Die enorme Komplexität der Db2-Statistikdaten und der Db2-Abrechnungsdaten erschwert die Ableitung des Werts aus den verfügbaren umfangreichen Metriken. Eine klare Sicht auf die Db2-Metriken durch SMF-Daten hilft Ihnen, Verfügbarkeitsrisiken zu vermeiden und die Leistung zu verwalten und zu optimieren.
Greifen Sie auf integrierte Zustandsbewertungen zu, die Hunderte von kritischen, entscheidenden Metriken bewerten, um proaktiv Risiken für Ihren Anwendungszustand und Ihre Leistung zu identifizieren. Die KI-abgeleitete Anomalieerkennung hebt statistisch signifikante Veränderungen hervor und beschleunigt die Problemlösung.
Verwenden Sie Tausende von sofort einsatzbereiten Berichten in Kombination mit einer leistungsstarken, intuitiven Benutzeroberfläche sowie Echtzeitvergleichen und Bearbeitung. Nutzen Sie kontextsensitive Drilldown-Funktionen, um die für die Vermeidung und Lösung von Problemen benötigte Zeit zu reduzieren. Minimieren Sie Ausfallzeiten, ohne dass eine benutzerdefinierte Codierung erforderlich ist.
Steigern Sie die Effektivität Ihrer Mitarbeiter mit interaktiven, anpassbaren und gemeinsam nutzbaren Dashboards, integrierten Erklärungen und umfangreichen Drilldowns. Nutzen Sie KI als Leistungsmultiplikator, um das Lernen zu beschleunigen, die Zusammenarbeit zu fördern und die analytische Effektivität zu verbessern.
Was ist im Funktionsumfang enthalten?
Das Volumen und die Komplexität der Db2-Statistikdaten (SMF 100) und der Db2-Abrechnungsdaten (SMF 101) sind schwer zu analysieren. Transparenter Zugriff auf wesentliche Db2-Metriken mittels SMF-Datensätzen ist von großer Bedeutung, um potenzielle Verfügbarkeitsrisiken frühzeitig zu erkennen und die Leistung gezielt zu verwalten und zu verbessern.
Automatisierte Bewertungen von über 80 Metriken für jeden Db2-Member und jeden Pufferpool in Ihrer Umgebung helfen, potenzielle Risiken für Verfügbarkeit und Leistung frühzeitig zu erkennen. Diese Abbildung zeigt ein Beispiel für den interaktiven Db2 Health Insights-Bericht. Alle Warnungen und Ausnahmen werden in dieser Tabelle angezeigt, mit der Möglichkeit, einen Drilldown zu den einzelnen Ausnahmen durchzuführen und eine detaillierte Ursachenanalyse durchzuführen.
Zahlreiche Drilldowns können von einer übergeordneten und unternehmensweiten Ansicht in eine fokussierte Analyse übergehen, um umsetzbare Erkenntnisse für bestimmte Db2-Elemente, Pufferpools usw. zu identifizieren. In diesem Bild werden zwei solcher Drilldown-Schritte erfasst, zunächst „Pool nach Größe“ und dann nach „Pufferpool“, um die Ausnahmen für bestimmte Pufferpools zu isolieren (hier gezeigt).
Sie können „Zeitdiagramme“ aller bewerteten Metriken erstellen, um potenzielle Beziehungen auf hoher Ebene zwischen den Metriken in jeder Phase des Analyseprozesses zu untersuchen. In diesem Beispiel können mögliche Korrelationen zwischen den beiden Metriken mit Ausnahmen (mit den orangefarbenen und roten Rahmen) und der gesamten Get-Page-Aktivität (im ersten Diagramm) ausgewertet werden.
Da Db2 auf die erforderlichen Daten angewiesen ist, die sich in einem Puffer befinden, um I/O-Vorgänge zu vermeiden, die mit der Arbeitseinheit synchron sind („Random Sync Read I/O“), ist eine umfassende Transparenz des Pufferpools und der I/O-Metriken für die Optimierung der Db2-Leistung von entscheidender Bedeutung.
Kontextsensitive Drilldowns großer Datenmengen ermöglichen es Ihnen, sich auf die für Ihre Analyse relevanten Daten zu konzentrieren. Experten schlagen häufig Analysen vor, die sich auf den Verbindungstyp konzentrieren, da Online-Arbeit (z. B. die über CICS in Db2 eingeht) in der Regel ein anderes Profil hat als Batch-Arbeit (z. B. die über IMS Batch-BMPs eingeht).
Zeigen Sie Festplatten-I/O an und cachen Sie die Leistung nach Db2-Pufferpool und Datenbank durch Integrieren von Datensatz-I/O-Leistungsdaten (aus SMF 42-Datensätzen) mit Db2 Datensatz I/O-Statistikdaten (IFCID 199). Zeigen Sie Metriken an, einschließlich der Reaktionszeit von Festplatten nach Komponente (IOSQ, Pend, Disc, Conn) und Treffern und Fehlschlägen im Festplatten-Cache nach Db2-Pufferpool und Datenbank.
In Db2-Abrechnungsdaten ergibt die Kombination von „Klasse 2“ (CPU) und „Klasse 3“ (Wartezeiten) ein verstrichenes Zeitprofil der Zeit, die in Db2 verbracht wird. Dieses Profil für Arbeiten, die von CICS stammen, zeigt, dass andere Lese-I/A-Commits (grün), nicht berücksichtigte Zeit pro Commit (hellviolett) und lokale Sperrkonfliktzeit pro Commit (orange) die Hauptverursacher der verstrichenen Zeit sind.
Für Arbeiten, die über CICS in Db2 eingehen, können Sie den Vorteil nutzen, dass die aufrufende Transaktions-ID im Feld für den Korrelationsnamen enthalten ist, das in den Db2-Abrechnungsdaten zu finden ist. Dies erleichtert verschiedene Arten von Analysen nach CICS-Transaktionen. In diesem Beispiel wird eine Ansicht der Db2-Profile für verstrichene Zeit nach CICS-Transaktion dargestellt.
Mehr als 250 Nicht-Zeitfelder in den CICS 110.1-Datensätzen ermöglichen eine detaillierte Analyse und sind in Untergruppen organisiert. Das benutzerdefinierte Dashboard in diesem Bild zeigt Beispiele für mehrere davon, darunter Db2-SQL-Aufrufe pro CICS-Transaktion, Log-Stream-Schreibvorgänge, Programmladevorgänge und Dateiabrufe.
Zu den Vorteilen der Einführung eines Cloud-Modells gehören die schnelle Implementierung (keine Vorlaufzeit für die lokale Installation und Einrichtung des Produkts), die minimale Einrichtung (nur für die Übertragung von SMF-Daten), die Entlastung der Personalressourcen und der Zugang zu IntelliMagic-Beratungsdiensten zur Ergänzung der lokalen Skills.