matlab mcc 很慢,一个insert插入语句很慢的优化

记录日期: 2014-07-30 14:25:27

原sql语句：

INSERTINTORISKREPT.BASE_FMLG (BATCH_DATE, DATE_STAMP_ST, TIME_STAMP_ST, ORG, ACCT, CARD_NBR, CARD_SEQ, MER_ORG, MER_NBR, REQUEST_TYPE_ID, LOGO, SYSTEM_ACTION, FINAL_ACTION, ACTION_REASON, REVERSAL_REASON, AVAIL_CR, CASH_AVAIL_CR, ACCT_CURR_BAL, ACCT_CURR_BAL_CASH, B007_GMT_DATE_TIME, B018_MER_TYPE, B019_CNTRY_CODE, B032_ACQ_ID, B033_FWD_ID, AUTH_CODE, B039_RESP_CODE, B041_CRD_ACCPT_TERM, B042_TERMTYPE2_MER_ID, B043_CRD_ACCPT_NAM, B043_CRD_ACCPT_CITY, B043_CRD_ACCPT_ST_CTRY, MESSAGE_TYPE_ID, RECORD_TYPE, SALES_AMT_RMB, TOTAL_SALES_AMT, B049_CURR_CODE, BLING_AMT, POS_ENTRY_MODE, PIN_ENTRY_MODE, TRADE_INTERNET, SALES_CTRY, SALES_CTRY_NAME, SALES_CITY, SALES_CITY_NAME, SALES_LINK, MER_CODE, MER_MCC, MER_NAM, ACQ_NAME, REVCODE, AUTH_TYPE, REF_NBR, VI_B011_SYS_AUDT_TRCE, CARD_TYPE, STAGE_TYPE, STAGE_NUM, OVERSEA_FLAG, RISK_FCD, RISK_LCD) SELECTBATCH_DATE, DATE_STAMP_ST, TIME_STAMP_ST, ORG, ACCT, CARD_NBR, CARD_SEQ, MER_ORG, MER_NBR, REQUEST_TYPE_ID, LOGO, SYSTEM_ACTION, FINAL_ACTION, ACTION_REASON, REVERSAL_REASON, AVAIL_CR, CASH_AVAIL_CR, ACCT_CURR_BAL, ACCT_CURR_BAL_CASH, B007_GMT_DATE_TIME, B018_MER_TYPE, B019_CNTRY_CODE, B032_ACQ_ID, B033_FWD_ID, AUTH_CODE, B039_RESP_CODE, B041_CRD_ACCPT_TERM, B042_TERMTYPE2_MER_ID, B043_CRD_ACCPT_NAM, B043_CRD_ACCPT_CITY, B043_CRD_ACCPT_ST_CTRY, MESSAGE_TYPE_ID, RECORD_TYPE, SALES_AMT_RMB, TOTAL_SALES_AMT, B049_CURR_CODE, BLING_AMT, POS_ENTRY_MODE, PIN_ENTRY_MODE, TRADE_INTERNET, SALES_CTRY, SALES_CTRY_NAME, SALES_CITY, SALES_CITY_NAME, SALES_LINK, MER_CODE, MER_MCC, MER_NAM, ACQ_NAME, REVCODE, AUTH_TYPE, REF_NBR, VI_B011_SYS_AUDT_TRCE, CARD_TYPE, STAGE_TYPE, STAGE_NUM, OVERSEA_FLAG, SYSDATE, SYSDATEFROMTEMP_FMLG_PURGE

原sql执行计划非常简单：

该语句是job中的语句，每天都需要跑的，其历史执行时间如下图，可以看出执行时间非常长的都是user_io_wait等待比较严重的一些：

查看一下相关表的属性和数据量：

SELECTv.OWNER,

v.TABLE_NAME,

v.partitioned,

v.LAST_ANALYZED,

v.NUM_ROWS,

v.table_size2 ,

v.EMPTY_BLOCKS

FROMvw_table_lhr v

WHEREv.TABLE_NAME IN('BASE_FMLG',

'TEMP_FMLG_PURGE');

BASE_FMLG有15亿的数据量，是个分区表，每次从TEMP_FMLG_PURGE中取数，TEMP_FMLG_PURGE大约有234W的数据量，

索引信息：

SELECTv.index_owner,

v.index_name,

v.index_type,

v.partitioned,

v.索引列,

v.index_size,

v.num_rows

FROMvw_table_index_lhr v

WHEREv.TABLE_NAME IN('BASE_FMLG',

'TEMP_FMLG_PURGE');

被插入的表有5个索引，且都是分区索引，不涉及全局索引，涉及到的分区索引：

selectv.index_owner,

v.index_name,

v.index_type,

v.索引列,

v.partition_size,

v.num_rows

fromvw_table_index_part2_lhr V

whereV.TABLE_NAME='BASE_FMLG'

andv.PARTITION_NAME='P201407';

查一下数据来源：

SELECTt.BATCH_DATE,

COUNT(1)

FROMTEMP_FMLG_PURGE t

GROUPBYt.BATCH_DATE;

看来，都是当天的数据，所以只涉及到分区表的单个分区

selectv.PARTITION_NAME,

v.TABLE_NAME,

v.LAST_ANALYZED,

v.NUM_ROWS,

v.partition_size ,

v.EMPTY_BLOCKS,v.LOGGING

fromVW_TABLE_PART_LHR V

whereV.TABLE_NAME='BASE_FMLG';

