在创建Hash Cluster Table时,有两个参数很重要,它们是SIZE和HASHKEYS参数。SIZE参数指定用来保存相同键值记录的空间大小。HASHKEYS参数指定Hash键的个数。该值要求是一个质数,若用户指定的值不是质数,则数据库会取与用户指定值最接近的质数。
本文试图通过测试验证关于Hash Cluster Table的以下问题:
1. 在提高应用访问性能方面,Hash Cluster Table与索引的区别;
2. 不同SIZE和HASHKEYS参数值对Hash Cluster Table的存储和查询性能有何影响;
3. Hash Cluster Table的适用场景,使用上有什么限制。
测试如下:
表test_hash_cluster有100万条记录,占用空间为55M,其表结构如下:
- SQL> select count(*) from test_hash_cluster;
- COUNT(*)
- ----------
- 1000000
-
- SQL> select bytes/1024/1024 from user_segments where segment_name=\'TEST_HASH_CLUSTER\';
- BYTES/1024/1024
- ---------------
- 55
Name Null? Type
--------------------------- -------- ------------------
TABLE_NAME VARCHAR2(30)
NDA_ID NUMBER(38)
AGI_ID NUMBER(38)
CHUNK_DATE DATE
COMMIT_SCN NUMBER(22)
假设我们的应用对test_hash_cluster表的访问方式比较固定,具体查询语句如下:
- select * from test_hash_cluster where table_name=:B1 and NDA_ID=:B2 and AGI_ID=:B3 and CHUNK_DATE=:B4;
若要求以上查询有个快速响应结果,通常我们会怎么做呢?
一般来说,我们都会考虑在(TABLE_NAME,NDA_ID,AGI_ID,CHUNK_DATE)列上创建组合索引,或者我们将TEST_HASH_CLUSTER表创建为索引组织表(IOT).其实我们还可以考虑Hash Cluster Table.
首先,我们还是为TEST_HASH_CLUSTER表创建索引,以与后面的Hash Cluster Table作性能上的比较。
- create index ind_test_hash_cluster on test_hash_cluster (table_name, nda_id, agi_id, chunk_date);
-
- SQL> select bytes/1024/1024 from user_segments where segment_name=\'IND_TEST_HASH_CLUSTER\';
-
- BYTES/1024/1024
- ---------------
- 54
-
- exec DBMS_STATS.GATHER_TABLE_STATS(\'SCOTT\',\'TAB_HASH_CLUSTER\',estimate_percent=>100);
-
- SQL> select BLEVEL from user_indexes where index_name=\'IND_TEST_HASH_CLUSTER\';
-
- BLEVEL
- ----------
- 2
索引ind_test_hash_cluster占用54MB的空间,其BLEVEL值为2,当我们查询TEST_HASH_CLUSTER表中的一条记录时,理论上我们需要访问三个索引数据块(root block, branch block, leaf block)+一个表数据块,即在没有数据缓存的情况下,我们需要作4次Physical Reads.下面的结果验证了上面的猜测:
- select * from test_hash_cluster where table_name=\'NTS_OPEN_FUND_UNIT_TS\' and NDA_ID=1213871 and AGI_ID=2560 and CHUNK_DATE=to_date(\'20050101\',\'yyyymmdd\');
-
- -----------------------------------------------------------------------------------------------------
- | Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |
- -----------------------------------------------------------------------------------------------------
- | 0 | SELECT STATEMENT | | 1 | 45 | 4 (0)| 00:00:01 |
- | 1 | TABLE ACCESS BY INDEX ROWID| TEST_HASH_CLUSTER | 1 | 45 | 4 (0)| 00:00:01 |
- |* 2 | INDEX RANGE SCAN | IND_TEST_HASH_CLUSTER | 1 | | 3 (0)| 00:00:01 |
- -----------------------------------------------------------------------------------------------------
- Statistics
- ----------------------------------------------------------
- 0 recursive calls
- 0 db block gets
- 5 consistent gets
- 4 physical reads
- 0 redo size
- 857 bytes sent via SQL*Net to client
- 523 bytes received via SQL*Net from client
- 2 SQL*Net roundtrips to/from client
- 0 sorts (memory)
- 0 sorts (disk)
- 1 rows processed
接下来,我们看看Hash Cluster Table的表现:
- CREATE CLUSTER HASH_CLUSTER (
- TABLE_NAME VARCHAR2(30),
- NDA_ID NUMBER(38,0),
- AGI_ID NUMBER(38,0),
- CHUNK_DATE DATE )
- SIZE 128
- HASHKEYS 1000003
- STORAGE(INITIAL 1048576 NEXT 1048576);
-
- SQL> select bytes/1024/1024 from user_segments where segment_name=\'HASH_CLUSTER\';
-
- BYTES/1024/1024
- ---------------
- 128
-
- CREATE TABLE TAB_HASH_CLUSTER
- ( TABLE_NAME VARCHAR2(30),
- NDA_ID NUMBER(38,0),
- AGI_ID NUMBER(38,0),
- CHUNK_DATE DATE,
- COMMIT_SCN NUMBER(22,0)
- )
- CLUSTER HASH_CLUSTER (TABLE_NAME, NDA_ID, AGI_ID, CHUNK_DATE) ;
-
- SQL> insert into TAB_HASH_CLUSTER select * from TEST_HASH_CLUSTER;
-
- 1000000 rows created.
