百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术教程 > 正文

[oracle实验]混合使用不同提示的hint

mhr18 2024-10-11 12:57 22 浏览 0 评论

概述

最近比较忙,介绍一个之前做的简单点的实验,混合使用不同提示的hint,大家有空可以跟着做下。


基础环境准备

drop table t1;
create table t1 as select * from dba_objects;
insert into t1 select * from t1;
insert into t1 select * from t1;
commit;
select count(*) from t1; =>349300
create index idx_t1 on t1(object_id);
update t1 set object_id=1 where rownum<320000;
commit;

/手动修改了OBJECT_ID的值,将表中绝大多数记录的OBJECT_ID设置为1

select count(*) from t1 where object_id=1; =>319999

//收集表的统计信息,注意此时也收集了相关对象--索引的统计信息

exec dbms_stats.gather_table_stats(ownname=>'SCOTT',tabname=>'T1',estimate_percent=>100,method_opt=>'for columns size auto object_id',cascade=>true);

/*

查看当前索引的聚簇因子为5531,聚簇因子反映了索引字段的顺序和表中数据存储的有序关系。聚簇因子越小,说明索引字段顺序与表中数据存储顺序一致性越高;反之,则一致性越低,即越无序。

*/

select clustering_factor from dba_indexes where index_name='IDX_T1'; =》5531

//这里手动修改了聚簇因子为10000,手动修改统计信息,是一种常见优化手段,便于分析问题

exec dbms_stats.set_index_stats(ownname=>'SCOTT',indname=>'IDX_T1',clstfct=>10000,no_invalidate=>false);
select clustering_factor from dba_indexes where index_name='IDX_T1';

测试sql(默认情况)

默认情况采用索引扫描,因为上面修改了索引的聚簇因子,大大增加了索引扫描的成本,所以这里选择全表扫描

set autotrace traceonly;
select object_name,object_id from t1 where object_id=1;

测试sql(first_rows(10))

first_rows(10)作用是优先返回10条记录,在使用hint后,oracle认为此时扫描索引IDX_T1能够以最短响应时间返回where条件“object_id=1”的头10条记录,所以这里用了索引范围扫描。

select /*+ first_rows(10) */ object_name,object_id from t1 where object_id=1;


测试sql(first_rows(9))

first_rows(9)作用是优先返回9条记录,与上面变化是优化器对基数的估算不同,注意执行计划中的rows部分,从first_rows(10)的11变成了9。

select /*+ first_rows(9) */ object_name,object_id from t1 where object_id=1;

测试SQL(rule)

注意执行计划中的关键字“rule based...”,显示的具体执行步骤中并没有“cost”列,这说明RULE起作用了,现在是RBO。

select /*+ rule */ object_name,object_id from t1 where object_id=1;

测试SQL(rule+parallel)

输出中包含了“cost”列,表示SQL在解析时使用CBO,说明如果目标SQL使用了并行执行,其中的RULE HINT将会失效,此时Oracle自动启用CBO.

alter table t1 parallel;
select /*+ rule */ object_name,object_id from t1 where object_id=1;

后面小编会分享更多DBA方面的干货,感兴趣的朋友走一波关注哩~

相关推荐

订单超时自动取消业务的 N 种实现方案,从原理到落地全解析

在分布式系统架构中,订单超时自动取消机制是保障业务一致性的关键组件。某电商平台曾因超时处理机制缺陷导致日均3000+订单库存锁定异常,直接损失超50万元/天。本文将从技术原理、实现细节、...

使用Spring Boot 3开发时,如何选择合适的分布式技术?

作为互联网大厂的后端开发人员,当你满怀期待地用上SpringBoot3,准备在项目中大显身手时,却发现一个棘手的问题摆在面前:面对众多分布式技术,究竟该如何选择,才能让SpringBoot...

数据库内存爆满怎么办?99%的程序员都踩过这个坑!

你的数据库是不是又双叒叕内存爆满了?!服务器监控一片红色警告,老板在群里@所有人,运维同事的电话打爆了手机...这种场景是不是特别熟悉?别慌!作为一个在数据库优化这条路上摸爬滚打了10年的老司机,今天...

springboot利用Redisson 实现缓存与数据库双写不一致问题

使用了Redisson来操作Redis分布式锁,主要功能是从缓存和数据库中获取商品信息,以下是针对并发时更新缓存和数据库带来不一致问题的解决方案1.基于读写锁和删除缓存策略在并发更新场景下,...

外贸独立站数据库炸了?对象缓存让你起死回生

上周黑五,一个客户眼睁睁看着服务器CPU飙到100%——每次页面加载要查87次数据库。这让我想起2024年Pantheon的测试:Redis缓存能把WooCommerce查询速度提升20倍。跨境电商最...

手把手教你在 Spring Boot3 里纯编码实现自定义分布式锁

为什么要自己实现分布式锁?你是不是早就受够了引入各种第三方依赖时的繁琐?尤其是分布式锁这块,每次集成Redisson或者Zookeeper,都得额外维护一堆配置,有时候还会因为版本兼容问题头疼半...

如何设计一个支持百万级实时数据推送的WebSocket集群架构?

面试解答:要设计一个支持百万级实时数据推送的WebSocket集群架构,需从**连接管理、负载均衡、水平扩展、容灾恢复**四个维度切入:连接层设计-**长连接优化**:采用Netty或Und...

Redis数据结构总结——面试最常问到的知识点

Redis作为主流的nosql存储,面试时经常会问到。其主要场景是用作缓存,分布式锁,分布式session,消息队列,发布订阅等等。其存储结构主要有String,List,Set,Hash,Sort...

skynet服务的缺陷 lua死循环

服务端高级架构—云风的skynet这边有一个关于云风skynet的视频推荐给大家观看点击就可以观看了!skynet是一套多人在线游戏的轻量级服务端框架,使用C+Lua开发。skynet的显著优点是,...

七年Java开发的一路辛酸史:分享面试京东、阿里、美团后的心得

前言我觉得有一个能够找一份大厂的offer的想法,这是很正常的,这并不是我们的饭后谈资而是每个技术人的追求。像阿里、腾讯、美团、字节跳动、京东等等的技术氛围与技术规范度还是要明显优于一些创业型公司...

mysql mogodb es redis数据库之间的区别

1.MySQL应用场景概念:关系型数据库,基于关系模型,使用表和行存储数据。优点:支持ACID事务,数据具有很高的一致性和完整性。缺点:垂直扩展能力有限,需要分库分表等方式扩展。对于复杂的查询和大量的...

redis,memcached,nginx网络组件

1.理解阻塞io,非阻塞io,同步io,异步io的区别2.理解BIO和AIO的区别io多路复用只负责io检测,不负责io操作阻塞io中的write,能写多少是多少,只要写成功就返回,譬如准备写500字...

SpringBoot+Vue+Redis实现验证码功能

一个小时只允许发三次验证码。一次验证码有效期二分钟。SpringBoot整合Redis...

AWS MemoryDB 可观测最佳实践

AWSMemoryDB介绍AmazonMemoryDB是一种完全托管的、内存中数据存储服务,专为需要极低延迟和高吞吐量的应用程序而设计。它与Redis和Memcached相似,但具有更...

从0构建大型AI推荐系统:实时化引擎从工具到生态的演进

在AI浪潮席卷各行各业的今天,推荐系统正从幕后走向前台,成为用户体验的核心驱动力。本文将带你深入探索一个大型AI推荐系统从零起步的全过程,揭示实时化引擎如何从单一工具演进为复杂生态的关键路径。无论你是...

取消回复欢迎 发表评论: