Förord

Det här är del tre i en artikel på fyra delar. Den här delen handlar om hur man använder Microsoft Excel till att skapa analyseringsdiagram och hur man utför Trendanalyser med hjälp av data från Performance Monitor. Del fyra kommer att behandla hur du tolkar analyserna. Denna artikel använder Microsoft Excel 97 som referensmaterial till alla exempel. Om du däremot använder Microsoft Excel 2000 bör du kunna följa med i artikeln med få eller inga konstigheter.

Innehåll

  » Introduktion
  » Hur du börjar
  » Hur du importerar SQL Server data till Microsoft Excel
  » Hur du gör diagram av Performance Monitor data i Microsoft Exc
  » Hur du gör trendanalyser på dina data från Performance Monitor
  » Använd Pivottabeller till att analysera dina Performance Monit
  » Det här är bara början
  » Läs del fyra

SQL Server Prestanda Analysering

Del 3: Trend Analyser med Microsoft Excel

Skribent: Brad M. McGehee

Introduktion

Trots att diagramläget av Performance Monitor är ett relativt bra verktyg för att visuellt kunna analysera resultaten från Performance Monitor, så har den vissa begränsningar i sin funktion. Vissa av dessa begränsningar inkluderar möjligheterna till att göra enkla modifieringar av data, att analysera data med vissa statistiska funktioner eller att lagra data till senare, för att med hjälp av den förutse de framtida resurser som SQL Server kan komma att behöva.

För att kunna tolka och analysera informationen från Performance Monitor lättare, så kommer vi att lära oss använda Microsoft Excel. Själva kärnan i denna artikel ligger i att använda Microsoft Excel till att skapa diagram och utföra trendanalyser med hjälp av dina data från Performance Monitor, inte i att tolka den. Tolkning kommer att behandlas i del fyra av denna fyradelars artikel.

Innan jag börjar så är det lika bra och erkänna; Microsoft Excel inte är det mest eleganta sättet jag har sett, för att analysera dina data från Performance Monitor med. Det kräver för mycket manuellt arbete för mitt tyckande, och den ger inte lätt ut så mycket analyseringsdata som jag skulle önska. Men med tanke på min ekonomi, och även den vanliga Svenssons ekonomi, så har man inte råd med ett bättre verktyg. Jag skulle vilja ha ett verktyg som har specialiseringen att införskaffa och analysera data från Performance Monitor, men till dess får jag nöja mig med Microsoft Excel.

Under avsnitten som följer kommer du att få lära dig grunderna om hur du använder Microsoft Excel till att skapa diagram och hur du utför trendanalyser av data från Performance Monitor. För att kunna hänga med i artikeln bör du ha grundläggande kunskaper i Microsoft Excel.

Hur du börjar

Innan du börjar med att analysera Performance Monitor data med hjälp av Microsoft Excel, så bör du svara på följande viktiga frågor:

Varifrån får jag data?
Om du har följt denna serie av artiklar, bör du komma ihåg att jag tidigare har föreslagit att du lagrar dina data från SQL Server Performance Monitor i en SQL Server tabell. Genom att lagra data från Performance Monitor i SQL Server, så blir det smidigt att både lagra och behandla informationen. Du kan t ex skapa en tabell för varje SQL Server som du vill övervaka. Och allteftersom du samlar ihop mer information så kan du lägga in den i tabellen, och därmed ha all data samlat på ett enda ställe. Du kan också skriva frågor (Querys) för att få ut just den informationen som behövs från Microsoft Excel.

Du behöver självklart inte lagra informationen just i Microsoft Excel för att analysera data, du kan lagra den i flera andra sorters format. Ta t ex interna Performance Monitor filer, ASCII filer, Microsoft Access databaser – eller vilken annan databas som helst för den delen.

Oavsett var du lagrar dina data från Performance Monitor så måste du välja sökvägen och använda den som din centrala lokalisering. Det är viktigt att dina data är lättåtkomliga och kompatibla med Microsoft Excel.

Vilka poster vill du analysera?
Troligtvis kommer du att samla på dig fler poster än du egentligen vill analysera. Det du kan göra då är att endast plocka ut en handfull poster som du vill analysera från Microsoft Excel. Om du inte gör det så blir det för mycket information samtidigt på skärmen i Microsoft Excel (det blir väldigt rörigt), och det blir svårt för dig att se vad du gör. Om du behöver analysera mer data än vad som får plats på skärmen så kan du analysera data gruppvis från relaterade poster. Den enda begränsningen på det antal poster som du kan analysera på en och samma gång beror på din skärms upplösning (hur mycket du kan se på din skärm) och på hur mycket data du är van att jobba med.

Till den här artikeln så räknar jag med att du själv vet vilka poster du vill analysera, så jag tänker inte nämna några specifika – jag kommer emellertid senare i artikeln att visa några exempel som jag vanligtvis använder. I del fyra av serien om Performance Monitor kommer jag visa på vissa specifika poster och vad du bör leta efter.

Vilken tidsperiod vill du analysera?
Generellt sett så finns det tre olika tidsperioder att välja mellan för att analysera; daglig, månatlig och per kvartal. Du kan självklart välja vilka andra tidsperioder som faller dig in, men jag anser att dessa tre tidsramar är användbara av vissa speciella anledningar.

Daglig: En daglig titt låter mig se vad som händer timme för timme; jag kan leta efter dagliga mönster samt se vart topparna och sänkningarna är. Jag letar också efter poster som indikerar på flaskhalsar, även om jag letar efter specifika flaskhalsar också. Jag använder också den dagliga analysen till att se hur välbalanserad min hårdvara är, som t ex att se till att CPUn och den fysiska diskytan blir använda lika mycket. I vissa fall använder jag även de data som är inhämtade under en tvåtimmars period för att fastställa ett särskilt problem i prestandan.

Månatlig: Vid användning av en månatlig analys, söker jag också efter mönster, toppar och dalar. Jag kan ofta använda analysen till att schemalägga databasens användande, såsom att jämföra poster i databasen eller att köra stora DTS importer eller exporter. Jag använder helst inte den månatliga analysen till att felsöka i flaskhalsar på grund av att mina data inte är noggranna nog.

Per kvartal: Jag använder data som är insamlad under en längre tid då jag behöver göra en trendanalys för att med denna information kunna göra en prognos över vad som kan behövas i framtiden. Jag kan t ex vilja förutse hur många användare som kommer att använda min databas, hur mycket fysisk diskyta som kan komma att behövas, hur mycket I/O kapacitet som jag kommer att behöva, hur mycket nätverksbandbredd som kommer att behövas, osv. Ju mer data du har samlat in för det här, desto bättre kommer dina prognoser att bli.


Hur ofta behöver du samla in informationen?
Som du kanske vet så kan du – då du använder Performance Monitor till att samla in poster – själv välja hur ofta dina data ska inhämtas. Du bör hämta in dem nog ofta för att din dagliga analys ska bli tydlig, men inte så ofta så att din kvartala trendanalys hakar upp sig på mängden data.

För att komma runt det här problemet, så måste du under en viss tidsperiod samla in så pass mycket information så att det räcker till din dagliga trendanalys, men så att det inte blir för mycket till din månatliga eller kvartala analys. Det är här SQL Server som förvaringsutrymme kommer in i bilden.

Säg t ex att du hämtar in postdata varje minut och att du lagrar dina data i en SQL Server tabell. Om du vill göra en daglig analys, så hämtar du in informationen från tabellen och använder den som den är. Men om du vill göra en analys för ett helt kvartal, så kan du göra en Transact-SQL för att räkna ut varje timmes genomsnitt, för att sedan exportera den datan till SQL Server. Om du inte vill använda just SQL Server till att minska informationsmängden, så kan du använda dig utav en pivottabell i Microsoft Excel, som vi kommer att lära oss senare i artikeln. Du kommer säkert att få experimentera med olika nivåer av noggrannhet för att hitta den nivå som passar dina egna behov, vid de analyser du vill utföra.

Vilken skala vill du använda?
En annan sak som du måste bestämma är vilken skala du måste använda av för varje post vid analysering. Som du kanske vet så kan du använda dig utav en procentuell skala, från 0% till 100%. Men du kan också använda dig av mängden data, som kan gå från 0 till 10 eller 1 till 1 000 000. Skalan är viktig, för det är svårt att på en och samma gång analysera data från poster som har märkbart olika skalor. Generellt sett så vill du analysera grupper av data som har likvärdiga skalor.

Om du behöver analysera data som olika skalor, så kan du använda dig utav vissa funktioner i SQL Server eller Microsoft Excel som jämnar ut intervallen och gör att de passar in i samma skalning. Du kanske kan erinra dig att Performance Monitor Graph Mode gör detta automatiskt. Det är viktigt att du vid analyser med omgraderad data, tänker på att du verkligen har gjort om den, annars kan du misstolka resultaten.

Det är nu viktigt att du söker efter de bästa svaren på dessa grundläggande frågor innan du analyserar data från Performance Monitor, för svaren kommer att förbättra resultaten av analyserna märkbart. Nu när du har svarat på alla ovanstående frågor, så är du redo att börja importera dina data till Microsoft Excel.

Hur du importerar SQL Server data till Microsoft Excel

Som jag nämnt tidigare så finns det många olika sätt att lagra dina data från Performance Monitor på, men i artikeln så förutsätter jag att du använder SQL Server till detta. Om du inte använder SQL Server så måste du exportera dina data till ett format som lätt kan importeras till Microsoft Excel.

Det lättaste sättet att exportera dina Performance Monitor data från SQL Server till Microsoft Excel med är genom att använda DTS Export Wizard. Det är inte det enda sättet, men DTS Export Wizard är lämplig eftersom den stegar dig genom processen, för att få ut dina data direkt på ett kalkylblad i Microsoft Excel. Du behöver för det mesta inte följa med på skärmen för att veta vad som ska göras, men om du inte är van vid guiden så har du de grundläggande stegen här.

• För att få fram DTS Export Wizard så kan du i Enterprise Manager högerklicka på databasen som innehåller den data som du vill exportera. Där vänsterklickar du på ”All Tasks” och sedan igen på ”Export Data”.
  
• Välj ”Next” på introduktionssidan till Wizarden.
  
• I ”Choose a Data Source” så ska “Source” (sökvägen), servernamnet och databasnamnet redan vara ifyllt. Om inte, fyll i informationen och välj sedan ”Next” för att fortsätta.
  
• I ”Choose a Destination” ska “Destination” rutan ändras till ”Microsoft Excel 8.0” (works för Excel 97 och 2000). I ”File Name” fyller du i en sökväg och filnamnet på Excel-filen som ska exporteras. Välj ”Next”.
  
• I ”Specify Table Copy or Query” så måste du ta ett beslut på vilken data som ska exporteras. Om du vill exportera all data (som i de flesta fall inte behövs) så väljer du alternativet ”Select table(s) from the source database”. Detta alternativ låter dig välja en eller flera hela tabeller som ska exporteras till Microsoft Excel. Om du istället väljer alternativet ”Use a query to specify the data to transfer” så låter wizarden dig välja just de data som du vill exportera från en SQL Server tabell till ett kalkylblad i Microsoft Excel. När du har gjort ditt val väljer du ”Next”.
  
• Om vi förutsätter att du valde ”Use a query to specify the data to transfer” i förra rutan så kommer du nu att få upp rutan ”Type SQL Statement”. Här erbjuds två olika sätt att få fram SQL-satsen för att få ut just den informationen som du vill exportera. Det lättaste sättet är att välja ”Query builder”, där du får klicka dig fram för att bygga en enkel sats som tar ut just den informationen som du vill exportera till Microsoft Excel. Men om satsen blir krånglig, som att du t ex vill minska ner mängden information innan du exporterar den, så måste du manuellt skriva in SELECT-satsen i ”Query Statement” rutan först. Om du gör det, så skulle jag rekommendera att du skriver satsen med hjälp av Query Analyzer först eftersom Query Analyzer gör det lättare att både skriva och provköra satsen. Efter att du har provkört satsen så är det lätt att bara klippa och klistra in delar av satsen in till ”Query Statement” rutan. När du har fått fram din SQL-sats (oavsett tillvägagångssätt) så väljer du ”Next”.
  
• I nästa ruta, ”Select Source Tables”, så finns möjligheter till att utföra kolumnsorteringar och olika överföringar av dina data. Detta är något som du oftast inte behöver bry dig om, men möjligheten finns där för mer avancerade användare. Vi förutsätter att du inte väljer något här, så välj ”Next”.
  
• Du har nu avslutat din DTS Export Wizard och du kan nu spara exporteringsalternativen, köra dem eller göra både och. Om du planerar att använda satsen om och om igen i framtiden, så bör du spara det som ett DTS paket. Du kan på så vis editera DTS paketet om du behöver göra några ändringar till nästa gång du ska använda det. Vi räknar med att du vill spara DTS paketet som ett SQL Server objekt, så klicka i det alternativet och välj ”Next”.
  
• I ”Save DTS package” så skriver du i det namn du vill namnge paketet och välj ”Next”.
  
• I sista rutan av Wizarden väljer du ”Finish” för att köra exporteringen.
  

När du har gjort det så kommer DTS paketet nu att köras och efter några sekunder bör en ruta komma upp där det meddelas att överföringen var lyckad. Välj OK för att fortsätta.

Nu när du har exporterat datan till ett kalkylblad i Microsoft Excel, så är du redo att börja analysera datan grafiskt.

Hur du gör diagram av Performance Monitor data i Microsoft Excel

Medan det finns flera sätt att analysera informationen från Performance Monitor på, så finns det ett huvudsakligt tillvägagångssätt – och du bör nu vara familjär med det. Det är att analysera relationerna mellan en eller fler av posterna från Performance Monitor med tid som den gemensamma faktorn.

Det är här som du sätter tid på x-axeln (den horisontala axeln - _ ) och med postdatan på y-axeln (den vertikala axeln - | ). Den här analysmetoden är viktigt, eftersom vi strävar efter att få fram de absolut bästa resultaten genom de bästa metoderna. Och att förhöja prestanda är bara ett annat sätt att säga att du vill klara av att göra mer på samma tid, det är därför tid är en så pass viktig faktor i det här. När vi analyserar poster från Performance Monitor så är det ju hur datan varierar över tiden som vi vill se.

Det enklaste sättet att analysera datan från Performance Monitor är att visualisera analyseringen med hjälp av diagram, ungefär såsom du använder Diagramläget i Performance Monitor. Fördelen med Microsoft Excel jämfört med Diagramläget (Graph Mode) i Performance Monitor är att det är mycket mer flexibelt, vilket gör det lättare att visualisera och analysera dina data.

Så fort som du har exporterat dina Performance Monitor poster till Microsoft Excel (med den tidsram du har valt) från SQL Server, så är du redo att börja med dina analyser och dina diagram.

Det finns många olika sätt att skapa diagram i Excel, men här kommer vi att använda Microsoft Excels Diagramguide för att utföra våran analys.

Låt oss anta att ditt kalkylblad ser ut som bilden nedan. Notera att jag använder ett 15-sekunders intervall över en period av ett par timmar. Vi kommer att titta närmare på analyser med ett längre tidsspektra i ett senare avsnitt.



På bilden har vi satt kalkylbladets rader till att representera tidsintervallen och kolumnerna representerar de specifika posterna från Performance Monitor. Med dessa kan vi skapa diagrammen av posterna från Performance Monitor med hjälp av Microsoft Excels Diagramguide.

• Det första du måste göra innan du startar Diagramguiden är att markera det område av information som du faktiskt vill skapa ett diagram av för tillfället. I mitt fall har jag valt alla celler från A1 till E200. Du kan välja så lite eller så mycket data som du vill ha med själv, men det är viktigt att rubrikerna för varje kolumn finns med överst, såsom du kan se på bilden ovan.
  
• Nu när du har valt dem data som du vill analysera, så kan du starta Diagramguiden genom att välja Infoga – Digram… från rullgardinsmenyn.
  
• I steg 1 i Diagramguiden får du välja den typ av diagram som du vill ha. Det finns många olika standarddiagram att välja mellan, men det vanligaste när det handlar om tid är ett linjärt diagram. När du har valt en standardtyp så får du välja en undertyp av diagrammet, alltså hur det ska se ut inne i diagrammet. Du kan välja vilken undertyp du vill, men jag använder oftast – Linje – som är enklast att tolka. När du har valt din standardtyp och undertyp, väljer du ”Nästa” för att fortsätta.
  
