# 성능 개선 도우미에 대한 AWS CLI 예시
다음 섹션에서 성능 개선 도우미의 AWS Command Line Interface(AWS CLI)에 대해 자세히 알아보고 AWS CLI 예제를 사용하세요.
**Topics**
+ [
## 성능 개선 도우미에 대한 AWS CLI의 기본 제공 도움말
](#USER_PerfInsights.API.CLI)
+ [
## 카운터 지표 검색
](#USER_PerfInsights.API.Examples.CounterMetrics)
+ [
## 상위 대기 이벤트에 대한 DB 평균 로드 검색
](#USER_PerfInsights.API.Examples.DBLoadAverage)
+ [
## 상위 SQL에 대한 DB 평균 로드 검색
](#USER_PerfInsights.API.Examples.DBLoadAverageTop10SQL)
+ [
## SQL을 기준으로 필터링된 DB 평균 로드 검색
](#USER_PerfInsights.API.Examples.DBLoadAverageFilterBySQL)
+ [
## SQL 문의 전체 텍스트 검색
](#USER_PerfInsights.API.Examples.GetDimensionKeyDetails)
+ [
## 특정 기간에 대한 성과 분석 보고서 생성
](#USER_PerfInsights.API.Examples.CreatePerfAnalysisReport)
+ [
## 성능 분석 보고서 검색
](#USER_PerfInsights.API.Examples.GetPerfAnalysisReport)
+ [
## DB 인스턴스에 대한 모든 성능 분석 보고서 나열
](#USER_PerfInsights.API.Examples.ListPerfAnalysisReports)
+ [
## 성능 분석 보고서 삭제
](#USER_PerfInsights.API.Examples.DeletePerfAnalysisReport)
+ [
## 성능 분석 보고서에 태그 추가
](#USER_PerfInsights.API.Examples.TagPerfAnalysisReport)
+ [
## 성능 분석 보고서에 대한 모든 태그 나열
](#USER_PerfInsights.API.Examples.ListTagsPerfAnalysisReport)
+ [
## 성능 분석 보고서에서 태그 삭제
](#USER_PerfInsights.API.Examples.UntagPerfAnalysisReport)
## 성능 개선 도우미에 대한 AWS CLI의 기본 제공 도움말
AWS CLI를 사용해 성능 개선 도우미 데이터를 볼 수 있습니다. 명령줄에 다음과 같이 입력하여 성능 개선 도우미용 AWS CLI 명령에 대한 도움말을 볼 수 있습니다.
```
aws pi help
```
AWS CLI가 설치되어 있지 않은 경우 설치에 대한 자세한 내용은 **AWS CLI 사용 설명서의 [AWS CLI 설치](https://docs.aws.amazon.com/cli/latest/userguide/installing.html)를 참조하세요.
## 카운터 지표 검색
다음 스크린샷은 AWS Management Console에 표시되는 카운터 지표 차트 2개를 나타낸 것입니다.
![\[카운터 지표 차트\]](http://docs.aws.amazon.com/ko_kr/AmazonRDS/latest/UserGuide/images/perf-insights-api-counters-charts.png)
다음 예에서는 카운터 지표 차트 2개를 생성하기 위해 AWS Management Console이 사용하는 것과 동일한 데이터를 수집하는 방법을 보여줍니다.
대상 LinuxmacOS, 또는Unix:
```
aws pi get-resource-metrics \
--service-type RDS \
--identifier db-ID \
--start-time 2018-10-30T00:00:00Z \
--end-time 2018-10-30T01:00:00Z \
--period-in-seconds 60 \
--metric-queries '[{"Metric": "os.cpuUtilization.user.avg" },
{"Metric": "os.cpuUtilization.idle.avg"}]'
```
Windows의 경우:
```
aws pi get-resource-metrics ^
--service-type RDS ^
--identifier db-ID ^
--start-time 2018-10-30T00:00:00Z ^
--end-time 2018-10-30T01:00:00Z ^
--period-in-seconds 60 ^
--metric-queries '[{"Metric": "os.cpuUtilization.user.avg" },
{"Metric": "os.cpuUtilization.idle.avg"}]'
```
`--metrics-query` 옵션에 대해 파일을 지정하면 명령이 더 쉽게 읽히도록 할 수 있습니다. 다음 예에서는 옵션에 대해 query.json이라는 파일을 사용합니다. 이 파일의 콘텐츠는 다음과 같습니다.
