利用rowid快速在线更新海量数据-批量更新

 http://www.itpub.net/thread-1052077-1-1.html


最近一直在折腾大表的更新问题,今天终于有了突破。兴奋之余发个帖子跟大家分享一下心得,并且讨论一下是否还可能进一步提高处理速度。
问题是这样的:一张5亿条记录的表,没有分区。由于增加了一个冗余字段,需要根据另外一张表(4.8亿条)更新这个大表。下面是具体的描述:
环境:HP-UX 11i+Oracle9.2.0.8+RAID
要更新的表:T1 (id1 number, id2 number, curr_count number,.....)   --id1唯一  5亿条记录 >60GB
更新数据来源:T2 (id2 number, curr_count number)   --id2唯一  4.8亿
更新逻辑:T2中的每一条记录,都到T1中找到对应的记录(T2.id2=T1.id2),更新T1.curr_count=T2.curr_count
限制条件:只能在线更新(应用程序一直在访问这个表,所以不能用INSERT SELECT),不能占用太多系统资源,要求3天之内更新完毕。
原来的做法:
declare
  cursor cur_t2 is 
    select /*+ use_hash(T1,T2) parallel(T1,16) parallel_index(IX_T1_id2,16) */
       T2.id2, T2.curr_count, T1.rowid row_id
    from T1, T2
    where T1.id2=T2.id2;
  v_counter number;
begin
  v_counter := 0;
  for row_t2 in cur_t2 loop
    update T1 set curr_count=row_t2.curr_count
       where rowid=row_t2.row_id;
    v_counter := v_counter + 1;
    if (v_counter>=1000) then
      commit; 
      v_counter := 0;
    end if;
  end loop;
  commit;
end;
/
问题:更新太慢,260 rows/s,全部更新完毕需要22天!
经过调查发现是UPDATE语句执行的效率太低,进一步的跟踪发现,UPDATE至少90%的时间是在等待db file sequential read这个事件。按说都ROWID了,为什么还有这么多磁盘等待?再看disk reads,明白了,原来UPDATE语句产生了大量的物理读,当然慢了。想必T1表太大了,Data Buffer装不下,并且有其他的表跟它竞争,所以刚更新一条数据,从磁盘读取了一个数据块到内存,很快就被挤去出了,下次更新这个块上的其他数据时,还得再从磁盘读取。这样Data Buffer Cache的效率就很低,基本没有利用上。
怎么解决呢?最好是能按数据块的顺序更新,这样某个数据块里的第一行数据更新后,数据块内的其他行就不用再从磁盘里读取了(不太可能那么快就被挤出内存),物理读降低了,速度肯定能加快。可是怎样按数据块的顺序更新呢?我想到了ROWID的结构是data object number(6位字符串)+relative file number(3位字符串)+block number(6位字符串)+row number(3位字符串),那么ROWID的顺序应该就是数据块的顺序了。于是我修改了PLSQL:
alter table T1 storage(buffer_pool keep);    -- keep buffer pool size = 6GB
declare
  cursor cur_t2 is 
    select /*+ use_hash(T1,T2) parallel(T1,16) parallel_index(IX_T1_id2,16) */
       T2.id2, T2.curr_count, T1.rowid row_id
    from T1, T2
    where T1.id2=T2.id2
    order by T1.rowid;
  v_counter number;
begin
  v_counter := 0;
  for row_t2 in cur_t2 loop
    update T1 set curr_count=row_t2.curr_count
       where rowid=row_t2.row_id;
    v_counter := v_counter + 1;
    if (v_counter>=1000) then
      commit; 
      v_counter := 0;
    end if;
  end loop;
  commit;
end;
/
alter table T1 storage(buffer_pool default);

这回更新的速度大为加快:10000 rows/s。分析跟踪文件表明db file sequential reads和磁盘读取变的很少。按照这个速度20个小时之内就能全部更新完了。

心得:处理的数据量并没有减少,只是改变一下处理的顺序,也可以极大地提高性能。

====================================================================
*后记4:已上生产
*后记3:试验了KEEP的影响
(1)重新运行试验1(不order by rowid)
     开始的语句改成:alter table T1 storage(buffer_pool keep);
     处理速度:73~74行/秒
(2)重新运行试验2(order by rowid):
     开始的语句改成:alter table T1 storage(buffer_pool default);
     处理速度:1万条/秒
结论:从本次测试可以印证先前的推断——把表的buffer_pool属性设为keep与否,对处理速度的影响很小,以至于可以忽略。处理速度加快的原因,是因为order by rowid,按块顺序处理数据,很大程度上减少了物理读。

*后记2:关于order by rowid的资料:
  http://rdc.taobao.com/blog/dba/html/199_oracle_rowid_order.html
   这篇文章说order by rowid导致大量的查询物理读。其实在本文第二个测试中也是这样的——CURSOR的打开时间比不ORDER BY ROWID时间要长,因为多了SORT。可是这样是值得的,因为后续有大量的UPDATE,节省的物理读是很可观的。

