预测模型是Oracle性能优化中最重要的领域。在使用预测模型时，Oracle DBA负责获取已有的统计数据，并预测Oracle数据库中各个领域未来的需求。本文作者在文中分析了系统数据文件I/O在时间和空间上的分布，并运用马尔科夫过程得出I/O趋势信息，然后将研究的信息进行延伸，进而预测出需要在何时作何类调整系统I/O才能维持正常的性能水平。 与此同时，Oracle DBA也能够对Oracle数据缓冲(KEEP池、DEFAULT池以及RECLYCLE池)进行详细的分析，并且精确的度量出一段时间内这些缓冲池的性能。基于已有的使用情况，Oracle DBA就能够精确地预测出为了保持系统当前的性能水平，需要在何时为这些数据缓冲增加RAM内存。 在使用预测模型的时候，性能采集系统中表的数据能够让Oracle DBA有机会根据以前使用的不同参数分割信息。在实际的工作中，Oracle应用通常遵循循环模式。预测过程中以决策树和神经网络为基础的分类模型和基于回归方程的模型使用率最高。但是它们并不能满足所有实际问题的需要。决策树通常用于预测数据对象的类标识，而回归问题经常解决线性问题。随着数据挖掘应用领域不断扩展，根据实际需要产生的、作为原有成熟模式和算法的补充，新的模式和算法不断涌现并被用于分析及解决问题。本文将所使用的预测模型，它以随机过程理论中N阶转移概率的概念为基础，并结合最小置信度及调整矩阵对模型进行约束，最终得到Oracle性能的预测结果。 本文以大连海事大学网络计费与监测系统(简称Gs)的运行性能为研究对象，应用预测模型，在Gs系统运行的性能数据分析基础上，对未来Gs系统的性能趋势进行预测。对历史性能数据进行预处理，提取出满足条件的记录组成数据挖掘数据库。根据建立预测模型的基本思路，从数据库中依次求出预测需要的各类数据，并以最小置信度作为约束条件对数据进行精简，最终得到转移概率矩阵。由于预测过程受各种客观因素影响，因此建立了调整矩阵，目的是将各类客观因素同时考虑，避兔预测的片面性。利用转移概率矩阵，最后得到未来GS性能的趋势。根据预测结果，Oracle DBA就可以在系统资源设置中科学安排 Oracle资源，尽可能满足 Gs系统稳定高效运行的需要。 Oracle性能分析与预测研究，对充分发挥现有资源和预测未来资源的需求都有科学的指导意义。