1. 从一次 AWR 报告说起DB Time 与 Top 等待事件怎么读AWRAutomatic Workload Repository是 Oracle 自带的一套性能快照机制默认每小时把数据库的关键统计信息落盘一次保留一段时间后自动清理。它能回答的问题很直接这段时间数据库到底忙不忙、忙在 CPU 还是等待、哪几条 SQL 吃掉了大部分 DB Time。适合谁用DBA、后端开发、以及需要给线上慢查询定责的运维同学。我手上这份报告是单实例 ORCL10.2.0.4快照 17 到 18间隔 60.06 分钟。先看头部Snap Id Snap Time Sessions Cursors/Session Begin Snap: 17 07-10月-11 16:00:10 22 2.6 End Snap: 18 07-10月-11 17:00:14 22 2.6 Elapsed: 60.06 (mins) DB Time: 0.05 (mins)DB Time 是用户操作花费的时间总和包含 CPU 时间和等待事件时间但不含后台进程。这里 60 分钟窗口里 DB Time 只有 0.05 分钟说明库很闲。判断标准很简单DB Time 远大于 Elapsed说明忙接近甚至小于说明闲。忙的时候直接跳到 Top 5 Timed Events 看谁在占时间。再看 Load Profile 的每秒维度Redo size: 638.10 Logical reads: 6.96 Block changes: 2.20 Physical reads: 0.02 Physical writes: 0.26 User calls: 0.05 Parses: 0.76 Hard parses: 0.00 Sorts: 0.51 Logons: 0.02 Executes: 1.61 Transactions: 0.09Redo 每秒约 638 字节逻辑读每秒不到 7 个块硬解析几乎为 0这套指标放在生产 OLTP 上属于非常健康。Instance Efficiency 里 Buffer Hit 99.77%、Library Hit 99.89%、Soft Parse 99.89%都贴着 100% 走。真正要盯的是 Top 5 Timed EventsEvent Waits Time(s) Avg Wait(ms) % Total Call Time Wait Class control file parallel write 1,197 86 72 79.9 System I/O CPU time - 26 4.0 - - log file parallel write 382 24 61 1.7 System I/O db file parallel write 573 12 50 0.2 System I/O control file sequential read 3,019 10 27 7.4 System I/Ocontrol file parallel write 占了 79.9% 的调用时间平均等待 72ms这是控制文件写入慢的典型信号。如果这是生产库下一步就该查控制文件所在磁盘的 IO 延迟而不是去优化 SQL。这就是 AWR 的价值先定位瓶颈类型再决定优化方向。SQL ordered by Elapsed Time 里gvch1xu9ca3g这条 DECLARE job 的匿名块耗时 216 秒、CPU 14.89 秒% Total DB Time13.44cb75rw3w1tt0s的MGMT_JOB_ENGINE.get_sche...CPU 112 秒。这两条都是 OEM 自身的作业属于后台维护开销。SQL ordered by Gets 里gvch1xu9ca3g拿了 15,745 个 buffer gets占 16.42%。把这些和 Top 等待事件对照就能判断是 SQL 本身慢还是被 IO 拖慢。问题来了这套分析流程本身没问题但采集脚本、报告生成脚本、以及后续把报告推给分析平台的环节往往散落在多台机器上认证方式五花八门。我这次要做的就是把 AWR 采集链路的 API endpoint 和认证统一改到 TaoToken 通道分析流程一行不改。2. 把 AWR 采集脚本的 endpoint 与认证切到 TaoToken先说清楚 TaoToken 在这里扮演什么角色。它不是数据库也不碰你的 AWR 数据内容它提供的是统一的 API 通道你的采集脚本、报告解析脚本、告警推送脚本原来各自配置 endpoint 和 key现在统一指向一个 Base URL用同一套 Key 管理。官网在 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 入口是 https://taotoken.net/api 。为什么 AWR 场景需要这个因为完整的 AWR 分析链路通常不止一步awrrpt.sql生成 HTML 报告只是第一步后面还有解析报告提取 Top SQL、把指标写进时序库、异常时触发告警。这些环节如果各自维护认证改一次密码就要动一堆脚本。统一到 TaoToken 后你只需要在一个地方轮换 Key。前置准备三件事。第一拿到 API Key在控制台 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 创建注意 Key 只在创建时完整显示一次。第二确认你的采集机到taotoken.net的网络可达用curl -I https://taotoken.net/api探一下。