```
[
{
"Metric": "os.cpuUtilization.user.avg"
},
{
"Metric": "os.cpuUtilization.idle.avg"
}
]
```
다음 명령을 실행하여 파일을 사용합니다.
대상 LinuxmacOS, 또는Unix:
```
aws pi get-resource-metrics \
--service-type RDS \
--identifier db-ID \
--start-time 2018-10-30T00:00:00Z \
--end-time 2018-10-30T01:00:00Z \
--period-in-seconds 60 \
--metric-queries file://query.json
```
Windows의 경우:
```
aws pi get-resource-metrics ^
--service-type RDS ^
--identifier db-ID ^
--start-time 2018-10-30T00:00:00Z ^
--end-time 2018-10-30T01:00:00Z ^
--period-in-seconds 60 ^
--metric-queries file://query.json
```
앞의 예에서는 옵션에 다음 값을 지정합니다.
+ `--service-type` – Amazon RDS용 `RDS`
+ `--identifier` – DB 인스턴스에 대한 리소스 ID입니다.
+ `--start-time` 및 `--end-time` – 쿼리할 기간에 대한 ISO 8601 `DateTime` 값으로서, 지원되는 형식은 여러 가지입니다
다음과 같이 1시간 범위로 쿼리합니다:
+ `--period-in-seconds` – 1분당 쿼리에 대한 `60`
+ `--metric-queries` – 쿼리 2개의 배열, 각 쿼리는 지표 1개에만 해당됨.
지표 이름에는 지표를 유용한 범주로 분류하기 위해 점이 사용되고, 마지막 요소는 함수입니다. 예시에서 함수는 각 쿼리에 대해 `avg`입니다. Amazon CloudWatch와 마찬가지로 지원되는 함수는 `min`, `max`, `total` 및 `avg`입니다.
응답은 다음과 비슷합니다.
```
{
"Identifier": "db-XXX",
"AlignedStartTime": 1540857600.0,
"AlignedEndTime": 1540861200.0,
"MetricList": [
{ //A list of key/datapoints
"Key": {
"Metric": "os.cpuUtilization.user.avg" //Metric1
},
"DataPoints": [
//Each list of datapoints has the same timestamps and same number of items
{
"Timestamp": 1540857660.0, //Minute1
"Value": 4.0
},
{
"Timestamp": 1540857720.0, //Minute2
"Value": 4.0
},
{
"Timestamp": 1540857780.0, //Minute 3
"Value": 10.0
}
//... 60 datapoints for the os.cpuUtilization.user.avg metric
]
},
{
"Key": {
"Metric": "os.cpuUtilization.idle.avg" //Metric2
},
"DataPoints": [
{
"Timestamp": 1540857660.0, //Minute1
"Value": 12.0
},
{
"Timestamp": 1540857720.0, //Minute2
"Value": 13.5
},
//... 60 datapoints for the os.cpuUtilization.idle.avg metric
]
}
] //end of MetricList
} //end of response
```
응답에는 `Identifier`, `AlignedStartTime` 및 `AlignedEndTime`이 있습니다. `--period-in-seconds` 값이 `60`인 경우 시작 및 종료 시간은 분 단위로 맞춰져 있습니다. `--period-in-seconds` 값이 `3600`인 경우 시작 및 종료 시간은 시간 단위로 맞춰져 있습니다.
응답의 `MetricList`에는 다수의 항목이 있는데, 각각 `Key` 및 `DataPoints` 항목이 포함되어 있습니다. 각 `DataPoint`에는 `Timestamp` 및 `Value`이 있습니다. 쿼리는 1시간에 걸친 분당 데이터에 대한 것이므로 각 `Datapoints` 목록에는 `Timestamp1/Minute1`, `Timestamp2/Minute2` 등에서 최대 `Timestamp60/Minute60`까지 60개의 데이터 포인트가 있습니다.
쿼리는 두 가지 카운터 지표에 대한 것이므로 `MetricList` 응답에는 두 개의 요소가 있습니다.
