《华章程序员书库：Oracle性能预测》是Oracle性能预测领域的唯一著作，Amazon全五星评价，资深Oracle数据库专家近20年工作经验结晶。系统讲解了Oracle性能预测的方法、模型、技术、步骤、技巧，而且总结了大量最佳实践，几乎可以满足日常工作中可能遇到的各种预测需求。
　　《华章程序员书库：Oracle性能预测》共10章。第1章介绍了性能预测的基本概念和范畴，分析了预测提供的信息及其价值；第2章介绍了基本的性能预测概念，深入研究了如何组合及建模性能预测；第3章介绍了提高预测精度的一些有效手段，通过选择合适的预测模型，选择合适的工作负载活动来提高预测精度；第4章介绍了基本预测统计的概念，并简单介绍了统计在性能预测方面的应用；第5章涵盖了预测非常重要的一个组成部分——排队论；第6章介绍了系统化地进行性能预测的6个步骤；第7章通过说明Oracle工作负载过程的复杂特性阐释了工作负载的相关问题；第8~9章介绍了性能预测中比较重要的两个模型——比例模型和线性回归模型；第10章介绍了4个久经考验的可扩展性技术，同时介绍了如何根据实际情况选择最佳的可扩展性模型，以及在预测中如何整合可扩展性。

　　《华章程序员书库：Oracle性能预测》：
　　生产规划的系统：因为该系统已经应用在生产中，所以我们已有工作负载数据这个潜在的资源。这使我们能使用许多预测模型（选项）。
　　模型的精度能力：没有明确的响应时间要求，也没有涉及具体的服务水平，甚至是响应时间。我们只需要知道某事“是否”会发生。如果我们在预测中非常保守，并允许存在大量的潜在预测错误，那么我们可以使用低精度的预测模型。同样，这个标准使我们可以选择许多预测模型。
　　项目周期：对于项目周期，我们没有任何的具体信息。因此，我们必须通过提问来了解它。不要假设你有一个月的时间或只有一个小时。因为我们不知道该项目的持续时间，所以在选择时不能排除任何预测模型。
　　在这个例子中，唯一涉及对模型的选择的约束是以应用程序为中心的输入数据。正如你所看到的，这个约束仍然给我们留下了两个预测模型选项。
　　3.2.2基本预测模型
　　预测最令人兴奋的方面之一是，我们可以用许多不同的预测模型开始工作。它们使我们警觉，并提供源源不绝的独特的预测情况。然而，如果你是刚开始从事预测工作，有时这也可能是难以应付的。但是不要担心，即使是只有极少数预测模型的经验，要对付Oracle数据库服务器相关的预测，你也会是游刃有余的。
　　在第2章中，我们讨论了基本的数学预测。在接下来的章节中，我们将深入比例模型、回归分析模型、排队论模型。下面是关于我们己介绍和将要介绍的预测模型的要点概述。
　　1.简单的数学
　　正如其名，简单的数学模型很简单。写这个模型几乎是令人尴尬的，但该模型是实用的。参与预测的任何人都用过简单的数学模型，但通常却没有考虑到这个问题。
　　例如，如果我们知道每个Oracle客户端进程占用10MB的非共享驻留内存，并且计划新增50个用户（产生50个额外的客户端进程），那么系统会需要500MB的额外内存。因为简单的数学没有涉及排队，所以这只适合于如内存、基本IO的预测以及基本的网络预测。我会反对用简单的数学对CPU、半精确的I0和高级的网络进行预测。
　　……

译者序
前言
第1章 性能预测导论
1.1 风险：一个四个字母的单词（RISK）
1.2 服务水平管理
1.3 建模：化繁为简
1.4 模型类型
1.4.1 数学模型
1.4.2 基准模型
1.4.3 模拟模型
1.4.4 基准和模拟之间的差异
1.5 Oracle性能预测的挑战

