बेस्ट लायड प्लॅनः वेळेची बचत करणे, इष्टतम अंदाज घेऊन त्रास देणे

टेकवे: होस्ट एरिक कवानाग डॉ. रॉबिन ब्लॉर, रिक शर्मन आणि आयडीईआरए बुलेट मॅनाले यांच्याशी भाकिततेविषयी चर्चा करतात.

व्हिडिओ पाहण्यासाठी आपण या कार्यक्रमासाठी नोंदणी करणे आवश्यक आहे. व्हिडिओ पाहण्यासाठी नोंदणी करा.

एरिक कवानाग: महिलांनो, पुन्हा एकदा नमस्कार आणि हॉट टेक्नॉलॉजीज वेबकास्ट मालिकेत पुन्हा आपले स्वागत आहे! माझे नाव एरिक कवानाग आहे, आजच्या वेब सेमिनारसाठी मी तुमचा होस्ट होऊ, “बचत वेळ, पैसा आणि इष्टतम भविष्यवाण्यासह अडचणी” असे म्हटले जाते. त्या बद्दल या शो वर म्हणूनच, हॉट टेक्नॉलॉजीज हे नक्कीच आमचे मंच आहे की आज जगात काही थंड उत्पादने काय आहेत, एंटरप्राइझ तंत्रज्ञानाचे जग आहे, लोक त्यांच्याबरोबर काय करीत आहेत, ते कसे कार्य करतात या सर्व प्रकारच्या मजेदार सामग्री आहेत.

आणि आजचा विषय, जसे मी सुचवितो, अंदाज वर्तविण्यासंबंधी आहेत. खरोखर आपण आपल्या संस्थेमध्ये काय घडत आहे हे समजून घेण्याचा प्रयत्न करीत आहात. आपण काय करीत आहात हे महत्त्वाचे नसताना आपण आपल्या वापरकर्त्यांना कसे आनंदित ठेवणार आहात? जर ते विश्लेषण करीत असतील, जर ते खरोखर काम करत असतील तर त्यांना व्यवहार प्रणालींसह वास्तविक ग्राहकांचा सामना करावा लागत असेल, काहीही असो, आपल्याला तुमची प्रणाली कशी चालत आहे आणि काय चालले आहे हे समजावून सांगायचे आहे आणि आज त्याबद्दल चांगले काय बोलले आहे. हा प्रकारचा मजेदार कारण अंदाज करणे मला करणे आवडत नाही, म्हणून मला अंधश्रद्धेस कारणीभूत ठरते, जसे मी वाटते की जर मी जास्त अंदाज लावला तर वाईट गोष्टी घडतील, परंतु ते फक्त मी आहे. माझ्या आघाडीचे अनुसरण करू नका.

तर, आज हे आपले सादरकर्ते आहेत, खरोखरच डाव्या कोपर्‍यात तुमचे, रिक शर्मन बोस्टन वरून आमचे बडी बुलेट मॅनाले व आयडीईआरएचे डॉ. रॉबिन ब्लॉर येथे डायल करीत आहेत. आणि त्यासह, मी हे रॉबिनला देईन आणि लोकांना फक्त आठवण करून द्या: प्रश्न विचारा, लाजाळू नका, आम्हाला चांगले प्रश्न आवडतात, ते आज आमच्या सादरकर्ते आणि इतरांकडे सांगा. आणि त्यासह, रॉबिन, घेऊन जा.

रॉबिन ब्लॉर: ठीक आहे, ध्रुवस्थेत मी जसे ते म्हणतात त्याप्रमाणे, मी विचार केला की आयडी आज एसक्यूएलची कथा सांगते, कारण ती ज्या पार्श्वभूमीवर चर्चा चालू आहे त्या पार्श्वभूमीवर आणि ती अपरिहार्यपणे भिडणार नाही कारण रिक यावर लक्ष केंद्रित करत नाही. , आणि रिकच्या म्हणण्यानुसार संघर्ष करणार नाही. तर, एस क्यू एल स्टोरी, एस क्यू एल बद्दल काही मनोरंजक गोष्टी आहेत कारण त्या खूप प्रबळ आहेत. पहा, टायपो टाईप करा, एस क्यू एल एक घोषित भाषा आहे. अशी कल्पना होती की आपण एखादी भाषा तयार करू शकता ज्यामध्ये आपण आपल्यास पाहिजे असलेली विनंती करू शकाल. डेटाबेस ते कसे मिळवायचे यावर कार्य करेल. आणि त्याऐवजी खरोखर चांगले कार्य केले, परंतु अशा अनेक प्रकारच्या गोष्टी आहेत ज्या त्याबद्दल सांगण्यासारखे आहेत, संपूर्ण माहिती तंत्रज्ञान उद्योगाला घोषणात्मक भाषेवर आधारित ठेवण्याचे परिणाम. वापरकर्त्यास डेटाच्या शारिरीक संघटनेची माहिती नसते किंवा त्याची काळजी नसते आणि ती घोषणात्मक भाषेबद्दल चांगली गोष्ट सांगते - ती आपल्याला त्या सर्वांपासून विभक्त करते, आणि त्याबद्दल चिंताही करते - आपल्याला जे हवे आहे ते विचारते आणि डेटाबेस जाईल आणि मिळेल.

परंतु वापरकर्त्यास एसक्यूएल क्वेरीची रचना करण्याच्या पद्धतीने क्वेरीच्या कार्यप्रदर्शनावर परिणाम होईल की नाही याची थोडी कल्पना नाही आणि यामुळे थोडासा उलटा परिणाम होईल. शेकडो आणि शेकडो ओळी लांबलचक क्वेरी पाहिल्या आहेत, त्या फक्त एक एसक्यूएल विनंती आहेत, तुम्हाला माहित आहे की “सिलेक्ट” ने सुरू होते आणि उप-क्वेरींसह पुढे आणि पुढे जात आहे. आणि प्रत्यक्षात हे सिद्ध होते की जर आपल्याला डेटाबेसमधून डेटाचा विशिष्ट संग्रह हवा असेल तर आपण एसक्यूएलद्वारे वेगवेगळ्या मार्गांनी त्यास विचारू शकता आणि जर आपल्याकडे डेटाची थोडीशी ओळख असेल तर तेच उत्तर मिळेल. तर, एखादा एसक्यूएल क्वेरी डेटा विचारण्याचा उत्तम मार्ग नाही, आणि आपण त्यात ठेवलेल्या एसक्यूएलनुसार डेटाबेस वेगळ्या प्रकारे प्रतिसाद देतील.

आणि म्हणूनच, एसक्यूएल प्रत्यक्षात कार्यक्षमतेवर परिणाम करते, म्हणून एसक्यूएल वापरणारे लोक, त्यातील ते सत्य, एसक्यूएल वापरणारे एसक्यूएल प्रोग्रामर आणि ते ज्या परिणामांचा विचार करतात त्यांच्याबद्दल अगदी विचार करण्याची शक्यता कमी असते, कारण त्यांचे बहुतेक लक्ष प्रत्यक्षात डेटाच्या हाताळणीवर आहे, डेटा मिळविणे, डेटा ठेवण्यावर नाही. आणि बीआय टूल्सच्या बाबतीतही हेच खरे आहे, मी एसक्यूएल पाहिले आहे जे तुम्हाला आवडल्यास विविध डेटाबेसच्या बीआय टूल्समधून पिळून काढले जाते आणि असे म्हणावे लागेल की बरेचसे आहे, मी एसक्यूएल क्वेरी लिहित नाही तसे. हे कोणीतरी तयार केले आहे, आपल्यास आवडत असल्यास, एक छोटी मोटार जी काही पॅरामीटर्स आहेत, ती काही एसक्यूएल बाहेर टाकते आणि पुन्हा ते एसक्यूएल अपरिहार्यपणे सक्षम एसक्यूएल नसते.

मग मी विचार केला की आयडी प्रतिबाधा जुळविण्याबद्दल नमूद करते, प्रोग्रामर जे डेटा वापरतात त्या डेटापेक्षा ते वेगळे असतात. तर, आमचा डीएमएस सारण्यांमध्ये डेटा साठवतो, ऑब्जेक्ट-देणारं कोड आयोजित केलेले मुख्यतः कोडर असतात, आजकाल ऑब्जेक्ट-देणारं फॉर्म प्रोग्रामिंग करतात आणि ऑब्जेक्ट स्ट्रक्चर्समध्ये डेटा ऑर्डर करतात, त्यामुळे ते एकास दुसर्‍या नकाशावर नकाशा करत नाहीत. म्हणून, प्रोग्रामरला डेटा काय वाटतो याचा डेटाबेस काय डेटा आहे याचा विचार करतो त्यानुसार भाषांतर करण्याची आवश्यकता आहे. असे दिसते की आम्ही काहीतरी चुकीचे केले असावे. डेटा परिभाषासाठी एसक्यूएलकडे डीडीएल आहे, त्यात डेटा प्राप्त करण्यासाठी डीएमएल - डेटा मॅनिपुलेशन भाषा - निवडा, प्रकल्प आणि जॉइन करा. आता गणित आणि फारच कमी वेळ-आधारित सामग्री आहे, म्हणून ती अपूर्ण भाषा आहे, जरी ती म्हणाली की ती वाढविली गेली आहे आणि वाढविली जाईल.

आणि मग तुम्हाला एसक्यूएल अडथळा येण्याची समस्या येते, जी आकृतीपेक्षा नेहमीच सरळ असते, परंतु बर्‍याच लोक विश्लेषणात्मक कारणांमुळे प्रश्न विचारत होते, एकदा त्यांना प्रश्न आकडेवारीच्या प्रश्नाचे उत्तर मिळाल्यानंतर, आणखी एक प्रश्न विचारण्याची इच्छा आहे. तर, ही एक डायलॉगची गोष्ट बनते, बरं, एसक्यूएल संवादांसाठी तयार नव्हता, आपणास एकाच वेळी काय हवे आहे हे विचारण्यासाठी तयार केले गेले होते. आणि हे जाणून घेण्यासारखे प्रकार आहे कारण तेथे काही उत्पादने आहेत जी वापरकर्ता आणि डेटा दरम्यान संभाषण शक्य करण्यासाठी एसक्यूएल सोडून देते.

डेटाबेस कामगिरीच्या बाबतीत - आणि हा प्रकार सर्व गोष्टींमध्ये पसरतो - होय, तेथे सीपीयू आहे, मेमरी आहे, डिस्क आहे, नेटवर्क ओव्हरहेड्स आहेत आणि दिलेल्या माहितीवर डेटाचा अनन्य वापर करण्याची इच्छा असलेल्या एकापेक्षा जास्त व्यक्तींच्या लॉकिंगची समस्या आहे. वेळेवर निर्देशित कर. परंतु तेथे खराब एसक्यूएल कॉल देखील आहेत, कार्यक्षमतेच्या बाबतीत, आपण एसक्यूएलला अनुकूलित केले तर हे केले जाऊ शकते. तर, डेटाबेस कामगिरीचे घटकः खराब डिझाइन, खराब प्रोग्राम डिझाइन, वर्कलोड गहाळ झाल्याची सहमती, लोड बॅलन्सिंग, क्वेरी स्ट्रक्चर, क्षमता नियोजन. ती म्हणजे डेटा वाढ. आणि काही शब्दांत, एस क्यू एल सोयीस्कर आहे, परंतु ते स्वत: ला अनुकूलित करत नाही.

असे बोलल्यानंतर, मला वाटते की आम्ही रिककडे जाऊ.

एरिक कवानाग: ठीक आहे, रिक, मी तुम्हाला वेबएक्स कारच्या कळा देतो. घेऊन जा.

रिक शर्मन: ठीक आहे, छान. बरं धन्यवाद रॉबिन, जेव्हा आपण प्रेझेंटेशनच्या सुरूवातीस सुरुवात केली तेव्हा माझे ग्राफिक्स अजूनही खूप कंटाळवाण्या आहेत, पण त्या बरोबर जा. तर, मी रॉबिनने एस क्यू एल बाजूस बोललेल्या प्रत्येक गोष्टीशी सहमत आहे. परंतु मला आता थोडासा लक्ष केंद्रित करण्याची इच्छा आहे ती म्हणजे डेटाची मागणी, जे त्या जागेमध्ये वापरल्या जाणार्‍या साधनांप्रमाणेच पुरवठा किंवा त्या जागेमधील साधनांची आवश्यकता, जे फार लवकर जाते.

प्रथम, आपण वाचलेल्या प्रत्येक लेखात काही असे आहे की आपण मोठा डेटा, बरेच डेटा, ढगातून येत नसलेले संरचित डेटा, आपण कल्पना करू शकता अशा प्रत्येक ठिकाणी मोठा डेटा आहे. परंतु डेटाबेस बाजाराची वाढ सतत एसक्यूएलकडे राहिली आहे, बहुधा २०१ 2015 पर्यंतचा रिलेशनल डेटाबेस अजूनही डेटाबेस बाजाराचा 95 percent टक्के आहे. पहिल्या तीन रिलेशनल विक्रेत्यांकडे त्या जागेत सुमारे 88 टक्के बाजाराचा वाटा आहे. तर, रॉबिन जसे एसक्यूएल बद्दल बोलले तसे बोलत होते. आणि खरं तर, हडूप प्लॅटफॉर्मकडे पहात असले तरी, पोळे आणि स्पार्क एस क्यू एल - जे माझा मुलगा, जो डेटा सायंटिस्ट आहे, आता सर्व वेळ वापरतो - लोकांचा डेटा मिळवण्याचा नक्कीच हा प्रमुख मार्ग आहे.

