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自适应查询计划(oracle查看自动任务)

mhr18 2024-09-13 20:36 42 浏览 0 评论

在Oracle数据库中,自适应查询优化使优化器可以对执行计划进行运行时调整,并发现可以带来更好统计信息的其他信息。当现有统计信息不足以生成最佳计划时,自适应优化会很有帮助。下图显示了自适应查询优化的功能集:

自适应查询计划:一种自适应的查询计划使优化,使执行过程中语句的计划作出决定。自适应查询计划使优化器可以在运行时修复某些类型的问题。默认情况下会启用自适应计划。

关于自适应查询计划

自适应查询计划包含多个预定子计划和一个优化器统计信息收集器。根据执行期间收集的统计信息,动态计划协调器会在运行时选择最佳计划。

  • 动态计划

要在运行时更改计划,自适应查询计划使用动态计划,它表示为一组子计划组。甲子规划组是一组子规划。甲子规划是一项计划,优化器可以切换到如在运行时可替换的部分。例如,嵌套循环联接可以在执行期间切换为哈希联接。优化器决定在运行时使用哪个子计划。当收到与子计划组相关的新统计值的通知时,协调器会将其分派给该子组的处理程序功能。

  • 优化器统计收集器

一个优化统计收集器是关键点,与基数和直方图收集运行时间统计插入一个有计划的行来源。这些统计信息可帮助优化程序在多个子计划之间做出最终决定。收集器还支持高达内部阈值的可选缓冲。对于并行缓冲统计信息收集器,每个并行执行服务器都会收集统计信息,并行查询协调器会汇总这些统计信息,然后将其发送给客户端。在这种情况下,客户是所收集统计信息(例如动态计划)的使用者。每个客户端都指定要在每个并行服务器或查询协调器上执行的回调函数。

自适应查询计划的目的

优化程序基于执行期间获得的统计信息来适应计划的能力可以极大地提高查询性能。自适应查询计划很有用,因为由于基数估计错误,优化器有时会选择次优的默认计划。优化程序根据实际执行统计信息在运行时选择最佳计划的能力可以使最终计划更为优化。选择最终计划后,优化器将其用于后续执行,从而确保不会重用次优计划。

自适应查询计划如何工作

对于第一次执行语句,优化器使用默认计划,然后存储自适应计划。除非满足特定条件,否则数据库将使用自适应计划进行后续执行。

在第一次执行语句期间,数据库将执行以下步骤:

  1. 数据库开始使用默认计划执行该语句。
  2. 统计信息收集器收集有关正在进行的执行的信息,并缓冲子计划接收的一些行。
  3. 对于并行缓冲统计信息收集器,每个从属进程都收集统计信息,查询协调器将这些统计信息汇总后再发送给客户端。
  4. 根据收集器收集的统计信息,优化器选择一个子计划。
  5. 动态计划协调器决定在运行时为所有此类子计划组使用哪个子计划。当收到与子计划组相关的新统计值的通知时,协调器会将其分派给该子组的处理程序功能。
  6. 收集器停止收集统计信息并缓冲行,从而允许行通过。
  7. 数据库将自适应计划存储在子游标中,以便语句的下一次执行可以使用它。

后续执行子游标时,除非满足以下条件之一,否则优化器将继续使用相同的自适应计划,在这种情况下,它将为当前执行选择一个新计划:

  • 当前计划已超出共享池的期限。
  • 不同的优化器功能(例如,自适应游标共享或统计信息反馈)会使当前计划无效。

自适应查询计划:联接方法示例

此示例说明了优化器如何根据运行时收集的信息来选择其他计划。以下查询显示order_items和prod_info表的联接。

SELECT product_name  
FROM   order_items o, prod_info p  
WHERE  o.unit_price = 15 
AND    quantity > 1  
AND    p.product_id = o.product_id

此语句的自适应查询计划显示了两种可能的计划,一种具有嵌套循环联接,另一种具有哈希联接:

SELECT * FROM TABLE(DBMS_XPLAN.display_cursor(FORMAT => 'ADAPTIVE'));

SQL_ID	7hj8dwwy6gm7p, child number 0
-------------------------------------
SELECT product_name FROM   order_items o, prod_info p WHERE
o.unit_price = 15 AND	 quantity > 1 AND    p.product_id = o.product_id

Plan hash value: 1553478007

-----------------------------------------------------------------------------
| Id | Operation                     | Name     |Rows|Bytes|Cost (%CPU)|Time|
-----------------------------------------------------------------------------
|   0| SELECT STATEMENT              |              | |     |7(100)|        |
| * 1|  HASH JOIN                    |              |4| 128 | 7 (0)|00:00:01|
|-  2|   NESTED LOOPS                |              |4| 128 | 7 (0)|00:00:01|
|-  3|    NESTED LOOPS               |              |4| 128 | 7 (0)|00:00:01|
|-  4|     STATISTICS COLLECTOR      |              | |     |      |        |
| * 5|      TABLE ACCESS FULL        | ORDER_ITEMS  |4|  48 | 3 (0)|00:00:01|
|-* 6|     INDEX UNIQUE SCAN         | PROD_INFO_PK |1|     | 0 (0)|        |
|-  7|    TABLE ACCESS BY INDEX ROWID| PROD_INFO    |1|  20 | 1 (0)|00:00:01|
|   8|   TABLE ACCESS FULL           | PROD_INFO    |1|  20 | 1 (0)|00:00:01|
-----------------------------------------------------------------------------

Predicate Information (identified by operation id):
---------------------------------------------------

   1 - access("P"."PRODUCT_ID"="O"."PRODUCT_ID")
   5 - filter(("O"."UNIT_PRICE"=15 AND "QUANTITY">1))
   6 - access("P"."PRODUCT_ID"="O"."PRODUCT_ID")

Note
-----
   - this is an adaptive plan (rows marked '-' are inactive)

如果数据库可以避免扫描很大一部分,则嵌套循环联接是更可取的,因为数据库prod_info的行由联接谓词过滤。但是,如果只过滤了很少的行,则最好在散列连接中扫描正确的表。下图显示了自适应过程。对于前面示例中的查询,默认计划的自适应部分包含两个子计划,每个子计划使用不同的联接方法。优化程序将根据连接左侧的基数自动确定每种连接方法何时最佳。统计信息收集器将缓冲来自order_items表的足够多的行,以确定要使用的联接方法。如果行数低于优化器确定的阈值,则优化器将选择嵌套循环联接;否则,将选择嵌套循环联接。否则,优化器选择哈希联接。在这种情况下,来自order_items表的行计数高于阈值,因此优化器为最终计划选择哈希联接,并禁用缓冲。

自适应查询计划:并行分配方法

通常,并行执行需要重新分配数据以执行诸如并行排序,聚合和联接之类的操作。Oracle数据库可以使用许多不同的数据分发方法。数据库根据操作中要分配的行数和并行服务器进程数选择方法。例如,考虑以下替代情况:

  • 许多并行服务器进程分配的行很少。
  • 数据库可以选择广播分发方法。在这种情况下,每个并行服务器进程都会接收结果集中的每一行。
  • 很少有并行服务器进程分布许多行。
  • 如果在数据重新分发期间遇到数据倾斜,则可能会对语句的性能产生不利影响。数据库更有可能选择散列分布,以确保每个并行服务器进程接收相等数量的行。

所述混合散列分配技术是不决定最终的数据分发方法,直到执行时间的自适应并行数据分配。优化器在操作的生产方将统计收集器插入并行服务器进程的前面。如果行数小于阈值(定义为并行度(DOP)的两倍),则数据分发方法从哈希切换为广播。否则,分发方法是哈希。

  • 广播分配

下图描述了departments和employees表之间的混合哈希联接,其中一个查询协调器指导8个并行服务器进程:P5-P8是生产者,而P1-P4是使用者。每个生产者都有自己的消费者。

数据库在每个扫描departments表的生产者进程的前面插入一个统计信息收集器。查询协调器汇总收集的统计信息。分发方法基于运行时统计信息。在图4-9中,行数低于阈值(8),该阈值是DOP(4)的两倍,因此优化器为departments表选择一种广播技术。

  • 混合哈希分配

考虑一个返回更多行的示例。在下面的计划中,阈值为8,是指定DOP 4的两倍。但是,由于统计信息收集器(步骤10)发现行数(27)大于阈值(8),因此优化程序选择了混合哈希分布而不是广播分布。(时间列应显示为00:00:01,但显示为0:01使计划适合该页面。)

自适应查询计划:位图索引修剪

自适应计划修剪索引不会显着减少匹配行的数量。当优化器生成星形转换计划时,它必须选择正确的位图索引组合,以尽可能有效地减少相关的rowid集。如果存在许多索引,则某些索引可能不会显着减少rowid集,但在查询执行过程中仍会带来可观的处理成本。自适应计划可以通过不使用降低性能的索引来解决此问题。在此示例中,您发出以下星形查询,该查询将cars事实表与多个维度表(包括示例输出)连接在一起:

