Рабочий блокнот.

ℹ️Для формального определения наличия и силы сезонности в ваших метриках СУБД и ОС существуют конкретные численные критерии и статистические тесты. Они делятся на три основные категории: 1️⃣тесты для проверки гипотезы о наличии сезонности, 2️⃣методы оценки периода и 3️⃣критерии качества модели...

В зависимости от того, какое изменение метрики считается ухудшением, введём скорректированный коэффициент наклона b′: аким образом, положительное значение b′ всегда соответствует ухудшению, отрицательное — улучшению. Коэффициент детерминации R2 показывает, какая доля дисперсии объясняется линейной моделью, то есть силу (надёжность) тренда. Чем выше R2, тем более выражен тренд. Комбинируем скорректированный...

Для определения приоритетов различных типов ожиданий (wait_event_type) на основе четырёх показателей: Можно использовать метод анализа иерархий (МАИ) - строится матрица парных сравнений критериев, которая позволяет получить весовые коэффициенты для их последующего агрегирования. Примерная матрица сравнения, основанная на типичных представлениях о важности критериев: Критерии упорядочены следующим образом: Матрица парных сравнений M (размер 4×4), где элемент m_ij показывает, во сколько раз критерий...

Методика предназначена для выявления ключевых факторов, влияющих на рост ожиданий (событий ожидания) СУБД, и определения взаимосвязей между метриками производительности инфраструктуры (CPU, диск, память) и состоянием экземпляра базы данных. Анализ разделен на два взаимодополняющих блока: анализ ожиданий (3-этапный) и анализ метрик (2-этапный). Цель блока: Ранжирование типов событий ожидания по степени их влияния на общую нагрузку (суммарные ожидания) и отбор кандидатов для последующей оптимизации...

Для ранжирования типов ожиданий (wait_event_type) по степени их влияния на производительность СУБД предлагается использовать многокритериальный подход на основе четырёх статистических показателей. Для этого...