आता डेटाबेसच्या बाजूला डेटाबेस वापरण्याच्या दोन विस्तृत श्रेणी आहेत. एक म्हणजे ऑपरेटिव्ह डेटाबेस मॅनेजमेंट सिस्टमसाठी, तर एंटरप्राइझ रिलेशनशिप प्लॅनिंग, ग्राहक रिलेशन मॅनिंग, सेल्सफोर्स ईआरपी, ओरॅकल्स, ईपीआयसी, एन 4 इत्यादी. आणि, डेटा गोदामांमध्ये आणि अन्य व्यवसाय बुद्धिमत्ता-आधारित प्रणालींमध्ये डेटाची विस्तृत रक्कम आणि विस्तृत प्रमाणात वाढ होते. सर्व काही घडवून आणा, ते कोठे व कसे हस्तगत केले जाते, कसे संग्रहित केले गेले आहे किंवा कसे व्यवहार केले गेले याची पर्वा न करता अखेरीस त्याचे विश्लेषण केले जाते आणि त्यामुळे बाजारपेठेत डेटाबेस, विशेषतः रिलेशनल डेटाबेसच्या वापरामध्ये मोठी मागणी आणि वाढ होते.

आता आम्हाला मागणी मिळाली आहे, आपल्याकडे प्रचंड प्रमाणात डेटा येत आहेत. आणि मी खरोखर फक्त मोठ्या डेटाबद्दल बोलत नाही, मी सर्व प्रकारच्या व्यवसायात डेटा वापरण्याबद्दल बोलत आहे. परंतु त्याबरोबर पुरवठा बाजूने, जे लोक ती संसाधने व्यवस्थापित करू शकतात त्यांच्यासाठी आम्ही प्रथम डीबीएची कमतरता निर्माण केली आहे. आमच्याकडे कामगार आकडेवारीच्या ब्युरोनुसार २०१–-२०१ from पासून डीबीएच्या नोकर्‍या केवळ ११ टक्क्यांनी वाढणार आहेत - आता डीबीएच्या जॉब टायटल असणा tha्या माणसांना धक्का बसला आहे, पण त्याबद्दल talk०-प्लस टक्के विरुद्ध एक सेकंदात बोला. वार्षिक डेटा वाढीची जागा. आणि आमच्याकडे बरेच डीबीए आहेत; इतर आयटी व्यवसायांच्या तुलनेत सरासरी वय बद्दल समान अभ्यासाचे बोलणे खूपच जास्त आहे. आणि मग आपल्याकडे बरीच लोक शेतात सोडत आहेत, निवृत्त होतच नाहीत तर इतर पैलूंमध्ये बदलत आहेत, व्यवस्थापनात जातात किंवा जे काही आहे.

आता निघण्यामागील कारणांपैकी एक कारण म्हणजे डीबीएचे काम अधिकच कठीण होत चालले आहे. सर्वप्रथम, आमच्याकडे डीबीए स्वत: चे बरेच भिन्न डेटाबेस, भौतिक डेटाबेस, सर्वत्र स्थित तसेच विविध प्रकारचे डेटाबेस व्यवस्थापित करतात. आता ते रिलेशनल असू शकते किंवा ते इतर डेटाबेस असू शकतात, डेटाबेसचे प्रकार देखील. परंतु जरी त्याचा संबंध असला तरीही त्यांच्याकडे एक, दोन, तीन, चार भिन्न विक्रेते असू शकतात जे ते प्रत्यक्षात व्यवस्थापित करण्याचा प्रयत्न करीत आहेत. डीबीए सामान्यत: डेटाबेस किंवा अनुप्रयोगाच्या डिझाइननंतर गुंतले जातात. डेटाबेस किंवा अनुप्रयोग कसे डिझाइन केले जातात, एसक्यूएल कसे डिझाइन होते याबद्दल रॉबिन बोलला. बरं, जेव्हा डेटा मॉडेलिंग, ईआर मॉडेलिंग, विस्तारित ईआर मॉडेलिंग, डायमेंशन मॉडेलिंग, प्रगत मितीय मॉडेलिंग, जे काही असेल, विशेषत: programप्लिकेशन प्रोग्रामर आणि developप्लिकेशन डेव्हलपर त्यांचे अंतिम लक्ष्य लक्षात ठेवून डिझाइन करतात - तेव्हा ते स्वतःच डेटाबेस रचनेच्या कार्यक्षमतेसाठी डिझाइन करत नाहीत. . तर आमच्याकडे बरेच डिझाइन आहे.

आता मी व्यावसायिक एंटरप्राइझ अनुप्रयोग विक्रेत्यांविषयी बोलत नाही; त्यांच्याकडे सामान्यत: ईआर मॉडेल किंवा विस्तारित ईआर मॉडेल असतात. मी ज्याविषयी बोलतो त्यामध्ये बर्‍याच व्यवसाय प्रक्रिया आणि अनुप्रयोग ज्या प्रत्येक कंपनीतील अनुप्रयोग विकसकांनी तयार केल्या आहेत - त्या त्या उपयोजनांच्या कार्यक्षमतेसाठी किंवा प्रभावीतेसाठी तयार केलेल्या नसतात. आणि डीबीए स्वतःच जास्त काम करतात आणि काहीवेळा त्यांची 24/7 जबाबदारी असते, त्यांना अधिकाधिक डेटाबेस मिळत राहतात. मला असे वाटते की लोक थोडे काय करतात ते काय करतात हे त्यांना समजत नाही किंवा ते ते कसे करतात. त्यांचा स्वतःचा छोटा गट आणि लोक फक्त असा विचार करत असतात, “बरं ही सर्व साधने वापरणे इतके सोपे आहे, आम्ही त्यांच्या कामावरील अधिकाधिक डेटाबेसवर टाकत राहू शकतो,” जे प्रकरण नाही.

ज्यामुळे आपल्याला अर्धवेळ आणि अपघाती डीबीए होते. आमच्याकडे आयटी कार्यसंघ आहेत जे लहान आहेत आणि त्यांना समर्पित डीबीए परवडत नाही. आता अगदी छोट्या ते मध्यम आकाराच्या व्यवसायांचेच खरे आहे, जेथे गेल्या दशकात डेटाबेस आणि डेटाबेस अनुप्रयोगांचा विस्तार वाढला आहे आणि त्याचा विस्तार सुरू आहे. परंतु मोठ्या कॉर्पोरेशनच्या बाबतीतदेखील हे प्रकरण बर्‍याच दिवसांपासून डेटा वेअरहाउसिंग, व्यवसाय बुद्धिमत्ता विश्लेषणे करत आहे. फार पूर्वी आम्ही त्या प्रकल्पांसाठी समर्पित डीबीए घेत होतो; आम्हाला यापुढे कधीही समर्पित डीबीए मिळणार नाही. डेटाबेस डिझाइन करण्यासाठी जबाबदार होते, जे ठीक आहे, जर एखाद्याचा अनुभव असेल तर.परंतु सर्वसाधारणपणे, डीबीए हे अनुप्रयोग विकासक असतात, ते त्यांच्या नोकरीचा अर्धवेळ भाग म्हणून ही भूमिका घेतात, त्यामध्ये त्यांना औपचारिक प्रशिक्षण मिळत नाही आणि पुन्हा ते शेवटच्या उद्दीष्टांसाठी डिझाइन करतात, ते कार्यक्षमतेसाठी डिझाइन करत नाहीत.

आणि डिझाइन आणि विकास, विरूद्ध उपयोजन आणि व्यवस्थापन यात बरेच फरक आहेत. तर, आमच्याकडे तेथील "पिन्नी शहाणा, पाउंड मुर्ख" आहेत, तेथे एक छोटी पिगी बँक आहे, प्रकल्पांमध्ये आवश्यक कौशल्ये आणि संसाधने मिळवण्याकडे दुर्लक्ष करतात. असा विचार करून प्रत्येकजण “नेरड्सचा बदला”, तेथील माझे छोटे चित्र आहे. आतापर्यंत लोकांना आवश्यक असलेल्या गोष्टी म्हणून, आपल्याकडे एसक्यूएलमध्ये डेटाबेस आणि डेटाचा विस्तारित वापर आहे. आमच्याकडे डीबीएची संख्या मर्यादित आहे - जे लोक या ट्यूनिंग आणि डिझाइनिंग आणि व्यवस्थापन आणि उपयोजन परिस्थितीमध्ये कुशल आणि तज्ञ आहेत. आणि आमच्याकडे जास्तीत जास्त अर्धवेळ किंवा अपघाती डीबीए आहेत ज्यांना औपचारिक प्रशिक्षण मिळाले नाही.

तर, या डेटाबेस तसेच चालू नसल्यामुळे किंवा त्याही व्यवस्थापित केल्या गेल्या आहेत अशा काही अन्य गोष्टी कोणत्या आहेत? प्रथम, बरेच लोक असे मानतात की डेटाबेस सिस्टममध्ये स्वत: चे व्यवस्थापन करण्यासाठी स्वतःकडे पुरेशी साधने आहेत. आता, साधने करणे सुलभ आणि सुलभ होत आहे - डिझाइन आणि विकास - परंतु एक चांगले डिझाइन करणे आणि उपयोजनासाठी चांगले व्यवस्थापन, क्षमता व्यवस्थापन, देखरेख इ. पेक्षा वेगळे वेगळे आहे. तर, सर्वप्रथम, लोक असे गृहीत करतात की त्यांच्याकडे आवश्यक असलेली सर्व साधने आहेत. दुसरे म्हणजे, जर तुम्ही अर्धवेळ किंवा अपघाती डीबीए असाल तर तुम्हाला काय माहित नाही हे माहित नाही.

माझा अंदाज आहे की मी त्यातील काही वाक्यांश विसरलो आहे, जेणेकरून बर्‍याच वेळा त्यांना डिझाइनमध्ये काय पहावे लागेल किंवा जेव्हा ते डेटाबेस व्यवस्थापित करतात किंवा ऑपरेट करतात तेव्हा त्यांना ते समजतही नाही. जर तो तुमचा व्यवसाय नसेल तर तुम्हाला काय करावे लागेल हे समजत नाही. तिसरे म्हणजे, एस क्यू एल हे एक जाणारे साधन आहे, म्हणून रॉबिन एस क्यू एल बद्दल बोलला, आणि कधीकधी एस क्यू एल किती खराब बांधले जाते किंवा बर्‍याच वेळा तयार केले जाते. आणि बीआय डेटा वेअरहाउसिंग, डेटा माइग्रेशन, डेटा इंजिनिअरिंग स्पेस मधील माझ्या पाळीव प्राण्यांपैकी एक म्हणजे साधने वापरण्याऐवजी लोकांमध्ये एसक्यूएल कोड, संग्रहित कार्यपद्धती लिहिण्याची प्रवृत्ती आहे, जरी ते महागडे डेटा एकत्रिकरण साधन किंवा महागडे वापरत असले तरीही द्वितीय साधन, ते बर्‍याचदा ते फक्त संग्रहित प्रक्रिया चालविण्यासाठी वापरतात. जेणेकरुन एसक्यूएलच्या बांधकामाचे डेटाबेस डिझाईन समजण्याचे महत्त्व अधिकाधिक होत चालले आहे.

आणि शेवटी हा सिलो दृष्टिकोन आहे, ज्यामध्ये आपल्याकडे वैयक्तिक लोक स्वतंत्र डेटाबेस पाहतात. ते अनुप्रयोग कसे कार्य करतात ते पाहतात आणि एकमेकांशी परस्पर संवाद साधतात. आणि ते खरोखरच नेहमी वापरत असलेल्या अनुप्रयोगांच्या विरूद्ध डेटाबेसकडे पहात असतात. म्हणून, आपण डेटाबेसवर मिळवलेले वर्कलोड डिझाइनमध्ये गंभीर आहे, त्यास ट्यून करण्यात महत्वपूर्ण आहे, क्षमतेची आखणी कशी करावी इत्यादी करण्याचा प्रयत्न करणे आवश्यक आहे. म्हणून, झाडांमधून जंगलाकडे पहात लोक तणात आहेत , स्वतंत्र सारण्या आणि डेटाबेसकडे पहात आहोत आणि वर्कलोडमध्ये या अनुप्रयोगांचा संपूर्ण संवाद पाहत नाही.

अखेरीस, लोकांकडे पहाण्यासाठी आवश्यक असलेल्या महत्त्वाच्या क्षेत्रांकडे लोकांनी पाहिले पाहिजे. जेव्हा ते डेटाबेस व्यवस्थापित करण्याचा विचार करीत असतात तेव्हा त्यांना प्रथम त्याबद्दल विचार करणे आवश्यक आहे, काही अनुप्रयोग-केंद्रित कार्यक्षमता मेट्रिक्स विकसित करणे आवश्यक आहे, म्हणूनच हे टेबल कसे संरचित केले गेले आहे तेच कसे नाही, ते कसे डिझाइन केले आहे हे कसे पहावे लागेल, परंतु ते कसे वापरले जाते? तर, जर आपल्याकडे पुरवठा साखळी व्यवस्थापनात एंटरप्राइझ अनुप्रयोग असेल तर, जर आपण वेबवरून ऑर्डर घेत असाल तर, बीआय करत असाल तर - आपण जे काही करत आहात - आपण ते कोणत्या वापरत आहात, ते कसे वापरत आहेत, डेटा व्हॉल्यूम काय आहेत ते पहाणे आवश्यक आहे. , जेव्हा हे होणार आहे. आपण खरोखर ज्या गोष्टी शोधण्याचा प्रयत्न करीत आहात ती प्रतीक्षा वेळ आहे, कारण काहीही झाले तरी, सर्व अनुप्रयोगांचा विचार केला जातो की ते पूर्ण करण्यासाठी किती वेळ लागतो, मग ती एखादी व्यक्ती किंवा अनुप्रयोग किंवा प्रोसेसरमधील डेटाचे इंटरचेंज असू शकते. आणि अडथळे काय आहेत? आपण बर्‍याचदा समस्यांचे डीबग करण्याचा प्रयत्न करीत असताना, खरोखर खरोखर अडचणी काय आहेत हे पाहण्याचा प्रयत्न करीत आहात - सर्वकाही कसे ट्यून करावे हे आवश्यक नाही, परंतु आपण कशापासून मुक्त होऊ शकता आणि प्रतीक्षा वेळ आणि थ्रूपूट कशी वाढवू शकता - जे काही आहे आपण पाहणे आवश्यक आहे.

आणि आपल्याला डेटाबेसमधील डेटा कॅप्चर, व्यवहार, परिवर्तनांचे पैलू आणि विश्लेषणासह खरोखर वेगळे करणे आवश्यक आहे. त्या प्रत्येकाचे डिझाइनचे प्रकार भिन्न आहेत, त्या प्रत्येकाचे वेगवेगळे वापरण्याचे प्रकार आहेत आणि त्या प्रत्येकास वेगळ्या ट्यून करणे आवश्यक आहे. तर, आपण हा डेटा कसा वापरला जातो, त्याचा वापर केव्हा केला, त्याचा वापर कशासाठी केला आणि आपण त्या वापराशी संबंधित विश्लेषित करू इच्छित परफॉरमन्स मेट्रिक्स आणि कोणत्या महत्त्वाच्या गोष्टी आहेत याचा शोध घेण्याची आवश्यकता आहे. आता, आपण कामगिरीवर लक्ष ठेवत असताना, आपण स्वतः डेटाबेस ऑपरेशन्स पाहू इच्छित असाल; आपल्याला दोन्ही डेटा स्ट्रक्चर्स बघायच्या आहेत, म्हणजे अनुक्रमणिका, विभाजन आणि डेटाबेसची इतर भौतिक बाजू, अगदी डेटाबेसची रचना - जरी त्याचा ईआर मॉडेल असेल किंवा मितीय मॉडेल, जरी रचना असेल - या सर्व गोष्टींचा कार्यक्षमतेवर परिणाम होतो. , विशेषत: डेटा कॅप्चर ticsनालिटिक्स आणि बदल घडणार्‍या बदलांच्या भिन्न भिन्न बाबींमध्ये.

आणि रॉबिनने एस क्यू एल बाजूस नमूद केल्याप्रमाणे, या भिन्न डेटाबेसमधून या भिन्न अनुप्रयोगांद्वारे चालवल्या जाणार्‍या एसक्यूएलकडे पाहत आहोत आणि त्यास ट्यून करणे गंभीर आहे. आणि एकूणच अनुप्रयोग वर्कलोड आणि हे डेटाबेस आणि अनुप्रयोग चालू असलेल्या पायाभूत सुविधांच्या वातावरणाकडे पहात आहात. तर, नेटवर्क, सर्व्हर, क्लाऊड - जे काही चालू आहे ते देखील - या अ‍ॅप्लिकेशन्स आणि या डेटाबेसचा त्या कॉनमध्ये काय परिणाम होतो ते पाहता, या सर्वांना डेटाबेस ट्यून करण्यात सक्षम होण्याची इंटरप्ले आहे.

आणि शेवटी, जेव्हा आपण साधनांकडे पहात असता, तेव्हा आपण त्याशी संबंधित तीन वेगवेगळ्या प्रकारचे विश्लेषणे पाहण्यास सक्षम होऊ इच्छिता. आपणास वर्णनात्मक विश्लेषण पहायचे आहे: काय होत आहे आणि कुठे आहे, डेटाबेस आणि अनुप्रयोगाच्या कार्यप्रदर्शनाशी संबंधित आहे. आपणास केवळ काय घडत आहे हेच शोधून काढण्यासाठी डायग्नोस्टिक doनालिटिक्स करण्याची क्षमता हवी आहे परंतु ते का होत आहे, कोठे अडचणी आहेत, समस्या कोठे आहेत, काय चांगले चालत नाही आहे? परंतु डिझाइनसाठी किंवा आपल्याला जे काही करण्याची आवश्यकता आहे त्या संबोधित करण्यासाठी समस्येचे क्षेत्र विश्लेषित करण्यास आणि त्यामध्ये कार्य करण्यास सक्षम असणे.

आणि अखेरीस, सर्वात आक्रमक किंवा सक्रिय प्रकारचे विश्लेषण म्हणजे प्रत्यक्षात काही भविष्य सांगणारे विश्लेषण, भविष्यवाणी विश्लेषक मॉडेलिंग, जे काही करणे. आम्हाला माहित आहे की डेटाबेस आणि अनुप्रयोग या कॉनमध्ये कार्य करतात, जर आम्ही क्षमता वाढविली तर आम्हाला जास्त वापरकर्ते मिळाल्यास, जर आम्ही अधिक थ्रूपुट केले तर जे काही करत होते, ते डेटाबेसवर काय, कसे आणि कोठे प्रभाव पडेल, अनुप्रयोग, आम्हाला योजना आखण्याची आणि कार्यक्षमतेने शोधण्याची परवानगी देते, अडथळे कोठे आहेत, प्रतीक्षा वेळ कोठे येऊ शकते आणि गोष्टी निराकरण करण्यासाठी आम्हाला काय करावे लागेल. म्हणून आमच्याकडे अशी साधने हवी आहेत जे कार्यप्रदर्शन मेट्रिक्सची अंमलबजावणी करण्यास सक्षम असतील, कामगिरीचे परीक्षण करतील, जसे की या तीन प्रकारच्या विश्लेषणाप्रमाणेच. आणि माझे विहंगावलोकनाबद्दल धन्यवाद

एरिक कवानाग: ठीक आहे, मला ते देऊ दे - त्या दोन महान सादरीकरणे आहेत, तसे - मी तेथून ते घेण्यासाठी बुलेट मॅनालाकडे सोपवतो. आणि लोकांनो, चांगले प्रश्न विचारण्यास विसरू नका; आमच्याकडे आधीपासूनच काही चांगली सामग्री आहे. बुलेट, दूर घेऊन जा.

बुलेट मॅनालेः छान वाटतंय. धन्यवाद, एरिक. तर, रिकने जे बोलले आणि रॉबिन म्हणाले, त्यापैकी बरेच काही स्पष्टपणे मी 100 टक्के सहमत आहे. मी म्हणेन की मी ही स्लाइड वर खेचली आहे, मला वाटते की त्यास योग्य वाटते, 80 च्या दशकात परत आलेल्या “ए-टीम” च्या चाहत्यांना मी ओळखत नाही, जॉन हॅनिबल स्मिथ नेहमी म्हणत असे, “मला आवडते जेव्हा एखादी योजना एकत्र येते तेव्हा मला वाटते, "आणि जेव्हा आपण विशेषत: एसक्यूएल सर्व्हरबद्दल बोलत असता तेव्हा जे फोकस करीत होते, जे आजचे उत्पादन सांगणार आहे, एस क्यू एल डायग्नोस्टिक मॅनेजर, त्या त्या निश्चितच गोष्टींपैकी एक आहे आपल्याकडे असणे आवश्यक आहे; आपण आपल्याकडे असलेल्या डेटाचा फायदा घेण्यास सक्षम आहात आणि त्या डेटामधून निर्णय घेण्यास सक्षम आहात आणि काही प्रकरणांमध्ये आपण निर्णय शोधत नाही; जेव्हा आपण संसाधने कधी संपणार आहेत, जेव्हा आपण संसाधने संपविणार आहात, जेव्हा आपल्याकडे एखादी अडथळा असेल तेव्हा अशा प्रकारच्या गोष्टी सांगण्यासाठी काहीतरी शोधत आहात.

हे केवळ एका विशिष्ट मेट्रिकचे निरीक्षण करण्याबद्दल नाही. तर, डायग्नोस्टिक मॅनेजरच्या सहाय्याने ही एक चांगली कामगिरी म्हणजे भाकितपणा आणि कामाचे ओझे समजून घेण्याच्या दृष्टीने मदत करेल आणि आज त्याबद्दल बर्‍याच गोष्टींबद्दल बोलणार आहे. हे उपकरण डेटा मॅनेजर, डीबीए किंवा अभिनय डीबीएसाठी तयार केले आहे, म्हणून रिक ज्या ज्या गोष्टींबद्दल उल्लेख करीत होते त्यापैकी बरेच काम, डीबीए म्हणजे कार्यवाहक आहे. बर्‍याच प्रकरणांमध्ये, आपण डीबीए नसल्यास, एसक्यूएल वातावरण व्यवस्थापित करण्याची वेळ येते तेव्हा आपल्याला असणा question्या बर्‍याच प्रश्नचिन्हे असतात, ज्या गोष्टी आपल्याला ठाऊक नसतात. आणि म्हणूनच आपणास मदत करण्याकरिता काहीतरी शोधत आहात, त्या प्रक्रियेद्वारे तुम्हाला घेऊन जा आणि तसेच तुम्हाला प्रक्रियेत शिक्षित केले जाईल. आणि म्हणूनच, हे महत्त्वाचे आहे की आपण या प्रकारच्या निर्णयासाठी वापरत असलेले साधन आपल्याला ते निर्णय का घेत आहेत याची कारणाबद्दल थोडी अंतर्दृष्टी देईल, हे फक्त आपल्याला सांगत नाही, “अहो, हे करा.”

कारण मी अभिनय डीबीए करतो, अखेरीस मी त्या वास्तविकतेचा बॅक अप करण्यासाठी वास्तविक कौशल्य आणि ज्ञानासह पूर्ण विकसित झालेला डीबीए असू शकतो. तर जेव्हा ते म्हणाले की जेव्हा डेटाबेस प्रशासक असण्याबद्दल बोलत होते - मी नेहमी हा स्लाइड प्रथम दर्शवितो कारण डीबीएची काही भिन्न भूमिका आहे आणि आपण ज्या संस्थेची भूमिका घेत आहात त्यानुसार, त्या बदलत आहेत. एका जागेवर दुसर्‍या जागी - परंतु सामान्यत: आपण आपल्या स्टोरेजसाठी, त्या साठवणुकीचे आपले नियोजन आणि अपेक्षेची समजूत काढणे यासाठी नेहमीच जबाबदार राहता, मी म्हणावे, आपल्याला किती जागेची आवश्यकता आहे, ते आपल्या बॅकअपसाठी आहे किंवा ते स्वतः डेटाबेससाठी आहे की नाही. आपणास हे समजून घेणे आणि त्याचे मूल्यांकन करण्याची आवश्यकता आहे.

याव्यतिरिक्त, आपल्याला आवश्यक असलेल्या गोष्टी समजून घेणे आणि त्यास ऑप्टिमाइझ करणे आवश्यक आहे आणि आपण वातावरणाचे निरीक्षण करत असता, वातावरणात बदलणार्‍या गोष्टींच्या आधारावर आवश्यक ते बदल करणे महत्वाचे आहे. स्वतः. म्हणून, वापरकर्त्यांची संख्या, अनुप्रयोगांची लोकप्रियता, डेटाबेसची हंगामी यासारख्या गोष्टी जेव्हा आपण आपले अंदाज बांधता तेव्हा विचारात घ्याव्यात. आणि मग, स्पष्टपणे इतर गोष्टींकडे पाहणे आणि त्या निर्णय घेण्याशी संबंधित असलेल्या आवश्यक माहिती आणि अहवाल प्रदान करण्यात सक्षम असणे. बर्‍याच प्रकरणांमध्ये याचा अर्थ तुलनात्मक विश्लेषण करणे; याचा अर्थ असा आहे की विशिष्ट मेट्रिककडे विशेषतः पाहणे आणि त्या मेट्रिकचे मूल्य कालांतराने काय होते हे समजून घेणे, जेणेकरून आपण पुढे जाऊ इच्छिता की आपण अंदाज करू शकता.

