内容字号:默认大号超大号

段落设置:段首缩进取消段首缩进

字体设置:切换到微软雅黑切换到宋体

使用Python管理数据库

2018-02-11 17:18 出处:清屏网 人气: 评论(0

使用Python管理数据库

这篇文章的主题是如何使用 Python 语言管理数据库,简化日常运维中频繁的、重复度高的任务,为 DBA 们腾出更多时间来完成更重要的工作。文章本身只提供一种思路,写的不是很全面,主要起个抛砖引玉的作用。希望能通过此篇文章激发起大家学习python的兴趣。

关于 Python

Python 作为目前最流行的编程语言之一, 在人工智能、统计分析等领域都有着非常广泛的应用。这两年借助人工智能,流行程度甚至一度超越了 java 等老牌语言。 Python 的语法相当直观、简洁、易懂,没有过于复杂的结构,让你能够专注于具体功能的实现,而无需在语法或结构上面下太多功夫。所以 Python 的学习曲线还是较为平缓的,尤其入门阶段 ( 有编程基础的同学估计花几个小时看一遍语法结构就能使用了;没基础的同学大概花个一周时间也就差不多了 ) 。入门推荐《 Python 编程:从入门到实践》这本书,让你能够快速上手。

Python 还拥有种类繁多的库,让你无需重复造轮子,利用已经实现的功能去构建你的 Idea 即可 ( 当然,如果你能造出新的好轮子供他人使用,那成就感会更高 )

Why Python

说了这么多,好像跟咱 DBA 没啥关系。其实不然, 上面说了, Python 拥有非常强大的库,这其中也包含了能够与数据库进行交互的模块,利用这些模块, DBA 们也可以很轻松的使用 Python 管理数据库。

可能有人会说, 为什么要使用 Python 呢,咱们通常使用的 PL/SQL + SHELL 不就已经够用了吗?而且 DBA 又不是程序员,不学编程也没啥太大关系吧? PL/SQL + SHELL 确实可以满足目前的日常运维, 而且这也是绝大部分 DBA 们的选择。但是如果你想对数据进行进一步的分析,甚至以图表的形式展现出来的话, Python 可能就能排上用场了。而且当你熟悉了以后,你会发现它有多么好用。

初识 cx_Oracle

cx_Oracle python 下能够跟 Oracle 数据库进行交互的模块。通过 cx_Oracle ,我们可以连接到数据库,完成一些日常运维工作。

1.Python 安装

大部分的 Linux 系统默认就已经安装了 Python ,可以使用命令查看具体版本号:

dev@dev-VirtualBox:~$ python3 --version
Python 3.5.2

由于我使用的是 Ubuntu 16.04 python3 已经预装好了。其他不同的发行版可能只会装 python2 ,这时候就需要先安装 python3 ,可以选择在 官网 上下载并安装

2. 使用 pip 下载安装 cx_oracle 模块

pip 是负责下载、安装 Python 包的程序。

dev@dev-VirtualBox:~/PycharmProjects/Oracle/venv/bin$ pip3 install cx_Oracle
Collecting cx_Oracle
  Downloading cx_Oracle-6.1-cp35-cp35m-manylinux1_x86_64.whl (527kB)
    100% |████████████████████████████████| 532kB 25kB/s
Installing collected packages: cx-Oracle
Successfully installed cx-Oracle-6.1

详细安装步骤可参考 官方安装手册

3. 使用 cx_Oracle 模块连接数据库

安装完成后,就可以使用了。

1) 连接数据库 ( 使用 SYSDBA 权限 )

# 导入cx_Oracle
import cx_Oracle
# 建立数据库连接
db_connection = cx_Oracle.connect('sys', 'oracle', 'test', cx_Oracle.SYSDBA)
# 查看数据库版本
print(db_connection.version)
#关闭游标
db_cursor.close()

