> Data > Pilote automatique

Pilote automatique

Data - Par Herts Chen - Publié le 24 juin 2010
email

par Herts Chen - Mis en ligne le 18/02/2004

Raccourcissez le temps de réplication instantanée et de configuration avec cet outil d'automatisation

Quand vous appliquez la réplication instantanée à  de grandes bases de données, l'étape qui supprime les enregistrements cibles et celle qui copie en bloc les données sources dans des tables cibles indexées peuvent créer deux goulets d'étranglement des performances...Quand vous appliquez la réplication instantanée à  de grandes bases de données, l'étape qui supprime les enregistrements cibles et celle qui copie en bloc les données sources dans des tables cibles indexées peuvent créer deux goulets d'étranglement des performances. Pour éliminer ces goulets d'étranglement - et donc optimiser la réplication - vous pouvez ajouter des étapes personnalisées aux jobs Snapshot and Distribution Agent. Dans le premier article de cette série en trois parties, « Ouvrez la voie à  la réplication snapshot à  grande échelle », octobre 2002, (ou sur www.itpro.fr), j'analysais la performance d'une réplication instantanée et introduisais les étapes personnalisées. Le deuxième article, « Personnalisez votre réplication instantanée à  la main », janvier 2003, (ou sur www.itpro.fr), détaillait l'implémentation manuelle complète de ces étapes. Dans cet article de conclusion, voyons comment réaliser une personnalisation rapide, fiable et reproductible en utilisant SQL-DMO (SQL Distributed Management Objects) pour automatiser le processus de personnalisation.

Pilote automatique

Optimiser la réplication instantanée
améliore considérablement les performances,
mais personnaliser manuellement
les jobs Snapshot and
Distribution Agent pour réaliser l’optimisation
peut s’avérer fastidieux et
long dans un environnement d’envergure
comportant de nombreux serveurs.
Comme il faut resynchroniser
manuellement la personnalisation
chaque fois que l’on pratique ces modifications,
il faut beaucoup de temps
quand on ajoute de nouvelles publications
ou qu’on reconfigure les existantes.
Manuellement, l’optimisation se
déroule ainsi. Vous essaierez une nouvelle
étape juste avant la dernière
étape du job Snapshot Agent. La commande
que cette étape exécute démarre
un job Distribution Agent. Vous
insérez ensuite deux nouvelles étapes
dans un job Distribution Agent, une
avant et une après son étape Run
Agent. L’étape avant abandonne tous
les index et les contraintes de clés par rapport aux tables d’abonnement.
L’étape après recrée les index et les
contraintes de clés que l’étape avant
avait abandonnés. La figure 1 montre
les quatre étapes du job Snapshot
Agent optimisé ; la figure 2 montre les
cinq étapes pour chaque job
Distribution Agent. Les nouvelles
étapes personnalisées sont l’étape 3
dans le job Snapshot Agent et les
étapes 2 et 4 dans le job Distribution
Agent.
$On voit donc que la personnalisation
manuelle dans Enterprise Manager
demande pas mal de travail : insérer
les nouvelles étapes, entrer des
commandes codées en dur ou une
procédure stockée pour exécution
dans chaque nouvelle étape et modifier
le flux des nouvelles étapes et les
étapes existantes affectées. Pis encore,
toute erreur ou incohérence introduite
pendant la personnalisation cassera
l’optimisation. Au lieu de vous enterrer
dans ces étapes manuelles fort
laborieuses, vous pouvez créer un outil
d’automatisation qui rendra votre processus
de personnalisation efficace,
homogène et reproductible. Cet outil
d’automatisation met en oeuvre les
tâches de personnalisation au moyen
de SQL-DMO.

Téléchargez cette ressource

Comment sécuriser une PME avec l’approche par les risques ?

Comment sécuriser une PME avec l’approche par les risques ?

Disposant de moyens financiers et humains contraints, les PME éprouvent des difficultés à mettre en place une véritable stratégie de cybersécurité. Opérateur de services et d’infrastructures, Naitways leur propose une approche pragmatique de sécurité « by design » en priorisant les risques auxquelles elles sont confrontées.

Data - Par Herts Chen - Publié le 24 juin 2010