• I steg 2 får du välja det område som Excel ska göra diagram av, samt ”Serie i” (alltså om den ska hantera dina data kolumnvis eller radvis). Om du valde dataområdet som du vill använda innan du startade Diagramguiden så behöver du inte ändra någonting här. Välj ”Nästa”.
  
• I steg 3 får du möjligheten att designa ditt diagram så som du vill ha det. Notera de olika flikar längst uppe i rutan. Under dessa kan du laborera så fritt du vill, men jag skulle rekommendera att du just nu bara namnger diagrammet samt de olika axlarna, och klickar på ”Nästa”. För många ändringar under de andra flikarna kan göra diagrammet svårläst, men det är bra för er mer avancerade användare som vet precis hur ni vill att diagrammet ska se ut.
  
• I steg 4 så får du välja vart du vill att diagrammet ska placeras. Jag tycker det är lättare att välja ”Som nytt blad” och namnge bladet. Det ifyllda alternativet däremot placerar diagrammet på samma blad som datan befinner sig på. Välj det som passar dig bäst och välj ”Slutför”.
  

Det nya diagrammet kommer nu att visa sig där du har valt, se min nedan.



Om du inte är van vid att skapa diagram i Microsoft Excel så kanske du inte gillar det du ser. Det vanligaste misstaget nybörjare gör är att de använder sig av för mycket data, vilket gör att diagrammet blir svårläst och det blir därmed svårare att göra sin analys. Om du inte skulle tycka om ditt diagram så är det dock inte så svårt att börja om på nytt. Annars är det inte heller så svårt att editera diagrammet med hjälp av Microsoft Excels många diagramverktyg. En av de vanligaste sakerna som du kan komma att vilja ändra med diagrammets utseende är rubrikerna eller skalorna som du har satt på x- och y-axlarna. Det är för att standarderna på skalor och rubriker som Diagramguiden sätter ut inte alltid är de som passar bäst.

Men eftersom den här artikeln inte är till för att lära dig använda Microsoft Excels Diagramguide till att designa dina diagram, så är vi nu färdiga med att lära dig hur du skapar diagrammen. Om du däremot vill lära dig mer om designingen så kan du använda dig utav Excels hjälpavsnitt om detta, så att du kan få snygga diagram till presentationer för din chef.

Nu när vi har vårat diagram, hur ska vi då tolka och analysera det? Som jag nämnt tidigare så ska vi spara det här till del fyra om Performance Monitor. Men tills dess så ska du först titta på relationerna mellan de olika posterna och tiden. Det du ska leta efter är trender, mönster eller annat som inte är som det ska.

Hur du gör trendanalyser på dina data från Performance Monitor

I det förra avsnittet tittade vi på hur vi tar fram historiska fakta. I det här avsnittet ska vi ta dessa historiska och sätta in dem i framtiden. Och varför det? Som en DBA så är det ditt ansvar att säga till när diskytan börjar ta slut eller att ni snart måste sätta in en ny CPU i servern. Trots att man inte alltid måste ha snygga diagram eller noggranna analyser för att veta dessa fakta, så måste man ibland kunna referera till att faktumet är sant. Och ett av de mest effektiva sätten att göra detta på är att applicera de nuvarande trenderna in till den närmaste framtiden. Detta ger dig ett starkt motiv till varför du har gjort dina rekommendationer. Om du kan visa på papper att du har lagt ner dig och analyserat dina data, och därmed kan bevisa att informationen stöder dina teser, så har du gjort det lättare för dig att bli tilldelad den hårdvara som du behöver, för att ha optimal prestanda på din server.

Även fast Diagramläget på Performance Monitor ger liknande resultat som Microsoft Excel gör (som vi såg tidigare i artikeln) så kan inte Performance Monitor applicera datan in i framtiden. Det är här styrkan i Microsoft Excel visar sig.

Hur kan Microsoft Excel förutse framtiden?
Microsoft Excel ger dig ett antal statistiska metoder för att kunna ta historiska data och applicera dem in i framtiden. Varje metod från Microsoft Excel som hjälper dig förutse framtiden har sina egna för- och nackdelar. Men eftersom inte den här artikeln handlar om trendanalyser eller framtidsprognoser så tänker jag inte gå in och visa på de olika alternativen. Det jag i stället tänkte visa på hur man gör en väldigt enkel och vanlig analys som kallas ”linjär regression”. Du kanske kommer ihåg uttrycket från dina mattelektioner. Men oroa dig inte, du behöver inte vara så kunnig inom matte för att klara det här, Microsoft Excel kommer att göra mestadels av arbetet åt dig. Om du däremot gillar matematik så kan du ju självklart gå in och kolla närmare på Excels andra statistiska metoder.