其中, cx_Oracle 中的 connect 构造函数返回一个连接对象,表示连接成功。参数依次为:  

usename: 用户名

password: 密码

tnsnames: TNS 连接字符串

cx_Oracle.SYSDBA: 使用 SYSDBA 登录

然后打印该连接对象的 version 属性即可查询数据库版本。

进一步使用 cx_Oracle

1. 简单查询

import cx_Oracle


# 建立连接
db_connection = cx_Oracle.connect('sys', 'oracle', 'test', cx_Oracle.SYSDBA)
# 使用游标访问数据
db_cursor = db_connection.cursor()
db_cursor.execute("""
    select employee_id, first_name, last_name from hr.employees
    where employee_id > :eid""",
    eid = 200)
# 获取所有数据
print(db_cursor.fetchall())
# 关闭游标
db_cursor.close()
# 执行结果
[(201, 'Michael', 'Hartstein'), (202, 'Pat', 'Fay'), (203, 'Susan', 'Mavris'), (204, 'Hermann', 'Baer'), (205, 'Shelley', 'Higgins'), (206, 'William', 'Gietz')]

fetchall() 以列表形式返回所有行 ( 每行的数据存储在元组中 ) ,所以也可使用循环遍历访问。 例如访问第一行中的值:

for element in db_cursor.fetchall()[0]:
    print(element)
# 执行结果
201
Michael
Hartstein

2. 使用函数封装连接

大家可能发现了,每次在对数据库操作前都要先建立连接,都要先输入一大串代码,有点重复。确实是这样,但是如果使用函数对连接方式进行封装,你可能就能体会到使用编程语言的好处了,以后在需要使用的时候直接调用函数就行了。

# 创建连接函数
def conn_cursor(conn_dict):
    # 使用字典储存连接信息
    connection = cx_Oracle.connect(conn_dict['username'],
        conn_dict['passwd'],
        conn_dict['tns_name'],
        mode=conn_dict['mode'])
    # 返回游标
    return connection.cursor()

:   字典可看做是由一对一对的键值对组成的,语法如下: 这里将整个建立连接的代码复制过来,并使用一个字典作为形参,用来传递用户名、密码、 TNS 连接字符串及 mode 连接方式,最后返回游标。

conn_dict = { 'username': 'sys', 'password': 'oracle', tns_name: 'test', 'mode': 2 }

   关于 mode 参数,如果需要以 sys 用户连接,则将 mode 的值设置为 2( 或者 'cx_Oracle.SYSDBA') ,普通用户设置为 0 即可。

现在我们通过使用 conn_cursor() 函数访问数据库:

# 使用hr用户连接并查询dept表
conn_hr = {
    'username': 'hr',
    'passwd': 'oracle',
    'tns_name': 'test',
    'mode': 0
}
cur_hr = conn_cursor(conn_hr)
cur_hr.execute(
    "select * from employees where rownum < 10"
)
# 获取第一行数据
print(cur_hr.fetchone())
# 执行结果
(198, Donald, OConnell, DOCONNEL, 650.507.9833, 21-JUN-07, SH_CLERK, 2600, 124, 50)

3. 封装常用 sql 脚本

数据库中特定语句的格式基本都是相同的,根据上面的例子,我们可以把常用的sql脚本通过形参+字符串的方式组合成语句,封装到函数中,例如:


# 创建用户
def create_user(ora_cursor, user, password, default_tbs, profile='default'):
    ora_cursor.execute(
        "create user " + user + " identified by " + password + ' default tablespace ' + default_tbs + " profile " + profile
    )
    print("user " + user + " created succesfully!")
    ora_cursor.close()

创建用户

# 修改密码
def alter_user_passwd(ora_cursor, user, password):
    ora_cursor.execute(
        "alter user " + user + " identified by " + password 
    )
    print("user " + user + "'s password altered successfully!")
    ora_cursor.close()

修改密码

# 创建表空间(默认autoextend off)
def create_tbs(ora_cursor, tbs_name, data_file, size, extend='autoextend off'):
    ora_cursor.execute(
        "create tablespace " + tbs_name + " datafile '" + data_file + "' size " + str(size) + " G " + extend
    )
    print("Tablespace " + tbs_name + " created successfully!")
    ora_cursor.close()

创建表空间

# 添加数据文件(默认autoextend off)
def extend_tbs(ora_cursor, tbs_name, data_file, size, extend='autoextend off'):
    ora_cursor.execute(
        "alter tablespace " + tbs_name + " add datafile '" + data_file + "' size " + str(size) + " G " + extend
    )
    print("Tablespace " + tbs_name + " extended " + str(size) + "G successfully!")
    ora_cursor.close()

添加数据文件

# kill 用户会话
def kill_session(ora_cursor, username):
    ora_cursor.execute(
        "select spid from v$process a, v$session b where a.addr = b.paddr and b.username = '" + username + "'"
    )
    result = ora_cursor.fetchall()
    if len(result) != 0:
        for spid_tpl in result:
            for spid in spid_tpl:
                os.system("kill -9 " + str(spid))
        print("process have been killed!")
    else:
        print("User " + username + " has not connected yet...")
    ora_cursor.close()

kill 用户会话

4.包的调用

ora_func.py 内容: 定义这么多的函数,不可能放到一个文件中,不然后期很难维护。我们可以根据函数的功能,将这些函数选择性的进行分类,放到不同的文件中 ( 如管理用户的函数放到 users.py ,管理表空间的放到 tbs.py ) 。这里我先暂时将这些函数都放到 ora_func.py 文件中,然后在 my_workbench.py 中进行调用。

ora_func.py:

import cx_Oracle
import os


# 以下是具体定义的函数
# 创建用户
def create_user(ora_cursor, user, password, default_tbs, profile='default'):
    ora_cursor.execute(
        "create user " + user + " identified by " + password + ' default tablespace ' + default_tbs + " profile " + profile
    )
    print("user " + user + " created succesfully!")
ora_cursor.close()
… …
my_workbench.py:
from ora_func import *


# 创建monitor用户(指定test表空间,profile使用默认default)
create_user(cur_sys, 'monitor', 'oracle', 'test')

执行my_workbench.py并在数据库中查看实际创建情况: user monitor created succesfully!

SQL> select username, default_tablespace, profile from dba_users where username='MONITOR';
USERNAME               DEFAULT_TABLESPACE          PROFILE
------------------------------ ------------------------------ ------------------------------
MONITOR                TEST                  DEFAULT

以后只要先在 ora_func.py 中编写函数,然后在 my_workbench.py 中添加、编辑需要调用的函数即可。

5. 收集会话数

除了将日常脚本固化到函数中外, Python 还可以用来收集一些数据库性能数据。比如最简单的,收集一段时间内的数据库会话总数,并绘制成曲线:


import time
import cx_Oracle
import matplotlib.pyplot as plt
import numpy as np
import operator


def session_count(ora_cursor, dict):
    ora_cursor.execute(
        "select count(*) from v$session"
    )
    date = time.strftime('%X', time.localtime())
    dict[date] = int(cur_ora.fetchall()[0][0])
    # print(cur_ora.fetchall()[0])
    cur_ora.close()


# 取当前时间
today_str = time.strftime('%Y-%m-%d', time.localtime())
conn_info = {
    'username': 'test',
    'passwd': 'oracle',
    'tns_name': 'test',
    'mode': 0
}
count_dict = {}

while True:
    # 取当前时间,与之前时间作比较,如果是当天数据,则记录到count_dict中,否则就进行统计
    after_str = time.strftime('%Y-%m-%d', time.localtime())
    if today_str == after_str:
        cur_ora = conn_cursor(conn_info)
        session_count(cur_ora, count_dict)
        print(count_dict)
        # 每隔一小时执行一次
        time.sleep(3600)
    else:
        # 对字典按照时间进行排序,并转换为元组列表
        sortedDict = sorted(count_dict.items(), key=operator.itemgetter(0), reverse=False)
        # 将时间、会话数量分别放到两个列表中
        x = [s[0] for s in sortedDict]
        y = [s[1] for s in sortedDict]
        # 根据会话数量绘图
        plt.plot(range(len(y)), y)
        # 设置标题和刻度值
        plt.title("Total session count")
        plt.xlabel("Time")
        plt.ylabel("session count")
        ax = plt.gca()
        ax.set_xticks(np.linspace(0, 24, 24))
        ax.set_xticklabels(x)
        plt.xticks(rotation=30, size=8)
        plt.show()

session_count

这是使用 Python pyplot 绘制的图,如果想生成 Excel 类型的图表,也可以使用 xlsxwriter 模块 实现。

6.AWR 报告分析

我们经常使用的 AWR 报告实际上是一个 HTML 文件,可以使用 python 的爬虫技术爬取我们关心的数据。下面以一个 AWR 报告为例,分析其中 top events "Total Wait Time (sec)" 列的数据, 并生成图表展示。


from bs4 import BeautifulSoup
import matplotlib.pyplot as plt


def get_top_events(awr_html):
    with open(awr_html) as fileobj:
        bsobj = BeautifulSoup(fileobj, "html.parser")

    # 获取目标table的<tr>
    tab_tr = bsobj.find('table', {'summary': "This table displays top 10 wait events by total wait time"}).findAll('tr')

    # 获取列名
    tab_col = [i.get_text() for i in tab_tr[0]]

    # 获取每行的值
    list_row = []
    for tr in tab_tr[1:]:
        td = tr.findAll('td')
        row = [item.get_text() for item in td]
        list_row.append(row)

    # 将Event名称与各项指标值放到字典中
    result_dict = {}
    n = 0
    while n < len(list_row):
        result_dict[list_row[n][0]] = list_row[n][1:]
        n += 1

    return result_dict


html = '/PycharmProjects/Oracle/awrrpt_1_12_14.html'
result = get_top_events(html)

# 生成柱状图并设置标签
x = [x for x in result.keys()]
y = [float(result[a][1]) for a in x]
plt.bar(range(len(y)), y, tick_label=x)
plt.title("Total Wait Time (sec)")
plt.xticks(rotation=30, size=8)
plt.xlabel("EVENTS")
plt.ylabel("WAIT SECS")
plt.show()

get_top_events

AWR 报告的生成脚本awrrpt.sql进行分析,可以发现它只是生成了一些变量,并传递给其他脚本继续执行(主要有awrrpti.sql, awrinput.sql等)。生成AWR报告的核心语句就在awrrpti.sql中:

set termout on;
spool &report_name;
-- call the table function to generate the report
select output from table(dbms_workload_repository.&fn_name( :dbid,
                                                            :inst_num,
                                                            :bid, :eid,
                                                            :rpt_options ));
spool off;

可以根据实际需要,整理出无界面交互的 AWR 脚本,定期生成 AWR 报告,并使用 Python 分析并保存数据,供日后做性能优化时使用。

关于人工智能

之前传得很火的关于 OtterTune 即将淘汰 DBA 的事情,感觉有点夸张了,毕竟现在的人工智能还不能完全胜任 DBA 的全部工作,还处在为人所用的阶段。简单的说, OtterTune 实际上是综合了机器学习中的监督学习和无监督学习,选择一些对性能影响较为关键的参数,并导入在其他数据库收集好的 session 数据 ( 可以理解为经验数据 ) ,对数据库进行调优。机器学习的优势在于能够基于海量数据,对某种现象 / 行为进行预测 ( 监督学习 ) ,或者将数据划分为多个类别 ( 无监督学习 ) 等等。我觉得与其担忧被替代,不如利用这种优势,将自己多年的经验与人工智能相结合。当人工智能正式在数据库领域发展落地时,也能有所建树。

最后

作为一名 IT 从业人员,多学习几门技术我觉得不仅可以在方案上有多种选择,也可以拓宽我们的视野,让我们在这个更新换代的速度越来越快的行业里待得更久。而且现在越来越多跨专业、跨领域的技术在发展,搞不好哪天又会像人工智能、区块链一样火爆起来。保持一颗年轻、充满好奇的心,可以让我们具备较高的职场竞争力,被机器替代的概率更小。

分享给小伙伴们:
本文标签: Python数据库

相关文章

发表评论愿您的每句评论,都能给大家的生活添色彩,带来共鸣,带来思索,带来快乐。

CopyRight © 2015-2016 QingPingShan.com , All Rights Reserved.

清屏网 版权所有 豫ICP备15026204号