
O TNSPING é um utilitário de linha de comando da Oracle utilizado para testar a comunicação entre um cliente Oracle e o Oracle Net Listener, componente responsável por receber e direcionar as solicitações de conexão aos serviços do banco de dados.
Embora tenha uma finalidade semelhante à do comando ping tradicional dos sistemas operacionais, o TNSPING atua na camada Oracle Net (SQL*Net), verificando a comunicação com o Listener, em vez de utilizar o protocolo ICMP.
Para que serve o TNSPING?
O utilitário é bastante útil em atividades de administração de bancos de dados (DBA), principalmente na análise de conectividade e diagnóstico de problemas de comunicação. Entre suas principais aplicações estão:
- Verificar a conectividade: verifica se o cliente consegue alcançar o endereço configurado para o Oracle Listener e estabelecer comunicação com ele.
- Validar o Listener: verifica se o Oracle Listener está ativo e respondendo às solicitações no servidor de destino.
- Testar a resolução de nomes: valida se o alias de conexão está sendo resolvido corretamente por meio do
tnsnames.ora, LDAP ou Easy Connect. - Observar o tempo de resposta: apresenta o tempo de resposta da comunicação entre o cliente e o Listener, permitindo observar possíveis variações de latência.
É importante destacar que o TNSPING não estabelece uma conexão com o banco de dados, nem valida se uma instância está aberta, se o serviço está disponível para autenticação ou se o usuário consegue acessar o banco. Ele verifica a comunicação com o Oracle Net Listener.
Da coleta técnica à apresentação visual com IA
Utilizo bastante esse utilitário para realizar testes de conectividade e validar a comunicação com diferentes ambientes Oracle.
Antigamente, meu processo era mais simples: executava o TNSPING, coletava os resultados e os anexava a um relatório ou chamado como evidência técnica para encaminhar aos envolvidos.
Hoje, com os recursos de Inteligência Artificial, consigo ir além. Além de realizar as coletas, posso transformar os resultados em gráficos e representações visuais que facilitam a interpretação das informações.
A ideia é transformar dados técnicos em evidências claras, objetivas e de fácil compreensão, inclusive para profissionais que não possuem conhecimento aprofundado sobre o funcionamento do Oracle Net.
Afinal, não basta coletar informações; também é importante saber apresentá-las de maneira eficiente.
O que veremos na prática?
Hoje vou demonstrar como realizar coletas utilizando o TNSPING e transformar os resultados em um gráfico simples e visual.
O objetivo é apresentar a variação dos tempos de resposta durante os testes, facilitando a análise da conectividade com o ambiente Oracle e a inclusão dessas evidências em relatórios técnicos e atendimentos.
Uma maneira simples de combinar administração de banco de dados, automação e Inteligência Artificial para melhorar a comunicação dos resultados técnicos.
1 – Coleta simples utilizando Windows:
tnsping "(DESCRIPTION=(ADDRESS_LIST=(ADDRESS=(PROTOCOL=TCP)(HOST=192.168.0.1)(PORT=1521)))(CONNECT_DATA=(SERVICE_NAME=dev)))" 5000 > tnsping_dsv.txt2 – Coleta simples utilizando Linux:
tnsping tnsping "(DESCRIPTION=(ADDRESS_LIST=(ADDRESS=(PROTOCOL=TCP)(HOST=192.168.0.1)(PORT=1521)))(CONNECT_DATA=(SERVICE_NAME=dev)))" 5000 2>&1 | tee tnsping_dsv.txt3 – Script em Python que utilizo para processar os resultados das coletas do TNSPING e gerar gráficos com informações organizadas e apresentação visual amigável, facilitando a análise dos tempos de resposta e a inclusão das evidências em relatórios técnicos.
import re
import matplotlib.pyplot as plt
# Caminho do seu arquivo
path = r'C:\temp\tnsping_dsv.txt'
def numero_por_extenso(n):
"""Converte números inteiros para extenso em português."""
try:
from num2words import num2words
return num2words(n, lang='pt_BR')
except ImportError:
unidades = ["zero", "um", "dois", "três", "quatro", "cinco", "seis", "sete", "oito", "nove",
"dez", "onze", "doze", "treze", "quatorze", "quinze", "dezesseis", "dezessete", "dezoito", "dezenove"]
dezenas = ["", "", "vinte", "trinta", "quarenta", "cinquenta", "sessenta", "setenta", "oitenta", "noventa"]
centenas = ["", "cento", "duzentos", "trezentos", "quatrocentos", "quinhentos", "seiscentos", "setecentos", "oitocentos", "novecentos"]
if n < 20:
return unidades[n]
elif n < 100:
d, u = divmod(n, 10)
return dezenas[d] + (" e " + unidades[u] if u else "")
elif n == 100:
return "cem"
elif n < 1000:
c, r = divmod(n, 100)
return centenas[c] + (" e " + numero_por_extenso(r) if r else "")
elif n < 1000000:
mil, r = divmod(n, 1000)
prefixo = "um mil" if mil == 1 else numero_por_extenso(mil) + " mil"
return prefixo + (" e " + numero_por_extenso(r) if r and r < 100 else (" " + numero_por_extenso(r) if r else ""))
elif n < 1000000000:
milhao, r = divmod(n, 1000000)
prefixo = "um milhão" if milhao == 1 else numero_por_extenso(milhao) + " milhões"
return prefixo + (" e " + numero_por_extenso(r) if r else "")
return str(n)
ok = 0
erros = 0
tempos_seg = []
# Regex para capturar o tempo do OK (ex: OK (10 msec) ou OK (10 ms))
padrao_tempo = re.compile(r"OK\s*\(\s*(\d+)\s*m?sec?\)", re.IGNORECASE)
with open(path, 'r', encoding='latin-1', errors='ignore') as f:
for line in f:
if 'OK' in line:
ok += 1
match = padrao_tempo.search(line)
if match:
# Converte os milissegundos capturados para segundos
ms = float(match.group(1))
tempos_seg.append(ms / 1000.0)
elif 'TNS-' in line:
erros += 1
total = ok + erros
if total == 0:
print("Nenhum dado encontrado. Verifique se o arquivo contém as saídas do tnsping.")
else:
extenso_total = numero_por_extenso(total).capitalize()
pct_ok = (ok / total) * 100
pct_erros = (erros / total) * 100
# Métricas de tempo em segundos
maior_tempo = max(tempos_seg) if tempos_seg else 0.0
menor_tempo = min(tempos_seg) if tempos_seg else 0.0
tempo_medio = sum(tempos_seg) / len(tempos_seg) if tempos_seg else 0.0
# Formatação com ponto de milhar
total_fmt = f"{total:,}".replace(",", ".")
ok_fmt = f"{ok:,}".replace(",", ".")
erros_fmt = f"{erros:,}".replace(",", ".")
texto_card = (
"===============================================================\n"
" MONITORAMENTO TNSPING - ORACLE \n"
"===============================================================\n\n"
f" • Total de Pings : {total_fmt} ({extenso_total})\n"
f" • Sucesso (OK) : {ok_fmt} ({pct_ok:.2f}%)\n"
f" • Erros (TNS) : {erros_fmt} ({pct_erros:.2f}%)\n\n"
"---------------------------------------------------------------\n\n"
f" • Maior Tempo : {maior_tempo:.4f} s\n"
f" • Menor Tempo : {menor_tempo:.4f} s\n"
f" • Tempo Médio : {tempo_medio:.4f} s\n\n"
"==============================================================="
)
print(texto_card)
# --- CONFIGURAÇÃO VISUAL DO DASHBOARD ---
fig, (ax_texto, ax_pie) = plt.subplots(1, 2, figsize=(15, 6), facecolor='#0f172a')
# --- LADO ESQUERDO: CARTÃO DE MÉTRICAS ---
ax_texto.set_facecolor('#0f172a')
ax_texto.axis("off")
ax_texto.text(
0.02,
0.5,
texto_card,
transform=ax_texto.transAxes,
fontsize=10,
fontfamily="DejaVu Sans Mono",
verticalalignment="center",
bbox={
"boxstyle": "round,pad=1.2",
"facecolor": "#1e293b",
"edgecolor": "#334155",
"linewidth": 1.5,
"alpha": 1.0,
},
color="#f8fafc",
)
# --- LADO DIREITO: GRÁFICO DONUT (ROSCA) ---
ax_pie.set_facecolor('#0f172a')
labels = ["Sucesso (OK)", "Erros (TNS)"]
valores = [ok, erros]
cores = ["#10b981", "#ef4444"]
labels_f, valores_f, cores_f = [], [], []
for l, v, c in zip(labels, valores, cores):
if v > 0:
labels_f.append(l)
valores_f.append(v)
cores_f.append(c)
wedges, texts, autotexts = ax_pie.pie(
valores_f,
labels=labels_f,
autopct="%1.1f%%",
startangle=140,
colors=cores_f,
pctdistance=0.75,
explode=[0.03] * len(valores_f),
textprops={"fontsize": 11, "color": "#f8fafc", "fontweight": "bold"},
)
centre_circle = plt.Circle((0, 0), 0.55, fc="#0f172a")
ax_pie.add_artist(centre_circle)
for autotext in autotexts:
autotext.set_color("#ffffff")
autotext.set_fontsize(11)
autotext.set_fontweight("bold")
ax_pie.set_title(
"Distribuição dos Pings",
fontsize=13,
fontweight="bold",
color="#f8fafc",
pad=20,
)
plt.tight_layout()
plt.show()4 – Resultado da execução do script Python após a análise dos dados coletados pelo TNSPING.

Com o auxílio do Python e da Inteligência Artificial, conseguimos transformar as coletas do TNSPING em gráficos e informações de fácil interpretação. Isso torna a análise mais objetiva, facilita a identificação de possíveis oscilações na conectividade e melhora a apresentação das evidências em relatórios técnicos.