Innan du börjar
Microsoft Excel erbjuder två olika huvudsätt att utföra trendanalyser. Det ena är genom de statistiska metoderna (t ex TREND) och det andra är genom att skapa diagram. Nu vet du alltså varför jag introducerade dig till Microsoft Excel diagramverktyg i föregående avsnitt. Vi kommer att göra trendanalyserna så enkelt som möjligt, och vi kommer att skapa trendlinjer med hjälp av diagrammen som jag lärde dig göra förut.

Det första du måste göra för att utföra en trendanalys med Microsoft Excel är att skapa ett diagram med den information som du vill ska vara med, likt det jag beskrev förut. Men när det gäller att förutse hur det kommer att se ut i framtiden med hjälp av historiska data så gäller det att ha med så mycket historiska data som möjligt för att få så korrekta utläsningar som möjligt. Även fast det skulle räcka med endast en veckas inhämtning av data, så skulle inte analyseringen ge så korrekta svar. Vanligtvis använder jag mig utav helst tre månaders historiska data för att utföra en trendanalys. Ju mer historiska data jag använder, desto bättre kan jag förutse hur det kommer att se ut i framtiden.

En annan fråga, vilken redan har diskuterats, är hur noggranna dina data bör vara. Jag skulle vilja att de data jag använder för att förutse framtiden ska baseras på genomsnittet per timme. Ju noggrannare mina data är, desto mer information har Microsoft Excel till att förutse framtida behov med. Men ju noggrannare data du vill ha, desto mer data blir det att jobba med och det kan bli ett problem i Microsoft Excel eftersom Excel endast har ett visst antal rader och kolumner. Kom också ihåg att de data du vill analysera ska representera en vanlig, daglig produktion av din SQL Server. Om informationen innehåller data som inte hör till de vanliga, dagliga beteendena (alltså ett stickprov under dagen) så kan den informationen räknas bort från den resterande mängden data du har. Dina data måste också vara oavbrutna, det får alltså inte finnas något glapp i informationen som att du t ex har glömt någon dag här och någon dag där. Det är alltså viktigt att samla in dina data från Performance Monitor regelbundet och spara det på en central plats, annars kan det vara svårt, om inte omöjligt, att utföra en trendanalys.

Kom också ihåg att inte förutse för långt in i framtiden, eftersom analysen kanske inte ger dig all den information du behöver för det. Generellt sett brukar jag inte göra trendanalyser av en period som är större än hälften av den period som mina historiska data täcker. Jag kan t ex ha historiska data som är insamlade under tre månader, då försöker jag bara förutse behoven av de kommande sex veckorna. Om du då har samlat in data under sex månader, då kan du förutse de kommande tre månaderna, osv.

Om du nu skulle ha en bra kunskap om statistik, så kanske du vill klaga över mina rekommendationer. Men det jag vill uppnå här är inte att vara ”statistiskt korrekt”, utan att ge er en relativt enkel metod till att identifiera trender, för att sedan använda dessa till att förbereda er för framtiden – så till vida att trenden håller i sig, vill säga. Om du vill vara ”statistiskt korrekt” så får du naturligtvis vara det. Men om du är som de flesta DBA, så är inte statistik din specialitet, så jag håller det på en lägre nivå här.

Hur du använder Microsoft Excel till att utföra trendanalyser
När du har valt de data som du vill analysera och när du har importerat dem till Excel, så är det första du ska göra ett diagram så som jag har beskrivit tidigare i artikeln. För att skapa en trendlinje för den post som du eftersträvar (du måste skapa en trendlinje för varje enskild post), så följer du dessa steg:

• Ta fram diagrammet som innehåller dina historiska data. Ju större du kan få diagrammet på skärmen, ju lättare kan du läsa av det.
  
• Välj den post som du vill skapa en tidslinje av och högerklicka på den, välj ”Infoga trendlinje” i popup-menyn.
  
