Oracle 10g中的SQL优化亮点
Oracle 10g中的SQL优化亮点:
1、优化器默认为CBO,OPTIMIZER_MODE默认值为ALL_ROWS。不再使用古老的RBO模式,但RULE、CHOOSE并没有彻底消失,有些时候仍然可以作为我们调试的工具。
2、CPU Costing的计算方式现在默认为CPU+I/O两者之和.可通过DBMS_XPLAN.DISPLAY_CURSOR观察更为详细的执行计划。
3、增加了几个有用SQL Hints:
INDEX_SS[[@block] tabs [inds]],INDEX_SS_ASC,INDEX_SS_DESC;SS为SKIP SCAN的缩写。skip scan以前讨论的很多。
NO_USE_N[[@block] tabs],NO_USE_HAHS,NO_USE_MERGE,NO_INDEX_FFS,NO_INDEX_SS,NO_STAR_TRANSFORMATION,NO_QUERY_TRANSFORMATION.
这几个HINT不用解释,一看就知道目的是什么。
USE_NL_WITH_INDEX([@block] tabs [index]):这个提示和Nested Loops有关,通过提示我们可以指定Nested Loops循环中的内部表,也就是开始循环连接其他表的表。CBO是否会执行取决于指定表是否有索引键关联。
QB_NAME(@blockname) 这个提示可以给某个查询定义一个name,并且可以在其他hints中使用这个name,并且将这个hints作用到这个name对应的查询中.其实从10G开始,Oracle对一些特定的查询自动使用queryblockname
4、10G中支持在hint中使用queryblockname
select * from a1 where id in (select /*+ qb_name(sub1) */ id
from a1 where id in (2,10,12));
Execution Plan
----------------------------------------------------------
Plan hash value: 173249654
-----------------------------------------------------------------------------------------
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |
-----------------------------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 2 | 34 | 3 (34)| 00:00:01 |
| 1 | TABLE ACCESS BY INDEX ROWID| A1 | 1 | 14 | 1 (0)| 00:00:01 |
| 2 | NESTED LOOPS | | 2 | 34 | 3 (34)| 00:00:01 |
| 3 | SORT UNIQUE | | 2 | 6 | 1 (0)| 00:00:01 |
| 4 | INLIST ITERATOR | | | | | |
|* 5 | INDEX RANGE SCAN | IDX_A1_ID | 2 | 6 | 1 (0)| 00:00:01 |
|* 6 | INDEX RANGE SCAN | IDX_A1_ID | 1 | | 0 (0)| 00:00:01 |
-----------------------------------------------------------------------------------------
---------------
select * from a1 where id in (select /*+ qb_name(sub1) full(@sub1 a1) */ id
from a1 where id in (2,10,12));
Plan hash value: 1882950619
-----------------------------------------------------------------------------------------
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |
-----------------------------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 2 | 34 | 17 (6)| 00:00:01 |
| 1 | TABLE ACCESS BY INDEX ROWID| A1 | 1 | 14 | 1 (0)| 00:00:01 |
| 2 | NESTED LOOPS | | 2 | 34 | 17 (6)| 00:00:01 |
| 3 | SORT UNIQUE | | 2 | 6 | 15 (0)| 00:00:01 |
|* 4 | TABLE ACCESS FULL | A1 | 2 | 6 | 15 (0)| 00:00:01 |
|* 5 | INDEX RANGE SCAN | IDX_A1_ID | 1 | | 0 (0)| 00:00:01 |
-----------------------------------------------------------------------------------------
-----------
修改成错误的queryblockname
select * from a1 where id in (select /*+ qb_name(sub1) full(@sub2 a1) */ id from a1 where id in (2,10,12));
Execution Plan
----------------------------------------------------------
Plan hash value: 173249654
-----------------------------------------------------------------------------------------
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |
-----------------------------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 2 | 34 | 3 (34)| 00:00:01 |
| 1 | TABLE ACCESS BY INDEX ROWID| A1 | 1 | 14 | 1 (0)| 00:00:01 |
| 2 | NESTED LOOPS | | 2 | 34 | 3 (34)| 00:00:01 |
| 3 | SORT UNIQUE | | 2 | 6 | 1 (0)| 00:00:01 |
| 4 | INLIST ITERATOR | | | | | |
|* 5 | INDEX RANGE SCAN | IDX_A1_ID | 2 | 6 | 1 (0)| 00:00:01 |
|* 6 | INDEX RANGE SCAN | IDX_A1_ID | 1 | | 0 (0)| 00:00:01 |
-----------------------------------------------------------------------------------------
如果指定的queryblockname未定义,还是保持以前的执行计划,证明queryblockname起作用了.
5、新的hints.spread_no_analysis、spread_min_analysis 用于优化analyze查询.具体以后测试下
6、10GR2的一些变化.
增强了AWR的报告, 提供了专门的ash报告,可以通过新的ashrpt.sql($ORACLE_HOME/rdbms/admin下)脚本产生我们需要的ash报告;提供了类似于statspack获取AWR库中某个sql(通过脚本)的统计信息和执行信息
·streams_pool_size现在成为ASSM中的一员
·自动调节DB_FILE_MULTIBLOCK_READ_COUNT参数,Oracle会根据数据库的访问自动调节该参数
·增加了SQL的优化模式,提供了SQL Tuning Adsivor,SQL Profile等工具.可自动优化sql语句
·两个比较重要的视图:v$PROCESS_MEMORY,动态监控每个进程的pga使用,v$sqlstats某种情况下可以替换v$sql视图
本文是大家掌握好Oracle 10g知识的基础,相信通过上文中的介绍,大家现在对于Oracle 10g中的SQL优化亮点的问题也有了一定的了解,希望能够帮助到大家。
【编辑推荐】
相关文章
- ECharts, PHP, MySQL, Ajax, JQuery实现前后端数据可视化
- 大数据分析技术与实战之Spark Streaming
- 甲骨文把Berkeley DB的协议更换为AGPL
- 大数据分析:王者荣耀英雄背景下的分词报告
- 大数据计数原理1+0=1这你都不会算(五)
- MySQL技能提升篇 — sqlyog高级应用
- 程序员的野心:让GPU像CPU一样运行
- 什么是数据分析的漏斗模型?
- 分布式数据集SparkRDD的依赖与缓存
- RethinkDB 1.7 发布,分布式 JSON 数据库
- 大数据计数原理1+0=1这你都不会算(四)
- 如何基于Spark Streaming构建实时计算平台
- 戳中大数据多维分析痛点,链家多维分析引擎实践!
- 从源码角度看Spark on yarn client & cluster模式的本质区别
- 使用Python+OpenCV进行图像模板匹配(Match Template)
- 干货 | 98道常见Hadoop面试题及答案解析(一)
- 「全民k歌」有什么秘密?网站数据分析之数据获取
- 最常用的四种大数据分析方法
- Alan Cox:单向链表中prev指针的妙用
- 「网红店」前排大队,真的只是为了吃吗?