Oracle SQL调优记录

标签：简单   over   记录   好的   工具   窗口类型   数据   书籍   sha   

目录

• 一、前言
• 二、注意点
• 三、Oracle执行计划
• 四、调优记录

@

一、前言

本博客只记录工作中的一次oracle sql调优记录，因为数据量过多导致的查询缓慢，一方面是因为业务太过繁杂，关联了太多表。面对复杂的业务场景，确实有些情况是需要关联很多表的。当然有些情况是可以将业务实现放在Java代码里，有些情况可以不要关联很多表。

二、注意点

对于SQL调优，不要马上就说加索引什么的，加索引不一定就能解决问题的，加错索引，反而会导致查询变慢，注意加索引的同时也会影响数据库写数据的速度。

三、Oracle执行计划

对于SQL调优，可以通过Oracle的执行计划来分析。oracle的执行计划确实是对sql进行分析的一种很好的方法。

下面介绍一下oracle的执行计划。
oracle要使用执行计划的sql为：

explain plan for select 1 from 表格

不过如果是使用PLSQL的话，那就可以使用PLSQL提供的查询执行计划了，PLSQL安装有问题可以参数我以前写的博客：https://blog.csdn.net/u014427391/article/details/56479085
打开PLSQL
工具 -> 首选项 -> 窗口类型 -> 计划窗口 ，在这里加入执行计划需要的参数

找个SQL，用PLSQL执行一下，这是plsql的简单使用

解释一下这些参数的意思:
基数(Rows)：Oracle估计的当前步骤的返回结果集行数

字节(Bytes)：执行SQL对应步骤返回的字节数

耗费(COST)、CPU耗费：Oracle估计的该步骤的执行耗费和CPU耗费

时间(Time)：Oracle估计的执行sql对于步骤需要的时间

表访问的几种方法：
TABLE ACCESS FULL(全表扫描)
TABLE ACCESS BY ROWID(通过ROWID的表存取)
TABLE ACCESS BY INDEX SCAN(索引扫描)
...

oracle执行计划其实就是看一下那些表是按索引扫描的，通过加一些索引实现，TABLE ACCESS BY INDEX SCAN(索引扫描)。
下面给出一篇很详细介绍oracle执行计划的博客
https://www.cnblogs.com/Dreamer-1/p/6076440.html

四、调优记录

4.1 强制索引

在加一些索引的过程，有时候会遇到索引失效的情况，这时候可以加强制索引试试

强制索引
/*+ index(表名别名 索引名称)*/ 

假如select *from 表格 a，然后加了个索引i，那么就是

/*+ index(a i)*/

4.2 基数反馈机制

之前同事有遇到一种加了索引还是不起效的情况，后来听他说是是一种基数反馈机制导致的，解决方法是在sql加上，意思是关了基数反馈机制

基数反馈机制
/*+ opt_param(‘_optimizer_use_feedback‘,‘false‘)*/

比如

select /*+ opt_param(‘_optimizer_use_feedback‘,‘false‘)*/ a from 表格 

4.3 oracle开窗函数

用oracle开窗函数替换group by，oracle的group by有时候是很耗查询的，今天遇到一个sql查询很慢的问题，用oracle开窗函数进行替换group by提高速度。当然这些都是根据实践业务场景来调优的。我遇到的业务场景是适合的。因为关联的表数据量很大。
原来SQL，简单写一下，举个例子，实际的业务场景不是这么简单的sql

select max(to_number(aa.seq))
            from t_info aa
            where aa.id = ?
                    group by aa.seq

改造sql：

select seq from (select aa.seq,
                               row_number() over(partition by aa.seq order by aa.date desc nulls last)rn
                          from t_info aa
                       ) where rn=1 

然后推荐一本oracle调优书籍《收获，不止SQL优化》一书

Oracle SQL调优记录

标签：简单   over   记录   好的   工具   窗口类型   数据   书籍   sha   

原文地址：https://www.cnblogs.com/mzq123/p/10201044.html