## 상위 대기 이벤트에 대한 DB 평균 로드 검색
다음 예는 AWS Management Console에서 누적 영역 선 그래프를 생성하는 데 사용하는 것과 동일한 쿼리입니다. 이 예에서는 최상위 7개 대기 이벤트에 따라 구분된 로드의 마지막 한 시간 `db.load.avg`를 검색합니다. 명령은 [카운터 지표 검색](#USER_PerfInsights.API.Examples.CounterMetrics)의 명령과 동일합니다. 그러나 query.json 파일의 컨텐츠는 다음과 같습니다.
```
[
{
"Metric": "db.load.avg",
"GroupBy": { "Group": "db.wait_event", "Limit": 7 }
}
]
```
다음 명령을 실행합니다.
대상 LinuxmacOS, 또는Unix:
```
aws pi get-resource-metrics \
--service-type RDS \
--identifier db-ID \
--start-time 2018-10-30T00:00:00Z \
--end-time 2018-10-30T01:00:00Z \
--period-in-seconds 60 \
--metric-queries file://query.json
```
Windows의 경우:
```
aws pi get-resource-metrics ^
--service-type RDS ^
--identifier db-ID ^
--start-time 2018-10-30T00:00:00Z ^
--end-time 2018-10-30T01:00:00Z ^
--period-in-seconds 60 ^
--metric-queries file://query.json
```
이 예시에서는 최상위 7개 대기 이벤트의 `db.load.avg` 및 `GroupBy`에 대한 지표를 지정합니다. 이 예의 유효 값에 대한 자세한 내용은 *성능 개선 도우미 API 참조*의 [DimensionGroup](https://docs.aws.amazon.com/performance-insights/latest/APIReference/API_DimensionGroup.html) 단원을 참조하십시오.
응답은 다음과 비슷합니다.
```
{
"Identifier": "db-XXX",
"AlignedStartTime": 1540857600.0,
"AlignedEndTime": 1540861200.0,
"MetricList": [
{ //A list of key/datapoints
"Key": {
//A Metric with no dimensions. This is the total db.load.avg
"Metric": "db.load.avg"
},
"DataPoints": [
//Each list of datapoints has the same timestamps and same number of items
{
"Timestamp": 1540857660.0, //Minute1
"Value": 0.5166666666666667
},
{
"Timestamp": 1540857720.0, //Minute2
"Value": 0.38333333333333336
},
{
"Timestamp": 1540857780.0, //Minute 3
"Value": 0.26666666666666666
}
//... 60 datapoints for the total db.load.avg key
]
},
{
"Key": {
//Another key. This is db.load.avg broken down by CPU
"Metric": "db.load.avg",
"Dimensions": {
"db.wait_event.name": "CPU",
"db.wait_event.type": "CPU"
}
},
"DataPoints": [
{
"Timestamp": 1540857660.0, //Minute1
"Value": 0.35
},
{
"Timestamp": 1540857720.0, //Minute2
"Value": 0.15
},
//... 60 datapoints for the CPU key
]
},
//... In total we have 8 key/datapoints entries, 1) total, 2-8) Top Wait Events
] //end of MetricList
} //end of response
```
이 응답에는 `MetricList`에 항목이 8개 있습니다. 총 `db.load.avg`에는 항목이 1개 있고, 최상위 7개 대기 이벤트 중 하나에 따라 구분된 `db.load.avg`에 각각에 대해서는 항목이 7개 있습니다. 첫 번째 예시와 달리 그룹화 차원이 있었기 때문에 지표에 대한 각 그룹화에는 키가 1개 있어야 합니다. 기본 카운터 지표 사용 사례처럼 각 지표에 키가 한 개만 있을 수는 없습니다.
## 상위 SQL에 대한 DB 평균 로드 검색
다음 예에서는 최상위 10개 SQL 문을 기준으로 `db.wait_events`를 그룹화합니다. SQL 문에는 두 가지 그룹이 있습니다.