• I den nya rutan – ”Infoga trendlinje” – som kommer upp, så får du välja vilken typ av trendlinje som du vill skapa. Om du inte är någon expert på statistik och inte vet skillnaderna mellan de olika alternativen, så håller du kvar den redan standardvalet – linjär.
  
• Sen klickar du på fliken längst upp som heter ”Alternativ”. Under rubriken ”Prognos” kan du sedan skriva in det antal perioder som du vill förutse in i framtiden. Tidsperioderna refererar till de tidsintervall som dina historiska data täcker. Om din tidsperiod t ex är en timme och du vill kunna se in i nästa månad så skriver du 720 (30 dagar x 24 timmar).
  
• När du är klar väljer du OK och då visas trendlinjen automatiskt i ditt diagram. Se bilden nedan.
  

Du kan sedan repetera ovanstående steg för varje post i ditt diagram, och på så sätt leta efter potentiella trender. Några poster kanske inte kommer att visa på någon trend, medan andra kommer att visa på väldigt tydliga trender. Kom ihåg att kvaliteten på prognoserna som resulteras av trendanalyserna beror på kvaliteten på de data som du använder. Ibland kan det vara lite för lätt att acceptera resultaten som framstår i Microsoft Excel bara för att de kan se så otroligt bra ut. Men du kanske har hört det gamla talesättet, ”garbage in, garbage out”.

Du har säkert märkt att när du väl har importerat dina Performance Monitor data till Microsoft Excel och sedan gjort ett diagram av informationen, så är det inte så svårt att utföra trendanalyser. Som nybörjare kommer du säkert att experimentera mycket för att få diagrammen så bra som möjligt till t ex presentationer och dylikt. Och som statistik expert så kan du göra dina trendanalyser på flera olika sätt.

Använd Pivottabeller till att analysera dina Performance Monitor data

Du kan även använda ett annat kraftfullt verktyg i Microsoft Excel till att analysera dina Performance Monitor data, och det är pivottabellen. Pivottabellen låter dig göra snabba filtreringar, summeringar och krossreferenser av dina data. En pivottabell kan du antingen skapa i Microsoft Excel tabell, eller direkt från SQL Server tabell genom att använda Microsoft Excels funktionalitet att komma åt extern data genom DSN.

I det här avsnittet kommer jag gå igenom de grundläggande stegen till att använda pivottabeller i Microsoft Excel för att analysera dina Performance Monitor data. Vad jag inte kommer att göra är att gå igenom dem detaljerat stegvis, eftersom det skulle kräva alltför många ord i denna – redan långa – artikel. Om du är ny inom pivottabeller, så kan du lära dig mer i Microsoft Excels hjälp online.

Använd pivottabeller till att minska ner dina SQL Server Performance Monitor data
Trots att pivottabeller ger dig flera möjligheter att summera och analysera dina data, så är en av de mest användbara funktionerna av pivottabeller att minska ner mängden postdata från Performance Monitor. Säg t ex att du hämtar in Performance Monitor data varje minut, men att du vill minska ner mängden data till information per timme för att göra det lättare att utföra en långsiktig trendanalys. Ett sätt skulle vara att minska ned informationen med hjälp av DTS då du överför dina data från SQL Server till Microsoft Excel. Men om du inte vill använda DTS till det så är det lätt att göra samma sak med hjälp av en pivottabell. Här följer de grundläggande stegen:

• Det första du måste bestämma är huruvida du ska importera dina data till Microsoft Excel med DTS och skapa pivottabellerna av datan där, eller om du ska använda Microsoft Excels förmåga att komma åt datan direkt i SQL Server. I det här exemplet tänker jag anta att du exporterar dina data med DTS till Microsoft Excel och skapar pivottabeller där. Kom ihåg att Microsoft Excel endast kan ta emot en viss mängd data, så exportera inte för mycket.
  
• Generellt sett när jag exporterar data från SQL Server, brukar jag endast ta med två kolumner med data; Tidskolumnen och åtminstone en kolumn med postdata. Men innan du överför dina data så måste du se till så att Tidskolumnen har formatet DATETIME och inte VARCHAR. Om inte kolumnen överförs med DATETIME så kan inte pivottabellen minska ner dina data åt dig.
  