तर डायग्नोस्टिक मॅनेजरमध्ये बर्‍याच टूल्समध्ये त्या क्षमता असतात आणि लोक दररोज अंदाज वापरण्यासारख्या गोष्टी करण्यासाठी सक्षम असतात आणि इव्हेंने क्षमता नियोजनाची व्याख्या येथे ठेवली. आणि ही एक अतिशय विस्तृत आणि प्रत्यक्षात एक अस्पष्ट परिभाषा आहे, जी एखाद्या संस्थेला आवश्यक असलेल्या उत्पादनांची बदलती मागणी पूर्ण करण्यासाठी आवश्यक असणारी उत्पादन क्षमता निश्चित करण्याची प्रक्रिया आहे आणि दिवसाच्या शेवटी, खरोखर काय आहे ते ठरवते: त्याची आपल्याकडे एखादा मार्ग किंवा दुसरा मार्ग आहे याची माहिती घेण्यात सक्षम असणे आणि ती माहिती घेणे आणि आपण आपल्या डेटाबेसच्या जीवनचक्रात प्रगती करत पुढे जाण्यात मदत करण्यासाठी निर्णय घेणे. आणि म्हणूनच, लोकांना गोष्टी करण्याची आवश्यकता असलेल्या कारणास्तव स्पष्ट म्हणजे सर्वप्रथम आणि सर्वात महत्वाचे म्हणजे पैशाची बचत करणे. व्यवसाय, अर्थातच त्यांचे मुख्य लक्ष्य म्हणजे पैसे कमविणे आणि पैसे वाचवणे हे आहे. परंतु त्यासह प्रक्रियेत याचा अर्थ असा आहे की आपला डाउनटाइम, डाउनटाइम नाही याची खात्री करुन घेण्यात सक्षम असणे. आणि डाउनटाइम होण्याची कोणतीही शक्यता आपण कमी केली आहे हे सुनिश्चित करण्यास सक्षम असणे, म्हणूनच हे दुस words्या शब्दात सांगायचे तर थांबू नये आणि नंतर त्यास प्रतिक्रिया द्या.

तसेच आपल्या वापरकर्त्यांची उत्पादनक्षमता एकंदरीत वाढविण्यास सक्षम असणे, त्यांना अधिक कार्यक्षम बनविणे जेणेकरून आपण अधिक व्यवसाय करू शकाल हे येथे महत्त्वाचे आहे, म्हणूनच डीबीए म्हणून किंवा भविष्यवाणी किंवा क्षमतेत गुंतलेले कोणीतरी या गोष्टींचे प्रकार आहेत हे निर्णय घेण्यास सक्षम होण्यासाठी माहितीच्या माध्यमातून वेड करण्यात सक्षम असण्याची योजना आखत आहे. आणि एकंदरीत, हे स्पष्टपणे आपल्याला केवळ पैशाच्या बाबतीत नाही तर वेळेच्या दृष्टीने आणि सामान्यतः संसाधनांच्या बाबतीतही कचरा काढून टाकण्यास मदत करेल जे शक्यतो इतर गोष्टींसाठी वापरल्या जाऊ शकतात. तर, हा कचरा काढून टाकण्यास सक्षम असणे जेणेकरून आपल्याकडे संधीचा खर्च होणार नाही जो कच the्यावरच जोडला गेला आहे.

तर, असे म्हटल्यास, आम्हाला कोणत्या प्रकारचे प्रश्न येतात जे एखाद्या व्यक्तीसाठी विशिष्ट डीबीए करतात? मी जागेची जागा कधी संपणार आहे? एक मोठा म्हणजे, मी आता किती जागा वापरत आहे हेच नाही, परंतु मी कधी धावणार आहे, ट्रेंड आणि मागील इतिहासाच्या आधारे? एसक्यूएलच्या वास्तविक घटनांसह समान गोष्ट, डेटाबेस, मी कोणते सर्व्हर एकत्रित करू शकतो? मी व्हीएम वर काही ठेवणार आहे, मी कोणत्या डेटाबेसच्या बाबतीत एकत्रीकरण करणार आहे आणि एसक्यूएलच्या कोणत्या घटनांवर रहायला हवे? अशा सर्व प्रकारच्या प्रश्नांची उत्तरे देण्यास सक्षम असणे आवश्यक आहे. कारण बर्‍याच प्रकरणांमध्ये, आपण डीबीए किंवा अभिनय डीबीए असल्यास, आपण आपल्या कारकीर्दीत कधीतरी हे दृढ बनवित आहात. बर्‍याच बाबतीत आपण सतत त्या आधारावर करत आहात. म्हणूनच, आपण ते निर्णय त्वरेने घेण्यास सक्षम असणे आवश्यक आहे, जेव्हा अंदाज येतो तेव्हा गेम खेळत नाही.

आम्ही अडथळ्यांविषयी बोललो आणि ते कोठे होणार आहेत याचा अंदाज घेण्याऐवजी पुन्हा ते घडण्याची वाट न पाहता. तर, अर्थात या सर्व गोष्टींबद्दल बोलत होते, त्या अर्थाने या अर्थाने समजावून घ्या की आपण ऐतिहासिक डेटावर अवलंबून आहात, बहुतांश घटनांमध्ये या शिफारसी व्युत्पन्न करण्यात सक्षम होण्यासाठी किंवा काही प्रकरणांमध्ये स्वतः निर्णय घेण्यास सक्षम होण्यासाठी ही उत्तरे घेऊन या. परंतु जेव्हा आपण एखाद्याला सिक्युरिटीज विकण्यासाठी किंवा त्यासारखे काहीतरी रेडिओ जाहिराती ऐकता तेव्हा त्याचे नेहमीचे “मागील कामगिरी भविष्यातील निकालांचे सूचक नसते” आणि त्या प्रकारच्या गोष्टी आठवतात. आणि तीच गोष्ट येथे सत्य आहे. आपल्याकडे अशी परिस्थिती उद्भवणार आहे जिथे हे अंदाज आणि ही विश्लेषणे 100 टक्के योग्य नसतील. परंतु जर आपण यापूर्वी घडलेल्या आणि ज्ञात असलेल्या गोष्टींबरोबर व्यवहार करत असाल आणि या प्रकारच्या बर्‍याच प्रश्नांसह "काय तर" घेण्यास आणि सक्षम करण्यास सक्षम असाल तर आपण त्यामध्ये भाग घेण्यास जात आहात, जे अत्यंत मौल्यवान आहे आणि त्याकडे जात आहे अनुमान गेम खेळण्यापेक्षा बरेच काही मिळवा.

तर, या प्रकारचे प्रश्न निश्चितच पुढे येणार आहेत, तर मग आपण डायग्नोस्टिक मॅनेजरकडे असे बरेच प्रश्न कसे हाताळाल, सर्वप्रथम आपल्याकडे अंदाज करण्याची क्षमता आहे, डेटाबेसमध्ये हे करण्यास सक्षम असणे, टेबलवर तसेच ड्राइव्ह किंवा व्हॉल्यूम. "अहो, जागा भरलेली होती," इतकेच म्हणू शकणार नाही, परंतु आतापासून सहा महिने, आतापासून दोन वर्षे, आतापासून पाच वर्षे, मी त्यासाठी बजेट लावल्यास मला किती ड्राइव्ह स्पेस बजेट देण्याची आवश्यकता आहे? च्या साठी? हे असे प्रश्न आहेत ज्या मी विचारायला जात आहे आणि मला अंदाज करणे आणि माझे बोट हवेत उडविणे यापेक्षा वारा कोणत्या मार्गाने वाहतो हे पाहण्याची वाट पाहण्याऐवजी ती करण्याची काही पद्धत वापरण्याची मला आवश्यकता आहे, जे खूप आहे दुर्दैवाने, यापैकी बरेच निर्णय घेण्याच्या मार्गावर.

त्या व्यतिरिक्त, सक्षम होण्यासारखे - माझे स्लाइड तेथे थोडेसे कापले गेले आहे असे दिसते - परंतु शिफारशींच्या स्वरूपात काही सहाय्य करण्यास सक्षम असल्याने. म्हणूनच, आपल्याला मेट्रिक्सने भरलेले डॅशबोर्ड दर्शविण्यात सक्षम असणे आणि “ठीक आहे, सर्व मेट्रिक्स येथे आहेत आणि कोठे आहेत,” असे सांगण्यास सक्षम असणे ही एक गोष्ट परंतु नंतर काही तयार करण्यात सक्षम असणे किंवा काय करावे याबद्दल काही समजून घेणे करू, त्याऐवजी आणखी एक झेप आहे. आणि काही प्रकरणांमध्ये, डीबीएच्या निर्णयामध्ये ते निर्णय घेण्यास सक्षम होण्यासाठी लोक पुरेसे शिक्षित आहेत. आणि म्हणून आमच्याकडे उपकरणात अशी काही यंत्रणा आहेत जी त्यास मदत करतील, जे आपल्याला फक्त एका सेकंदात दर्शवितात. परंतु केवळ शिफारस म्हणजे काय हे दर्शविण्यास सक्षम नसणे, परंतु ती शिफारस का केली जात आहे याबद्दल काही अंतर्दृष्टी प्रदान करणे आणि नंतर त्या वर देखील काही बाबतींत स्वयंचलितपणे स्वयंचलित स्क्रिप्ट तयार करण्यास सक्षम असणे त्या समस्येचे निराकरण देखील आदर्श आहे.

येथे पुढीलकडे जात आहे, जे चांगले आहे हे पहायला मिळते, जे सामान्य आहे ते सामान्यपणे मेट्रिक पातळीवर समजते. सामान्य काय आहे हे मला माहित नसल्यास काय सामान्य नाही हे मी सांगू शकत नाही. आणि म्हणूनच, काही महत्वाचे मार्ग मोजण्याचे एक मार्ग आपल्याकडे आहे आणि आपण एकाधिक प्रकारची क्षेत्रे विचारात घेण्यास सक्षम आहात, उदाहरणार्थ - किंवा मी वेळ फ्रेम - सर्व्हरचे वेगवेगळे गट, हे गतीशीलपणे करण्यास सक्षम असल्याचे म्हणावे जागरूक दृष्टीकोन, दुस .्या शब्दांत, रात्रीच्या वेळी, माझ्या देखभाल खिडकी दरम्यान, मी अपेक्षा करतो की माझे सीपीयू चालू असेल त्या सर्व देखभाल प्रक्रियेवर आधारित 80 टक्के असेल. म्हणून, कदाचित मला दिवसाच्या मध्यभागी दरम्यान, जेव्हा मी जास्त क्रियाकलाप करीत नाही तेव्हा मला उंबरठा जास्त वाढवायचा असेल.

त्या अशा काही गोष्टी आहेत ज्या स्पष्टपणे पर्यावरणीय असतील परंतु ज्या गोष्टी आपण व्यवस्थापित केल्या जातील त्या गोष्टी आपण लागू करू शकू आणि त्या वातावरणास अधिक कार्यक्षमतेने व्यवस्थापित करण्यात सक्षम होण्यासाठी आणि असे करणे सुलभ बनविते. अन्य क्षेत्र, अर्थातच, अशा प्रकारच्या “काय तर” प्रश्नांची उत्तरे देण्यास सक्षमपणे केवळ एकूणच अहवाल आणि माहिती प्रदान करण्यात सक्षम आहे. जर मी माझ्या वातावरणात नुकताच बदल केला असेल तर मला त्याचा परिणाम काय आहे हे समजू इच्छित आहे जेणेकरुन मी तेच बदल माझ्या वातावरणातील इतर घटनांमध्ये किंवा इतर डेटाबेसमध्ये लागू करू शकेन. काही शांतता आणि शांती घेऊन हा बदल करण्यात सक्षम होण्यासाठी मला काही माहिती किंवा काही दारुगोळा मिळायला सक्षम व्हायचे आहे आणि हे जाणून घेत आहे की हा एक चांगला बदल होणार आहे. तर, ते तुलनात्मक अहवाल देण्यास सक्षम असेल, माझे एसक्यूएलची उदाहरणे रँक करण्यास सक्षम असतील, माझे डेटाबेस एकमेकांविरूद्ध रँक करण्यास सक्षम असतील, “माझे सीपीयूचा सर्वात जास्त ग्राहक कोण आहे?” किंवा ज्यामध्ये सर्वात जास्त वेळ लागत आहे प्रतीक्षा अटी आणि त्यासारख्या गोष्टी? तर त्या बरीच माहिती टूलवरही उपलब्ध होणार आहे.

आणि नंतर, शेवटचे परंतु किमान नाही ही फक्त एक संपूर्ण क्षमता आहे जी आपल्याला आवश्यक असलेल्या एका परिस्थितीची परिस्थिती हाताळण्यास सक्षम असणारी साधनसामग्री आहे आणि म्हणूनच मला असे म्हणायचे आहे की जर आपल्याकडे बर्‍याच गोष्टींसह एक मोठे वातावरण असेल तर उदाहरणे, आपण अशा परिस्थितीत धावणार आहात जिथे आपल्याला डीटिएट काही विशिष्ट परिस्थितींमध्ये त्या विशिष्ट परिस्थितीनुसार काही डीटेलिक्सवर देखरेख करू इच्छित असे पारंपारिकपणे मेट्रिक्स नसलेले मेट्रिक्स खेचणे आवश्यक आहे. म्हणून, आपल्याकडे असे साधन आहे की, एक्स्टेंसिबल आहे, अतिरिक्त मेट्रिक्स जोडण्यात सक्षम असेल आणि ते मेट्रिक त्याच फॉर्ममध्ये वापरण्यास सक्षम असेल आणि फॅशनमध्ये आपण वापरत असल्यास आपण बॉक्सच्या बाहेर वापरत असाल तर उदाहरणार्थ मेट्रिक. म्हणून, अहवाल चालविण्यात सक्षम असणे, सतर्क करण्यास सक्षम असणे, बेसलाइन - या सर्व गोष्टींबद्दल सांगणे - हेदेखील हे अंदाज करणे आणि सक्षम करणे हा एक महत्त्वाचा भाग आहे ज्यायोगे आपण ज्या उत्तरे तयार करण्यास सक्षम आहात त्या आपल्याला मिळतील ते निर्णय, पुढे जात.

आता डायग्नोस्टिक मॅनेजर ज्या पद्धतीने हे करते, आमच्याकडे केंद्रीकृत सेवा आहे, सेवांचा एक समूह चालू आहे जो 2000 ते 2016 च्या घटनांच्या विरूद्ध डेटा संकलित करतो. आणि मग आपण काय करतो ते डेटा घेतो आणि आम्ही त्यास एका मध्यवर्ती भांडारात ठेवतो आणि मग त्या डेटाचे काय चांगले होते, अर्थातच, आपल्याला अधिक अंतर्दृष्टी प्रदान करण्यास सक्षम होण्यासाठी बरेच काही केले जाते. आता या व्यतिरिक्त - आणि ज्या गोष्टी येथे चालू होत नाहीत त्यापैकी एक - आपल्याकडे मध्यरात्री चालणारी एक सेवा देखील आहे जी आमची भविष्यवाणी करणारी विश्लेषण सेवा आहे आणि ही काही क्रंचिंग करते आणि हे समजण्यास मदत करते आणि अशा प्रकारच्या शिफारसी करण्यास सक्षम होण्यासाठी, बेसलाइनच्या बाबतीत काही अंतर्दृष्टी प्रदान करण्यास सक्षम होण्यासाठी डीबीए किंवा अभिनय डीबीए म्हणून आपल्याला मदत करेल.

तर, आयडीला काय करायला आवडते आणि हे आर्किटेक्चरचे फक्त एक द्रुत उदाहरण आहे, येथे आपण घेत असलेला एखादा एजंट किंवा सेवा प्रत्यक्षात ज्या परिस्थितीत आपण व्यवस्थापित करत आहात त्या ठिकाणी बसत नाहीत. पण आयडी करायला काय आवडेल ते फक्त आपल्याला येथे अनुप्रयोगात घेऊन जाईल आणि द्रुत डेमो द्या. आणि मलाही बाहेर जाऊ दे आणि ते घडवून आणा. तर, मला कळवा, मला वाटते की एरिक, तुला ते ठीक आहे का?

एरिक कवानाग: मला ते आता मिळाले, होय.

बुलेट मॅनालेः ठीक आहे, म्हणून मी बोललो त्यापैकी काही वेगवेगळ्या भागांमधून मी तुम्हाला घेईन. आणि मूलत: आपल्याला ज्या गोष्टी करण्याची आवश्यकता आहे त्या धर्तीवर ज्या गोष्टी अधिक सुरू आहेत त्यापासून प्रारंभ करू देते किंवा भविष्यात भविष्यात या गोष्टींचा अंतर्भाव होतो आणि आपल्याला त्याभोवती थोडी अंतर्दृष्टी देणार आहे. आणि हे खरोखर अपेक्षीत करण्यात सक्षम आहे - किंवा मी गतिशीलपणे अपेक्षेने म्हणावे - ज्या गोष्टी घडत आहेत त्याप्रमाणे. आता, अहवालाच्या बाबतीत, आमच्याकडे उपकरणांपैकी एक म्हणजे तीन भिन्न अंदाज अहवाल. आणि उदाहरणार्थ, डेटाबेसच्या पूर्वानुमानानुसार, मी काही कालावधीत डेटाबेसच्या आकाराचा अंदाज घेण्यास सक्षम असण्याच्या परिस्थितीत काय करेन आणि मी त्यास काही उदाहरणे देतो. तर मी माझा ऑडिट डेटाबेस घेणार आहे, जो मी / ओ गहन आहे - त्यात बरेच डेटा जात आहेत. आपल्याकडे हे आहे, पाहूया आणि चांगले येथे करू या आणि हेल्थकेअर डेटाबेस येथे निवडू.

पण मुद्दा असा आहे की, या जागेवर काय आहे ते मी पहातच नाही, असे म्हणण्यात मी सक्षम आहे की, “पहा, शेवटची वर्षे किती तरी डेटा घेतील” - आणि मी इथे थोडासा फिब लावणार आहे, मला खरोखर काही वर्षे नाहीत डेटाची किंमत, मी जवळजवळ दोन महिने डेटा आहे - परंतु, मी येथे महिन्यांचा नमुना दर निवडत असल्याने, पुढील 36 युनिट्सचा अंदाज किंवा अंदाज लावण्यास मी सक्षम होणार आहे कारण आमचा नमुना दर महिन्यांवर सेट आहे. - ते एक युनिट आहे, एक महिना आहे - आणि नंतर मी या तीन डेटाबेससाठी आपल्या भावी विकासाचा अंदाज कोठे ठेवू शकतो हे मुळात मला दर्शविण्यासाठी एक अहवाल चालवण्यास सक्षम आहे. आणि आम्ही पाहू शकतो की आपल्याकडे तीन भिन्न डेटाबेसमधील भिन्न भिन्नता किंवा भिन्नता आहेत, विशेषत: ऐतिहासिकदृष्ट्या वापरल्या जाणार्‍या डेटाच्या प्रमाणात.

आम्ही येथे डेटा बिंदू ऐतिहासिक डेटाचे प्रतिनिधित्व करू शकतो आणि नंतर त्या मागच्या संख्येसह आपल्याला पूर्वानुमान प्रदान करणार्या रेषा. तर आम्ही असे करू शकतो टेबल स्तरावर, आम्ही ते ड्राइव्ह स्तरावर देखील करू शकतो, जेथे माझे ड्राइव्ह किती मोठे होणार आहेत याचा अंदाज घेऊ शकतो, माउंट पॉइंट्ससह. आम्ही अशा प्रकारच्या माहितीचा अंदाज लावण्यास सक्षम आहोत, परंतु पुन्हा एकदा, नमुना दरावर अवलंबून, मला अंदाज बांधण्याची इच्छा आहे की किती युनिट्स आणि कोठे घेऊन जायचे हे ठरविण्यास मला परवानगी देईल. लक्षात घ्या आपल्याकडे भविष्यवाणीचे प्रकार वेगवेगळे आहेत. जेव्हा अंदाज करण्याची वेळ येते तेव्हा आपल्याला बरेच पर्याय आणि लवचिकता मिळते. खरं तर एक गोष्ट चांगली करतो, खरं तर तुम्हाला विशिष्ट तारीख देऊन आणि “अहो या तारखेला,” आम्ही तुमच्या डेटाच्या वाढीचा अंदाज घेत आहोत. ”त्या व्यतिरिक्त, आम्ही आपल्याला प्रदान करू शकतो इतर अंतर्दृष्टींसह जे आम्ही ऑफ तास दरम्यान करत असलेल्या काही विश्लेषणाशी संबंधित असतात आणि जेव्हा ते चालतात तेव्हा सेवा. भूतकाळात ज्या गोष्टी घडल्या त्या इतिहासाच्या आधारे घडणार्‍या काही गोष्टींचा अंदाज घेण्याचा प्रयत्न करतो.

म्हणून आम्ही येथे पाहू शकतो, प्रत्यक्षात, एक अंदाज आपल्याला भूतकाळात पुन्हा घडलेल्या गोष्टींच्या आधारे संध्याकाळच्या काळात समस्या येण्याची शक्यता सांगते. तर, अर्थातच हे उत्तम आहे, विशेषत: मी डीबीए नसल्यास, मी या गोष्टींकडे पाहू शकतो, परंतु आयएमए डीबीए नसल्यास काय चांगले आहे, हे विश्लेषण टॅब आहे काय? तर, हे साधन येथे येण्यापूर्वी आम्ही लोकांकडे जायचे आणि उत्पादनांना ते दाखवायचे आणि ते "थॅट्स ग्रेट, मी या सर्व संख्या पाहतो, मला सर्व काही दिसते, परंतु काय करावे हे मला माहित नाही" (हसून) “म्हणून याचा परिणाम. ”आणि म्हणूनच आमच्याकडे जे आहे ते आपल्यासाठी हे समजून घेण्याचा एक चांगला मार्ग आहे, जर मी कामगिरीसाठी मदत करण्यासाठी कृती करीत असेल तर, माझ्या आरोग्यास मदत करण्यासाठी देखील मी कारवाई करणार असेल तर वातावरण, त्या शिफारसी पुरविण्याचा एक रँक मार्ग असण्यास सक्षम असणे, तसेच त्या शिफारसींबद्दल अधिक जाणून घेण्यासाठी माहितीच्या उपयुक्त टिप्स आणि प्रत्यक्षात त्या डेटापैकी काही बाह्य दुवे देखील आहेत, जे मला दर्शवितील आणि मला त्या कारणास्तव नेईल. या शिफारसी केल्या आहेत.

आणि बर्‍याच प्रकरणांमध्ये, स्क्रिप्ट प्रदान करण्यात सक्षम असणे जी स्वयंचलित होईल, जसे मी म्हटल्याप्रमाणे, या समस्यांचे निराकरण. आता या विश्लेषणासह येथे काय करीत होते त्याचा एक भाग - आणि मी या उदाहरणाचे गुणधर्म कॉन्फिगर करण्यासाठी जातो तेव्हा मी तुम्हाला दर्शवितो, आणि मी विश्लेषण कॉन्फिगरेशन विभागात जात आहे - आमच्याकडे येथे सूचीबद्ध केलेली बर्‍याच श्रेणी आहेत, आणि त्याचा एक भाग, आमच्याकडे अनुक्रमणिका ऑप्टिमायझेशन आणि क्वेरी ऑप्टिमायझेशन आहे. तर, केवळ स्वत: ची मेट्रिक्स आणि त्यासारख्या गोष्टींचेच नव्हे तर वर्कलोड्स आणि अनुक्रमणिका यासारख्या गोष्टींचे मूल्यांकन करीत होते. इथल्या बाबतीत, खरोखर काही अतिरिक्त काल्पनिक निर्देशांक विश्लेषण करा. म्हणूनच, त्यापैकी एक अशी परिस्थिती आहे जेथे मला इच्छित नाही, बर्‍याच बाबतीत, मला आवश्यक नसल्यास मला अनुक्रमणिका जोडायची इच्छा नाही. पण काही ठिकाणी एक टिपिंग पॉईंट आहे, जेथे मी म्हणतो, “ठीक आहे, टेबल आकारात येत आहे किंवा वर्कलोडमध्ये चालू असलेल्या क्वेरीचे प्रकार आता निर्देशांक जोडण्यासाठी अर्थपूर्ण आहेत. परंतु कदाचित सहा आठवड्यांपूर्वी याचा अर्थ असा झाला असता. ”म्हणूनच हे मी तुम्हाला म्हटल्याप्रमाणे, वातावरणात घडणा of्या गोष्टी, वर्कलोड्समध्ये काय घडत आहे याच्या आधारे कामगिरी सुधारित करण्याच्या आणि संभाव्य गोष्टींविषयी गतीशीलपणे समज घेण्यास अनुमती देते. अशा प्रकारच्या गोष्टी करत आहोत.

आणि म्हणून आपणास येथे बर्‍याच चांगली माहिती मिळेल, तसेच या गोष्टी आपोआप ऑप्टिमाइझ करण्याची क्षमता देखील मिळेल. म्हणून, आम्ही भावी विश्लेषण म्हणतो त्या दृष्टीने, आम्ही ज्या ठिकाणी मदत करू शकू असे दुसरे क्षेत्र ठरवते. आता, याव्यतिरिक्त, मी म्हणावे, आमच्याकडे असेही इतर क्षेत्रे आहेत जी मला वाटते की सामान्यपणे आपल्याला निर्णय घेण्यात मदत करण्यासाठी स्वतःस कर्ज देतात. आणि जेव्हा आपण निर्णय घेण्याबद्दल चर्चा करतो तेव्हा पुन्हा एकदा ऐतिहासिक डेटा पाहण्यात सक्षम होतो तेव्हा आम्हाला त्या कामगिरीत सुधारणा करण्याची आवश्यकता असलेल्या ठिकाणी नेण्यासाठी थोडी अंतर्दृष्टी प्रदान करते.