+ `db.sql` – 와 같은 SQL 문`select * from customers where customer_id = 123`
+ `db.sql_tokenized` – 와 같은 토큰화된 SQL 문`select * from customers where customer_id = ?`
데이터베이스 성능 분석 시 파라미터만 다른 SQL 문은 하나의 로직 항목으로 간주하는 것이 도움이 될 수 있습니다. 따라서 쿼리 시에는 `db.sql_tokenized`를 사용할 수 있습니다. 그러나 특히 설명 계획에 관심이 있는 경우에는 때로 파라미터가 있는 전체 SQL 문을 검토하고 `db.sql`로 그룹화를 쿼리하는 것이 유용합니다. 토큰화된 SQL과 전체 SQL 간에는 상위-하위 관계가 있는데, 여러 개의 전체 SQL(하위)은 토큰화된 동일한 SQL(상위) 아래에 그룹화됩니다.
이 예의 명령은 [상위 대기 이벤트에 대한 DB 평균 로드 검색](#USER_PerfInsights.API.Examples.DBLoadAverage)의 명령과 유사합니다. 그러나 query.json 파일의 컨텐츠는 다음과 같습니다.
```
[
{
"Metric": "db.load.avg",
"GroupBy": { "Group": "db.sql_tokenized", "Limit": 10 }
}
]
```
다음 예에는 `db.sql_tokenized`가 사용됩니다.
대상 LinuxmacOS, 또는Unix:
```
aws pi get-resource-metrics \
--service-type RDS \
--identifier db-ID \
--start-time 2018-10-29T00:00:00Z \
--end-time 2018-10-30T00:00:00Z \
--period-in-seconds 3600 \
--metric-queries file://query.json
```
Windows의 경우:
```
aws pi get-resource-metrics ^
--service-type RDS ^
--identifier db-ID ^
--start-time 2018-10-29T00:00:00Z ^
--end-time 2018-10-30T00:00:00Z ^
--period-in-seconds 3600 ^
--metric-queries file://query.json
```
이 예에서는 24시간 동안 쿼리를 실행하는데 1시간은 초 단위로 구성됩니다.
이 예시에서는 최상위 7개 대기 이벤트의 `db.load.avg` 및 `GroupBy`에 대한 지표를 지정합니다. 이 예의 유효 값에 대한 자세한 내용은 *성능 개선 도우미 API 참조*의 [DimensionGroup](https://docs.aws.amazon.com/performance-insights/latest/APIReference/API_DimensionGroup.html) 단원을 참조하십시오.
응답은 다음과 비슷합니다.
```
{
"AlignedStartTime": 1540771200.0,
"AlignedEndTime": 1540857600.0,
"Identifier": "db-XXX",
"MetricList": [ //11 entries in the MetricList
{
"Key": { //First key is total
"Metric": "db.load.avg"
}
"DataPoints": [ //Each DataPoints list has 24 per-hour Timestamps and a value
{
"Value": 1.6964980544747081,
"Timestamp": 1540774800.0
},
//... 24 datapoints
]
},
{
"Key": { //Next key is the top tokenized SQL
"Dimensions": {
"db.sql_tokenized.statement": "INSERT INTO authors (id,name,email) VALUES\n( nextval(?) ,?,?)",
"db.sql_tokenized.db_id": "pi-2372568224",
"db.sql_tokenized.id": "AKIAIOSFODNN7EXAMPLE"
},
"Metric": "db.load.avg"
},
"DataPoints": [ //... 24 datapoints
]
},
// In total 11 entries, 10 Keys of top tokenized SQL, 1 total key
] //End of MetricList
} //End of response
```
이 응답은 `MetricList`에 11개의 항목이 있는데(전체 1개, 최상위 토큰화 SQL 10개) 각 항목에는 시간당 `DataPoints`가 24개입니다.
토큰화된 SQL의 경우 각 차원 목록에 3개의 항목이 있습니다.
+ `db.sql_tokenized.statement` – 토큰화된 SQL 문입니다.
+ `db.sql_tokenized.db_id ` – SQL 참조에 사용되는 기본 데이터베이스 ID 또는 기본 데이터베이스 ID를 사용할 수 없는 경우 성능 개선 도우미가 생성하는 합성 ID입니다. 이 예에서는 `pi-2372568224` 합성 ID를 반환합니다.
+ `db.sql_tokenized.id` – 성능 개선 도우미 내부의 쿼리에 대한 ID입니다.