系统预估剩余时间：select* fromVW_LONGRUN_LHR a wherea.SQL_ID='2pnas8zbxtk3a';

插入200W的数据到一个单个分区16G的分区表中需要花费将近12个小时，似乎慢了点。。。。。

问题解决：

查询会话的统计信息，发现redo的产生量非常的大，所以解决办法：

第一步： 将表修改为nologging属性

第二步： 将索引修改为nologging属性

第三步： 插入的时候采用append方式来插入

第四步：如果还是慢点的话，可以采用并行插入，增大排序缓冲区

第五步：如果有可能可以先把索引置于无效状态，然后插入完成之后再重建索引

注意： 以上解决办法①必须是该表的数据不重要，不然修改为nologging属性后万一数据丢失可能就找不回来了，② 索引一般都为nologging模式，索引记录redo没有作用 ③ 采用append插入的前提是该表上边没有大量的delete动作

最后优化后的代码：

先将表及其索引置于NOLOGGING模式：

altertableRISKREPT.BASE_FMLG NOLOGGING;

alterindexDX_RKO_FMLG_BATCH_DATE NOLOGGING;

alterindexIDX_RKO_FMLG_ACCT NOLOGGING;

alterindexIDX_RKO_FMLG_CARD NOLOGGING;

alterindexIDX_RKO_FMLG_DT NOLOGGING;

alterindexIDX_RKO_FMLG_MER NOLOGGING;

----- 修改会话的属性，开启并行插入：

altersessionsetworkarea_size_policy=manual;

altersessionsetsort_area_size=1000000000;

altersessionENABLEparalleldml;

EXPLAINPLANfor

INSERT/*+parallel(BASE_FMLG,4) */INTORISKREPT.BASE_FMLG (BATCH_DATE, DATE_STAMP_ST, TIME_STAMP_ST, ORG, ACCT, CARD_NBR, CARD_SEQ, MER_ORG, MER_NBR, REQUEST_TYPE_ID, LOGO, SYSTEM_ACTION, FINAL_ACTION, ACTION_REASON, REVERSAL_REASON, AVAIL_CR, CASH_AVAIL_CR, ACCT_CURR_BAL, ACCT_CURR_BAL_CASH, B007_GMT_DATE_TIME, B018_MER_TYPE, B019_CNTRY_CODE, B032_ACQ_ID, B033_FWD_ID, AUTH_CODE, B039_RESP_CODE, B041_CRD_ACCPT_TERM, B042_TERMTYPE2_MER_ID, B043_CRD_ACCPT_NAM, B043_CRD_ACCPT_CITY, B043_CRD_ACCPT_ST_CTRY, MESSAGE_TYPE_ID, RECORD_TYPE, SALES_AMT_RMB, TOTAL_SALES_AMT, B049_CURR_CODE, BLING_AMT, POS_ENTRY_MODE, PIN_ENTRY_MODE, TRADE_INTERNET, SALES_CTRY, SALES_CTRY_NAME, SALES_CITY, SALES_CITY_NAME, SALES_LINK, MER_CODE, MER_MCC, MER_NAM, ACQ_NAME, REVCODE, AUTH_TYPE, REF_NBR, VI_B011_SYS_AUDT_TRCE, CARD_TYPE, STAGE_TYPE, STAGE_NUM, OVERSEA_FLAG, RISK_FCD, RISK_LCD) SELECTBATCH_DATE, DATE_STAMP_ST, TIME_STAMP_ST, ORG, ACCT, CARD_NBR, CARD_SEQ, MER_ORG, MER_NBR, REQUEST_TYPE_ID, LOGO, SYSTEM_ACTION, FINAL_ACTION, ACTION_REASON, REVERSAL_REASON, AVAIL_CR, CASH_AVAIL_CR, ACCT_CURR_BAL, ACCT_CURR_BAL_CASH, B007_GMT_DATE_TIME, B018_MER_TYPE, B019_CNTRY_CODE, B032_ACQ_ID, B033_FWD_ID, AUTH_CODE, B039_RESP_CODE, B041_CRD_ACCPT_TERM, B042_TERMTYPE2_MER_ID, B043_CRD_ACCPT_NAM, B043_CRD_ACCPT_CITY, B043_CRD_ACCPT_ST_CTRY, MESSAGE_TYPE_ID, RECORD_TYPE, SALES_AMT_RMB, TOTAL_SALES_AMT, B049_CURR_CODE, BLING_AMT, POS_ENTRY_MODE, PIN_ENTRY_MODE, TRADE_INTERNET, SALES_CTRY, SALES_CTRY_NAME, SALES_CITY, SALES_CITY_NAME, SALES_LINK, MER_CODE, MER_MCC, MER_NAM, ACQ_NAME, REVCODE, AUTH_TYPE, REF_NBR, VI_B011_SYS_AUDT_TRCE, CARD_TYPE, STAGE_TYPE, STAGE_NUM, OVERSEA_FLAG, SYSDATE, SYSDATEFROMTEMP_FMLG_PURGE_2 ;

commit;

select* fromtable(DBMS_XPLAN.display('','',''));

优化后的执行计划：

自己跑了一下，大约30分钟就可以跑完，从12个小时缩短到30分钟，这个还是比较有成就感的。。。。

产生的redo量不足500M，未优化之前的那个redo量达到了15G左右，忘记截图了，所以这个sql就优化的差不多了：

select* fromVW_SESSTAT_LHR a wherea.SID=850orderbya.VALUE desc;