La enorme complejidad de los datos estadísticos de Db2 y de los datos contables de Db2 dificulta la obtención de valor a partir de las abundantes métricas disponibles. Una visibilidad clara de las métricas de Db2 a través de los registros de SMF le ayuda a prevenir los riesgos de disponibilidad y a gestionar y optimizar el rendimiento.
Acceda a conocimientos de estado integrados que evalúan cientos de métricas cruciales para identificar de forma proactiva los riesgos para el estado y el rendimiento de su aplicación. La detección de anomalías mediante IA señala los cambios estadísticamente significativos, lo que acelera la resolución de problemas.
Utilice miles de informes listos para usar combinados con una interfaz gráfica de usuario potente e intuitiva, comparaciones, edición en tiempo real y capacidades de desglose en función del contexto para maximizar el tiempo dedicado a prevenir y resolver problemas. Minimice el tiempo de inactividad sin necesidad de codificación personalizada.
Aumente la eficacia del personal con paneles de control interactivos, personalizables y que se pueden compartir, con explicaciones integradas y amplios desgloses. Utilice la IA como multiplicador para agilizar la formación, promover la colaboración y mejorar la eficacia analítica.
Qué incluye
El volumen y la complejidad de los datos estadísticos de Db2 (SMF 100) y los datos contables de Db2 (SMF 101) son difíciles de analizar. La sencilla visibilidad de las métricas clave de Db2 a través de los registros SMF es crucial para prevenir de forma proactiva los riesgos de disponibilidad y para gestionar y optimizar eficazmente el rendimiento.
Las evaluaciones automatizadas de más de 80 métricas para cada miembro y grupo de búferes Db2 de su entorno ayudan a identificar los posibles riesgos para la disponibilidad y el rendimiento. Esta imagen muestra un ejemplo del informe interactivo Db2 Health Insights. Todas las advertencias y excepciones se muestran en esta tabla con la posibilidad de ahondar en las excepciones individuales y realizar un análisis en profundidad de la causa raíz.
Numerosos desgloses pueden pasar de una vista de alto nivel de toda la empresa a un análisis concreto para ayudar a identificar conocimientos procesables para miembros específicos de Db2, grupos de búferes, etc. Esta imagen recoge dos de estos pasos de desglose, inicialmente "Grupo por tamaño" y después por "Grupo de búferes" para aislar las excepciones a grupos de búferes específicos (que son los que se muestran aquí).
Puede generar "gráficos de tiempo" de todas las métricas evaluadas para examinar las posibles relaciones de alto nivel entre las métricas en cualquier fase del proceso analítico. En este ejemplo, se pueden evaluar las posibles correlaciones horarias entre las dos métricas con excepciones (con los bordes naranja y rojo) y la actividad general de obtención de la página (en el primer gráfico).
Dado que Db2 se basa en que los datos necesarios residan en un búfer para evitar las E/S síncronas con la unidad de trabajo ("E/S de lectura de sincronización aleatoria"), una amplia visibilidad del grupo de búferes y de las métricas de E/S es crucial para el ajuste del rendimiento de Db2.
Los desgloses en función del contexto de grandes cantidades de datos le permiten centrarse en los datos relevantes para su análisis. Los expertos suelen sugerir análisis centrados por tipo de conexión, puesto que el trabajo en línea (por ejemplo, el que llega a Db2 desde CICS) suele tener un perfil diferente del trabajo por lotes (por ejemplo, el que llega a través de los BMP por lotes de IMS).
Visualice el rendimiento de E/S del disco y de la caché por grupo de búferes y base de datos de Db2 mediante la integración de los datos de rendimiento de E/S del conjunto de datos (de los registros SMF 42) con los datos estadísticos de E/S del conjunto de datos de Db2 (IFCID 199). Consulte las métricas, incluido el tiempo de respuesta del disco por componente (IOSQ, Pend, Disc, Conn) y los aciertos y fallos de la caché de disco por grupo de búferes y base de datos de Db2.
En los datos contables de Db2, la combinación de los tiempos de "clase 2" (CPU) y "clase 3" (espera) proporciona un perfil de tiempo transcurrido dentro de Db2. Este perfil para el trabajo procedente de CICS muestra que Otros commit de E/S de lectura (verde), Tiempo no contabilizado por commit (morado claro) y Tiempo de retención de bloqueo local por commit (naranja) son los principales contribuyentes al tiempo transcurrido.
Para el trabajo que llega a CICS desde Db2, puede aprovechar el hecho de que el ID de la transacción de llamada se incluye en el campo de nombre de correlación que se encuentra en los datos contables de Db2 para facilitar numerosos tipos de análisis por transacción de CICS. Este ejemplo presenta una vista de los perfiles de tiempo transcurrido de Db2 por transacción de CICS.
Más de 250 campos no temporales en los registros CICS 110.1 permiten un análisis detallado y están organizados en subgrupos. El panel de control personalizado de esta imagen muestra ejemplos de varios de ellos, incluidas las llamadas SQL de Db2 por transacción CICS, las escrituras de flujos de registros, las cargas de programas y la obtención de archivos.
Las ventajas de adoptar un modelo en la nube incluyen una implementación rápida (sin tiempo de espera para instalar y configurar el producto de forma local), una configuración mínima (solo para la transmisión de datos SMF), la descarga de recursos de personal y el acceso a los servicios de consultoría de IntelliMagic para complementar los conocimientos locales.