आता आम्ही करू शकतो त्यापैकी एक मूलभूत व्हिज्युलायझर आहे जो आम्हाला आम्हाला इच्छित असलेले मेट्रिक निवडकपणे निवडण्याची परवानगी देतो - आणि मला येथे एक सभ्य शोधू दे - मी एसक्यूएल सीपीयू वापरात जात आहे, परंतु मुद्दा म्हणजे आपण जाऊ शकता परत जाण्यासाठी बरेच आठवडे या चित्रे रंगविण्यासाठी आपण आपले बाह्यकर्ते कधी आहेत हे पहाण्यासाठी, सामान्यपणे बोलताना हे पहावे की डेटा मूल्य काढत असताना त्या काळात ते मूल्य कमी होते. आणि त्या व्यतिरिक्त, आपण हे देखील लक्षात घ्याल की जेव्हा आपण वास्तविक घटनेकडे जातो तेव्हा आपल्याकडे आमची बेसलाइन कॉन्फिगर करण्याची क्षमता असते. मूलभूत गोष्टी गोष्टी स्वयंचलित करण्यात सक्षम असणे आणि गोष्टींबद्दल सूचित करण्यास सक्षम असणे याबद्दल खरोखर महत्वाचा भाग आहे. आणि एक आव्हान, जसे की बहुतेक डीबीए तुम्हाला सांगत आहेत, हे आहे की आपले वातावरण नेहमीच चालू नसते, संपूर्ण दिवसभर, संध्याकाळच्या विरूद्ध आणि वेळेच्या देखभाल कालावधीसह आम्ही उदाहरणात पूर्वी नमूद केल्याप्रमाणे काय नाही आपल्याकडे उच्च पातळीचे सीपीयू आहे किंवा जे काही घडत आहे ते असू शकते.

तर येथे या वास्तविक बेसलाइनसह आपल्याकडे अनेक बेसलाइन असू शकतात, उदाहरणार्थ माझ्याकडे कदाचित एक बेसलाइन असेल माझ्या देखभालीच्या वेळी. परंतु मी माझ्या उत्पादन तासांची बेसलाइन तयार करणे तितकेच सोपे आहे. आणि असे करण्याचा मुद्दा जेव्हा जेव्हा आपण एसक्यूएलच्या उदाहरणाकडे जातो आणि आपल्याकडे या एकाधिक बेसलाइन असतात तेव्हा आपण अपेक्षेने व काही प्रकारचे स्वयंचलन, काही प्रकारचे उपाय किंवा सामान्यपणे चेतावणी देण्यास सक्षम होऊ, काळाच्या त्या विंडोसाठी वेगळ्या विशिष्ट. तर, येथे आपण पहात असलेल्या गोष्टींपैकी एक आहे ती आधारभूत माहिती जी विश्लेषण उपलब्ध करुन देण्यासाठी ऐतिहासिक डेटा वापरत आहे, परंतु महत्त्वाचे म्हणजे मी हे उंबरठे स्थिरपणे बदलू शकतो, परंतु मी यास गतिकरित्या देखील स्वयंचलित करू शकतो. म्हणून, देखभाल विंडो म्हणून किंवा मी म्हणावे की रखरखाव बेसलाइन विंडो वर येईल, तेव्हा ही उंबरठे आपोआप त्या विंडोच्या वेळी मी येत असलेल्या भारांवर विशिष्ट स्वयंचलितपणे स्विच होईल, विरूद्ध जेव्हा कदाचित माझे लोड नसते तेव्हा दिवसाच्या मध्यभागी जास्त, जेव्हा वर्कलोड तितके प्रभावी नसते.

तर, बेसलाईनच्या बाबतीत, हे लक्षात ठेवण्यासाठी काहीतरी वेगळे करते. अर्थात हे आपल्यासाठी खरोखर उपयुक्त ठरेल, जे सामान्य आहे ते समजून घेण्यास आणि समजून घेण्यात देखील सक्षम असेल तर गुंतवणूकीची संसाधने संपत असताना देखील. आता, साधन आमच्याकडे असलेली दुसरी प्रकारची गोष्ट म्हणजे आपण निर्णय घेण्यात मदत करू, त्याव्यतिरिक्त बेसलाइन आणि आपण गतीशीलतेने तयार केलेल्या उंबरठ्यांभोवती सतर्कता स्थापित करण्यास सक्षम असणे, जसे मी पूर्वी सांगितले होते तसे, फक्त असंख्य अहवाल चालविण्यास सक्षम आहे जे मला काय चालले आहे या प्रश्नांची उत्तरे देण्यास मदत करते.

तर, उदाहरणार्थ, माझ्याकडे १ inst० उदाहरणे असल्यास मी व्यवस्थापित आहे - माझ्या बाबतीत, मला हे आवडत नाही, म्हणून आम्हाला येथे नाटक खेळ खेळावा लागेल - परंतु जर माझ्याकडे माझे सर्व उत्पादन घडले असेल आणि मी हे क्षेत्र कोठे आहे हे समजून घेणे आवश्यक आहे याकडे लक्ष देण्याची गरज आहे, दुस words्या शब्दांत सांगायचे तर, जर मला कामगिरी सुधारण्यासाठी काही प्रकारच्या प्रशासनासाठी मर्यादित वेळ मिळाला असेल तर, मी मुख्य बाबींवर लक्ष केंद्रित करू इच्छित आहे. आणि म्हणूनच, त्या म्हणण्यासह, मी असे म्हणण्यास सक्षम आहे की, "त्या वातावरणाच्या आधारे, माझे प्रसंग एकमेकांविरूद्ध रँक करा आणि मला ते कन्टेक्शन पाईपद्वारे रँकिंग द्या." मग त्याचा डिस्क वापर, मेमरी वापर, त्याची प्रतीक्षा असो की नाही, त्याचा प्रतिसाद वेळ असला तरी, मी परस्परसंबंधित करण्यास सक्षम आहे - किंवा मी रँक म्हणायला पाहिजे - अशा घटना एकमेकांविरूद्ध आहेत. अर्थात प्रत्येक घटकाच्या शेवटी सर्वात वरचढ असे उदाहरण असेल तर तीच गोष्ट, मी कदाचित खरोखर लक्ष केंद्रित करू इच्छित असे काहीतरी आहे, कारण ती पुन्हा एकदा यादीच्या शीर्षस्थानी आहे.

तर, आपल्याकडे टूल्समध्ये बर्‍याच अहवाल आहेत जे पर्यावरणाच्या रँकिंगच्या बाबतीत आपल्याला मदत करतात पातळीवरील पातळीवर; आपण हे डेटाबेस स्तरावर देखील करू शकता, जेथे मी माझे डेटाबेस एकमेकांच्या विरूद्ध रँक करू शकतो. उंबरठ्या आणि मी सेट करू शकणार्‍या क्षेत्राबद्दल विशेष म्हणजे, केवळ विशिष्ट डेटाबेसवर लक्ष केंद्रित करण्यासाठी, इच्छित असल्यास मी येथे वाइल्डकार्ड देखील सेट करू शकतो, परंतु मुख्य म्हणजे मी त्याच डेटाबेसमध्ये माझ्या डेटाबेसची तुलना करू शकतो. तसेच, आतापर्यंत इतर प्रकारच्या तुलनात्मक विश्लेषणे आणि या साधनातील एक मोठे, आपल्याकडे असलेले आधारभूत विश्लेषण आहे. तर आपण येथे सर्व्हिस व्ह्यूवर खाली स्क्रोल करत असाल तर तुम्हाला दिसेल की बेसलाईन आकडेवारीचा अहवाल आहे. आता हा अहवाल स्पष्टपणे आम्हाला केवळ मेट्रिक मूल्ये काय आहेत हे समजून घेण्यास मदत करेल, परंतु एका विशिष्ट उदाहरणासाठी मी पुढे जाऊ शकू आणि यापैकी कोणत्याही मेट्रिकसाठी या मेट्रिक्सच्या बेसलाइन पाहण्यास सक्षम होऊ.

म्हणून, जे काही असू शकते, टक्के म्हणून किंवा जे काही मी बाहेर जाऊ आणि म्हणेन की, “गेल्या days० दिवसांत या तुटलेल्या पायाची बेसलाइन पाहूया,” अशा परिस्थितीत ती मला बेसलाइन विरूद्ध वास्तविक मूल्ये दर्शविते आणि मी ती माहिती वापरुन काही निर्णय घेण्यास सक्षम आहे, अर्थातच, अशा परिस्थितींपैकी ही ही एक आहे, जिथे आपण त्या वेळी विचारत असलेल्या प्रश्नावर अवलंबून असेल. परंतु हे आपल्याला अशा अनेक प्रश्नांसाठी साहजिकच मदत करेल. मी असे म्हणू शकतो की आमच्याकडे एक अहवाल आहे जो तो सर्व करतो, आणि त्याचा एक प्रकारचा सोपा अहवाल आहे, जिथे आपण दाबा आणि बटण दाबले आणि आपण फक्त उत्तर देऊ शकणार्‍या प्रत्येक “काय तर” प्रश्नाचे उत्तर दिले. परंतु वास्तविकता अशी आहे की, आपल्याकडे पुष्कळ गुणधर्म आणि पुष्कळसे पर्याय आहेत ज्या आपण या पुल-डाऊन मधून निवडण्यास सक्षम आहात जे त्या प्रश्नांची उत्तरे शोधू शकतील असे “काय तर” टाइप करू शकतील.

म्हणून यापैकी बर्‍याच अहवालात अशा प्रकारच्या प्रश्नांची उत्तरे देण्यात सक्षम होण्याच्या दिशेने तयार आहेत. आणि म्हणूनच, हे महत्त्वाचे देखील आहे की या अहवालांसह आणि याव्यतिरिक्त, आम्ही यापूर्वी आपल्याला टूलमध्ये आधीपासून दर्शविलेल्या सर्व गोष्टी, नवीन मेट्रिक्स समाविष्ट करण्यास, व्यवस्थापित करण्यास, अगदी काउंटर तयार करण्यात सक्षम असण्याची, लवचिकता असलेले किंवा एसक्यूएल क्वेरी जे आपल्या मतदान मध्यांतरांमध्ये समाविष्‍ट केल्या आहेत, या प्रश्नांची उत्तरे देण्यास मला मदत करण्यास, कदाचित आम्ही निरीक्षण करणे अपेक्षित केलेल्या बॉक्सच्या बाहेर आपण ती सामग्री जोडू शकता. आणि त्यानंतर आपण मी दाखवलेल्या सर्व समान गोष्टी करण्यात सक्षम असाल: बेसलाइन, अहवाल चालवा आणि त्या मेट्रिकमधून अहवाल तयार करा आणि मी तुम्हाला येथे दर्शवित असलेल्या या विविध प्रकारच्या बर्‍याच गोष्टींचे उत्तर देऊ शकतील आणि करू शकाल.

आता त्या व्यतिरिक्त - आणि ज्या गोष्टी आपण स्पष्टपणे थोडी पुढे केल्या त्यापैकी एक म्हणजे - प्रथम ती म्हणजे, प्रत्येकजण फ्लिपिंग किंवा व्हीएम वर स्विच करीत होता. आणि आता आपल्याकडे बरेच लोक आहेत जे मेघकडे जात आहेत. आणि अशा प्रकारच्या गोष्टींबद्दल बरेच प्रश्न येत आहेत. मेघावर जाणे माझ्यासाठी काय अर्थपूर्ण आहे? मी ढगात जाऊन पैसे वाचवणार आहे? मी या गोष्टी सामायिक-संसाधन मशीनवर व्हीएम वर ठेवत असल्यास मी किती पैसे वाचवू शकतो? असे प्रश्न, अर्थातच तसेच पुढे येणार आहेत. तर, निदान व्यवस्थापकासह, बर्‍याच गोष्टी लक्षात ठेवतात, आम्ही व्हीएमवेअर आणि हायपर-व्ही च्या आभासी वातावरणास जोडू आणि काढू शकतो. आम्ही ढगात नसलेली उदाहरणे देखील जोडू शकतो, जेणेकरून आपले वातावरण ureझूर डीबी, उदाहरणार्थ, किंवा आरडीएस सारखे, आम्ही देखील त्या वातावरणातून मेट्रिक्स खेचू शकतो.

तर त्यामध्ये बरेच लवचिकता आणि त्या प्रश्नांची उत्तरे देण्यास सक्षम असण्याचे कारण त्या इतर प्रकारच्या वातावरणाशी संबंधित आहेत ज्या लोकांना आपण जाताना पहात आहोत. आणि या सामग्रीच्या आजूबाजूला बरेच प्रश्न आहेत आणि जसे लोक आपल्याला या वातावरणास दृढ करतात ते पाहतात तसेच त्या प्रश्नांची उत्तरे देण्यास देखील सक्षम असणे आवश्यक आहे. तर, डायग्नोस्टिक मॅनेजरचे, या विषयाशी संबंधित असल्याने, आयडी म्हणतो की एक छान छान विहंगावलोकन आहे. मला माहित आहे की व्यवसाय बुद्धिमत्तेचा विषय आला आणि आमच्याकडे व्यवसाय बुद्धिमत्तेचे एक साधन आहे ज्याबद्दल आपण आज चर्चा करीत नाही परंतु हे आपल्या चौकोनाशी संबंधित असल्याने या प्रकारच्या प्रश्नांची उत्तरे देण्याच्या दृष्टीने अंतर्दृष्टी प्रदान करेल आणि अशा सर्व प्रकारच्या गोष्टी देखील तसेच. परंतु आशा आहे की ही चांगली योजना तयार करण्यात सक्षम होण्यासाठी कमीतकमी हे उत्पादन कशा प्रकारे मदत करू शकेल या दृष्टीने हे एक चांगले विहंगावलोकन असेल.

