Der Fachbereich sagt, die Anwendung sei langsam. Im Tagesbericht des Monitorings ist die CPU-Last unauffällig, alle Ampeln stehen auf Grün. Beide haben recht: Einige Minuten lang lief die CPU unter Volllast, im Tagesdurchschnitt verschwindet die Lastspitze.

In diesem Vortrag geht es nicht um ein Werkzeug, sondern um die Frage, wie aus Messdaten eine Aussage wird, die Entscheidungen ermöglicht. Ich fange bewusst weit weg von der Technik an: bei meinem Kaffeekonsum. Wann trinke ich wie viel? Und warum ist ausgerechnet der Mittwoch so teuer? An diesem Beispiel zeige ich, wie Aggregation Muster verdeckt, wie die Wahl der Kennzahl die Aussage verändert und warum man untypische Tage herausfiltern darf, wenn man sagt, warum.

Danach übertrage ich das auf Messdaten aus dem SQL Server. Im Labor erscheint eine Lastspitze je nach Auflösung als 4, 38 oder 77 Prozent CPU. Ein Statement mit acht Millisekunden Laufzeit kann trotzdem das Problem sein, wenn es bei jedem Klick mehr als tausendmal ausgeführt wird. Und die Nacht mit dem außerplanmäßigen Index-Rebuild darf meiner Meinung nach nicht versehentlich in die Baseline.

Zum Schluss geht es darum, wie aus Zahlen ein Bild entsteht, das beim Fachbereich ankommt, ohne die Daten zu verbiegen. Dazu gibt es fünf Fragen, die man jedem Diagramm stellen sollte, bevor man ihm glaubt.

Der Vortrag richtet sich an DBAs, die Messdaten präsentieren, und an alle, die auf Basis solcher Daten Entscheidungen treffen. Wer ihn gehört hat, sieht einem Diagramm an, was es verschweigt, und baut die eigenen so, dass sie für sich sprechen. Kein Code, keine Formeln.