Ahora que ha finalizado febrero, vamos a realizar un pequeño análisis para ver la carga transaccional que ha tenido el cliente, en el trabajo realizado, para el mes de febrero.

Para poder llevar a cabo este análisis me voy a basar en un script del DBA Javier Morales. Aquí os dejo el enlace a su página por si queréis saber más de lo que hace en el día a día: café database.

En este caso la BBDD es 19c y es una base de datos single instance noCDB.

Otro punto para tener en cuenta es que nuestra base de datos se encuentre en modo ARCHIVELOG, para comprobarlo simplemente es necesario ejecutar la siguiente consulta:

El modo ARCHIVELOG en Oracle, no es más que un modo de protegerse en caso de que falle el disco o se produzcan eliminaciones indeseadas por parte del cliente.

¿Cómo vamos a analizar la carga transaccional?

Pues para ello vamos a analizar el volumen de entradas en los ficheros redolog archivados en la base de datos, para ello consultaremos la vista GV$ARCHIVED_LOG.

En esta vista lo que vamos a hacer es consultar las transacciones finalizadas a nivel de hora/día y archive log, para tener una visión completa diaria. Hay que tener en cuenta que cada fichero obtenido en la consulta, lo multiplicaremos por el tamaño de bloque, para obtener así su tamaño final.

El resultado que hemos obtenido de la consulta realizada es:

Para que nos sea más sencillo de ver, hemos aplicado dos escalas de color, una a nivel hora y otro por resultado por día. Con este formato condicional vemos en qué hora y día se está produciendo más carga de trabajo.

Por lo tanto, con esta escala de colores, vemos que la carga mayor se produce el último día del mes y que justamente coincide con el cierre el cliente (con 280Gb). También podemos ver más días que superan los 100Gb, el día 1 de febrero por la continuación del cierre de enero o los días 7 y 8 que es el pre-cierre. El día 27 también tenemos una gran carga debido a que se están ejecutando procesos, precisamente para prepararse para realizar el cierre los días siguientes.

Como habéis visto, este análisis nos puede servir para conocer el nivel de transaccionalidad que hay durante un periodo de tiempo, así como los días en los que previsiblemente tendremos una mayor actividad en nuestra base de datos.