-
- SQL>commit;
-
- SQL> alter system flush buffer_cache;
-
- SQL> select * from TAB_HASH_CLUSTER where table_name=\'NTS_OPEN_FUND_UNIT_TS\' and NDA_ID=1213871 and AGI_ID=2560 and CHUNK_DATE=to_date(\'20050101\',\'yyyymmdd\');
- ----------------------------------------------------------------------------
- | Id | Operation | Name | Rows | Bytes | Cost (%CPU)|
- ----------------------------------------------------------------------------
- | 0 | SELECT STATEMENT | | 1 | 65 | 0 (0)|
- |* 1 | TABLE ACCESS HASH| TAB_HASH_CLUSTER | 1 | 65 | |
- ----------------------------------------------------------------------------
- Statistics
- ----------------------------------------------------------
- 0 recursive calls
- 0 db block gets
- 2 consistent gets
- 1 physical reads
- 0 redo size
- 853 bytes sent via SQL*Net to client
- 523 bytes received via SQL*Net from client
- 2 SQL*Net roundtrips to/from client
- 0 sorts (memory)
- 0 sorts (disk)
- 1 rows processed
从测试结果可以看到,同样的查询语句,当底层表是Hash Cluster Table时,我们只需要作一次Physical Reads,读取一个数据块即可得到需要的数据了。
这是如何实现的呢?
在TAB_HASH_CLUSTER表的底层,oracle根据每条记录的(TABLE_NAME,NDA_ID,AGI_ID,CHUNK_DATE)列作hash计算,得到了一个Hash Value,这些Hash Value会对应到该记录在Cluster中具体的块地址。当应用在查询数据时,如果查询的where条件中提供了具体的(TABLE_NAME,NDA_ID,AGI_ID,CHUNK_DATE)值,Oracle会为查询的条件用同样的Hash算法计算Hash Value,这样,查询时就可以根据该Hash Value直接找到具体的数据块了。
接下来,我们看看SIZE和HASHKEYS参数对Hash表的影响:
前面,我们在创建Cluster HASH_CLUSTER时指定的HASHKEYS值为1000003,表TAB_HASH_CLUSTER的记录数为1000000,HASHKEYS值大于数据记录数,也就是有足够的HASHKEYS来保证HASHKEYS与数据之间是一一对应的。
那么,如果我们指定一个相对较小的HASHKEYS值会怎么样呢?
- CREATE CLUSTER HASH_CLUSTER2 (
- TABLE_NAME VARCHAR2(30),
- NDA_ID NUMBER(38,0),
- AGI_ID NUMBER(38,0),
- CHUNK_DATE DATE )
- SIZE 128
- HASHKEYS 10007;
-
- CREATE TABLE TAB_HASH_CLUSTER2
- ( TABLE_NAME VARCHAR2(30),
- NDA_ID NUMBER(38,0),
- AGI_ID NUMBER(38,0),
- CHUNK_DATE DATE,
- COMMIT_SCN NUMBER(22,0)
- )
- CLUSTER HASH_CLUSTER2 (TABLE_NAME, NDA_ID, AGI_ID, CHUNK_DATE);
- alter system flush buffer_cache;
-
- SQL> select * from TAB_HASH_CLUSTER2 where table_name=\'NTS_OPEN_FUND_UNIT_TS\' and NDA_ID=1213871 and AGI_ID=2560 and CHUNK_DATE=to_date(\'20050101\',\'yyyymmdd\');
- ----------------------------------------------------------------------------
- | Id | Operation | Name | Rows | Bytes | Cost (%CPU)|
- ----------------------------------------------------------------------------
- | 0 | SELECT STATEMENT | | 1 | 65 | 0 (0)|
- |* 1 | TABLE ACCESS HASH| TAB_HASH_CLUSTER2 | 1 | 65 | |
- ----------------------------------------------------------------------------
- Statistics
- ----------------------------------------------------------
- 0 recursive calls
- 0 db block gets
- 64 consistent gets
- 63 physical reads
- 0 redo size
- 853 bytes sent via SQL*Net to client
- 523 bytes received via SQL*Net from client
- 2 SQL*Net roundtrips to/from client
- 0 sorts (memory)
- 0 sorts (disk)
- 1 rows processed
除了Hashkeys参数,影响Hash Cluster Table的另一个重要参数是Size. 拥有相同键值的记录保存在由Size参数指定的同一空间中,或者说同一数据块中。在上面的例子中,10,007个Hash Value对应1,000,000条记录,平均一个Hash Value对应大约100条记录,但从统计信息看来,只访问了63个数据块,而不是100左右,其中重要原因就是Size参数,这里我们设置的是128字节,该Size可能可以存储多于一条的记录,这样100条记录就不一定是在100个不同块中,所以实际访问的数据块只有63。按此逻辑,如果我们将Size参数设置得更大,就可以保证更多拥有相同Hash Value的记录在物理上聚集在一起存放,比如,这里测试将Size设置为1024 byte.