AWS Management Console에서는 이 ID를 지원 ID라고 합니다. ID는 AWS Support에서 데이터베이스 문제를 해결하기 위해 조사할 수 있는 데이터이기 때문에 이 이름이 지정됩니다. AWS는 데이터의 보안 및 개인 정보를 매우 중요하게 취급하며, 거의 모든 데이터는 AWS KMS 키로 암호화되어 저장됩니다. 그러므로 AWS 내부의 어느 누구도 이 데이터를 볼 수 없습니다. 앞의 예에서 `tokenized.statement`와 `tokenized.db_id` 모두 암호화되어 저장됩니다. 데이터베이스 관련 문제가 있는 경우 AWS Support가 지원 ID를 참조하여 도움을 드릴 수 있습니다.
쿼리 시 `Group`에서 `GroupBy`을 지정하면 편리할 수 있습니다. 그러나 반환되는 데이터에 대한 더 세분화된 제어를 위해서는 차원 목록을 지정하십시오. 예를 들어 `db.sql_tokenized.statement`만 필요한 경우에는 query.json file에 `Dimensions` 속성을 추가할 수 있습니다.
```
[
{
"Metric": "db.load.avg",
"GroupBy": {
"Group": "db.sql_tokenized",
"Dimensions":["db.sql_tokenized.statement"],
"Limit": 10
}
}
]
```
## SQL을 기준으로 필터링된 DB 평균 로드 검색
![\[SQL 표를 기준으로 필터링합니다.\]](http://docs.aws.amazon.com/ko_kr/AmazonRDS/latest/UserGuide/images/perf-insights-api-filter-chart.png)
앞의 이미지에서는 특정 쿼리가 선택되어 있고 상위 평균 활성 세션 누적 영역 선 그래프는 이 쿼리로 범위가 지정되어 있습니다. 쿼리가 여전히 최상위 7개 전체 대기 이벤트에 대한 것이라 하더라도 응답의 값은 필터링됩니다. 필터로 인해 특정 필터의 짝이 되는 세션만 고려합니다.
이 예에서 해당되는 API 쿼리는 [상위 SQL에 대한 DB 평균 로드 검색](#USER_PerfInsights.API.Examples.DBLoadAverageTop10SQL) 단원의 명령과 유사합니다. 그러나 query.json 파일의 컨텐츠는 다음과 같습니다.
```
[
{
"Metric": "db.load.avg",
"GroupBy": { "Group": "db.wait_event", "Limit": 5 },
"Filter": { "db.sql_tokenized.id": "AKIAIOSFODNN7EXAMPLE" }
}
]
```
대상 LinuxmacOS, 또는Unix:
```
aws pi get-resource-metrics \
--service-type RDS \
--identifier db-ID \
--start-time 2018-10-30T00:00:00Z \
--end-time 2018-10-30T01:00:00Z \
--period-in-seconds 60 \
--metric-queries file://query.json
```
Windows의 경우:
```
aws pi get-resource-metrics ^
--service-type RDS ^
--identifier db-ID ^
--start-time 2018-10-30T00:00:00Z ^
--end-time 2018-10-30T01:00:00Z ^
--period-in-seconds 60 ^
--metric-queries file://query.json
```
응답은 다음과 비슷합니다.