एरिक कवानाग: ठीक आहे, चांगली सामग्री. हं, मी रिक बाहेर तेथे फेकून द्या, अजूनही तेथे हलक असल्यास. रिक, तुमच्याकडून काही प्रश्न आहेत?

रिक शर्मन: होय, प्रथम, हे छान आहे, मला ते आवडते. मला विशेषत: व्हीएम आणि ढगांचा विस्तार करणे आवडते. मी बर्‍याच अ‍ॅप विकसकांना असे दिसते आहे की असे आहे की जर ते ढगात असेल तर त्यांना त्यास ट्यून करण्याची आवश्यकता नाही. So—

बुलेट मॅनालेः बरोबर, आम्हाला अद्याप त्याची किंमत मोजावी लागेल, बरोबर? लोक ढगात टाकत असलेल्या गोष्टींसाठी आपल्याला अद्याप पैसे द्यायचे आहेत, जर हे खराब चालले आहे, किंवा जर यामुळे बरेच सीपीयू चक्र उद्भवत असेल तर आपल्याला जास्त पैसे द्यावे लागतील, तर ते मोजले जाण्याची गरज नाही. ही सामग्री, अगदी.

रिक शर्मन: होय, मी ढगामध्ये बर्‍याच खराब डिझाईन्स पाहिल्या आहेत. मला हे विचारायचे आहे की हे उत्पादन देखील वापरले जाईल - मला माहित आहे की आपण बीआय उत्पादनाचा उल्लेख केला आहे आणि आपल्याकडे एकमेकांशी संवाद साधणारी असंख्य इतर उत्पादने आहेत - परंतु आपण या साधनातील एसक्यूएल कामगिरी, वैयक्तिक क्वेरी पाहणे सुरू कराल काय? किंवा त्यासाठी वापरली जाणारी इतर साधने असतील?

बुलेट मॅनालेः नाही, हे नक्कीच होईल. ज्या गोष्टी मी लपवल्या नव्हत्या त्यापैकी एक म्हणजे त्यातील क्वेरींचा भाग. आमच्याकडे क्वेरीची कार्यक्षमता ओळखण्याचे बरेच मार्ग आहेत, त्याशी संबंधित आहे की नाही, आम्ही येथे या दृश्यावर जसे दिसते त्याप्रमाणे प्रतीक्षा करणे किंवा हे एकूणच शंकांच्या स्त्रोत वापराशी संबंधित आहे की नाही, आम्ही क्वेरीचे विश्लेषण करू शकू असे अनेक मार्ग आहेत. कामगिरी त्याचा कालावधी, सीपीयू, आय / ओ, आणि पुन्हा एकदा, आम्ही थोडी अंतर्दृष्टी प्रदान करण्यासाठी स्वतः वर्कलोड देखील पाहू शकतो. आम्ही विश्लेषण विभागातील शिफारसी प्रदान करू शकतो आणि आमच्याकडे वेब-आधारित आवृत्ती देखील आहे जी स्वत: च्या चौकशीच्या भोवती माहिती प्रदान करते. म्हणून मी गहाळ अनुक्रमणिका आणि अंमलबजावणीची योजना पाहण्याची क्षमता आणि त्या सर्व प्रकारच्या गोष्टींबद्दल शिफारसी मिळवू शकतो; ही देखील एक क्षमता आहे. तर, पूर्णपणे, आम्ही रविवारी (हसण्या) पर्यंत सात मार्गांचे निदान करू शकतो आणि फाशीची संख्या किती आहे याचा विचार करू शकतो, संसाधन वापर, प्रतीक्षा, कालावधी, सर्व चांगल्या गोष्टी असू शकतात.

रिक शर्मन: ठीक उत्तम. आणि मग या सर्व देखरेखीसह स्वतःच्या घटनांवर किती भार पडेल?

बुलेट मॅनालेः हा एक चांगला प्रश्न आहे. त्या प्रश्नाचे उत्तर देण्याचे आव्हान हे आहे की ते इतर गोष्टींसारखेच अवलंबून आहे. आमच्या साधनाला बरेच काही ऑफर करायचे आहे, हे लवचिकता आणि त्या लवचिकतेचा एक भाग आहे की आपल्याला काय संग्रहित करावे आणि काय संग्रहित करू नये हे सांगणे आपल्याला प्राप्त होते. म्हणून उदाहरणार्थ, स्वत: च्या प्रश्नांसह, मला प्रतीक्षा माहिती संकलित करण्याची गरज नाही, किंवा मला हे शक्य आहे. मी अंमलबजावणीच्या कालावधीपेक्षा जास्त असलेल्या क्वेरीशी संबंधित माहिती संकलित करू शकतो. त्याचं उदाहरण म्हणून, जर मी कॉन्फिगरेशन क्वेरी मॉनिटरमध्ये गेलो आणि मला असे म्हणायचे होते की “हे मूल्य शून्यावर बदलू,” तर वास्तविकता म्हणजे साधन फक्त चालत असलेली प्रत्येक क्वेरी गोळा करते आणि खरोखरच नाही तिथेच थांबत का आहे या भावनेत, परंतु सर्वसाधारणपणे मला सर्व प्रश्नांसाठी डेटाचा संपूर्ण नमुना प्रदान करायचा असल्यास, मी ते करू शकतो.

म्हणूनच, सेटिंग्जमध्ये सामान्यत: बॉक्सच्या बाहेर काय आहे यासह त्याचे अगदी सुसंगत आहे. हे ओव्हरहेडच्या जवळपास जवळपास 1-3 टक्के पासून कोठेही आहे, परंतु लागू असलेल्या इतर अटी देखील आहेत. हे आपल्या पर्यावरणावर किती पोर्ट क्वेरी चालू आहेत यावर देखील अवलंबून आहे, बरोबर? हे क्वेरी संकलित करण्याच्या पद्धतीवर आणि एसक्यूएलची कोणती आवृत्ती आहे यावर देखील अवलंबून असते. तर, उदाहरणार्थ, एस क्यू एल सर्व्हर २००,, विस्तारित इव्हेंटमधून खेचण्यास सक्षम होणार नाही, तर असे करण्यासाठी आम्ही शोध काढूण काढू. म्हणून आम्ही डेटा गोळा करण्याच्या मार्गाच्या दृष्टीने हे थोडे वेगळे असेल, परंतु ते म्हणाले, जसे मी म्हटल्याप्रमाणे, सुमारे 2004 पासून मला असे वाटले आहे की या उत्पादनासह. हे बरेच दिवस झाले आहे, आम्हाला हजारो ग्राहक मिळाले आहेत, म्हणून आम्हाला शेवटची गोष्ट म्हणजे एक परफॉरमन्स मॉनिटरिंग साधन आहे जे कार्यप्रदर्शन समस्या उद्भवते (हसते). आणि आम्ही शक्य तेवढे स्पष्टपणे सांगण्याचा प्रयत्न करतो, परंतु साधारणपणे बोलणे म्हणजे जवळजवळ १– टक्के अंगठा हा एक चांगला नियम आहे.

रिक शर्मन: ठीक आहे, आणि ते खूपच कमी आहे, त्यामुळे आश्चर्यकारक आहे.

एरिक कवानाग: चांगले. रॉबिन, तुमच्याकडून काही प्रश्न आहेत?

रॉबिन ब्लॉर: क्षमस्व, मी निःशब्द होतो. आपल्याकडे एकाधिक डेटाबेस क्षमता आहे, आणि आपण एकाधिक डेटाबेसकडे कसे पाहू शकता हे मला स्वारस्य आहे आणि म्हणूनच आपल्याला माहिती असू शकते की एक मोठा स्त्रोत बेस शक्यतो विविध व्हर्च्युअल मशीन आणि इतर गोष्टींमध्ये विभागला गेला आहे. लोक प्रत्यक्षात ते कसे वापरतात यात मला रस आहे. ग्राहक त्यासह काय करीत आहेत यात मला रस आहे. कारण हे मला दिसत आहे, बरं, जेव्हा मी डेटाबेसविषयी गोंधळ घालत होतो तेव्हा माझ्याकडे कधीच नव्हतं. आणि वेळच्या वेळी मी कधीही एका अर्थाने अर्थपूर्ण मार्गाने विचार करू. तर, लोक याचा कसा वापर करतात?

बुलेट मॅनालेः सामान्यत :, आपण सामान्यतः फक्त साधनच बोलत आहात? ते ते कसे वापरत आहेत? म्हणजे, सामान्यत: वातावरणाच्या उपस्थितीचा मध्यबिंदू असण्याबद्दल याबद्दल. मनाची शांती असणे आणि हे जाणून घेणे की जर ते एखाद्या स्क्रीनकडे पाहत असतील आणि त्यांना हिरवा रंग दिसला असेल तर, त्यांना सर्वकाही चांगले आहे हे माहित आहे. समस्या जेव्हा उद्भवतात आणि बहुधा डीबीएच्या दृष्टीकोनातून पाहिल्यास, कन्सोलसमोर असताना त्या समस्या बर्‍याच वेळा घडतात, म्हणून समस्या उद्भवताच त्यांना सूचित केले जाऊ शकते. परंतु त्या व्यतिरिक्त, समस्या कधी घडते हे समजून घेण्यास सक्षम होण्यासाठी, त्यांना हे का घडत आहे या संदर्भात काही माहिती पुरवित असलेल्या माहितीचे हृदय जाणून घेण्यास सक्षम असणे. आणि म्हणूनच, मला वाटतं, सर्वात मोठा भाग: त्याबद्दल कृतीशील असणे, प्रतिक्रियाशील नाही.

मी ज्या बर्‍याच डीबीएशी बोलतो - आणि मला माहित नाही, त्यापैकी त्यापैकी एक चांगली टक्केवारी आहे - दुर्दैवाने अजूनही वातावरणाच्या प्रतिक्रियात्मक प्रकारात आहेत; ते त्यांच्याकडे समस्या असल्याचे सांगण्यासाठी त्यांच्याकडे जाण्याची प्रतीक्षा करतात. आणि म्हणूनच, बरेच लोक आपल्याला त्यापासून दूर जाण्याचा प्रयत्न करताना दिसतात आणि मला असे वाटते की हे साधन लोकांना यासारखे कार्य करते की त्याना त्यांना सक्रिय होण्यास मदत होते परंतु यामुळे त्यांना काय चालले आहे याची अंतर्दृष्टी प्रदान करते. , काय समस्या आहे, परंतु बर्‍याच प्रकरणांमध्ये, आपल्याला जे कमीतकमी सापडते - आणि कदाचित हे फक्त डीबीए आम्हाला सांगत आहे - परंतु डीबीए, अनुप्रयोग नेहमीच लिहिलेल्या अनुप्रयोग विकसकाने जरी त्यांची समजूत काढली असेल तर ही त्यांची समस्या असते. ते नीट लिहीले नाही, जे दोषारोप घेण्यास कारणीभूत आहेत, ते त्यांच्या सिस्टम किंवा सर्व्हरमध्ये घेत असताना आणि जेव्हा कामगिरी खराब असेल तेव्हा प्रत्येकजण डीबीएकडे लक्ष वेधतो, "अहो ती आपली चूक आहे."

तर हे साधन, बर्‍याच वेळा, डीबीएला असे म्हणण्यासाठी मदत करण्यासाठी वापरले जात आहे की, “अहो, हीच समस्या आहे आणि ती मला नाही.” (हशा) आम्हाला हे करणे आवश्यक आहे हे सुधारित करा, ते क्वेरी बदलत आहे की जे काही असू शकते. काही प्रकरणांमध्ये ते त्यांच्या जबाबदा of्याच्या बाबतीत त्यांच्या बादलीत पडतील, परंतु त्यांच्याकडे हे समजून घेण्यास आणि ते जाणून घेण्यात मदत करण्यासाठी साधन असणे कमीतकमी आहे आणि वेळेवर हे करणे साहजिकच एक आदर्श दृष्टिकोन आहे.

रॉबिन ब्लॉर: होय, बर्‍याच साइट ज्या मी परिचित आहेत, परंतु मी तेथून बाहेर पडलो आहे, बहुविध डेटाबेस साइट्स पाहत होतो, परंतु बहुतेक मी जे शोधत होतो ते असे की काही मूठभरांवर लक्ष केंद्रित करणारे डीबीए असतील डेटाबेस. आणि ते डेटाबेस असतील, जर ते कधी खाली गेले तर ही व्यवसायासाठी खरी मोठी समस्या असेल वगैरे वगैरे. आणि इतर, ते आता आत्ताच आकडेवारी गोळा करीत आहेत आणि मग त्यांची जागा संपली नाही आणि ते त्यांच्याकडे अजिबात पहात नाहीत हे पाहण्यासाठी. आणि आपण डेमो करत असताना मी हे पहात होतो आणि मी चांगल्या प्रकारे विचार करीत होतो, एका मार्गाने किंवा दुसर्‍या मार्गाने, आपण वाढवितो, डेटाबेससाठी असे काहीतरी प्रदान करून, कोणालाही फारशी काळजी नव्हती, कारण त्यांच्याकडे डेटा वाढत आहे , त्यांच्यात अनुप्रयोगांची वाढही होते. आपण नाट्यमय मार्गाने डीबीए कव्हरेज वाढवत आहात. तर मग खरोखर हा प्रश्न आहे काय, असे आहे की यासारख्या साधनांच्या संचासह आपण कॉर्पोरेट नेटवर्कमधील प्रत्येक डेटाबेसला डीबीए सर्व्हिस देण्यास सक्षम आहात?

