SAP ABAP 性能优化分析工具
SAP系统提供了许多性能调优的工具,重点介绍下最常用几种SM50, ST05, SAT等工具:
1.工具概况
1.1 SM50 / SM66 - 工作进程监视器
通过这两个T-code, 可以查看当前SAP AS实例上面的工作进程,当某一工作进程长时间处于running的状态时,可以直接跳转到相应的程序位置进行查看和分析。
1.2 ST05 - 性能追踪
ST05是最常见的一个performance trance的工具,可以进行SQL、Buffer、Enqueue、RFC 、HTTP等多种类型的追踪, 通常我们使用ST05踪程序运行过程中的DB访问情况。
1.3 SAT - 代码分析工具
SAT是SE30的新版本,是非常好用的一种ABAP性能分析工具,可以按照不同的类型统计程序的运行状况,这也是常用的一个性能分析工具tcode。
1.3 SCI - 代码检查器
SCI是SAP Code Inspector的缩写,主要用于静态检查,包括性能、安全性、语法等等,Code Inspector默认集成在ATC(ABAP Test Cockpit)和SE09(传输释放)等过程中。用户可以通过定义自己的variant来实现自己特定的检查规则。
1.4 STAD (STATS) - 性能监控器
这个事物代码是用于系统性能监控(Performance Monior),用于查看系统在特定时间段的性能情况,资源使用和消耗情况。老的事物代码是STAD,新版的事物代码是STATS。
1.5 ST12 - 单个事物代码分析
ST12 (Single transaction analysis)更像一个wrapper的事物代码,其核心是对ST05, STAD, SAT等性能分析工具的集成,其使用方式和ST05类似,也即要有一个activate和deactivate的步骤。ST12也是常用的性能分析工具。
2. 工具的使用方法
2.1 ST05 性能追踪
使用ST05通常有三个步骤,即 Activate Trace >> Deactivate Trace >> Display Trace .
因此在使用ST05打开Trace后,要避免无关的操作,仅执行相关的目标程序。这样在Deactivate Trace后,看到的Trace结果更加的干净、没有干扰。
在Display trace的overview页面,其显示了程序的整个执行过程,我们可以通过查看Structure-Identical Statement来查看SQL的具体执行情况,在此可以找到最耗时的执行语句,同时双击可以进入相关的源代码位置。
2.2 SAT 代码分析工具
在SAT的主界面,输入要执行的程序,然后运行 -
运行完毕后,SAT返回相应的分析结果。在分析页面,我们可以看到不同部分执行时间所占的百分比,进而可以进一步分析具体的原因。
在SAT的 Hit List 页面可以直接看到,各部分耗费时间的排行。通常情况下,在程序开发完毕后,都要使用SAT来分析下程序各部分的执行情况,对于耗时较高的位置,进行性能优化。
2.3 SM50 / SM66 工作进程监视器
SM50 / SM66工作进程监视器 为了避免其他无关进程的干扰,通常在使用SM50 / SM66时,我们首先会过滤出与自己相关的process.
然后,在SM50中,找到并选中相关的目标程序的process,通过Administration >> Program >> Debugging即可跳转到相关的程序位置。
通过SM50中的debug跳转找到的位置,说明SAP AS 上的进程在此位置耗费了较长的处理时间,因而通常这个位置就是需要优化的程序位置。
2.4 SCI - 代码检查器
SCI已经集成在程序检查里:SE38程序左上角菜单选择Program->Check->Code Inspector如下:
这里会执行系统default默认的静态检查规则,并给出结果:
如果需要自定义检查规则,可以直接使用SCI事物代码,自定义Check Variant, Object Set和Inspection:
2.5 STAD (STATS) - 性能监控器
STAD是SAP系统的性能监控器,记录着系统在某一特定时间段的运行情况。
可以使用选择条件(用户,事务码,程序等)来限定要查看的范围。
结果会返回特定一个时间段,系统的使用情况。进而可以分析影响性能的主要原因。
针对于某一条特定的记录,双击进去,可以查看其各个维度对应的详细运行时间明细数据。
2.6 ST12 - 单个事物代码分析
在启动ST12时,可以通过选择屏幕,设置trace的相关参数。分析结束后,通过trace analysis来查看结果。
自定义Comment,username等参数,程序执行前,点开始手机Trace,程序执行后,点End trace&collect结束收集。
选中Trace分析运行结果带回,会产生对应分析运行结果Trace and edit comment for collection
点击Full screen还可以进一步参数选择。
可查看捕捉到的Trace明细运行结果:
推荐阅读
-
使用ftrace进行Linux性能分析工具的介绍
-
利用trace工具分析Linux性能,研究函数调用关系
-
前端性能分析、性能优化方案
-
超级实用的htop教程:无敌的性能优化工具
-
【摩尔线程+Colossal-AI强强联手】MusaBert登上CLUE榜单TOP10:技术细节揭秘 - 技术实力:摩尔线程凭借"软硬兼备"的技术底蕴,让MusaBert得以从底层优化到顶层。其内置多功能GPU配备AI加速和并行计算模块,提供了全面的AI与科学计算支持,为AI推理和低资源条件下的大模型训练等场景带来了高效、经济且环保的算力。 - 算法层面亮点:依托Colossal-AI AI大模型开发系统,MusaBert在训练过程中展现出了卓越的并行性能与易用性,特别在预处理阶段对DataLoader进行了优化,适应低资源环境高效处理海量数据。同时,通过精细的建模优化、领域内数据增强以及Adan优化器等手段,挖掘和展示了预训练语言模型出色的语义理解潜力。基于MusaBert,摩尔线程自主研发的MusaSim通过对比学习方法微调,结合百万对标注数据,MusaSim在多个任务如语义相似度、意图识别和情绪分析中均表现出色。 - 数据资源丰富:MusaBert除了自家高质量语义相似数据外,还融合了悟道开源200GB数据、CLUE社区80GB数据,以及浪潮公司提供的1TB高质量数据,保证模型即便在较小规模下仍具备良好性能。 当前,MusaBert已成功应用于摩尔线程的智能客服与数字人项目,并广泛服务于语义相似度、情绪识别、阅读理解与声韵识别等领域。为了降低大模型开发和应用难度,MusaBert及其相关高质量模型代码已在Colossal-AI仓库开源,可快速训练优质中文BERT模型。同时,通过摩尔线程与潞晨科技的深度合作,仅需一张多功能GPU单卡便能高效训练MusaBert或更大规模的GPT2模型,显著降低预训练成本,进一步推动双方在低资源大模型训练领域的共享目标。 MusaBert荣登CLUE榜单TOP10,象征着摩尔线程与潞晨科技联合研发团队在中文预训练研究领域的领先地位。展望未来,双方将携手探索更大规模的自然语言模型研究,充分运用上游数据资源,产出更为强大的模型并开源。持续强化在摩尔线程多功能GPU上的大模型训练能力,特别是在消费级显卡等低资源环境下,致力于降低使用大模型训练的门槛与成本,推动人工智能更加普惠。而潞晨科技作为重要合作伙伴,将继续发挥关键作用。
-
【2022新手指南】Java编程进阶之路 - 六、技术架构篇 ### MySQL索引底层解析与优化实战 - 你会讲解MySQL索引的数据结构吗?性能调优技巧知多少? - Redis深度揭秘:你知道多少?从基础到哨兵、主从复制全梳理 - Redis持久化及哨兵模式详解,还有集群搭建和Leader选举黑箱打开 - Zookeeper是个啥?特性和应用场景大公开 - ZooKeeper集群搭建攻略及 Leader选举、读写一致性、共享锁实现细节 - 探究ZooKeeper中的Leader选举机制及其在分布式环境中的作用 - Zab协议深入剖析:原理、功能与在Zookeeper中的核心地位 - RabbitMQ全方位解读:工作模式、消费限流、可靠投递与配置策略 - 设计者视角:RabbitMQ过期时间、死信队列与延时队列实践指南 - RocketMQ特性和应用场景揭示:理解其精髓与差异化优势 - Kafka详细介绍:特性及广泛应用于实时数据处理的场景解析 - ElasticSearch实力揭秘:特性概述与作为搜索引擎的广泛应用 - MongoDB认知升级:非关系型数据库的优势阐述,安装与使用实战教学 - BIO/NIO/AIO网络模型对比:掌握它们的区别与在网络编程中的实际应用 - Netty带你飞:理解其超快速度背后的秘密,包括线程模型分析 - 网络通信黑科技:Netty编解码原理与常用编解码器的应用,Protostuff实战演示 - 解密Netty粘包与拆包现象,怎样有效应对这一常见问题 - 自定义Netty心跳检测机制,轻松调整检测间隔时间的艺术 - Dubbo轻骑兵介绍:核心特性概览,服务降级实战与其实现益处 - Dubbo三大神器解读:本地存根与本地伪装的实战运用与优势呈现 ----------------------- 七、结语与回顾
-
AWS 物联网核心优化分析:提高性能、安全性和成本效益
-
SAP ABAP 性能优化分析工具
-
AST 语法树 python ast 语法树解析 - 首先,让我们了解一下 AST 的基本理论? 抽象语法树(AST)或简称语法树(SST)是源代码语法结构的抽象表示。它以树的形式表示编程语言的语法结构,树中的每个节点代表源代码中的一个结构。 与抽象语法树相对的是具体语法树(通常称为分析树)。一般来说,在翻译和编译源代码的过程中,语法分析器会创建分析树。创建 AST 后,在后续处理过程中(如语义分析阶段)会添加一些信息。 可以这样理解,语法树是作为 JavaScript 的编译器或解释器使用的,编译后的 JS 才能真正转换成计算机可识别的机器代码,并最终成功运行。 具体语法树是编译后记录所有细节的树结构,抽象语法树则是具体语法树的简化版,那么相对来说,抽象语法树的运行速度要快得多,比如 ESLint、Webpack 等工具都是使用 AST 来提高性能的,同时,AST 也足以满足这些工具运行时所需的信息。 让我们来看看抽象语法树的结构,举例说明
-
网络性能分析和测试工具简介