第三把现有脚本里的 endpoint 和 auth 配置找出来通常散在 shell 的curl命令、Python 的requests调用、或者配置文件里。这里有个关键点AWR 采集脚本本身连的是 Oracle走的是 SQL*Net不需要改。要改的是「采集完之后把结果送出去」的那一段。比如你有一个push_awr_metrics.sh原来往自建接口 POST JSON现在把 URL 换成 TaoToken 的 API 地址Header 里带上 Key。模型 ID 这块要写全。TaoToken 的调用需要三件套Base URL、API Key、Model ID。Base URL 用https://taotoken.net/apiKey 用你创建的那串Model ID 按你实际要调用的模型填。三者缺一不可少一个就是 401 或 404。我试过把采集脚本的配置抽成一个独立的awr_env.sh所有脚本 source 它这样切换通道只改一个文件。下面第三节给完整片段。3. 可复制的 endpoint/auth 配置片段先给 shell 版本适合awrrpt.sql生成报告后推送指标的脚本。新建awr_env.sh# awr_env.sh - AWR 采集链路统一配置 export TAOTOKEN_BASE_URLhttps://taotoken.net/api export TAOTOKEN_API_KEYsk-你的Key export TAOTOKEN_MODEL_ID你的模型ID # AWR 报告输出目录 export AWR_REPORT_DIR/u01/app/oracle/awr_reports export AWR_SNAP_BEGIN export AWR_SNAP_END推送脚本push_awr_metrics.sh#!/bin/bash source /etc/awr/awr_env.sh REPORT_FILE$1 if [ ! -f $REPORT_FILE ]; then echo report not found: $REPORT_FILE 2 exit 1 fi PAYLOAD$(python3 - PY import json, sys, re path sys.argv[1] text open(path, encodingutf-8, errorsignore).read() db_time re.search(rDB Time:\s*([\d.]), text) top_event re.search(rTop 5 Timed Events(.*?)Wait Class, text, re.S) print(json.dumps({ db_time: db_time.group(1) if db_time else None, top_event_raw: top_event.group(1)[:500] if top_event else None })) PY $REPORT_FILE) curl -sS -X POST $TAOTOKEN_BASE_URL/v1/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d { \model\: \$TAOTOKEN_MODEL_ID\, \messages\: [ {\role\: \user\, \content\: \解析以下 AWR 指标指出最可能的瓶颈类型$PAYLOAD\} ] }Python 版本适合把 AWR 解析逻辑写成模块的场景。awr_config.py# awr_config.py import os TAOTOKEN_BASE_URL os.getenv(TAOTOKEN_BASE_URL, https://taotoken.net/api) TAOTOKEN_API_KEY os.getenv(TAOTOKEN_API_KEY, ) TAOTOKEN_MODEL_ID os.getenv(TAOTOKEN_MODEL_ID, ) AWR_REPORT_DIR os.getenv(AWR_REPORT_DIR, /u01/app/oracle/awr_reports) def build_headers(): if not TAOTOKEN_API_KEY: raise RuntimeError(TAOTOKEN_API_KEY 未设置) return { Authorization: fBearer {TAOTOKEN_API_KEY}, Content-Type: application/json, }调用侧import requests from awr_config import TAOTOKEN_BASE_URL, TAOTOKEN_MODEL_ID, build_headers def analyze_awr(prompt: str) - str: resp requests.post( f{TAOTOKEN_BASE_URL}/v1/chat/completions, headersbuild_headers(), json{ model: TAOTOKEN_MODEL_ID, messages: [{role: user, content: prompt}], }, timeout60, ) resp.raise_for_status() return