作者 | JiekeXu   来源 |公众号 JiekeXu DBA之路

如需转载请联系授权 | (个人微信 ID：JiekeXu_DBA)

大家好，我是JiekeXu,江湖人称“强哥”，青学会MOP技术社区主席，荣获Oracle ACE Pro称号，金仓最具价值倡导者KVA，崖山最具价值专家YVP，IvorySQL开源社区专家顾问委员会成员，KWDB社区MVP，墨天轮MVP，墨天轮年度“墨力之星”，拥有Oracle  OCP/OCM 认证,MySQL 5.7/8.0 OCP 认证以及金仓KCM、KCSM证书，PCTA、OBCA等众多国产数据库认证证书,欢迎关注我的微信公众号“JiekeXu DBA之路”，然后点击右上方三个点“设为星标”置顶，更多干货文章才能第一时间推送，谢谢！后台回复【加群】，添加我个人微信拉你进群一起交流学习。

前  言

白鳝老师最近发布的一款开源免费的BIC-QA 工具，里面集成了AWR 报告分析能力，只需简单配置，上传 AWR 报告，等待十几分钟后就可以在邮箱里收到分析结果，比自己吭哧吭哧翻来翻去分析AWR 效率还高，分析结果比自己分析的还全面，适用于几乎初级中级高级 DBA 工作人员以及国产数据库从业人员。BIC-QA 还集成了大量的国产数据库运维知识图谱的数据，来帮助数据库相关从业人员更好的使用数据库，之前转载的一篇文章《BIC-QA：国产数据库的“咖啡伴侣”》 也已经提过了，只不过 AWR 分析功能还是在 V1.7.0 版本之后第一次开源免费提供。

BIC-QA 全称 “Business Intelligence & Knowledge Query  Assistant”，是一个面向数据库知识管理的智能问答平台。它定位为企业级数据库知识检索、问答系统，旨在为数据库管理员（DBA）、开发者、运维工程师等提供即时专业的数据库相关技术支持。根据白鳝老师的描述，BIC-QA 不仅分析 Oracle AWR 以及国产数据库的 AWR 报告，今后还会演变成一个全面的 DBA 助手，会在 Github 上开源一系列包括巡检、风险分析、故障诊断、容量预测等的数据采集工具，用于现场数据的采集。将这些采集到的数据上传到 BIC-QA 的服务端，会自动生成大量的AI 分析报告，辅助 DBA 的工作。

在开始正文前，先来看看明天的两大活动，“OceanBase 年度发布会”与白鳝老师新书《实战国产数据库：从选型迁移到运维优化》免费签售会，北京望京凯悦酒店二楼，欢迎来面基。

BIC-QA 工具安装扩展

• • 下载扩展插件文件到本地

https://gitee.com/BIC-QA/BIC-QA
或者
https://github.com/BIC-QA/BIC-QA

• • 打开浏览器扩展管理页面

启用开发者模式，点击"加载解压的扩展" 选择我们下载解压后的扩展文件夹。

edge://extensions/

BIC-QA 工具配置

注册用户

• • 打开扩展设置页面注册用户

填写用户名、企业名称和邮箱地址

点击 “注册” 按钮

查收邮件获取 API Key

配置 API 秘钥

• • 查看邮箱 API 秘钥

进入知识库服务配置页面

将邮件中的 API Key 填入对应字段

点击 “保存配置” 完成配置

到这里您就可以进行 AWR 报告上传，自动分析了。然后就静静的等待结果发送到您的邮箱里。目前支持从 Oracle 10g 到最新的 Oracle 26ai 的 AWR 报告的分析功能以及 KingbaseES KWR分析功能。

AWR 分析

上传单个 AWR 报告，不能一次性传多个文件，点击 “执行分析”，等待邮箱接收分析结果即可。

上面对话框里的邮箱默认是您注册  API KEY 的邮箱，不过您也可以修改邮箱，让分析结果发送到希望发送的邮箱里。“系统问题概述” 是对上传的 AWR 所在系统报告时间段内遇到的问题的描述，如果您能够很清晰地描述需要分析的问题，那么这个提示对于聚焦分析结果是有帮助的，如果不是很确定是否存在某个问题，建议不要输入这个信息，因为错误的描述会错误引导分析方向，得到错误的结论。

分析结果

等待大概十分钟左右(PS:如果后期上传报告人数太多的话，分析等待时间会更长)，BIC-QA 已经生成了一份十分易读的 HTML 格式的报告，发送到您的邮箱了，您可以结合当前系统的故障现象，就更容易定位问题了。

HTML 格式的报告包含大概如下八个部分，感兴趣的朋友可以自行测试查看报告，十分简单好用。

awrrpt_rac_103705_103708分析报告
    执行摘要（Executive Summary）
        高风险项总结：
    第二节 问题发现清单
    第三节 主要问题分析
        1. REDO问题
        2. TOPSQL-逻辑读
        3. TOPSQL-执行次数
        4. 直接路径读
        5. RAC问题（疑似）
    第四节 关键SQL语句分析
        SQL_ID: 7x2u5nq9yjz3a
        SQL_ID: 7u5j9x2n3a1b4
        SQL_ID: g6v8k3p2m7r9c
    第五节 优化建议
    第六节 参数优化建议
    第七节 总结
        附录1：关键SQL语句清单
        附录2：IO存在问题的对象（TOP 5）
        附录3：IO存在问题的表空间（TOP 10）
    第8节、ASH数据分析
        第一部分：ASH数据概览
        第二部分：ASH Top SQL分析
        第三部分：ASH Top Events分析
        第四部分：ASH Top Sessions和阻塞会话分析
        第五部分：问题时段分析
            1. 19:30–20:10：性能全面恶化期
            2. 20:20：二次波动期
        第六部分：ASH发现总结
            ✅ 建议后续行动

这里发现了一个小问题，不知道是不是 Bug 或者还不支持 RAC 下的 AWR 报告,后面会找徐老师咨询一下。对于 RAC AWR 的分析，在“第四节 关键SQL语句分析”这里，所提供的 SQL_ID 居然在我原来的 AWR 报告中不存在，就连涉及到的全表扫描的表 JX_BILL_DETAIL 也是不存在的，这就让人摸不着头脑了，一连生成了两份 RAC 的 AWR 报告都是这样的情况，其他部分基本上没啥问题，在最开始生成的一份单机模式下的 AWR 没有这样的问题，这一点周一会找白鳝老师当面咨询确认一下。

BIC-QA AI 模型配置

可以使用本地自建大模型，或者订阅 AI 模型服务商的 API。在配置页添加服务提供商，填写 API 地址、Key 等信息，并测试连接。这里我使用的是阿里云百炼模型通义千问 API，使用免费的 Token 即可。

https://bailian.console.aliyun.com/?tab=model#/model-market/detail/qwen3-max

登录自己的阿里云主账号，开通阿里云百炼后，您需要手动创建 API Key，系统不会自动生成。

点击API Key 旁的 image 图标（上图位置 ③）获取该 API Key。然后我们需要在 “BIC-QA” 中“添加服务商”时用到此 API 密钥，如下图所示填写后，点击 “保存服务商”。

然后点击“添加模型”，服务商选择“通义千问”，模型名称选择“qwen3-max-preview”，点击“保存模型”。

如下图点击“聊天测试”，如果配置正确，就会出现绿色的一行字“模型"qwen3-max-preview"聊天测试成功！模型可以正常响应对话”。

BIC-QA 使用示例

在 “BIC-QA” 插件主页面中选择一个已配置好的模型服务提供商，选择一个知识库，比如 Oracle，在输入框中输入问题并发送，稍等一会儿，即可获取你想要的参考答案。

如下是本次回答结果，通过知识库搜索用时 25 秒，匹配到 6 条知识库结果。

完成回答，用时 25 秒
搜索知识库完成
匹配到6条知识库
已完成思考，结果如下：

适用版本：通用版本（适用于 Oracle Database 10g 及以上，包括 21c 中的增强机制）
Oracle RAC（Real Application Clusters）中的缓存融合（Cache Fusion） 是一项核心的集群数据一致性与性能优化技术，其根本目标是在多个数据库实例（节点）之间高效、安全地共享和同步内存中的数据块，从而避免不必要的磁盘 I/O，提升并发访问性能，并确保数据一致性。

一、缓存融合的核心原理
缓存融合的本质是：“将数据块在内存中直接传输，而不是回写磁盘再读取”。当一个实例需要访问某个数据块，而该块当前被另一个实例缓存在其 Buffer Cache 中时，系统不会强制要求从磁盘重新读取，而是通过高速私有网络（通常是 InfiniBand 或高速以太网）直接从持有该块的实例内存中“复制”或“转移”过来。

二、关键技术组件
缓存融合依赖以下几个关键服务和结构协同工作：

1. 全局缓存服务（GCS, Global Cache Service）

- 负责管理数据块在多个实例间的传输。
- 跟踪每个数据块在哪个实例上、处于什么状态（如当前模式、一致性模式等）。
- 协调数据块的请求、授予、传输过程。
- 由后台进程 LMSn（Lock Manager Server） 实现，负责实际的数据块传输。

2. 全局队列服务（GES, Global Enqueue Service）

- 管理跨实例的锁资源（如行级锁、表锁等），确保并发事务的数据一致性。
- 防止多个实例同时修改同一数据造成冲突。
- 由后台进程 LMD（Lock Manager Daemon） 和 LMON（Lock Monitor） 协助管理。

3. 全局资源目录（GRD, Global Resource Directory）

- 分布式数据结构，记录所有数据块和锁资源的全局状态。
- GRD 并非集中存储，而是分布于所有活跃实例中，每个实例维护一部分资源的主控权（Master）。
- 当某实例请求一个数据块时，会先查询 GRD 以确定当前块的位置和状态。

4. PCM 锁机制（Parallel Cache Management Locks）

- 用于控制对数据块的并发访问权限。
- 数据块在传输过程中会根据访问模式（只读、读写）申请不同级别的锁（如 NULL、Shared、Exclusive 模式）。
- 确保即使在高并发环境下，数据的一致性和完整性也不会被破坏。

三、工作流程示例
假设两个实例（Instance A 和 Instance B）组成 RAC 集群：

1. Instance A 修改了数据块 DBA=100，并将其缓存在自己的 Buffer Cache 中（此时该块为“当前模式”Current Mode）。
2. Instance B 接收到一个查询，也需要访问 DBA=100 的数据块。
3. Instance B 向 GRD 查询该块位置 → 发现由 Instance A 持有。
4. GCS 协调：Instance B 向 Instance A 发起请求。
5. GES 确保锁兼容性（例如 Instance A 持有 X 锁，则需降级或传输前构造 CR 块）。
6. LMS 进程将数据块通过私网直接传输给 Instance B（可能构造一致性读 CR 副本）。
7. Instance B 将块放入自己的 Buffer Cache，完成查询。
8. 整个过程无需访问磁盘，大大减少 I/O 开销。

四、缓存融合的优势
✅ 减少磁盘 I/O：数据块在内存间直接传输，避免反复读盘。
✅ 提高并发性能：多个实例可同时访问相同数据，适合 OLTP 高并发场景。
✅ 自动透明管理：对应用完全透明，无需代码修改。
✅ 支持动态负载均衡：结合服务管理，可灵活调度工作负载到不同节点。
✅ 增强容错能力（21c+）：后台进程可处理不可恢复错误，自动重试或修复，减少实例崩溃。

五、注意事项
- 缓存融合依赖高速、低延迟的私有互联网络（建议使用专用交换机 + Jumbo Frame + RDMA 技术如 InfiniBand 或 RoCE）。
- 会略微增加 SGA 内存开销（用于维护 GRD 和锁结构）。
- 若网络延迟高或带宽不足，反而可能导致性能下降（称为“缓存融合惩罚”）。
- 需合理设计应用，避免“热点块”竞争（如序列号、计数器表等），否则会导致频繁的块传输和锁争用。

适用版本：通用版本（适用于 Oracle Database 10g 及以上，包括 21c 中的增强机制）
参考知识库：
1. 问题：Oracle RAC 中的缓存融合（Cache Fusion）是如何工作的？ 内容：Or... 收起详情
...

参考链接

https://mp.weixin.qq.com/s/hW9uROH8CE3ri1nHrtIe0g
https://mp.weixin.qq.com/s/PW9u5qAJgVZBuBagJXY2QA
https://gitee.com/BIC-QA/BIC-QA
https://github.com/BIC-QA/BIC-QA
https://bailian.console.aliyun.com/?tab=model#/model-market/detail/qwen3-max

全文完，希望可以帮到正在阅读的你，如果觉得有帮助，可以分享给你身边的朋友，同事，你关心谁就分享给谁，一起学习共同进步~~~

——————————————————————————

公众号：JiekeXu DBA之路

墨天轮：https://www.modb.pro/u/4347

CSDN ：https://blog.csdn.net/JiekeXu

ITPUB：https://blog.itpub.net/69968215

IFCLUB：https://ifclub.com.cn/user?type=1

腾讯云：https://cloud.tencent.com/developer/user/5645107 ——————————————————————————

第三批国测公布：国产数据库新势力的破局与价值

2024 年公众号 JiekeXu DBA之路历史文章合集

2023 年公众号 JiekeXu DBA之路历史文章合集

2022 年公众号 JiekeXu DBA之路历史文章合集

2021 年公众号历史文章合集