第2章 基本性能预测
2.1 计算系统是活的
2.2 事务是工作的单元/计量单位
2.2.1 到达率
2.2.2 事务处理器
2.2.3 队列
2.2.4 事务流
2.3 响应时间曲线
2.4 CPU和IO子系统建模
2.5 方法是必须的
2.6 数据采集
2.7 基础数学
2.7.1 公式
2.7.2 应用程序
2.7.3 管理层需要知道什么
2.8 风险缓解策略
2.8.1 优化应用程序和Oracle
2.8.2 购买更多的CPU能力
2.8.3 平衡现有的工作负载
2.9 小结

第3章 提高预测精度
3.1 预测陷阱
3.2 模型选择
3.2.1 要问的问题
3.2.2 基本预测模型
3.3 基线选择
3.4 响应时间数学
3.4.1 Erlang C预测公式
3.4.2 对比预测公式
3.5 计算平均值
3.5.1 正确的分布模式
3.5.2 如何求多个值的平均值
3.6 案例研究：高光公司
3.6.1 确定研究课题
3.6.2 收集和描述工作负载
3.6.3 选择预测模型
3.6.4 预测和验证
3.6.5 我们告诉管理层什么
3.7 小结

第4章 基础预测统计
4.1 什么是统计
4.2 样本与总体
4.3 描述样本
4.3.1 用数值描述样本
4.3.2 可视化地描述数据样本
4.3.3 完整地描述样本数据
4.4 做出推断
4.4.1 使用总体标准差
4.4.2 使用标准误
4.5 骗人的精度
4.6 小结

第5章 实用排队论
5.1 排队系统符号
5.2 Little法则
5.3 Kendall的符号
5.4 排队论工作簿
5.5 队列配置和响应时间曲线位移
5.5.1 观察不同队列配置的影响
5.5.2 响应时间曲线的上下左右移动
5.6 应用排队论所面临的挑战
5.7 小结

第6章 系统化地预测性能
6.1 需要有一种方法
6.2 OraPub的预测方法
6.2.1 确定研究课题
6.2.2 收集工作负载数据
6.2.3 描述工作负载
6.2.4 开发和使用适当的模型
6.2.5 验证预测
6.2.6 预测
6.3 小结

第7章 描述工作负载
7.1 面临的挑战
7.2 收集工作负载
7.2.1 收集操作系统数据
7.2.2 收集Oracle数据
7.3 定义工作负载组成部分
7.4 对工作负载建模
7.4.1 简单工作负载模型
7.4.2 单类工作负载模型
7.4.3 多类工作负载模型
7.5 选择峰值
7.5.1 选择单一样本
7.5.2 汇总多个工作负载样本
7.6 小结

第8章 比例模型
8.1 比例模型概念
8.2 比例模型公式
8.3 收集和描述工作负载
8.4 推导比例
8.4.1 推导出批处理对CPU的比例
8.4.2 推导OLTP对CPU的比例
8.5 比例模型预测
8.6 小结

第9章 线性回归模型
9.1 避免非线性领域
9.2 寻找关系
9.3 确定线性关系
9.3.1 查看原始数据
9.3.2 查看原始数据曲线图
9.3.3 查看残差数据
9.3.4 查看残差数据曲线图
9.3.5 查看回归公式
9.3.6 查看相关性强度
9.3.7 如果一切正常，执行预测
9.4 处理离群值
9.4.1 离群值的识别
9.4.2 确定何时停止
9.5 回归分析案例研究
9.6 小结

第10章 可扩展性
10.1 物理CPU和有效CPU之间的关系
10.2 预测时如何使用可扩展性
10.3 可扩展性涉及什么
10.4 加速和扩展
10.5 哪个预测模型受到可扩展性影响
10.6 可扩展性模型
10.6.1 阿姆达尔扩展
10.6.2 几何级数扩展
10.6.3 二次方扩展
10.6.4 超级串行扩展
10.7 确定可扩展性的方法
10.7.1 从物理CPU数据到有效CPU数据
10.7.2 基准：物理CPU数量对吞吐量的数据
10.7.3 真实系统：系统负载和吞吐量数据
10.8 小结