oracle中SQL全表扫描过程分析

86次阅读

共计 12011 个字符，预计需要花费 31 分钟才能阅读完成。

本篇内容主要讲解“oracle 中 SQL 全表扫描过程分析”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让丸趣 TV 小编来带大家学习“oracle 中 SQL 全表扫描过程分析”吧!

以下 SQL 走了全表扫描，效率下降，而 SQL 中谓词字段选择性非常低，通过直方图，并从 btree 转 bitmap 后性能提供，于是对此过程进行分析。

Select Count(*) From pmc.DesignXXXXX t Where 1=1 and OrganId= C00000220 And CategoryCode=2 and IsEnable=1 and isdelete=0 or (PublicStatus=1 and isdelete=0 );
 COUNT(*)
----------
 1845

较差的执行计划：通过扫描表方式，逻辑读需要 844525：

=====================================================

Execution Plan
----------------------------------------------------------
Plan hash value: 527126818
-----------------------------------------------------------------------------------
| Id | Operation  | Name  | Rows | Bytes | Cost (%CPU)| Time |
-----------------------------------------------------------------------------------
| 0 | SELECT STATEMENT |  | 1| 19 | 229K (1)| 00:45:58 |
| 1 | SORT AGGREGATE |  | 1| 19 |  |   |
|* 2 | TABLE ACCESS FULL| DESIGNXXXXX | 4744K| 85M| 229K (1)| 00:45:58 |
-----------------------------------------------------------------------------------
Predicate Information (identified by operation id):
---------------------------------------------------
 2 - filter( ISDELETE =0 AND ( PUBLICSTATUS =1 OR  ORGANID = C00000220 
  AND  CATEGORYCODE =2 AND  ISENABLE =1))
Statistics
----------------------------------------------------------
   1 recursive calls
   0 db block gets
 844525 consistent gets
 842418 physical reads
   0 redo size
  527 bytes sent via SQL*Net to client
  520 bytes received via SQL*Net from client
   2 SQL*Net roundtrips to/from client
   0 sorts (memory)
   0 sorts (disk)
  1 rows processed

该 SQL 是如何选择的执行计划 (通过 10053 进行追踪)：

oracle 进行了次以下几种方式的 cost 比较：

1. 评估通过全表扫描需要的 cost 是 229760.92.

 Access Path: TableScan
 Cost: 229760.92 Resp: 229760.92 Degree: 0
 Cost_io: 229075.00 Cost_cpu: 25302994949
 Resp_io: 229075.00 Resp_cpu: 25302994949

2. 评估通过位图索引的方式 cost 是 741028, 这里是已经同时用 bitmap 方式将 or 两边进行联结的消耗。

****** trying bitmap/domain indexes ******

….

Bitmap nodes:

Used IND_DESIGNXXXXX_ISENABLE_ORG

Cost = 35.099036, sel = 0.000494

Used IND_DESIGNXXXXX_CATEGORYCODE

Cost = 1281.621955, sel = 0.034894

Bitmap nodes:

Used IND_PUBLICSTATUS

Cost = 17275.447942, sel = 0.471383

Used bitmap node

Bitmap nodes:

Used bitmap node

Access path: Bitmap index – accepted

Cost: 741028.481879 Cost_io: 740534.527080 Cost_cpu: 18221443693.247154 Sel: 0.471392

因为该语句中存在 or，即分别计算 or 左右的访问路径消耗，再来进行组合。

3.or 右边通过 IND_PUBLICSTATUS 索引范围扫描 cost 是 429957

Access Path: index (AllEqRange)

Index: IND_PUBLICSTATUS

resc_io: 429587.00 resc_cpu: 13681713060

ix_sel: 0.477347 ix_sel_with_filters: 0.477347

Cost: 429957.89 Resp: 429957.89 Degree: 1

4.or 左边分别计算使用以下索引的的消耗

1)DESIGNXXXXX_TIME_ORGANID 的消耗是 88778。

Access Path: index (SkipScan)

Index: DESIGNXXXXX_TIME_ORGANID

resc_io: 88761.00 resc_cpu: 643271006

ix_sel: 0.000509 ix_sel_with_filters: 0.000509

Cost: 88778.44 Resp: 88778.44 Degree: 1

2)IND_DESIGNXXXXX_CATEGORYCODE 的消耗是 32961.

Access Path: index (AllEqRange)

Index: IND_DESIGNXXXXX_CATEGORYCODE

resc_io: 32934.00 resc_cpu: 1020893102

ix_sel: 0.036885 ix_sel_with_filters: 0.036885

Cost: 32961.67 Resp: 32961.67 Degree: 1

ColGroup Usage:: PredCnt: 2 Matches Full: #2 Partial: Sel: 0.0005

3)IND_DESIGNXXXXX_CATEGORYCODE 的消耗是 32961.

Access Path: index (AllEqRange)

Index: IND_DESIGNXXXXX_ISENABLE_ORG

resc_io: 6499.00 resc_cpu: 57845156

ix_sel: 0.000494 ix_sel_with_filters: 0.000494

Cost: 6500.57 Resp: 6500.57 Degree: 1

4) 单独 IND_DESIGNXXXXX_ISENABLE_ORG 和 IND_DESIGNXXXXX_CATEGORYCODE 转 bitmap 的消耗是 1406。

Bitmap nodes:

Used IND_DESIGNXXXXX_ISENABLE_ORG

Cost = 35.099036, sel = 0.000494

Used IND_DESIGNXXXXX_CATEGORYCODE

Cost = 1281.621955, sel = 0.034894

Access path: Bitmap index – accepted

Cost: 1406.374238 Cost_io: 1399.626467 Cost_cpu: 248917754.369408 Sel: 0.000017

这里需要注意的是将 or 左右两边分别拿出来计算，最终合并需要统计计算两边的消耗，因此以上的所有消耗评估是：

全表扫描 (Cost: 229760.92) IND_PUBLICSTATUS 索引（Cost: 429957.89）+ 任意左边任意一种访问路径方式两边直接转位图联结的方式（Cost: 741028）

于是自然而然选择了全表扫描：

Final cost for query block SEL$1 (#0) – All Rows Plan:

Best join order: 1

Cost: 229760.9246 Degree: 1 Card: 1845.0000 Bytes: 35055

Resc: 229760.9246 Resc_io: 229075.0000 Resc_cpu: 25302994949

Resp: 229760.9246 Resp_io: 229075.0000 Resc_cpu: 25302994949

我们要知道以上都只是 oracle CBO 评估的结果，而在日常应用中 CBO 如果获取的表信息不够准确便为导致评估结果不一定是正确，而我们有时无法控制的是 SQL 每次硬解析时获取信息是否足够准确，这也是因此偶尔会出现执行计划突变的状况。

以上 SQL 通过收集直方图后便可暂时得到解决。

这是收集直方图后，较优的执行计划：分别通过 btree 索引转成 BITMAP 索引方式，逻辑读需要 2196

================================================================

Execution Plan
----------------------------------------------------------
Plan hash value: 4067119963
--------------------------------------------------------------------------------------------------------------------
| Id | Operation  | Name  | Rows | Bytes | Cost (%CPU)| Time  |
--------------------------------------------------------------------------------------------------------------------
| 0 | SELECT STATEMENT  |  |  1 | 19 | 647 (1)| 00:00:08 |
| 1 | SORT AGGREGATE   |  |  1 | 19 | |  |
|* 2 | TABLE ACCESS BY INDEX ROWID  | DESIGNXXXXX  | 1901 | 36119 | 647 (1)| 00:00:08 |
| 3 | BITMAP CONVERSION TO ROWIDS  |  |  |  | |  |
| 4 | BITMAP OR  |  |  |  | |  |
| 5 | BITMAP CONVERSION FROM ROWIDS |  |  |  | |  |
|* 6 | INDEX RANGE SCAN  | IND_PUBLICSTATUS  |  |  |  6 (0)| 00:00:01 |
| 7 | BITMAP AND   |  |  |  | |  |
| 8 | BITMAP CONVERSION FROM ROWIDS|  |  |  | |  |
|* 9 | INDEX RANGE SCAN   | IND_DESIGNXXXXx_ISENABLE_ORG |  |  |  3 (0)| 00:00:01 |
| 10 | BITMAP CONVERSION FROM ROWIDS|  |  |  | |  |
|* 11 | INDEX RANGE SCAN   | IND_DESIGNXXXXXX_CATEGORYCODE |  |  | 102 (0)| 00:00:02 |
--------------------------------------------------------------------------------------------------------------------
Predicate Information (identified by operation id):
---------------------------------------------------
 2 - filter(ISDELETE =0)
 6 - access(PUBLICSTATUS =1)
 9 - access(ISENABLE =1 AND  ORGANID = C00000220)
 11 - access(CATEGORYCODE =2)
Statistics
----------------------------------------------------------
  1 recursive calls
  0 db block gets
 2196 consistent gets
  0 physical reads
  0 redo size
 527 bytes sent via SQL*Net to client
 520 bytes received via SQL*Net from client
  2 SQL*Net roundtrips to/from client
  0 sorts (memory)
  0 sorts (disk)
  1 rows processed

以上 BITMAP CONVERSION 的顺序过程：

步骤 1.sql 通过 IND_PUBLICSTATUS 索引到表中获取符合条件的行，然后从获取的行中的 rowid 转换成 bitmap，这一步是 BITMAP CONVERSION FROM ROWIDS。

步骤 2.sql 通过 IND_DESIGNXXXXX_CATEGORYCODE 索引到表中获取符合条件的行，然后同样从获取的行中的 rowid 转换成 bitmap，这一步是 BITMAP CONVERSION FROM ROWIDS。

步骤 3.sql 通过 IND_DESIGNXXXXX_ISENABLE_ORG 索引到表中获取符合条件的行，然后同样从获取的行中的 rowid 转换成 bitmap，这一步是 BITMAP CONVERSION FROM ROWIDS。

步骤 4.sql 将步骤 2 和步骤 3 所得 bitmap 数据通过 BITMAP AND 方式取交集。

步骤 5.sql 将步骤 1 所得 bitmaps 数据与步骤 4 通过 BITMAP OR 方式取并集。

步骤 6.sql 将步骤 5 最终获取的并集 bitmap 数据转换成 ROWIDS，这一步是 BITMAP CONVERSION TO ROWIDS。

步骤 7.sql 将步骤 6 获取的 rowid 通过回表方式到表中获取所需要的字段数据，这一步是 ABLE ACCESS BY INDEX ROWID。

为什么会这样:

当对表中的唯一度不高的列建立了 index，oracle 就有可能选择转为 bitmap 来执行。查看 sql 中 where 条件后字段都是选择性非常的低。

相应字段选择性：

COLUMN_NAME NUM_ROWS CARDINALITY SELECTIVITY
------------------------------ ---------- ----------- -----------
ORGANID 21095783 2070 .01
CATEGORYCODE 21095783 29 0
ISENABLE 21095783 2 0
ISDELETE 21095783 2 0
PUBLISHSTATE 21095783 1 0
对应索引：INDEX_NAME INDEX_COL INDEX_TYPE 
-------------------------------- ---------------------- ----------------------
PMC.IND_DESIGNXXXXX_CATEGORYCODE CATEGORYCODE NORMAL-NONUNIQUE 
PMC.IND_DESIGNXXXXX_ISENABLE_ORG ISENABLE,ORGANID NORMAL-NONUNIQUE 
PMC.IND_PUBLICSTATUS PUBLICSTATUS NORMAL-NONUNIQUE

同样使用 10053 追踪增加直方图后 SQL 执行，此时 CBO 为什么可以选择到转位图的执行计划，发现增加直方图之后评估消耗只需要 647，而在此之前所需消耗要高达 741028。

增加直方图后的评估：

Access path: Bitmap index – accepted

Cost: 647.047103 Cost_io: 646.348285 Cost_cpu: 25778603.541021 Sel: 0.000103

对比未增加直方图之前的评估：

Access path: Bitmap index – accepted

Cost: 741028.481879 Cost_io: 740534.527080 Cost_cpu: 18221443693.247154 Sel: 0.471392

为什么收集直方图后评估的消耗可以这么低？

在 oracle CBO 计算 cost 主要是 IO 成本 +CPU 成本，在计算成本之前,CBO 会收集以下统计信息:

列中不同值的数量也就是 NDV

列中的最小值 / 最大值

列中 null 值的数量

数据分布

直方图信息（前提是收集直方图）

对比收集直方图前后的字段信息：

收集直方图之前的字段信息：

Column (#4): ORGANID(

AvgLen: 10 NDV: 2023 Nulls: 4717 Density: 0.000494

Column (#29): CATEGORYCODE(

AvgLen: 2 NDV: 27 Nulls: 1164044 Density: 0.037037 Min: 0 Max: 66

Column (#38): ISENABLE(

AvgLen: 2 NDV: 2 Nulls: 1151627 Density: 0.500000 Min: 0 Max: 1

Column (#14): ISDELETE(

AvgLen: 3 NDV: 2 Nulls: 0 Density: 0.500000 Min: 0 Max: 1

Column (#32): PUBLICSTATUS(

AvgLen: 2 NDV: 2 Nulls: 1151554 Density: 0.500000 Min: 0 Max: 1

收集直方图之后的字段信息：

Single Table Cardinality Estimation for DESIGNXXXXX[T]

Column (#14):

NewDensity:0.041803, OldDensity:0.000000 BktCnt:6033548, PopBktCnt:6033548, PopValCnt:2, NDV:2

Column (#14): ISDELETE(

AvgLen: 3 NDV: 2 Nulls: 0 Density: 0.041803 Min: 0 Max: 1

Histogram: Freq #Bkts: 2 UncompBkts: 6033548 EndPtVals: 2

Column (#4):

NewDensity:0.000185, OldDensity:0.001779 BktCnt:254, PopBktCnt:160, PopValCnt:25, NDV:2027

Column (#4): ORGANID(

AvgLen: 10 NDV: 2027 Nulls: 4830 Density: 0.000185

Histogram: HtBal #Bkts: 254 UncompBkts: 254 EndPtVals: 120

Column (#29):

NewDensity:0.000000, OldDensity:0.000000 BktCnt:5680066, PopBktCnt:5680055, PopValCnt:16, NDV:27

Column (#29): CATEGORYCODE(

AvgLen: 2 NDV: 27 Nulls: 1162620 Density: 0.000000 Min: 0 Max: 66

Histogram: Freq #Bkts: 27 UncompBkts: 5680066 EndPtVals: 27

Column (#38):

NewDensity:0.000943, OldDensity:0.000000 BktCnt:5687407, PopBktCnt:5687407, PopValCnt:2, NDV:2

Column (#38): ISENABLE(

AvgLen: 2 NDV: 2 Nulls: 1150490 Density: 0.000943 Min: 0 Max: 1

Histogram: Freq #Bkts: 2 UncompBkts: 5687407 EndPtVals: 2

ColGroup (#2, Index) IND_DESIGNXXXXX_ISENABLE_ORG

Col#: 4 38 CorStregth: 2.00

ColGroup (#3, Index) IND_DESIGNXXXXX_AUTHOR_TIME

Col#: 6 7 CorStregth: -1.00

ColGroup (#1, Index) DESIGNXXXXX_TIME_ORGANID

Col#: 4 7 CorStregth: -1.00

ColGroup Usage:: PredCnt: 3 Matches Full: Partial:

Column (#32):

NewDensity:0.000055, OldDensity:0.000000 BktCnt:5688611, PopBktCnt:5688611, PopValCnt:2, NDV:2

Column (#32): PUBLICSTATUS(

AvgLen: 2 NDV: 2 Nulls: 1150387 Density: 0.000055 Min: 0 Max: 1

Histogram: Freq #Bkts: 2 UncompBkts: 5688611 EndPtVals: 2

在没有收集直方图之前，发现有部分字段的 Density 都是 0.5，这个值是从 1 /NDV(基数) 得到的，这是因为 CBO 有时无法正确的统计到表的数据分布，但当收集直方图后该值就改变了，因为在一个表中，不一定所有的数据都能分配平均，直方图的作用就是能找出这种不平均，

那 PUBLICSTATUS 字段来说，我们看到 NDV 是 2，即是说全表之后两个值，这两个值是 0 或 1，在没有收集直方图之前 CBO 可能会认为 0 和 1 的分布是各一半，此时他去评估访问该字段的路径可能是全表扫描比较好，

而实际上，表中 PUBLICSTATUS=1 的数据量非常少。

sys@LVDB SQL Select Count(*) From pmc.DesignXXXXX t where PublicStatus=1 and isdelete=0 ;

COUNT(*)

———-

1845

但直到 PUBLICSTATUS 的数据分布后，CBO 评估通过 IND_PUBLICSTATUS 索引访问 cost 只需要 6。这也是为什么收集直方图后能更加准确的评估访问表的消耗了。

Access Path: index (AllEqRange)

Index: IND_PUBLICSTATUS

resc_io: 6.00 resc_cpu: 457729

ix_sel: 0.000112 ix_sel_with_filters: 0.000112

Cost: 6.01 Resp: 6.01 Degree: 0

然后该种 0 或 1 的情况选择了转换成 bitmap 索引的模式。

其实如果不选择 btree 转换 bitmap 方式，直接使用 btree 索引回表效率也是没问题的，只是需要将 sql 中的 or 拆成 union 语句

Execution Plan
----------------------------------------------------------
Plan hash value: 3766559296
------------------------------------------------------------------------------------------------------------------
| Id | Operation  | Name   | Rows | Bytes | Cost (%CPU)| Time  |
------------------------------------------------------------------------------------------------------------------
| 0 | SELECT STATEMENT  |  | 1 | 13 | 105 (2)| 00:00:02 |
| 1 | SORT AGGREGATE   |  | 1 | 13 |  |   |
| 2 | VIEW  |  | 2 | 26 | 105 (2)| 00:00:02 |
| 3 | SORT UNIQUE  |  | 2 | 22 | 105 (2)| 00:00:02 |
| 4 | UNION-ALL  |  |  |  |  |   |
| 5 | SORT AGGREGATE  |  | 1 | 17 | 9 (12)| 00:00:01 |
|* 6 | TABLE ACCESS BY INDEX ROWID| DESIGXXXXXXX   | 1 | 17 | 8 (0)| 00:00:01 |
|* 7 | INDEX RANGE SCAN   | IND_DESIGNXXXXXX_ISENABLE_ORG | 6 |  | 3 (0)| 00:00:01 |
| 8 | SORT AGGREGATE  |  | 1 | 5 | 96 (2)| 00:00:02 |
|* 9 | TABLE ACCESS BY INDEX ROWID| DESIGNXXXXXXX   | 1874 | 9370 | 95 (0)| 00:00:02 |
|* 10 | INDEX RANGE SCAN   | IND_PUBLICSTATUS  | 2046 |  | 6 (0)| 00:00:01 |
------------------------------------------------------------------------------------------------------------------
Predicate Information (identified by operation id):
---------------------------------------------------
 6 - filter(CATEGORYCODE =2 AND  ISDELETE =0)
 7 - access(ISENABLE =1 AND  ORGANID = C00000281)
 9 - filter(ISDELETE =0)
 10 - access(PUBLICSTATUS =1)
Statistics
----------------------------------------------------------
  1 recursive calls
  0 db block gets
 2114 consistent gets
  0 physical reads
  0 redo size
 527 bytes sent via SQL*Net to client
 520 bytes received via SQL*Net from client
  2 SQL*Net roundtrips to/from client
  1 sorts (memory)
  0 sorts (disk)
  1 rows processed

对于开启直方图和 btree 转 Bitma 都各自存在某些 bug, 有时甚至可能引发异常的性能问题，这点是需要重点注意的。

到此，相信大家对“oracle 中 SQL 全表扫描过程分析”有了更深的了解，不妨来实际操作一番吧！这里是丸趣 TV 网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！

正文完