बुलेट मॅनालेः निश्चितच, मला असे म्हणायचे आहे की, आव्हान असे आहे की जसे आपण अगदी स्पष्टपणे सांगितले तसे हे आहे की डीबीएची काळजी घेणारे काही डेटाबेस असतात आणि मग त्याबद्दल त्यांना जास्त काळजी नसते. आणि हे विशिष्ट उत्पादन करण्याचा मार्ग, त्याचा परवानाकृत केलेला मार्ग प्रति-उदाहरण आधारावर आहे. म्हणूनच, मी असा विचार करतो, जेव्हा लोक निर्णय घेतात तेव्हा हा एक उंबरठा होता “अहो, मला हे या साधनाद्वारे व्यवस्थापित करायचे आहे, हे एक कठीण उदाहरण नाही.” असे ते म्हणाले, आपल्याकडे असे आणखी काही साधने आहेत जे अधिक आहेत , माझ्यामते एसक्यूएलच्या त्या कमी महत्वाच्या घटनांची पूर्तता करते. त्यापैकी एक इन्व्हेंटरी मॅनेजर सारखे असेल, जिथे आपण उदाहरणाच्या विरूद्ध हलके आरोग्य तपासणी करतो परंतु त्याव्यतिरिक्त आपण जे करतो ते म्हणजे आम्ही शोध करतो, म्हणून आम्ही ऑनलाइन आणले गेलेल्या नवीन घटना ओळखतो आणि त्या क्षणापासून, डीबीए म्हणून मी म्हणू शकतो, “ठीक आहे, एसक्यूएलची नवीन घटना येथे आहे, आता एक्सप्रेस आहे का? ही विनामूल्य आवृत्ती आहे की एंटरप्राइझ आवृत्ती आहे? ”कदाचित मला स्वतःला विचारण्याचा प्रश्न असावा पण दुसरे म्हणजे ते उदाहरण माझ्यासाठी किती महत्त्वाचे आहे? जर ते महत्वाचे नाही, तर कदाचित हे साधन मी बाहेर जाऊन ते करत आहे, सामान्य, ज्याला मी जेनेरिक आरोग्य तपासणी म्हणतो ज्यामुळे मला डीबीए म्हणून आवडत असलेल्या मूलभूत गोष्टी आहेत: ड्राइव्ह भरत आहे काय? सर्व्हर समस्यांना प्रतिसाद देत आहे? मुख्य गोष्टी, बरोबर?

डायग्नोस्टिक मॅनेजर सह, मी ज्या साधनास तुम्हाला नुकतेच दर्शवित होतो, ते क्वेरी स्तरावर उतरेल, ते अनुक्रमणिकेच्या शिफारशीत उतरेल, अंमलबजावणीची योजना आणि त्या सर्व चांगल्या गोष्टींकडे पहात असतील, तर मुख्यत्वे यावर लक्ष केंद्रित केले आहे. कोणाच्या मालकीचे आहे, ते माझे काय आहे आणि त्यासाठी जबाबदार कोण आहे? माझ्याकडे कोणती सर्व्हर पॅक आणि हॉट फिक्स आहेत? आणि माझे सर्व्हर मी एसक्यूएलचा निरोगी उदाहरण म्हणून विचारात घेण्याच्या मुख्य घटकांसह कार्यरत आहेत? तर आपल्या प्रश्नाचे उत्तर देण्यासाठी, थोडेसे मिश्रण आहे. जेव्हा आमच्याकडे लोक हे साधन पहात असतात, तेव्हा ते सामान्यतः घटनांच्या अधिक गंभीर सेटकडे पहात असतात. ते म्हणाले, आमच्याकडे काही लोक आहेत जे त्यांच्याकडे असलेले प्रत्येक प्रसंग खरेदी करतात आणि ते व्यवस्थापित करतात, म्हणूनच ते फक्त अवलंबून असते. पण मी तुम्हाला सांगतो, एकंदरीत त्या लोकांचा उंबरठा निश्चितच आहे की जे त्यांच्या वातावरणाचा विचार करतात आणि अशा घटना व्यवस्थापित करण्यासाठी असे साधन असणे पुरेसे महत्वाचे आहे.

रॉबिन ब्लॉर: ठीक आहे, मी एरिकला देण्यापूर्वी आणखी एक प्रश्न. फक्त उद्योग पाहण्यापासून आपल्या मनात एक ठसा उमटतो की डेटाबेसमध्ये अजूनही जीवन असते, परंतु सर्व डेटा या सर्व डेटा सरोवरांमध्ये ओतत आहे वगैरे. खरोखर हाइप आहे, आणि हाइप कधीही वास्तवातून प्रतिबिंबित होत नाही, मग तिथे तुम्ही कोणत्या प्रकारचे वास्तव्य जाणता आहात यात मला रस आहे? एखाद्या संस्थेमध्ये महत्वाचे डेटाबेस आहेत काय, ते पारंपारिक डेटा वाढीचा अनुभव घेत आहेत, ज्याचा मी वर्षाच्या दहा टक्के विचार करता? की त्यापेक्षा त्या वाढतात? मोठा डेटा हा डेटाबेस बलून बनवित आहे? आपण पहात असलेले चित्र काय आहे?

बुलेट मॅनालेः मला असे वाटते की बरीच प्रकरणे उपलब्ध झाली आहेत तेव्हा इतर तंत्रज्ञान आढळल्यास त्यापैकी काही डेटा त्या इतर विभागांमध्ये हलविला जात आहे. अलीकडील माहितीनुसार, काही मोठ्या डेटा सामग्री. परंतु हे डेटाबेस, मी म्हणेन, बर्‍याच प्रकरणांमध्ये सामान्यीकरण करणे कठीण असल्याने प्रत्येकास थोडासा फरक होतो. सर्वसाधारणपणे बोलताना, मला काही फरक दिसतो. मी पाहतो, जसे मी म्हटल्याप्रमाणे, लोक बर्‍याच प्रकरणांमध्ये लवचिक मॉडेल्सकडे जात आहेत, कारण त्यांना संसाधने वाढवायची आहेत आणि इतर क्षेत्रात जास्त नाही. काही लोक मोठ्या डेटाकडे जात आहेत. परंतु आपण समजून घ्यावे ही कठीण गोष्ट आहे कारण आपण सर्वजण लोकांशी बोलत असता पारंपारिक डेटाबेस असतात आणि एसक्यूएल सर्व्हर वातावरणावर याचा वापर करत असतात.

ते म्हणाले, आयडी एसक्यूएल स्वतःच्या दृष्टीने म्हणते, मी अजूनही निश्चितपणे विचार करतो की त्याचा बाजारातील हिस्सा वाढत आहे. आणि मला असे वाटते की ओरॅकलसारख्या इतर ठिकाणांहून अजूनही बरेच लोक एसक्यूएलच्या दिशेने जात आहेत, कारण हे अधिक परवडणारे आहे आणि स्पष्टपणे दिसते आहे की एसक्यूएल आवृत्त्या अधिक प्रगत झाल्या आहेत - आणि आपण हे त्यास अलीकडील गोष्टींबरोबर पहात आहात एसक्यूएलसह, एन्क्रिप्शनच्या बाबतीत आणि इतर सर्व क्षमतांच्या बाबतीत ज्यामुळे हे वातावरण किंवा डेटाबेस प्लॅटफॉर्म बनत आहे - हे स्पष्टपणे खूप मिशन आहे जे सक्षम आहे, मला वाटते. तर, मलाही ते पहात होते असे वाटते. आपण जिथे शिफ्ट पहात आहात, तिथे अजूनही घडत आहे. म्हणजे, हे दहा वर्षांपूर्वी घडत होते, ते अजूनही आहे, मला वाटते, एसक्यूएल सर्व्हरच्या बाबतीत घडत आहे, जेथे वातावरण वाढत आहे आणि बाजारपेठेतील वाटा वाढत आहे.

रॉबिन ब्लॉर: ठीक आहे, एरिक, मी प्रेक्षकांना एक किंवा दोन प्रश्न विचारला आहे?

एरिक कवानाग: होय, मी एक द्रुतगती आपल्याकडे टाकू देतो. प्रत्यक्षात हा खूप चांगला प्रश्न आहे. उपस्थितांपैकी एक विचारत आहे की क्वेरी वेगवान करण्यासाठी एखाद्या टेबलला एखाद्या निर्देशांकची आवश्यकता असू शकते का हे साधन मला सांगेल? असल्यास, आपण एक उदाहरण दर्शवू शकता?

बुलेट मॅनालेः होय, म्हणून मला माहित नाही की माझ्याकडे एखादी विशेषत: अनुक्रमणिका जोडण्यासाठी आहे की नाही, परंतु आपण येथे पाहू शकता, आमच्याकडे विखंडन शिफारसी आहेत. आमच्याकडे फक्त असा विश्वास आहे की आमच्याकडे नुकतेच होते आणि वेब-आधारित आवृत्ती ऑफर करणार्‍या डायग्नोस्टिक मॅनेजरचा हा एक भाग होता, जिथे हे सांगते की मला गहाळ अनुक्रमणिका आहे. आणि आम्ही त्या शिफारसी पाहू आणि त्या माहितीची अनुक्रमांक सांगून त्यातून होणारे संभाव्य नफा सांगू. दुसरी गोष्ट मी फक्त सांगायला हवी ती म्हणजे जेव्हा जेव्हा आपण शिफारसी करतो तेव्हा यापैकी बर्‍याच जणांसाठी स्क्रिप्ट तयार केली जाईल. ती चांगली उदाहरणे नाहीत पण आपण पाहण्यास सक्षम आहात, होय, ज्यावेळी अनुक्रमणिका - एकतर डुप्लिकेट इंडेक्स किंवा निर्देशांक जोडणे - यामुळे कार्यक्षमता सुधारेल आणि जसे मी आधी म्हटल्याप्रमाणे आपण बरेच काही करतो काल्पनिक निर्देशांक विश्लेषणाद्वारे. म्हणूनच ते शिफारसीवर लागू करण्यात सक्षम होण्यासाठी, कामाचे ओझे समजून घेण्याच्या बाबतीत खरोखरच मदत करते.

एरिक कवानाग: छान गोष्टी आहेत, आणि हे मला येथे अंतिम टिप्पण्या एक चांगला सेग देईल. रॉबिन आणि मी आणि रिक तसेच बर्‍याच वर्षांमध्ये ऐकले आहेत, त्यामध्ये स्व-ट्यूनिंग डेटाबेसबद्दल चर्चा आहे. हा सेल्फ-ट्यूनिंग डेटाबेस आहे! मी तुम्हाला एवढेच सांगू शकतो: त्यांच्यावर विश्वास ठेवू नका.

बुलेट मॅनालेः हायपे वर विश्वास ठेवू नका.

एरिक कवानाग: काही छोट्या छोट्या छोट्या गोष्टी असू शकतात ज्या गतिशीलपणे केल्या जातील, परंतु तरीही, आपणास हे पहावेसे वाटेल आणि हे करू इच्छित नसल्यामुळे आपण ते करत नाही याची खात्री करुन घेऊ शकता. डेटाबेस स्तरावर काय घडत आहे हे समजण्यासाठी काही काळापर्यंत अशा साधनांची आवश्यकता होती आणि रॉबिन म्हणाले की, डेटा तलाव आकर्षक संकल्पना आहेत, परंतु तेथे अस्तित्त्वात येण्याइतपत त्यांच्यात बहुतेक शक्यता आहे. एक लॉच नेस मॉन्स्टर कधीही लवकरच. तर मी पुन्हा म्हणेन, वास्तविक जगाकडे बरेच डेटाबेस तंत्रज्ञान आहे, आपल्याला या गोष्टीकडे बघण्यासाठी आणि त्यास संश्लेषित करण्यासाठी लोक, डीबीए आवश्यक आहेत. आपण सांगू शकता की ही सामग्री कार्य करण्यासाठी आपण काय करीत आहात हे आपल्याला माहित असणे आवश्यक आहे. परंतु आपण काय करीत आहात हे जाणून घेण्यासाठी आपल्याला माहिती देण्यासाठी साधनांची आवश्यकता आहे. तर, तळाशी ओळ म्हणजे डीबीए फक्त ठीक करत आहे.

बुलेट मॅनाले आणि आयडीआरए मधील आमच्या मित्रांचे आभार. आणि नक्कीच, रिक शर्मन आणि रॉबिन ब्लॉर. आम्ही या सर्व वेबकास्टचे संग्रहण करतो, म्हणून त्याबद्दल अधिक माहितीसाठी आंनॅनालिसिस डॉट कॉम किंवा आमच्या भागीदार साइट www.techopedia.com वर ऑनलाइन हॉप करा.

आणि त्यासह, लोकांनो निरोप घ्या. पुन्हा धन्यवाद, पुढच्या वेळी तुमच्याशी चांगले बोलू. काळजी घ्या. बाय बाय.