布隆过滤（Bloom Filter）-必须了解的优化器算法

在最近的一次用户升级中，客户将数据库从11.2.0.1升级到了11.2.0.3版本，虽然只是一个小版本的变化，确引起了严重的性能问题。原本正常的SQL执行计划，因为使用了布隆过滤，导致了百倍的性能衰减。在版本升级中，严格的性能测试必不可少，比对SQL执行计划变化，是测试评估的必要步骤。

布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。

吴军博士，在《数学之美》一书中，曾经介绍过这个算法，以下内容转引自 吴军博士的文章：

假定我们存储一亿个电子邮件地址，我们先建立一个十六亿二进制（比特），即两亿字节的向量，然后将这十六亿个二进制全部设置为零。对于每一个电子邮件地址 X，我们用八个不同的随机数产生器（F1,F2, ...,F8） 产生八个信息指纹（f1, f2, ..., f8）。再用一个随机数产生器 G 把这八个信息指纹映射到 1 到十六亿中的八个自然数 g1, g2, ...,g8。现在我们把这八个位置的二进制全部设置为一。当我们对这一亿个 email 地址都进行这样的处理后。一个针对这些 email 地址的布隆过滤器就建成了。（见下图）



现在，让我们看看如何用布隆过滤器来检测一个可疑的电子邮件地址 Y 是否在黑名单中。我们用相同的八个随机数产生器（F1, F2, ..., F8）对这个地址产生八个信息指纹 s1,s2,...,s8，然后将这八个指纹对应到布隆过滤器的八个二进制位，分别是 t1,t2,...,t8。如果 Y 在黑名单中，显然，t1,t2,..,t8 对应的八个二进制一定是一。这样在遇到任何在黑名单中的电子邮件地址，我们都能准确地发现。

布隆过滤能够使用极低的存储空间，存储海量数据的映射，从而可以提供快速的过滤机制。

这一算法在Oracle Database 10gR2中被引入到Oracle数据库中，在类似如下的执行计划中，就可以看到布隆过滤的作用：

-----------------------------------------------------------------------------------------------
| Id  | Operation                             | Name      | Pstart| Pstop |IN-OUT| PQ Distrib |
-----------------------------------------------------------------------------------------------
|   0 | SELECT STATEMENT                      |           |       |       |      |            |
|   1 |  PX COORDINATOR                       |           |       |       |      |            |
|   2 |   PX SEND QC (RANDOM)                 | :TQ10002  |       |       | P->S | QC (RAND)  |
|*  3 |    FILTER                             |           |       |       | PCWC |            |
|   4 |     HASH GROUP BY                     |           |       |       | PCWP |            |
|   5 |      PX RECEIVE                       |           |       |       | PCWP |            |
|   6 |       PX SEND HASH                    | :TQ10001  |       |       | P->P | HASH       |
|   7 |        HASH GROUP BY                  |           |       |       | PCWP |            |
|*  8 |         HASH JOIN                     |           |       |       | PCWP |            |
|   9 |          PART JOIN FILTER CREATE      | :BF0000   |       |       | PCWP |            |
|  10 |           PX RECEIVE                  |           |       |       | PCWP |            |
|  11 |            PX SEND PARTITION (KEY)    | :TQ10000  |       |       | P->P | PART (KEY) |
|  12 |             PX BLOCK ITERATOR         |           |       |       | PCWC |            |
|  13 |              TABLE ACCESS FULL        | CUSTOMERS |       |       | PCWP |            |
|  14 |          PX PARTITION HASH JOIN-FILTER|           |:BF0000|:BF0000| PCWC |            |
|* 15 |           TABLE ACCESS FULL           | SALES     |:BF0000|:BF0000| PCWP |            |
-----------------------------------------------------------------------------------------------
Predicate Information (identified by operation id):
---------------------------------------------------
   3 - filter(COUNT(SYS_OP_CSR(SYS_OP_MSR(COUNT(*)),0))>100)
   8 - access("S"."CUST_ID"="C"."CUST_ID")
  15 - filter("S"."TIME_ID"<=TO_DATE(' 1999-10-01 00:00:00', 'syyyy-mm-dd hh24:mi:ss') AND
"S"."TIME_ID">=TO_DATE(' 1999-07-01 00:00:00', 'syyyy-mm-dd hh24:mi:ss'))

在以上执行计划中，BF0000 即 Bloom Filter的缩写提示。
而PART JOIN FILTER CREATE 这个步骤，是创建Bloom Filter的过程，在14，15 PX PARTITION HASH JOIN-FILTER中，过滤器被使用。
 在11.2.0.3中，以下一系列隐含参数和Bloom Filter相关，通过 _bloom_filter_enabled 参数可以启用或禁用布隆过滤，缺省已经启用：

NAME                   VALUE            DESCRIB
------------------------------ -------------------- ------------------------------------------------------------
_bloom_filter_enabled           TRUE            enables or disables bloom filter
_bloom_filter_debug           0            debug level for bloom filtering
_bloom_vector_elements           0            number of elements in a bloom filter vector
_bloom_predicate_enabled       TRUE            enables or disables bloom filter predicate pushdown
_bloom_predicate_pushdown_to_storage TRUE            enables or disables bloom filter predicate pushdown to storage
_bloom_folding_enabled           TRUE            Enable folding of bloom filter
_bloom_folding_density           16            bloom filter folding density lower bound
_bloom_folding_min           131072            bloom filter folding size lower bound
_bloom_pushing_max           512            bloom filter pushing size upper bound
_bloom_max_size            268435456        bloom filter maximum size in bytes
_bloom_pruning_enabled           TRUE            Enable partition pruning using bloom filtering
_bloom_pushing_total_max       262144            bloom filter combined pushing size (DOP x filter size) upperbound
_bloom_minmax_enabled           TRUE            enable or disable bloom min max filtering

Oracle的很多新特性在最初引入时，都可能带来BUG，影响性能，所以了解Oracle数据库在不同版本中引入的新特性，对于DBA来说非常重要。

以下两个链接，可以作为参考：
http://www.acoug.org/wp-content/uploads/2010/04/ACOUG-OracleSortAndBloomFilter-Fuyuncat.pdf
http://antognini.ch/papers/BloomFilters20080620.pdf