```
{
"Identifier": "db-XXX",
"AlignedStartTime": 1556215200.0,
"MetricList": [
{
"Key": {
"Metric": "db.load.avg"
},
"DataPoints": [
{
"Timestamp": 1556218800.0,
"Value": 1.4878117913832196
},
{
"Timestamp": 1556222400.0,
"Value": 1.192823803967328
}
]
},
{
"Key": {
"Metric": "db.load.avg",
"Dimensions": {
"db.wait_event.type": "io",
"db.wait_event.name": "wait/io/aurora_redo_log_flush"
}
},
"DataPoints": [
{
"Timestamp": 1556218800.0,
"Value": 1.1360544217687074
},
{
"Timestamp": 1556222400.0,
"Value": 1.058051341890315
}
]
},
{
"Key": {
"Metric": "db.load.avg",
"Dimensions": {
"db.wait_event.type": "io",
"db.wait_event.name": "wait/io/table/sql/handler"
}
},
"DataPoints": [
{
"Timestamp": 1556218800.0,
"Value": 0.16241496598639457
},
{
"Timestamp": 1556222400.0,
"Value": 0.05163360560093349
}
]
},
{
"Key": {
"Metric": "db.load.avg",
"Dimensions": {
"db.wait_event.type": "synch",
"db.wait_event.name": "wait/synch/mutex/innodb/aurora_lock_thread_slot_futex"
}
},
"DataPoints": [
{
"Timestamp": 1556218800.0,
"Value": 0.11479591836734694
},
{
"Timestamp": 1556222400.0,
"Value": 0.013127187864644107
}
]
},
{
"Key": {
"Metric": "db.load.avg",
"Dimensions": {
"db.wait_event.type": "CPU",
"db.wait_event.name": "CPU"
}
},
"DataPoints": [
{
"Timestamp": 1556218800.0,
"Value": 0.05215419501133787
},
{
"Timestamp": 1556222400.0,
"Value": 0.05805134189031505
}
]
},
{
"Key": {
"Metric": "db.load.avg",
"Dimensions": {
"db.wait_event.type": "synch",
"db.wait_event.name": "wait/synch/mutex/innodb/lock_wait_mutex"
}
},
"DataPoints": [
{
"Timestamp": 1556218800.0,
"Value": 0.017573696145124718
},
{
"Timestamp": 1556222400.0,
"Value": 0.002333722287047841
}
]
}
],
"AlignedEndTime": 1556222400.0
} //end of response
```
이 응답에서 모든 값은 query.json 파일에 지정된 토큰화된 SQL AKIAIOSFODNN7EXAMPLE의 기여에 따라 필터링됩니다. 키는 필터링된 SQL에 영향을 미친 상위 5개 대기 이벤트이므로 필터가 없는 쿼리와는 다른 순서를 따를 수 있습니다.
## SQL 문의 전체 텍스트 검색
다음 예제에서는 DB 인스턴스 `db-10BCD2EFGHIJ3KL4M5NO6PQRS5`에 대한 SQL 문의 전체 텍스트를 검색합니다. `--group`은 `db.sql`이고 `--group-identifier`는 `db.sql.id`입니다. 이 예제에서 *my-sql-id*는 `pi get-resource-metrics` 또는 `pi describe-dimension-keys`를 호출하여 검색된 SQL ID를 나타냅니다.
다음 명령을 실행합니다.
대상 LinuxmacOS, 또는Unix:
```
aws pi get-dimension-key-details \
--service-type RDS \
--identifier db-10BCD2EFGHIJ3KL4M5NO6PQRS5 \
--group db.sql \
--group-identifier my-sql-id \
--requested-dimensions statement
```
Windows의 경우:
```
aws pi get-dimension-key-details ^
--service-type RDS ^
--identifier db-10BCD2EFGHIJ3KL4M5NO6PQRS5 ^
--group db.sql ^
--group-identifier my-sql-id ^
--requested-dimensions statement
```
이 예제에서는 차원 세부 정보를 사용할 수 있습니다. 따라서 성능 개선 도우미는 잘리지 않은 SQL 문의 전체 텍스트를 검색합니다.
```
{
"Dimensions":[
{
"Value": "SELECT e.last_name, d.department_name FROM employees e, departments d WHERE e.department_id=d.department_id",
"Dimension": "db.sql.statement",
"Status": "AVAILABLE"
},
...
]
}
```
## 특정 기간에 대한 성과 분석 보고서 생성
다음 예시에서는 `db-loadtest-0` 데이터베이스에 대해 `1682969503` 시작 시간과 `1682979503` 종료 시간을 사용하여 성능 분석 보고서를 생성합니다.
```
aws pi create-performance-analysis-report \
--service-type RDS \
--identifier db-loadtest-0 \
--start-time 1682969503 \
--end-time 1682979503 \
--region us-west-2
```
응답은 보고서의 고유 식별자인 `report-0234d3ed98e28fb17`입니다.
```
{
"AnalysisReportId": "report-0234d3ed98e28fb17"
}
```
## 성능 분석 보고서 검색
다음 예시에서는 `report-0d99cc91c4422ee61` 보고서에 대한 분석 보고서 세부 정보를 검색합니다.