*后记1:修改了几处错误:
  where T1.id1=T2.id2  => where T1.id2=T2.id2
   parallel_index(IX_T2_id2,16) => parallel_index(IX_T1_id2,16)

--------------------------------------------

按照ROWID的结构,ROWID的顺序即是数据块的顺序,而CURSOR返回的记录的顺序即是更新的顺序,所以更新就会按数据块的物理顺序依次处理,即更新完一个数据块里的所有行,再更新下一个数据块的数据。这样一来,对于每个数据块,就只有第一行会产生物理读,其他的行,因为数据块已经在内存里了,就只都是逻辑读了。

按数据块的顺序更新可能还有另外一个好处,就是磁盘的顺序读写成本更小,因为磁头减少了磁头的寻道动作。对于单个磁盘肯定是这样,但对于做了条带的RAID是不是也有这个好处,就不清楚了。但有一点是肯定的,就是好的存储设备会根据顺序访问的规律做预读,即监测到顺序访问时,会提前把后续的数据块读入存储的缓存。

CURSOR上的HINT只对CURSOR里的SELECT其作用。从SQL TRACE文件看到的大量的db filesequential read事件是UPDATE语句等待的,不是SELECT语句等待的。

 

为什么order byrowid 能起作用。想象一下一个极端情况,你的db_cache_size 很小,只够放一个table的block. 如果不用order by rowid, 那么,连续的每个更新的语句更新的row很有可能不在同一个block里。
如有这样的数据:
row1 :block 1
row2 :block 2
row3 :block 3
row4 :block 1
row5 :block 2
row6 :block 3
row7 :block 2
row8 :block 1

那么,逐条更新的话,每更新下一条都会导致前一个block被挤出去,相当于总共8个物理读。
而如果order by rowid
则会是这样子:
row1 :block 1
row2 :block 1
row3 :block 1
row4 :block 2
row5 :block 2
row6 :block 2
row7 :block 3
row8 :block 3
逐条更新的话,相当于3个物理读。

当然,实际情况可能更复杂,但是,总体来说,除非原始数据本来就按rowid/blockid排序,或者内存足够大,否则,order by rowid 并逐条更新的确会降低物理读(db file sequential read) .

其实可以自己构造一个测试来验证,紧记两点:
1。 内存尽量小
2。 原更新source的顺序尽量不合rowid排序

 

 

order by rowid后块中的数据都是连续更新的,而不是分散更新,当然比之前分散更新的要块。

比如你更新一个块上面的10和20这两条记录,如果没有 使用 rowid的话,那么这两条记录就不一定会排序在一起,因此,当你更新10记录后,假设块被换出了,而你更新20记录时又要把块读进来。

相反地,用了 rowid 后10和20这两条记录就会先后更新,这样就不存在相同块被多次读入内存的情况。

至于 keep pool 有没有作用,我想如果没有使用 rowid的情况下作用是很明显的,因为它减少了块被换出的可能性;如果是使用rowid的情况,因为更新的块只要读入一次后就不要了,所以影响不明显,甚至毫无作用可言。

以上见解,请多指教。

 

---------------------------------------

 

加一个for all, 效果会更好
declare
maxrows number default 1000;
row_id_table dbms_sql.Urowid_Table;
currcount_table dbms_sql.number_Table;
  cursor cur_t2 is 
    select /*+ use_hash(T1,T2) parallel(T1,16) parallel_index(IX_T1_id2,16) */
       T2.id2, T2.curr_count, T1.rowid row_id
    from T1, T2
    where T1.id2=T2.id2
    order by T1.rowid;
  v_counter number;
begin
  v_counter := 0;
open cur_t2;
LOOP
EXIT WHEN cur_t2%NOTFOUND;
FETCH cur_t2 bulk collect into row_id_table,currcount_table limit maxrows;
forall i in 1 .. row_id_table.count
    update T1 set curr_count=currcount_table(i)
       where rowid= row_id_table(i);
      commit; 
  end loop;
end;
/

 

http://blog.csdn.net/leshami/article/details/7545597

BULK COLLECT批量绑定的示例

oracle学习之bulk collect用法

通过bulk collect减少loop处理的开销,使用BulkCollect提高Oracle查询效率


Oracle8i中首次引入了Bulk Collect特性,该特性可以让我们在PL/SQL中能使用批查询,批查询在某些情况下能显著提高查询效率。

采用bulk collect可以将查询结果一次性地加载到collections中。

而不是通过cursor一条一条地处理。

可以在select into,fetch into,returninginto语句使用bulk collect。

注意在使用bulk collect时,所有的into变量都必须是collections.

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值