resp.json()[choices][0][message][content]如果你用 Claude Code 做 AWR 报告的批量解析配置走~/.claude/settings.json{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_API_KEY: sk-你的Key, ANTHROPIC_MODEL: 你的模型ID } }Codex 用户改~/.codex/auth.json{ base_url: https://taotoken.net/api, api_key: sk-你的Key, model: 你的模型ID }Cline 的 MCP 配置里把 provider 的 base URL 指向https://taotoken.net/apiKey 填同一串Model ID 保持一致。三件套对齐后面排障才有统一基准。注意Key 不要硬编码进脚本提交到 Git。用环境变量或独立的 env 文件权限设 600。4. 验证请求与快照对比确认瓶颈定位可复现配置改完先做最小验证。用 curl 打一发source /etc/awr/awr_env.sh curl -sS -X POST $TAOTOKEN_BASE_URL/v1/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d {\model\:\$TAOTOKEN_MODEL_ID\,\messages\:[{\role\:\user\,\content\:\ping\}]}返回里能看到choices[0].message.content就说明通道通了。如果返回 401看 Key返回 404看 Base URL 和 Model ID 是否匹配。通道通了之后做快照对比验证。核心思路同一份 AWR 报告切换前后各跑一次解析输出应该一致。先固定两个快照-- 在 SQL*Plus 里执行生成两个快照的报告 ?/rdbms/admin/awrrpt.sql -- 输入 begin snap: 17, end snap: 18, 格式 html生成awrrpt_1_17_18.html后用脚本提取关键指标python3 - PY import re text open(awrrpt_1_17_18.html, encodingutf-8, errorsignore).read() for key in [DB Time, Buffer Hit, Library Hit, Soft Parse]: m re.search(rf{key}[^0-9]*([\d.]), text) print(key, m.group(1) if m else N/A) PY预期输出类似DB Time 0.05 Buffer Hit 99.77 Library Hit 99.89 Soft Parse 99.89然后跑push_awr_metrics.sh awrrpt_1_17_18.html看返回的解析结果是否指向 System I/O 类瓶颈。如果返回说「CPU 瓶颈」而报告里 Top 事件是 control file parallel write说明解析逻辑或模型理解有偏差需要调整 prompt。再做一次跨快照对比。生成 18 到 19 的报告重复上述步骤对比两次的 Top 事件和 Top SQL。如果两次都指向 control file parallel write说明瓶颈稳定定位可复现。这一步的意义在于通道切换不能改变分析结论否则就是引入噪声。验证清单检查项命令/方法预期通道连通curl POST /v1/chat/completions返回 choicesKey 有效同上看 HTTP 状态200Model ID 正确返回内容非空有文本报告解析一致切换前后对比指标相同瓶颈定位一致两次快照对比Top 事件相同5. 常见报错排查401、local proxy failed、reading choices、OAuth排障按错误信息对号入座别瞎猜。401 Unauthorized。最常见。原因三种Key 没设置、Key 写错、Header 格式不对。检查echo $TAOTOKEN_API_KEY是否有值Header 必须是Authorization: Bearer sk-xxxBearer 后面一个空格。如果 Key 是从控制台复制的注意别把首尾空格带进去。轮换 Key 后记得重启采集脚本或重新 source env 文件。local proxy failed。这个报错通常出现在脚本里配置了本地代理但代理进程没起来或端口不对。检查http_proxy、https_proxy环境变量如果不需要代理就 unset 掉。另外确认TAOTOKEN_BASE_URL没有写成带路径的奇怪形式标准就是https://taotoken.net/api。reading choices 报错。典型是KeyError: choices或json.decoder.JSONDecodeError。说明返回体不是预期的 JSON 结构。先打印原始响应print(resp.status_code, resp.text)。常见原因是 Model ID 填错导致返回错误对象或者请求体里messages格式不对。确认messages是数组每个元素有role和content。OAuth 相关报错。如果你用 Claude Code 或 Codex它们可能优先走 OAuth 登录态而不是 API Key。