• När du har importerat dina data till ett kalkylblad i Microsoft Excel, så är det nästa du ska göra att köra Pivottabellguiden. Detta gör du genom att välja Data – Rapport för pivottabell… från rullgardinsmenyn.
  
• I första rutan av Pivottabellguiden får du peka ut var dina data som du ska analysera befinner sig. Eftersom vi i detta exemplet använder oss utav ett kalkylblad i Microsoft Excel, så väljer vi ”Microsoft Excel- lista eller –databas” och sedan ”Nästa”.
  
• I andra rutan får du välja det område, i vilket dina data befinner sig. Som standard kommer guiden att gissa vilket område du vill använda. Om det är fel så kan du klicka och dra över det korrekta området på kalkylbladet. Välj sedan ”Nästa”.
  
• Den tredje rutan är för nybörjare den svåraste att förstår. Det du gör här är att du drar kolumnnamnen (till höger på skärmen) och placerar dem på pivottabellen (till vänster på skärmen). Du gör det genom att klicka på kolumnnamnet, och sedan dra kolumnnamnet till den del av pivottabellen dit den hör. Generellt sett så vill du dra Tidskolumnen till ”rader” och postdatakolumnens namn till ”data” delen av pivottabellen. Men för att göra det lätt för oss så drar vi bara postdatakolumnens namn till ”data” delen av pivottabellen och väljer ”Nästa”.
  
• Den fjärde rutan är den sista rutan i Pivottabellguiden, och här säger du till guiden vart han ska skapa pivottabellen. Oftast kan du välja ”Nytt arbetsblad” och sen välja ”Slutför”. Då skapas pivottabellen på ett nytt arbetsblad.
  
• Nu är pivottabellen skapad, men vi är inte riktigt klara ännu. Vårat mål är att minska ner våra data till större tidsintervall. Och när vi väl har gjort det så kan vi använda våra nya data till att skapa diagram och göra trendanalyser, så som vi har gått igenom tidigare i artikeln. Nu tar vi och tittar på de två steg som krävs för att minska ner våra data.
  
• Det första steget är att välja alla celler i pivottabellen som innehåller de poster som du vill minska ner. Gör det genom att klicka och dra. När du har gjort det så högerklickar du på de valda cellerna och väljer ”Fältinställningar” från popupmenyn. Det är visar ”Pivottabellfält” rutan. I listrutan nedan ”Sammanfatta med” klickar du på ”Medel” och väljer OK. När du har gjort det kommer det se ut som om ingenting har hänt. Det har det, men det märker du inte förrän i nästa steg.
  
• Det andra, och sista steget, är att välja Tidskolumnen genom att klicka på huvudet på Tidskolumnen. Sen väljer du Data – Grupp och Disposition – Grupp i rullgardingsmenyn. Då får du upp en Grupperingsruta där du får välja hur du vill ordna dina data. Du kan välja att gruppera enligt sekunder, minuter, timmar (de mest användbara), dagar, kvartal och år. Gör ditt val och klicka på OK.
  
  Äntligen är du klar! Pivottabellen borde nu visa en nedbruten del av dina ursprungliga data, genomsnittet över de grupperingar av data som du valde sist. Du kan nu skapa ett diagram av de nya data som du fick fram, för att sedan skapa trendlinjer så som vi har gått igenom tidigare.
  
  

  
  Det här är bara början

  Även fast den här artikeln är lång så har vi endast skrapat på ytan av allt som går att göra i Microsoft Excel. Om tycker att det vi har gått igenom verkar intressant, så föreslår jag att du tar din tid och experimenterar. Om du är ny inom Microsoft Excel så tycker jag att du ska lära dig mer genom att läsa någon bok om det eller gå en kurs. Även fast inte Microsoft Excel är ett utmärkt verktyg, så finns det många kraftfulla saker som du kan göra om du bar lär dig utnyttja dem.
  
  

  
  Läs del fyra

  I nästa artikel (del fyra av fyra) så ska vi ta en titt på hur man tolkar SQL Server Performance Monitor postdata.
  

0 Kommentarer

Skriv en kommentar på artikeln

Ditt betyg på artikeln

UtmärktLäsvärdIntressantMindre braDålig

Kommentar: