16. 复杂条件(混合:子查询,LIKE,>,=,BETWEEN..AND..)
即使非常复杂的条件,In-Memory Column Store查询仍然运行较快,测试发现,对于large scan
操作,它是最高效的方式。
17. 总结
虽然都是在内存中操作,但是In-Memory Column Store中的查询还是比在buffer cache中
操作来的高效。这些性能提升可能是因为我们只需要扫描我们需要的字段,并充分利用
SIMD vector processing的优势,而不需要像buffer cache中查询,需要扫描整个行数据。
当然,我们还从new in-memory storage indexes中获取到一些帮助,它允许我们不扫描
我们不需要的数据,要知道,In-Memory Column Store中,每个column都有storage index,
且都是自动维护的。
SIMD vector processing ??
我们还可以通过几个视图v$mystat m, v$statname查询监控in-memory workload。
'IMC Total Columns for Decompression'
'IMC Columns Decompressed'
'IMC Preds all rows pass minmax'
'IMC Preds some rows pass minmax'
'IMC Preds no rows pass minmax'
Lesson 3: In-Memory Joins and Aggregation
18. 多个表的join
...待续
来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/35489/viewspace-1081474/,如需转载,请注明出处,否则将追究法律责任。
转载于:http://blog.itpub.net/35489/viewspace-1081474/