报错里出现OAuth token expired或invalid_grant时检查settings.json或auth.json里的 Key 是否被 OAuth 流程覆盖。解决方式是显式设置 API Key 环境变量并确认配置文件里没有残留的 OAuth 字段。连接超时。curl: (28) Connection timed out。先ping taotoken.net看网络再curl -v看卡在哪一步。如果是 DNS 问题检查/etc/resolv.conf。如果是 TLS 握手失败检查系统 CA 证书是否过期。返回 429。请求频率超限。AWR 批量解析时容易触发加个 sleep 或做指数退避import time for i in range(5): resp requests.post(...) if resp.status_code ! 429: break time.sleep(2 ** i)报告解析结果为空。不是通道问题是正则没匹配上。AWR 报告版本不同字段名可能有差异。先grep DB Time awrrpt.html确认字段存在再调正则。注意排障时不要在生产库上直接跑采集脚本做实验用测试库或历史报告文件复现。6. 把通道固定下来接入文档与后续动作通道切换完成后建议把配置固化到配置管理里别留在个人机器的 env 文件。团队协作时Key 通过密钥管理服务下发脚本只读环境变量。需要查接入细节时接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite API Key 管理在 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 。想先验证模型对 AWR 报告的理解能力可以用模型对话 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentchatutm_campaignrewrite 贴一段报告试跑。如果要把 AWR 解析做成长期跑的 Agent 任务Coding Plan https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 更适合持续调用。最后给一个实用技巧AWR 报告的 Top SQL 部分SQL Text 经常被截断。解析时别只抓文本把 SQL Id 一起抓出来后续用select sql_text from dba_hist_sqltext where sql_idxxx补全。这样你的瓶颈定位链路才完整AWR 报告定位方向SQL Id 定位具体语句TaoToken 通道负责把这两步串起来。
AWR（Automatic Workload Repository）分析（3）：把采集快照改到 TaoToken 后如何定位性能瓶颈
1. 从一次 AWR 报告说起DB Time 与 Top 等待事件怎么读AWRAutomatic Workload Repository是 Oracle 自带的一套性能快照机制默认每小时把数据库的关键统计信息落盘一次保留一段时间后自动清理。它能回答的问题很直接这段时间数据库到底忙不忙、忙在 CPU 还是等待、哪几条 SQL 吃掉了大部分 DB Time。适合谁用DBA、后端开发、以及需要给线上慢查询定责的运维同学。我手上这份报告是单实例 ORCL10.2.0.4快照 17 到 18间隔 60.06 分钟。先看头部Snap Id Snap Time Sessions Cursors/Session Begin Snap: 17 07-10月-11 16:00:10 22 2.6 End Snap: 18 07-10月-11 17:00:14 22 2.6 Elapsed: 60.06 (mins) DB Time: 0.05 (mins)DB Time 是用户操作花费的时间总和包含 CPU 时间和等待事件时间但不含后台进程。这里 60 分钟窗口里 DB Time 只有 0.05 分钟说明库很闲。判断标准很简单DB Time 远大于 Elapsed说明忙接近甚至小于说明闲。忙的时候直接跳到 Top 5 Timed Events 看谁在占时间。再看 Load Profile 的每秒维度Redo size: 638.10 Logical reads: 6.96 Block changes: 2.20 Physical reads: 0.02 Physical writes: 0.26 User calls: 0.05 Parses: 0.76 Hard parses: 0.00 Sorts: 0.51 Logons: 0.02 Executes: 1.61 Transactions: 0.09Redo 每秒约 638 字节逻辑读每秒不到 7 个块硬解析几乎为 0这套指标放在生产 OLTP 上属于非常健康。Instance Efficiency 里 Buffer Hit 99.77%、Library Hit 99.89%、Soft Parse 99.89%都贴着 100% 走。真正要盯的是 Top 5 Timed EventsEvent Waits Time(s) Avg Wait(ms) % Total Call Time Wait Class control file parallel write 1,197 86 72 79.9 System I/O CPU time - 26 4.0 - - log file parallel write 382 24 61 1.7 System I/O db file parallel write 573 12 50 0.2 System I/O control file sequential read 3,019 10 27 7.4 System I/Ocontrol file parallel write 占了 79.9% 的调用时间平均等待 72ms这是控制文件写入慢的典型信号。如果这是生产库下一步就该查控制文件所在磁盘的 IO 延迟而不是去优化 SQL。这就是 AWR 的价值先定位瓶颈类型再决定优化方向。SQL ordered by Elapsed Time 里gvch1xu9ca3g这条 DECLARE job 的匿名块耗时 216 秒、CPU 14.89 秒% Total DB Time13.44cb75rw3w1tt0s的MGMT_JOB_ENGINE.get_sche...CPU 112 秒。这两条都是 OEM 自身的作业属于后台维护开销。SQL ordered by Gets 里gvch1xu9ca3g拿了 15,745 个 buffer gets占 16.42%。把这些和 Top 等待事件对照就能判断是 SQL 本身慢还是被 IO 拖慢。问题来了这套分析流程本身没问题但采集脚本、报告生成脚本、以及后续把报告推给分析平台的环节往往散落在多台机器上认证方式五花八门。我这次要做的就是把 AWR 采集链路的 API endpoint 和认证统一改到 TaoToken 通道分析流程一行不改。2. 把 AWR 采集脚本的 endpoint 与认证切到 TaoToken先说清楚 TaoToken 在这里扮演什么角色。它不是数据库也不碰你的 AWR 数据内容它提供的是统一的 API 通道你的采集脚本、报告解析脚本、告警推送脚本原来各自配置 endpoint 和 key现在统一指向一个 Base URL用同一套 Key 管理。官网在 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 入口是 https://taotoken.net/api 。为什么 AWR 场景需要这个因为完整的 AWR 分析链路通常不止一步awrrpt.sql生成 HTML 报告只是第一步后面还有解析报告提取 Top SQL、把指标写进时序库、异常时触发告警。这些环节如果各自维护认证改一次密码就要动一堆脚本。统一到 TaoToken 后你只需要在一个地方轮换 Key。前置准备三件事。第一拿到 API Key在控制台 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 创建注意 Key 只在创建时完整显示一次。第二确认你的采集机到taotoken.net的网络可达用curl -I https://taotoken.net/api探一下。第三把现有脚本里的 endpoint 和 auth 配置找出来通常散在 shell 的curl命令、Python 的requests调用、或者配置文件里。这里有个关键点AWR 采集脚本本身连的是 Oracle走的是 SQL*Net不需要改。要改的是「采集完之后把结果送出去」的那一段。比如你有一个push_awr_metrics.sh原来往自建接口 POST JSON现在把 URL 换成 TaoToken 的 API 地址Header 里带上 Key。模型 ID 这块要写全。TaoToken 的调用需要三件套Base URL、API Key、Model ID。Base URL 用https://taotoken.net/apiKey 用你创建的那串Model ID 按你实际要调用的模型填。三者缺一不可少一个就是 401 或 404。我试过把采集脚本的配置抽成一个独立的awr_env.sh所有脚本 source 它这样切换通道只改一个文件。下面第三节给完整片段。3. 可复制的 endpoint/auth 配置片段先给 shell 版本适合awrrpt.sql生成报告后推送指标的脚本。新建awr_env.sh# awr_env.sh - AWR 采集链路统一配置 export TAOTOKEN_BASE_URLhttps://taotoken.net/api export TAOTOKEN_API_KEYsk-你的Key export TAOTOKEN_MODEL_ID你的模型ID # AWR 报告输出目录 export AWR_REPORT_DIR/u01/app/oracle/awr_reports export AWR_SNAP_BEGIN export AWR_SNAP_END推送脚本push_awr_metrics.sh#!/bin/bash source /etc/awr/awr_env.sh REPORT_FILE$1 if [ ! -f $REPORT_FILE ]; then echo report not found: $REPORT_FILE 2 exit 1 fi PAYLOAD$(python3 - PY import json, sys, re path sys.argv[1] text open(path, encodingutf-8, errorsignore).read() db_time re.search(rDB Time:\s*([\d.]), text) top_event re.search(rTop 5 Timed Events(.*?)Wait Class, text, re.S) print(json.dumps({ db_time: db_time.group(1) if db_time else None, top_event_raw: top_event.group(1)[:500] if top_event else None })) PY $REPORT_FILE) curl -sS -X POST $TAOTOKEN_BASE_URL/v1/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d { \model\: \$TAOTOKEN_MODEL_ID\, \messages\: [ {\role\: \user\, \content\: \解析以下 AWR 指标指出最可能的瓶颈类型$PAYLOAD\} ] }Python 版本适合把 AWR 解析逻辑写成模块的场景。awr_config.py# awr_config.py import os TAOTOKEN_BASE_URL os.getenv(TAOTOKEN_BASE_URL, https://taotoken.net/api) TAOTOKEN_API_KEY os.getenv(TAOTOKEN_API_KEY, ) TAOTOKEN_MODEL_ID os.getenv(TAOTOKEN_MODEL_ID, ) AWR_REPORT_DIR os.getenv(AWR_REPORT_DIR, /u01/app/oracle/awr_reports) def build_headers(): if not TAOTOKEN_API_KEY: raise RuntimeError(TAOTOKEN_API_KEY 未设置) return { Authorization: fBearer {TAOTOKEN_API_KEY}, Content-Type: application/json, }调用侧import requests from awr_config import TAOTOKEN_BASE_URL, TAOTOKEN_MODEL_ID, build_headers def analyze_awr(prompt: str) - str: resp requests.post( f{TAOTOKEN_BASE_URL}/v1/chat/completions, headersbuild_headers(), json{ model: TAOTOKEN_MODEL_ID, messages: [{role: user, content: prompt}], }, timeout60, ) resp.raise_for_status() return resp.json()[choices][0][message][content]如果你用 Claude Code 做 AWR 报告的批量解析配置走~/.claude/settings.json{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_API_KEY: sk-你的Key, ANTHROPIC_MODEL: 你的模型ID } }Codex 用户改~/.codex/auth.json{ base_url: https://taotoken.net/api, api_key: sk-你的Key, model: 你的模型ID }Cline 的 MCP 配置里把 provider 的 base URL 指向https://taotoken.net/apiKey 填同一串Model ID 保持一致。三件套对齐后面排障才有统一基准。注意Key 不要硬编码进脚本提交到 Git。用环境变量或独立的 env 文件权限设 600。4. 验证请求与快照对比确认瓶颈定位可复现配置改完先做最小验证。用 curl 打一发source /etc/awr/awr_env.sh curl -sS -X POST $TAOTOKEN_BASE_URL/v1/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d {\model\:\$TAOTOKEN_MODEL_ID\,\messages\:[{\role\:\user\,\content\:\ping\}]}返回里能看到choices[0].message.content就说明通道通了。如果返回 401看 Key返回 404看 Base URL 和 Model ID 是否匹配。通道通了之后做快照对比验证。核心思路同一份 AWR 报告切换前后各跑一次解析输出应该一致。先固定两个快照-- 在 SQL*Plus 里执行生成两个快照的报告 ?/rdbms/admin/awrrpt.sql -- 输入 begin snap: 17, end snap: 18, 格式 html生成awrrpt_1_17_18.html后用脚本提取关键指标python3 - PY import re text open(awrrpt_1_17_18.html, encodingutf-8, errorsignore).read() for key in [DB Time, Buffer Hit, Library Hit, Soft Parse]: m re.search(rf{key}[^0-9]*([\d.]), text) print(key, m.group(1) if m else N/A) PY预期输出类似DB Time 0.05 Buffer Hit 99.77 Library Hit 99.89 Soft Parse 99.89然后跑push_awr_metrics.sh awrrpt_1_17_18.html看返回的解析结果是否指向 System I/O 类瓶颈。如果返回说「CPU 瓶颈」而报告里 Top 事件是 control file parallel write说明解析逻辑或模型理解有偏差需要调整 prompt。再做一次跨快照对比。生成 18 到 19 的报告重复上述步骤对比两次的 Top 事件和 Top SQL。如果两次都指向 control file parallel write说明瓶颈稳定定位可复现。这一步的意义在于通道切换不能改变分析结论否则就是引入噪声。验证清单检查项命令/方法预期通道连通curl POST /v1/chat/completions返回 choicesKey 有效同上看 HTTP 状态200Model ID 正确返回内容非空有文本报告解析一致切换前后对比指标相同瓶颈定位一致两次快照对比Top 事件相同5. 常见报错排查401、local proxy failed、reading choices、OAuth排障按错误信息对号入座别瞎猜。401 Unauthorized。最常见。原因三种Key 没设置、Key 写错、Header 格式不对。检查echo $TAOTOKEN_API_KEY是否有值Header 必须是Authorization: Bearer sk-xxxBearer 后面一个空格。如果 Key 是从控制台复制的注意别把首尾空格带进去。轮换 Key 后记得重启采集脚本或重新 source env 文件。local proxy failed。这个报错通常出现在脚本里配置了本地代理但代理进程没起来或端口不对。检查http_proxy、https_proxy环境变量如果不需要代理就 unset 掉。另外确认TAOTOKEN_BASE_URL没有写成带路径的奇怪形式标准就是https://taotoken.net/api。reading choices 报错。典型是KeyError: choices或json.decoder.JSONDecodeError。说明返回体不是预期的 JSON 结构。先打印原始响应print(resp.status_code, resp.text)。常见原因是 Model ID 填错导致返回错误对象或者请求体里messages格式不对。确认messages是数组每个元素有role和content。OAuth 相关报错。如果你用 Claude Code 或 Codex它们可能优先走 OAuth 登录态而不是 API Key。报错里出现OAuth token expired或invalid_grant时检查settings.json或auth.json里的 Key 是否被 OAuth 流程覆盖。解决方式是显式设置 API Key 环境变量并确认配置文件里没有残留的 OAuth 字段。连接超时。curl: (28) Connection timed out。先ping taotoken.net看网络再curl -v看卡在哪一步。如果是 DNS 问题检查/etc/resolv.conf。如果是 TLS 握手失败检查系统 CA 证书是否过期。返回 429。请求频率超限。AWR 批量解析时容易触发加个 sleep 或做指数退避import time for i in range(5): resp requests.post(...) if resp.status_code ! 429: break time.sleep(2 ** i)报告解析结果为空。不是通道问题是正则没匹配上。AWR 报告版本不同字段名可能有差异。先grep DB Time awrrpt.html确认字段存在再调正则。注意排障时不要在生产库上直接跑采集脚本做实验用测试库或历史报告文件复现。6. 把通道固定下来接入文档与后续动作通道切换完成后建议把配置固化到配置管理里别留在个人机器的 env 文件。团队协作时Key 通过密钥管理服务下发脚本只读环境变量。需要查接入细节时接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite API Key 管理在 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 。想先验证模型对 AWR 报告的理解能力可以用模型对话 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentchatutm_campaignrewrite 贴一段报告试跑。如果要把 AWR 解析做成长期跑的 Agent 任务Coding Plan https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 更适合持续调用。最后给一个实用技巧AWR 报告的 Top SQL 部分SQL Text 经常被截断。解析时别只抓文本把 SQL Id 一起抓出来后续用select sql_text from dba_hist_sqltext where sql_idxxx补全。这样你的瓶颈定位链路才完整AWR 报告定位方向SQL Id 定位具体语句TaoToken 通道负责把这两步串起来。