SELECT /*+ star_transformation(r) */ l.color_name, k.make_name, 
       h.filter_col, count(*)
FROM   cars r, colors l, makes k, models d, hcc_tab h
WHERE  r.make_id = k.make_id
AND    r.color_id = l.color_id
AND    r.model_id = d.model_id
AND    r.high_card_col = h.high_card_col
AND    d.model_name = 'RAV4'
AND    k.make_name = 'Toyota'
AND    l.color_name = 'Burgundy'
AND    h.filter_col = 100
GROUP BY l.color_name, k.make_name, h.filter_col;


COLOR_NA MAKE_N FILTER_COL   COUNT(*)
-------- ------ ---------- ----------
Burgundy Toyota        100      15000

下面的示例执行计划显示该查询在步骤12和步骤17中没有为位图节点生成任何行。自适应优化器确定使用CAR_MODEL_IDX和CAR_MAKE_IDX索引过滤行效率低下。该查询未使用计划中以破折号(-)开头的步骤。

-----------------------------------------------------------
| Id  | Operation                         | Name           |
-----------------------------------------------------------
|   0 | SELECT STATEMENT                  |                |
|   1 |  SORT GROUP BY NOSORT             |                |
|   2 |   HASH JOIN                       |                |
|   3 |    VIEW                           | VW_ST_5497B905 |
|   4 |     NESTED LOOPS                  |                |
|   5 |      BITMAP CONVERSION TO ROWIDS  |                |
|   6 |       BITMAP AND                  |                |
|   7 |        BITMAP MERGE               |                |
|   8 |         BITMAP KEY ITERATION      |                |
|   9 |          TABLE ACCESS FULL        | COLORS         |
|  10 |          BITMAP INDEX RANGE SCAN  | CAR_COLOR_IDX  |
|- 11 |        STATISTICS COLLECTOR       |                |
|- 12 |         BITMAP MERGE              |                |
|- 13 |          BITMAP KEY ITERATION     |                |
|- 14 |           TABLE ACCESS FULL       | MODELS         |
|- 15 |           BITMAP INDEX RANGE SCAN | CAR_MODEL_IDX  |
|- 16 |        STATISTICS COLLECTOR       |                |
|- 17 |         BITMAP MERGE              |                |
|- 18 |          BITMAP KEY ITERATION     |                |
|- 19 |           TABLE ACCESS FULL       | MAKES          |
|- 20 |           BITMAP INDEX RANGE SCAN | CAR_MAKE_IDX   |
|  21 |      TABLE ACCESS BY USER ROWID   | CARS           |
|  22 |    MERGE JOIN CARTESIAN           |                |
|  23 |     MERGE JOIN CARTESIAN          |                |
|  24 |      MERGE JOIN CARTESIAN         |                |
|  25 |       TABLE ACCESS FULL           | MAKES          |
|  26 |       BUFFER SORT                 |                |
|  27 |        TABLE ACCESS FULL          | MODELS         |
|  28 |      BUFFER SORT                  |                |
|  29 |       TABLE ACCESS FULL           | COLORS         |
|  30 |     BUFFER SORT                   |                |
|  31 |      TABLE ACCESS FULL            | HCC_TAB        |
-----------------------------------------------------------

Note
-----
   - dynamic statistics used: dynamic sampling (level=2)
   - star transformation used for this statement
   - this is an adaptive plan (rows marked '-' are inactive)

启用自适应查询 参数

默认情况下会启用自适应查询计划。设置以下初始化参数后,将启用自适应计划:

  • OPTIMIZER_ADAPTIVE_PLANS 是TRUE(默认)
  • OPTIMIZER_FEATURES_ENABLE 是12.1.0.1或以后
  • OPTIMIZER_ADAPTIVE_REPORTING_ONLY 是FALSE(默认)

自适应计划控制以下优化:

  • 嵌套循环和哈希联接选择
  • 星型转换位图修剪
  • 自适应并行分配方法

相关推荐

Redis合集-使用benchmark性能测试

采用开源Redis的redis-benchmark工具进行压测,它是Redis官方的性能测试工具,可以有效地测试Redis服务的性能。本次测试使用Redis官方最新的代码进行编译,详情请参见Redis...

Java简历总被已读不回?面试挂到怀疑人生?这几点你可能真没做好

最近看了几十份简历,发现大部分人不是技术差,而是不会“卖自己”——一、简历死穴:你写的不是经验,是岗位说明书!反面教材:ד使用SpringBoot开发项目”ד负责用户模块功能实现”救命写法:...

redission YYDS(redission官网)

每天分享一个架构知识Redission是一个基于Redis的分布式Java锁框架,它提供了各种锁实现,包括可重入锁、公平锁、读写锁等。使用Redission可以方便地实现分布式锁。red...

从数据库行锁到分布式事务:电商库存防超卖的九重劫难与破局之道

2023年6月18日我们维护的电商平台在零点刚过3秒就遭遇了严重事故。监控大屏显示某爆款手机SKU_IPHONE13_PRO_MAX在库存仅剩500台时,订单系统却产生了1200笔有效订单。事故复盘发...

SpringBoot系列——实战11:接口幂等性的形而上思...

欢迎关注、点赞、收藏。幂等性不仅是一种技术需求,更是数字文明对确定性追求的体现。在充满不确定性的网络世界中,它为我们建立起可依赖的存在秩序,这或许正是技术哲学最深刻的价值所在。幂等性的本质困境在支付系...

如何优化系统架构设计缓解流量压力提升并发性能?Java实战分享

如何优化系统架构设计缓解流量压力提升并发性能?Java实战分享在高流量场景下。首先,我需要回忆一下常见的优化策略,比如负载均衡、缓存、数据库优化、微服务拆分这些。不过,可能还需要考虑用户的具体情况,比...

Java面试题: 项目开发中的有哪些成长?该如何回答

在Java面试中,当被问到“项目中的成长点”时,面试官不仅想了解你的技术能力,更希望看到你的问题解决能力、学习迭代意识以及对项目的深度思考。以下是回答的策略和示例,帮助你清晰、有说服力地展示成长点:一...

互联网大厂后端必看!Spring Boot 如何实现高并发抢券逻辑?

你有没有遇到过这样的情况?在电商大促时,系统上线了抢券活动,结果活动刚一开始,服务器就不堪重负,出现超卖、系统崩溃等问题。又或者用户疯狂点击抢券按钮,最后却被告知无券可抢,体验极差。作为互联网大厂的后...

每日一题 |10W QPS高并发限流方案设计(含真实代码)

面试场景还原面试官:“如果系统要承载10WQPS的高并发流量,你会如何设计限流方案?”你:“(稳住,我要从限流算法到分布式架构全盘分析)…”一、为什么需要限流?核心矛盾:系统资源(CPU/内存/数据...

Java面试题:服务雪崩如何解决?90%人栽了

服务雪崩是指微服务架构中,由于某个服务出现故障,导致故障在服务之间不断传递和扩散,最终造成整个系统崩溃的现象。以下是一些解决服务雪崩问题的常见方法:限流限制请求速率:通过限流算法(如令牌桶算法、漏桶算...

面试题官:高并发经验有吗,并发量多少,如何回复?

一、有实际高并发经验(建议结构)直接量化"在XX项目中,系统日活用户约XX万,核心接口峰值QPS达到XX,TPS处理能力为XX/秒。通过压力测试验证过XX并发线程下的稳定性。"技术方案...

瞬时流量高并发“保命指南”:这样做系统稳如泰山,老板跪求加薪

“系统崩了,用户骂了,年终奖飞了!”——这是多少程序员在瞬时大流量下的真实噩梦?双11秒杀、春运抢票、直播带货……每秒百万请求的冲击,你的代码扛得住吗?2025年了,为什么你的系统一遇高并发就“躺平”...

其实很多Java工程师不是能力不够,是没找到展示自己的正确姿势。

其实很多Java工程师不是能力不够,是没找到展示自己的正确姿势。比如上周有个小伙伴找我,五年经验但简历全是'参与系统设计''优化接口性能'这种空话。我就问他:你做的秒杀...

PHP技能评测(php等级考试)

公司出了一些自我评测的PHP题目,现将题目和答案记录于此,以方便记忆。1.魔术函数有哪些,分别在什么时候调用?__construct(),类的构造函数__destruct(),类的析构函数__cal...

你的简历在HR眼里是青铜还是王者?

你的简历在HR眼里是青铜还是王者?兄弟,简历投了100份没反应?面试总在第三轮被刷?别急着怀疑人生,你可能只是踩了这些"隐形求职雷"。帮3630+程序员改简历+面试指导和处理空窗期时间...

取消回复欢迎 发表评论: