oracle数据仓库查询优化技术

《oracle数据仓库查询优化技术》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、一、运行环境SQL>select*fromv$version;BANNER----------------------------------------------------------------OracleDatabase10gEnterpriseEditionRelease10.2.0.1.0-ProdPL/SQLRelease10.2.0.1.0-ProductionCORE   10.2.0.1.0     ProductionTNSfor32-bitWindows:Version10.2.0.1

2、.0-ProductionNLSRTLVersion10.2.0.1.0-ProductionSQL>showparameterqueryNAME                                TYPE       VALUE-----------------------------------------------------------------------------query_rewrite_enabled                     string     TRUEque

3、ry_rewrite_integrity                    string      TRUSTEDSQL>conn/assysdba已连接。SQL>createuserningidentifiedbyning;用户已创建。SQL>grantdbatoning;授权成功。SQL>connning/ning已连接。本文采用一个简单的星型模型的示例数据，只包含一个事实表fact_sales和一个时间维度表time_dim，具体的生成脚本请见附录。二、物化视图通常，在数据仓库中可以通过创建摘要信息(

4、summary)来提升性能。这里的摘要指的是预先对一些连接(join)和聚合(aggregation)进行计算并将结果保存下来，后续查询的时候可以直接利用保存的摘要信息来生成报表。在oracle中，可以利用物化视图(materializedview)来创建数据仓库中的摘要。结合oracle优化器的查询重写(queryrewrite)功能，可以在不改写应用的情况下，利用物化视图提升查询性能。显然，物化视图需要一种刷新机制来保证和基表的数据同步，Oracle提供了两种刷新方式：增量刷新（fastrefresh）和完

5、全刷新(completerefresh)。增量刷新方式需要满足一系列的条件（具体的限制条件请参考Metalink：DocID:Note:222843.1），简单起见，本文例子中的物化视图采用了完全刷新方式。假如我们要得到每月的销售总量统计，可以执行以下查询：SQL>setautottraceexpSQL>selectt.t_month,sum(f.amount1),sum(f.amount2) 2 fromtime_dimt,fact_salesf 3 wheret.time_id=f.time_id 4 gr

6、oupbyt.t_month;已选择33行。执行计划----------------------------------------------------------Planhashvalue:53462861----------------------------------------------------------------------------------

7、Id 

8、Operation          

9、Name      

10、Rows 

11、Bytes

12、Cost(%CPU)

13、Time    

14、--

15、--------------------------------------------------------------------------------

16、  0

17、SELECTSTATEMENT  

18、         

19、 1000

20、61000

21、     9 (23)

22、00:00:01

23、

24、  1

25、 HASHGROUPBY    

26、          

27、 1000

28、61000

29、    9 (23)

30、00:00:01

31、

32、* 2

33、  HASHJOIN         

34、          

35、 1000

36、61000

37、

38、    8 (13)

39、00:00:01

40、

41、  3

42、   TABLEACCESSFULL

43、TIME_DIM

44、1000

45、22000

46、   4  (0)

47、00:00:01

48、

49、  4

50、   TABLEACCESSFULL

51、FACT_SALES

52、1000

53、39000

54、  3  (0)

55、00:00:01

56、----------------------------------------------