```
aws pi get-performance-analysis-report \
--service-type RDS \
--identifier db-loadtest-0 \
--analysis-report-id report-0d99cc91c4422ee61 \
--region us-west-2
```
응답은 보고서 상태, ID, 시간 세부 정보, 인사이트를 제공합니다.
```
{
"AnalysisReport": {
"Status": "Succeeded",
"ServiceType": "RDS",
"Identifier": "db-loadtest-0",
"StartTime": 1680583486.584,
"AnalysisReportId": "report-0d99cc91c4422ee61",
"EndTime": 1680587086.584,
"CreateTime": 1680587087.139,
"Insights": [
... (Condensed for space)
]
}
}
```
## DB 인스턴스에 대한 모든 성능 분석 보고서 나열
다음 예시에서는 `db-loadtest-0` 데이터베이스에 대해 사용 가능한 모든 성능 분석 보고서를 나열합니다.
```
aws pi list-performance-analysis-reports \
--service-type RDS \
--identifier db-loadtest-0 \
--region us-west-2
```
응답에는 보고서 ID, 상태 및 기간 세부 정보와 함께 모든 보고서가 나열됩니다.
```
{
"AnalysisReports": [
{
"Status": "Succeeded",
"EndTime": 1680587086.584,
"CreationTime": 1680587087.139,
"StartTime": 1680583486.584,
"AnalysisReportId": "report-0d99cc91c4422ee61"
},
{
"Status": "Succeeded",
"EndTime": 1681491137.914,
"CreationTime": 1681491145.973,
"StartTime": 1681487537.914,
"AnalysisReportId": "report-002633115cc002233"
},
{
"Status": "Succeeded",
"EndTime": 1681493499.849,
"CreationTime": 1681493507.762,
"StartTime": 1681489899.849,
"AnalysisReportId": "report-043b1e006b47246f9"
},
{
"Status": "InProgress",
"EndTime": 1682979503.0,
"CreationTime": 1682979618.994,
"StartTime": 1682969503.0,
"AnalysisReportId": "report-01ad15f9b88bcbd56"
}
]
}
```
## 성능 분석 보고서 삭제
다음 예시에서는 `db-loadtest-0` 데이터베이스에 대한 분석 보고서를 삭제합니다.
```
aws pi delete-performance-analysis-report \
--service-type RDS \
--identifier db-loadtest-0 \
--analysis-report-id report-0d99cc91c4422ee61 \
--region us-west-2
```
## 성능 분석 보고서에 태그 추가
다음 예시에서는 `report-01ad15f9b88bcbd56` 보고서에 키 `name` 및 값 `test-tag`로 태그를 추가합니다.
```
aws pi tag-resource \
--service-type RDS \
--resource-arn arn:aws:pi:us-west-2:356798100956:perf-reports/RDS/db-loadtest-0/report-01ad15f9b88bcbd56 \
--tags Key=name,Value=test-tag \
--region us-west-2
```
## 성능 분석 보고서에 대한 모든 태그 나열
다음 예시에서는 `report-01ad15f9b88bcbd56` 보고서에 대한 태그를 모두 나열합니다.
```
aws pi list-tags-for-resource \
--service-type RDS \
--resource-arn arn:aws:pi:us-west-2:356798100956:perf-reports/RDS/db-loadtest-0/report-01ad15f9b88bcbd56 \
--region us-west-2
```
응답에는 보고서에 추가된 모든 태그의 값과 키가 나열됩니다.
```
{
"Tags": [
{
"Value": "test-tag",
"Key": "name"
}
]
}
```
## 성능 분석 보고서에서 태그 삭제
다음 예시에서는 `report-01ad15f9b88bcbd56` 보고서에서 `name` 태그를 삭제합니다.
```
aws pi untag-resource \
--service-type RDS \
--resource-arn arn:aws:pi:us-west-2:356798100956:perf-reports/RDS/db-loadtest-0/report-01ad15f9b88bcbd56 \
--tag-keys name \
--region us-west-2
```
태그가 삭제된 후 `list-tags-for-resource` API를 호출하면 이 태그를 나열하지 않습니다.