- CREATE CLUSTER HASH_CLUSTER3 (
- TABLE_NAME VARCHAR2(30),
- NDA_ID NUMBER(38,0),
- AGI_ID NUMBER(38,0),
- CHUNK_DATE DATE )
- SIZE 1024
- HASHKEYS 10007;
-
- CREATE TABLE TAB_HASH_CLUSTER3
- ( TABLE_NAME VARCHAR2(30),
- NDA_ID NUMBER(38,0),
- AGI_ID NUMBER(38,0),
- CHUNK_DATE DATE,
- COMMIT_SCN NUMBER(22,0)
- )
- CLUSTER HASH_CLUSTER3 (TABLE_NAME, NDA_ID, AGI_ID, CHUNK_DATE);
-
- select * from TAB_HASH_CLUSTER4 where table_name=\'NTS_OPEN_FUND_UNIT_TS\' and NDA_ID=1213871 and AGI_ID=2560 and CHUNK_DATE=to_date(\'20050101\',\'yyyymmdd\');
- ----------------------------------------------------------------------------
- | Id | Operation | Name | Rows | Bytes | Cost (%CPU)|
- ----------------------------------------------------------------------------
- | 0 | SELECT STATEMENT | | 1 | 65 | 0 (0)|
- |* 1 | TABLE ACCESS HASH| TAB_HASH_CLUSTER3 | 1 | 65 | |
- ----------------------------------------------------------------------------
-
- Statistics
- ----------------------------------------------------------
- 0 recursive calls
- 0 db block gets
- 7 consistent gets
- 6 physical reads
- 0 redo size
- 853 bytes sent via SQL*Net to client
- 523 bytes received via SQL*Net from client
- 2 SQL*Net roundtrips to/from client
- 0 sorts (memory)
- 0 sorts (disk)
- 1 rows processed
总结来说,当我们决定要用Hash Cluster Table来提高应用查询性能,那么选择合适的SIZE和HASHKEYS参数值就显得异常重要。设置合适SIZE和HASHKEYS参数的标准就是在读取数据时需要访问尽量少的数据块。一种方法就是设置HASHKEYS的值比数据记录数更大,或者当HASHKEYS小于总记录数时,保证Size指定的大小能存下所有拥有相同Hash Value的记录。否则,就会发生类似与“行链接”的想象,数据库需要用溢出块来存储多余的数据,并在原块中建立一个链接来指到新的溢出块上,进而影响访问性能。
最后,我们来看看Hash Cluster Table的适用场景及使用限制:
1. Hash Cluster Table适用于查询较频繁,而写操作相对较少的表,因为写数据时需要为每条记录计算Hash 值,并且需要在固定的块上作插入操作;
2. 由于Hash Cluster Table是基于Hash算法创建的,所以查询时必须是等值查询;否则,无从按查询条件计算Hash值;
3. 在我们决定使用Hash Cluster Table之前,我们需要能合理估计Hash Key的数量以及数据的空间大小,从而选择合适的SIZE和HASHKEYS参数,这对表的访问性能至关重要;
4. 与索引相比,Hash Cluster Table有其优势,如前面的测试所示,但也有其劣势,比如不够灵活。还以前面的例子来看,若我们建的是复合索引,则我们在查询时只要查询条件中指定了前面的一个或几个列,就能利用索引作快速查询。但若是Hash Cluster Table,则要求我们在查询条件中包含所有的Hash Key值。
--------转载自http://blog.itpub.net/27243841/viewspace-1104755/,感谢作者 !