En raison de la grande complexité des données statistiques et comptables de Db2, il est difficile de tirer parti de la richesse des indicateurs disponibles. Une visibilité claire des indicateurs Db2 grâce aux enregistrements SMF vous aide à prévenir les risques de disponibilité et à gérer et optimiser les performances.
Accédez aux health insights qui évaluent des centaines d’indicateurs critiques afin d’identifier de manière proactive les risques pour la santé et les performances de votre application. La détection des anomalies dérivée de l’IA met en évidence les changements statistiquement significatifs, ce qui accélère la résolution des problèmes.
Utilisez des milliers de rapports prêts à l’emploi combinés à une interface graphique puissante et intuitive, ainsi qu’à des comparaisons et des modifications en temps réel. Les fonctionnalités d’analyse contextuelle vous permettent d’optimiser le temps consacré à la prévention et à la résolution des problèmes. Minimisez les temps d’arrêt sans nécessiter de codage personnalisé.
Améliorez l’efficacité du personnel grâce à des tableaux de bord interactifs, personnalisables et partageables, à des explications intégrées et à des analyses approfondies. Utilisez l’IA comme un multiplicateur de force pour accélérer l’apprentissage, promouvoir la collaboration et améliorer l’efficacité analytique.
Ce qui est inclus
Le volume et la complexité des données statistiques (SMF 100) et comptables (SMF 101) de Db2 sont difficiles à analyser. Une visibilité simplifiée des indicateurs clés de Db2 par le biais des enregistrements SMF est essentielle pour prévenir de manière proactive les risques de disponibilité et pour gérer et optimiser les performances de manière efficace.
L’évaluation automatisée de plus de 80 indicateurs pour chaque membre Db2 et chaque pool de mémoire tampon dans votre environnement permet d’identifier les risques potentiels pour la disponibilité et les performances. Cette image montre un exemple de rapport interactif Health Insights de Db2. Tous les avertissements et exceptions sont affichés dans ce tableau, avec la possibilité d’explorer les exceptions individuelles et d’effectuer une analyse approfondie des causes racines.
De nombreuses analyses approfondies permettent de passer d’une vue d’ensemble de l’entreprise à une analyse ciblée afin de dégager des informations exploitables pour des membres spécifiques de Db2, des pools de mémoire tampon, etc. Cette image illustre deux étapes de l’analyse détaillée, d’abord par « Pool par taille », puis par « Pool de mémoire tampon » afin d’isoler les exceptions pour des pools de mémoire tampon spécifiques (illustrés ici).
Vous pouvez générer des « graphiques temporels » de tous les indicateurs évalués afin d’examiner les relations potentielles de haut niveau entre les indicateurs à n’importe quelle phase du processus d’analyse. Dans cet exemple, vous pouvez évaluer les corrélations possibles au cours de la journée entre les deux indicateurs d’exceptions (avec les bordures orange et rouge) et l’activité globale d’une page donnée (dans le premier graphique).
Étant donné que Db2 s’appuie sur les données nécessaires résidant dans une mémoire tampon pour éviter les E/S synchrones avec l’unité de travail (« E/S de lecture synchrone aléatoire »), une visibilité étendue du pool de mémoire tampon et des indicateurs d’E/S est indispensable à l’optimisation des performances de Db2.
Les analyses approfondies contextuelles de grands volumes de données vous permettent de vous concentrer sur les données pertinentes pour votre analyse. Les experts suggèrent souvent des analyses axées sur le type de connexion, car le travail en ligne (par exemple, l’entrée dans Db2 à partir de CICS) a généralement un profil différent du travail par lots (par exemple, l’entrée par les BMP d’IMS).
Visualisez les performances d’E/S disque et de cache par pool de mémoire tampon et base de données de Db2 en intégrant les données de performance d’E/S d’ensemble de données (à partir des enregistrements SMF 42) avec les statistiques d’E/S de jeu de données (IFCID 199) de Db2. Les indicateurs comprennent le temps de réponse du disque par composant (IOSQ, Pend, Disc, Conn) et les occurrences et absences du cache du disque par pool de mémoire tampon et base de données Db2.
Dans les données comptables Db2, la combinaison des temps de « classe 2 » (CPU) et de « classe 3 » (attente) fournit un profil de temps écoulé du temps passé dans Db2. Ce profil de travail provenant de CICS indique que les éléments Autre validation d’E/S lecture (vert), Temps non comptabilisé par validation (violet clair) et Temps de conflit de verrouillage local par validation (orange) sont les principaux contributeurs au temps écoulé.
Pour les travaux entrant dans CICS à partir de Db2, vous pouvez profiter du fait que l’ID de la transaction appelante est inclus dans le champ de nom de corrélation qui se trouve dans les données comptables de Db2 pour faciliter de nombreux types d’analyses par transaction CICS. Cet exemple présente une vue des profils de temps écoulé Db2 par transaction CICS.
Plus de 250 champs non chronologiques dans les enregistrements CICS 110.1 organisés en sous-groupes permettent une analyse détaillée. Le tableau de bord personnalisé sur cette image montre des exemples de plusieurs d’entre eux, notamment les appels SQL DB2 par transaction CICS, les écritures dans les flux de journaux, les chargements de programmes et l’accès à des fichiers.
L’adoption d’un modèle cloud présente un certain nombre d’avantages : implémentation rapide (pas de délai d’installation et de configuration du produit localement), configuration minimale (uniquement pour la transmission des données SMF), déchargement des ressources en personnel et accès aux services de conseil IntelliMagic pour compléter les compétences locales.