प्रश्न नाही, फक्त एक निरीक्षण आहे, परंतु मी या प्रश्नाकडे नेतो, तथापि - आणि ते म्हणजे आपल्याला माहिती आहे जेव्हा संस्थांनी आधीच त्यांच्या पायाभूत सुविधांमध्ये आणि त्यांच्या व्यासपीठावर गुंतवणूक केली असेल आणि त्यांचा डेटाबेस आणि सर्व्हर आणि त्याभोवतालची पायाभूत सुविधा, आणि ते एखादे उत्पादन विकत घेतील, जे काही असू शकते - एचआर, ईआरपी, बीआय टूल - अशा प्रकारचे त्यांनी आधीच बरीच गुंतवणूक केली आहे.

जेव्हा आपण लोकांशी संभाषण करता तेव्हा त्यांना कोणता प्रकारचा प्रतिसाद दिसतो आणि जेव्हा त्यांना हे लक्षात आले की त्यांना कामगिरीचा मुद्दा मिळाला आहे, परंतु त्यांना वाटते की आता त्यात आणखी एक गुंतवणूक करावी लागेल. असा एखादा बिंदू आहे जेव्हा आपण हे लक्षात घेतल्यावर लक्षात घ्या की ते ही एक अविश्वसनीय विचार करणारी व्यक्ती आहेत आणि हे विक्रीचे खेळपट्टी नाही तर त्याचे अधिक एपिफेनी आहे. हे फक्त आहे, आपल्याला माहिती आहे की, “याचा लगेचच फायदा होणार होता?” फक्त उत्पादन विकायला विरोध म्हणून? मला असे वाटते की ते स्वतःच विकते आणि आरओआय फक्त पृष्ठावरून उडी मारते.

बुलेट मॅनालेः हं, आणि हे खरं आहे की तुम्ही म्हणता की बर्‍याच वेळा असे होईल की, कोणीतरी डीबीएसारखे किंवा विक्री प्रतिनिधीसारखे येईल आणि ते म्हणतील, “अहो, या लोकांना जसे पहायचे आहे, यावर आरओआय चादरी. ”आणि असं काहीतरी, आम्ही त्यांना इच्छित असलेल्या कागदावर काहीतरी. आणि डेमो नेहमीच 10 पट चांगला असतो, खासकरुन, आपण हे डीबीए स्वतःच करु शकता, कारण–

डेझ ब्लांचफिल्ड: हो

बुलेट मॅनालेः आपण म्हटल्याप्रमाणे, उत्पादन स्वतःच विकते. कागदाच्या तुकड्यावर आरओआय ठेवणे आणि हे सांगणे खरोखर कठीण आहे की, “ठीक आहे, एका तासात डीबीए कित्येक क्लिक करते, तुम्हाला माहित आहे, एका तासात क्लिक करा?” जसे ते बॅकअपशी संबंधित आहे, आपल्याला माहित आहे किंवा जे काही प्रकरण असू शकते , माहित आहे? आणि ते कागदाच्या तुकड्यावर ठेवण्याचा प्रयत्न करीत आहे, हे करणे खरोखर कठीण आहे. परंतु जेव्हा आपण कुणीतरी मिळवता आणि आपण त्यांना उत्पादन दर्शविता आणि ते ते पाहतात, तेव्हा आपण जे बोलता ते तेच होते.

लोकांना त्याचे मूल्य कळते. कारण केवळ त्यांना समजून घेण्यास आणि चांगले निर्णय घेण्यातच मदत होत नाही तर त्याना मदत करणे देखील आपल्याला माहित आहे की त्यांना वाईट माणूस होऊ नये. ते माहित असलेले पहिले असू शकतात; समस्येचे निराकरण करण्यापूर्वीच ते समस्या दूर करु शकले.

त्यातील दुसरा भाग म्हणजे, तुम्हाला माहित आहे, डीबीए म्हणून, जरी ते एक आहे, तुम्हाला माहित आहे, वास्तविक आहे किंवा समज आहे - आणि मला वाटते की त्याची समजूतदारपणा - तुमच्याकडे कामगिरीच्या समस्या आहेत, खरोखर. आपण कामगिरी कमी होत असताना आपल्याकडे बोट दाखविणारा मुलगा, आणि वास्तविकता अशी आहे की विकसक कदाचित समस्या निर्माण करीत आहे.

"अहो, ही माझी अडचण नाही, असे म्हणू शकण्याचे एक साधन असल्यामुळे मला हे विकसकाकडे नेण्याची क्षमता असणे आवश्यक आहे आणि त्यांनी हे सुधारणे आवश्यक आहे," किंवा आपल्याला माहित आहे, त्या धर्तीवर. आपल्या शस्त्रागारात असे काहीतरी सांगायला सक्षम असणे हा एक चांगला मार्ग आहे, “हीच खरी समस्या आहे.” तुम्हाला माहिती आहे का?

डेझ ब्लांचफिल्ड: हो तुमच्यासाठी शेवटची आणि जी गोष्ट मला धक्का देते, याकडे जाताना हे पाहणे म्हणजे असे की बर्‍याचदा आम्ही जेव्हा कामगिरीच्या मुद्द्यांविषयी विचार करतो तेव्हा आपण विशेष कौशल्ये आणण्याचा कल असतो. ते २० वर्षांच्या अनुभवासह येतात, ते त्याकडे पाहतात आणि त्यांना क्रमवारी आहे, तुम्हाला माहिती आहे की, अभियांत्रिकी दुकानात फिरणा and्या आणि लहान लहान हातोडा घालणार्‍या त्या मुलाचा क्लासिक विनोद जो योग्य ठिकाणी मशीनला मारतो आणि नंतर म्हणतो , “हे १$,००० डॉलर्सचे फिक्स आहे,” आणि लोक जातात, “तुम्हाला ते दिलेले नाही,” तुम्हाला माहिती आहे, कारण त्याचे काम पाच मिनिटे होते. आणि तो म्हणतो, “बरं, पाच मिनिटांच्या’ कामाला फिक्स करण्यासाठी १ fix वर्षांचा अनुभव लागला आणि त्यामुळे तुमचे लाखो लोक वाचले. ”

माझ्यामते असे दिसते, आपल्याला माहित आहे की, मधुर प्रक्रिया आहे, लोक असे म्हणतात की “ठीक आहे, खास कौशल्ये आणा, समस्या दूर करा, ती निघून जाईल.” पण मग त्यांनी काय केले ते फक्त एक ठेवले आहे त्यावर बॅन्ड-एड, बरोबर? ज्या परिस्थितीत मी येथे काय पाहू शकतो, जिथून हे दिसून येते त्या विरोधात, होय, त्यांनी अनुभवल्यासारखे काही परफॉर्मन्स मुद्द्यांकडे लक्ष वेधले असावे, परंतु मला असे वाटते की फक्त २ have / 7 प्रकारचे, आपल्याला माहिती आहे, वास्तविकतेचे वातावरण पाहणारे डोळे आहेत.

पहाटे चार वाजता डीबीए जागृत होण्याच्या परिदृश्यापासून आपण खरोखरच कमी होता कारण अहवाल चालू आहेत. हे प्रकरण आहे - आणि कदाचित त्याचे वक्तृत्व - परंतु असे आहे की लोक एखाद्या विशिष्ट समस्येचे निराकरण करण्यासाठी एखाद्या उत्पादनामध्ये गुंतवणूक करण्याच्या विचारातून पटकन संक्रमण करतात, परंतु नंतर ते सामान्यत: फक्त डीएनएचा भाग बनतात?

बुलेट मॅनालेः होय, आणि ते ठिकाणांनुसार बदलते, परंतु, माझा अर्थ असा आहे की Ive ला काही लोक मिळाले ज्यांनी मूळत: 2006 मध्ये उत्पादन विकत घेतले आणि ते वेगवेगळ्या कंपन्यांमध्ये तीन वेगवेगळ्या नोक jobs्या बनले आणि जेव्हा ते गेले तेव्हा आणि त्या पुढच्या कंपनीत जा, ते मिळण्यासाठी काहीतरी म्हणून यास प्रोत्साहित करतात कारण त्यांच्याकडे कार्यप्रवाह आहे. आणि त्यास हे म्हणायला मला आवडत नाही, परंतु हे आपल्याला माहित आहे की वर्कफ्लोमध्ये या उत्पादनाचा समावेश आहे आणि दिवसेंदिवस त्याचा उपयोग झाला आणि यामुळे त्यांना मदत होते आणि म्हणून त्यांना काहीतरी नवीन शिकायला आवडत नाही.

पण अगदी. म्हणजे, बर्‍याचवेळा आपण लोकांना हे उत्पादन डाउनलोड करायला लावतात, कारण त्यांचे बजेट नसते आणि ते बाहेर जात असतात आणि ते म्हणत असतात, “अहो, आमच्याकडे हे कामगिरी बजेट आहे, आम्हाला संकल्पनेचा पुरावा करणे आवश्यक आहे , आणि आम्हाला त्यात पाऊल टाकणे आवश्यक आहे, मूल्यांकन करणे आणि त्या सर्व गोष्टी. "सहसा काय होते ते म्हणजे एसक्यूएलच्या उदाहरणावरून त्यांना एक समस्या आली आणि त्या समस्येचे निराकरण करण्यासाठी ते मदत शोधत आहेत. ते जाऊन आमचे साधन डाऊनलोड करतात, त्यांना अडचणीचे निराकरण होते आणि मग त्यांना हे समजते की हे, साधन स्वतः त्यावेळेस असलेल्या समस्येचे निराकरण करण्यापेक्षा बरेच काही करणार आहे, जे त्यांना प्रत्यक्ष कामगिरी सुधारण्यात मदत करेल. आणि पुढे येण्यापासून अडचणी येऊ द्या. आणि निश्चितपणे thats. आणि आपण निश्चितपणे या साधनाचा वापर वातावरणाशी सतत जुळवून ठेवण्यासाठी करू शकता कारण आपण आत्ता काय घडले हेच पाहण्यास नेहमीच सक्षम असाल तर गेल्या आठवड्यात, गेल्या महिन्यात, गेल्या वर्षी काय घडले आणि उद्या काय होणार आहे याची तुलना करा. तुम्हाला माहित आहे? त्या प्रकारची.

डेझ ब्लांचफिल्ड: हो

बुलेट मॅनालेः तर नक्कीच.

डेझ ब्लांचफिल्ड: परिपूर्ण म्हणून आपण नमूद केले आहे, आपण याबद्दल काहीतरी नमूद केले आहे - मी एरिकला बंद करण्यासाठी परत हात लावण्यापूर्वी मी फक्त लपेटणार आहे. मला नेहमी आवडत असलेल्या गोष्टींपैकी एक आहे, आपल्याला माहिती आहे, लोक त्यावर हात कसे घेतात? आपण ते डाउनलोड केल्याचा उल्लेख केला आहे. ते त्यावर कसे हात ठेवतात याचा एक -० सेकंदांचा सारांश काय आहे, एक प्रत मिळवा, ती स्पिन करा आणि त्याबरोबर खेळा आणि त्यांना फक्त पायाभूत माहिती मिळवण्यासाठी पायाभूत सुविधांची गरज आहे.

बुलेट मॅनालेः तर असे होणार आहे, आपण आयडेरा (आय-डी-ई-आर-ए) वर जा. कॉम. आयडीआरए डॉट कॉम ही एक कंपनी आहे आणि आपण त्या वेबसाइटला हिट केल्यास - आणि मी येथे प्रत्यक्षात आपल्याला दर्शवू शकेन - मी अद्याप माझी स्क्रीन सामायिक करीत आहे की नाही हे मला माहित नाही, परंतु आपण उत्पादने पृष्ठावर गेल्यास, तेथे डायग्नोस्टिक व्यवस्थापक दुव्यावर जा. थोडे डाउनलोड बटण असेल आणि आपण आपली माहिती भरल्यानंतर आपण फक्त बिल्ड डाउनलोड करू शकता. ते आपल्‍याला 32- किंवा 64-बिट बिल्डसाठी विचारतील आणि जसे सांगतात तसे आपण दौड्यांपर्यंत पोहोचू शकता.

डेझ ब्लांचफिल्ड: आणि एखाद्याने त्याच्याबरोबर खेळण्यासाठी लॅपटॉपवर ते चालेल किंवा त्यांना कुठेतरी सर्व्हरवर लोड करण्याची आवश्यकता आहे?

बुलेट मॅनालेः नाही, नाही. खरं तर, मी आज तुला जे दाखवलं ते सर्व माझ्या लॅपटॉपवरून चालू होतं. आता, माझ्या लॅपटॉपमध्ये 32 गिग आणि 8-कोर प्रोसेसर आहे, परंतु अद्याप तो लॅपटॉप आहे. परंतु आपल्या प्रश्नाचे उत्तर देण्यासाठी त्याकडे इतकी संसाधने असणे आवश्यक नाही. मूल्यमापन स्वतः 14 दिवस चांगले आहे, परंतु आपण यास अधिक लांबणीवर चाचणी देण्यास स्वागत करण्यापेक्षा अधिक आहात. आपण आम्हाला फक्त एक कॉल दिला तर आपण इच्छित असल्यास आम्ही ते आपल्यासाठी वाढवू शकतो.

डेझ ब्लांचफिल्ड: मला वाटते की हे काहीतरी काढून टाकले पाहिजे, कारण मी नक्कीच ते करणार आहे. मला वाटते, गोष्टींच्या रूपातून, हे डाउनलोड करणे आणि त्याबरोबर खेळायला मला कुणी विचार न करता वाटते. कदाचित आपल्या एखाद्या वातावरणात जा आणि आपण काय पाहू शकता ते फक्त पहा, कारण मला शंका येते - गेल्या 20+ वर्षात डेटाबेसच्या पार्श्वभूमीमध्ये पाहिलेल्या सर्व गोष्टींप्रमाणेच, जे माझे वय आहे - एकदा आपण हूडच्या खाली काय पहायला मिळाले की त्याचे आपल्याला काय आश्चर्यकारक वाटते की आपण द्रुतगतीने निराकरण करू शकता आणि कार्यक्षमतेत थोडेसे नफा मिळवू शकता.

अप्रतिम, डेमोसाठी धन्यवाद. हे खरोखर छान होते. प्रश्नांवर चर्चा करण्यासाठी नेहमी धन्यवाद.

बुलेट मॅनालेः आपले स्वागत आहे च्या साठी धन्यवाद-

डेझ ब्लँक्फाइड: एरिक, मी तुला परत पाठवणार आहे.

एरिक कवानाग: होय, आमच्याकडे प्रेक्षक सदस्याकडून खरोखरच एक चांगला प्रश्न आहे. आपण आपल्या सादरीकरणात याबद्दल एक प्रकारची चर्चा केली आणि मी याबद्दल खरोखर ट्विट केले कारण ते खूप चांगले कोट होते. आपण असे म्हटले आहे की आपल्या कार्यप्रदर्शनावर नकारात्मक परिणाम करणारे कामगिरीचे परीक्षण करण्यासाठी आपण एखादे साधन वापरू इच्छित नाही.

बुलेट मॅनालेः बरोबर. ते बरोबर आहे. परफॉर्मन्स-मॉनिटरिंग टूलचा हा एक महत्त्वाचा भाग आहे, ज्यामुळे हे कामगिरीच्या समस्येस कारणीभूत ठरत नाही. अगदी बरोबर.

एरिक कवानाग: नक्की. विहीर, हे ज्यासारखे आहे त्यासारखे आहे - हे अँटी-व्हायरल प्रोग्रॅमसारखे आहे जे फक्त सिस्टमवर विनाश आणू शकते. म्हणजे, मी प्रक्षेपण करण्यासाठी बर्‍याच वेगवेगळ्या तंत्रज्ञानाचा वापर केला आहे जिथे अँटी-व्हायरस प्रोग्राम सुरु केला आहे आणि आपला प्रवाह कमी करेल. तर अशा काही गोष्टी घडतात ज्याची आपण अपेक्षा करत नाही, परंतु प्रश्न, ही आपण केलेल्या विशिष्ट टिप्पणीशी संबंधित आहे. आणि कोणत्या प्रकारच्या कामगिरीवर आपणास दिसते? ते दोन टक्के आहे, पाच टक्के आहे, एक टक्के आहे? आपण आमच्यावर टाकू शकता अशी काही संख्या आहे का?

बुलेट मॅनालेः असो, मला म्हणायचे आहे की या प्रश्नाचे एक आव्हान हे आहे की आपल्याला माहिती आहे आम्ही आधी ज्या चर्चेबद्दल बोलत होतो त्यातील एक भाग आहे. मी आपल्या प्रश्नाचे उत्तर देण्यासाठी - सहसा सुमारे एक ते तीन टक्के देऊ शकतो. परंतु तेथे आणखी स्पष्टीकरण आहे जे मला वाटते की आवश्यक आहे जे आहे, आम्ही आपल्याला ज्या डिव्हाइसचे निरीक्षण करू इच्छित आहे ते सांगण्यास सक्षम होण्यासाठी बरेच मार्ग प्रदान करतो, बरोबर? आणि म्हणून ते त्याकडे परत जाते. ठीक आहे, मला चालू असलेल्या प्रत्येक क्वेरीचा एक नमुना मिळवायचा असेल. तर मला ते टूल चालू करण्यास सक्षम होण्यासाठी पुरेसे लवचिक असे साधन हवे आहे जेणेकरुन मी ते पाहू शकेन.

आणि म्हणूनच, त्या लवचिकतेच्या एका भागामध्ये आपल्याला याची कल्पना आहे, हे समाविष्ट आहे. जर मला अधिक डेटा संकलित करण्याची आवश्यकता असेल कारण मला शेवटच्या काळात चालू असलेल्या प्रत्येक क्वेरीचा नमुना हवा असेल तर आपल्याला माहित असेल, 20 मिनिटे मी ते चालू करू शकते आणि ते तसे करू शकते. आणि म्हणून, परंतु सर्वसाधारणपणे बोलताना, होय, एक ते तीन टक्के म्हणजे आपण जे पाहतो ते ओव्हरहेडच्या बाबतीत. परंतु हे बदलत जाईल आणि बहुतेक ते आपण ज्या गोष्टी चालू करता आणि बंद करता त्या आपल्या गोष्टींवर अवलंबून असतात, आपल्या उंबरळ्याच्या संदर्भात, आपल्याला किती डेटा संकलित करायचा आहे, आपले मतदान कालांतर, सर्व प्रकारच्या सामग्रीशी संबंध असतात ते.

खरं तर, आपण स्वतःच आपण व्यवस्थापन करत असल्याच्या उदाहरणाकडे गेलात तर आपण पाहत असलेल्या गोष्टींपैकी एक म्हणजे आमच्याकडे आपण निर्दिष्ट करू शकता असे एकाधिक मतदान कालांतर आहेत. आणि हे फक्त कारण म्हणजे आम्हाला पाहिजे आहे, आपल्याला माहिती आहे, मला प्रत्येक गोष्टीची तपासणी करण्याची आवश्यकता नाही - जर मी एखाद्या उदाहरणावरून हृदयाची धडधड तपासणी करायची असेल तर मला सीपीयू आणि त्याबरोबरच सर्व काही पोल करणे आवश्यक नाही जर मी दर 20 सेकंदात करत असेल तर . तर आपल्याकडे एकाधिक मतदान कालांतराने आपण निर्दिष्ट करू शकता.

आपल्याकडे देखील आहे, जसे मी म्हटल्याप्रमाणे, आपण निर्दिष्ट करू शकता असे आपले क्वेरी मॉनिटरिंग.आणि हे स्वतंत्रपणे प्रत्येक घटकासाठी केले जाऊ शकते, जेणेकरुन आपण त्या विशिष्ट घटकाची खरोखरच काळजी घेऊ शकता ज्याचे आपण निरीक्षण करू इच्छित आहात. माझ्या प्रतीक्षा आकडेवारी आणि प्रतीक्षा निरीक्षणासाठी मी ते चालू किंवा बंद करू शकतो. आणि मी हे सर्वकाही पकडण्यासाठी सांगू शकतो, मी ते सांगू शकतो, मला माहित आहे की मला काय घ्यायचे आहे आणि जेव्हा मला ते हस्तग्रहण करायचे आहे. तर बर्‍याच गोष्टी देखील - आपण काय करत आहात हे विचारात घ्यावे लागेल, आपण जे निरीक्षण करण्याचे साधन सांगत आहात त्या दृष्टीने.

पण सामान्यत: बोलणे म्हणजे जे मी म्हणावे असे आहे, जसे मी म्हटल्याप्रमाणे एक ते तीन टक्के आपणास दिसते. आम्ही हे उपकरण बर्‍याच काळापासून विकत आलो आहोत - जसे मी म्हटल्याप्रमाणे 2003 किंवा 2004 बद्दल - आणि आम्हाला हजारो ग्राहक मिळाले आहेत, म्हणून मी तुम्हाला खात्री देतो की, कामगिरीच्या अडचणी उद्भवू नयेत म्हणून आम्ही प्रयत्न करतो. कामगिरीच्या नावाखाली.

एरिक कवानाग: होय, खरोखर चांगली माहिती आहे. मला वाटले की हा एक उज्ज्वल कोट आहे कारण, आपल्याला माहिती आहे, पुन्हा, आपण जे साध्य करण्याचा प्रयत्न करीत आहात त्या उद्देशाने आपण पराभूत करू इच्छित नाही, बरोबर?

बुलेट मॅनालेः नक्की.

एरिक कवानाग: आणि रॉबिन्स प्रश्नाचे मी देखील कौतुक करतो; डीबीएला ज्या गोष्टींबद्दल बोलले जात आहेत त्यांचे वेगवेगळे पैलू आणि परिमाण आणि स्तर समजून घेण्यात खरोखर एक उत्कृष्ट व्यासपीठ आहे. आणि मला असे वाटते की आपल्या डेटाशी संभाषण करण्याची संकल्पना येथे अत्यंत योग्य आहे, कारण आपल्या आधीच्या टप्प्यावर आपण सहसा पहिल्यांदा प्रयत्न करून पाहणार नाही. आपल्याला डेटा पाहताना, ऐतिहासिक डेटाकडे पाहताना, ते मनामध्ये संश्लेषण करण्यासाठी थोडा वेळ घालविला पाहिजे. आणि मानवाचे कार्य निश्चित करते, बरोबर? तिथे परत बसून व्यवसायापासून उष्णता घेणारी, त्या नोकरीसाठी आणि गाड्या वेळेवर चालू ठेवण्यासाठी व्यवसायाची नोकरी?

बुलेट मॅनालेः अगदी.

एरिक कवानाग: पण, लोकांनो, ही आणखी एक मजेदार घटना आहे. जर आपण विचारलेल्या कोणत्याही प्रश्नाचे उत्तर दिले गेले नाही तर, मला सांगा. एक करण्यासाठी. आम्ही या सर्व घटनांचे संग्रहण करतो, जेणेकरून आपण नेहमी संग्रह शोधण्यासाठी InsideAnalysis.com वर जाऊ शकता किंवा आमच्या भागीदार टेकोपिडिया डॉट कॉमवर जाऊ शकता. आपण त्यांच्या पृष्ठाच्या उजव्या बाजूला पाहिले तर आपल्याला इव्हेंट आणि तेथे सूचीबद्ध केलेले वेबकास्ट दिसतील. जर आपण अधिक कार्यक्रमांवर क्लिक केले तर आपण तेथे सूचीबद्ध केलेले, भूतकाळ, वर्तमान आणि भविष्यकाळातील सर्व वेबकास्ट पाहू शकता.

आणि त्यासह, आपणास निरोप घेणार होतो. लोकांना आपल्याकडे या वर्षाच्या उर्वरित उर्वरित पाच वेबकास्ट्स मिळाल्या आहेत. आम्ही आणखी एक वेळापत्रक करू शकता. परंतु अन्यथा, ते २०१ to पासून सुरू होईल. एड कॅल संपली आहे. आम्हाला कळवा आणि आपल्याकडे तंत्रज्ञान प्रदर्शित करू इच्छित असलेले एखादे असल्यास, एक.

त्या बरोबर, लोक तुम्हाला निरोप देणार आहेत, लोकांनो. आपला वेळ आणि लक्ष दिल्याबद्दल पुन्हा धन्यवाद, पुढच्या वेळी तुमच्याशी चांगल्याप्रकारे बोलू. काळजी घ्या. बाय-बाय.