任务调度EBSORACLE计划优化实践（ebs oracle计划）

任务调度：EBS ORACLE计划优化实践

在以企业资源计划（EBS）为代表的大型软件系统中，数据库作为其核心组成部分，在软件的正常运行和业务高效处理中有着至关重要的作用。而令人困扰的是，由于EBS中数据库的操作任务繁琐且复杂，因此企业在使用EBS时经常会遇到数据库性能瓶颈等问题。本文将围绕EBS ORACLE计划优化实践问题，提出解决问题的方法。

一、EBS ORACLE计划的概念

EBS ORACLE计划，简单来说是指在EBS环境中通过Oracle序列、定时任务等方式实现指定任务自动执行的一个机制。在EBS软件中，一些常规性的任务，比如检查用户会话、备份EBS系统等，这些工作都可以通过 EBS ORACLE计划进行自动执行。

二、EBS ORACLE计划的优化

在EBS使用中，为了保证系统的稳定和高效性，必须对EBS ORACLE计划进行优化。由于EBS系统中存在大量的数据库操作和计划任务，如果管理不当，可能会引起EBS突然卡死、任务超时等问题，给业务带来不小困扰。下面对于EBS ORACLE计划的优化问题提出以下建议：

（一）定期清理历史记录

在EBS系统中，随着时间的推移，计划任务的执行记录不断积累，若不及时清理，将会导致系统运行速度变慢，同时也占用大量磁盘空间。因此，建议定期清理历史记录，清理完毕后将会大大减轻数据库的负担，提高系统运行效率。请看下面Python代码实现：

“`python

#!/usr/bin/env python

# coding:utf-8

# python 清理ebs计划任务

import os

os.environ[‘NLS_LANG’] = ‘AMERICAN_AMERICA.AL32UTF8’

import cx_Oracle

import datetime

DB_HOST = ‘192.168.1.222’ # 数据库IP地址

DB_PORT = 1521 # 数据库端口

DB_SID = ‘ebs’ # 数据库实例名

DB_USER = ‘apps’ # 数据库用户名

DB_PWD = ‘password’ # 数据库密码

DB_CHARSET = ‘utf8’

# 表名：%_REQUEST_HISTORY

def clean_requests():

conn = cx_Oracle.connect(

‘{0}/{1}@{2}:{3}/{4}’.format(DB_USER, DB_PWD, DB_HOST, DB_PORT, DB_SID))

cursor = conn.cursor()

try:

nowtime = datetime.datetime.now()

starttime = (nowtime – datetime.timedelta(days=30)).date()

sql = “””delete %_request_history where request_date

cursor.execute(sql, startdate=starttime)

conn.commit()

except Exception as e:

conn.rollback()

rse e

finally:

cursor.close()

conn.close()

if __name__ == ‘__mn__’:

clean_requests()

此处为Python语言，利用cx_Oracle中的库和数据库连接就可以实现清理计划的历史记录。其余Python技术实现内容就不在此阐述。

（二）优化计划执行时间

在EBS系统中，任务链中的每一个任务都有其对应的计划时间，而这一计划时间对于业务节点完成时间的影响非常大。因此，在设计EBS ORACLE计划时，应注意将各个计划节点时间合理地分配，避免过多任务的同时执行，导致系统资源过度占用，从而影响业务处理的效率。

（三）避免重复执行

在EBS系统中，有些计划任务在短时间内触发了多次执行，如备份日志等，如果未妥善处理，这将极大增加EBS系统的运行负担，甚至极容易导致数据库死锁、卡死等故障。因此，针对这一问题，我们可以采用Python编程的方式，定时修改任务计划的执行时间，从而避免重复执行的问题。

下面是Python实现示例：

```python
#!/usr/bin/env python
# coding:utf-8
import os
os.environ['NLS_LANG'] = 'AMERICAN_AMERICA.AL32UTF8'
import cx_Oracle
import datetime
import time
DB_USER = 'apps'
DB_PWD = 'password'
DB_HOST = '192.168.1.222'
DB_PORT = 1521
DB_SID = 'ebs'

interval = 5  # 自动执行时间间隔，单位：分钟

def get_app_si(fc, task_name):
    """
    获取所需管理信息
    :param fc: 数据库连接游标
    :param task_name: 所调度任务名
    :return: 调度信息列表
    """
    fc.prepare(r"SELECT application_name, deferred_to_date, request_id,"
              r" request_date, request_time, real_start_date,"
              r" real_start_time, actual_finish_date, actual_finish_time"
              r" FROM fnd_conc_req_summary_v where concurrent_program_name=:name")
    fc.execute(None, {"name": task_name})
    res = []
    fetch = fc.fetchone()
    if fetch:
        res = list(fetch)
    return res

def delay_task(fc, task_name):
    """
    延迟任务时间
    :param fc: 数据库连接游标
    :param task_name: 所调度任务名
    """
    res = get_app_si(fc=fc, task_name=task_name)
    if not res:
        return
    end_time = datetime.datetime.combine(res[3], res[4])
    delay_time = end_time + datetime.timedelta(minutes=interval)
    rq_id = res[2]
    rq_start_date = delay_time.date().strftime("%Y-%m-%d")
    rq_start_time = delay_time.time().strftime("%H:%M:%S")
    # 格式化修改SQL
    d_sql = "UPDATE FND_CONCURRENT_REQUESTS SET " \
            "REQUESTED_START_DATE = TO_DATE('{sjrq}','YYYY-MM-DD'), " \
            "REQUESTED_START_TIME = TO_DATE('{sjqj}','HH24:MI:SS')" \
            "WHERE REQUEST_ID = {id}".format(sjrq=rq_start_date, sjqj=rq_start_time, id=rq_id)
    # 执行修改
    fc.execute(d_sql)
    fc.connection.commit()
if __name__ == '__mn__':
    while True:
        conn = cx_Oracle.connect('{0}/{1}@{2}:{3}/{4}'.format(DB_USER, DB_PWD, DB_HOST, DB_PORT, DB_SID))
        cursor = conn.cursor()
        delay_task(fc=cursor, task_name='XXDRZHJD - 外网自有数据库每日数据备份')
        cursor.close()
        conn.close()
        time.sleep(2 * 60)

Python代码中，我们采用了cursor游标方式连接数据库，连通后根据所调度任务名，查询出任务的相关信息，通过Python的时间对象，将其当前执行时间进行延迟（在原有执行时间的基础上加上一定时长），最后再通过数据库SQL语言，将这一改变提交到EBS系统中，从而实现计划任务延迟执行。

三、总结

本文旨在通过EBS ORACLE计划优化实践的介绍，强调数据库在EBS系统中扮演至关重要的角色，对EBS计划任务进行了介绍，针对任务自动执行过程中的性能优化问题提出解决方法。其中，针对历史记录的清理、计划执行时间的优化、避免重复执行的问题，我们提出了实际可行的优化方案，可以有效减轻数据库运行负担，提高系统的运行效率。