概述
Oracle数据表三种基本类型:堆表Heap Table、索引组织表IOT和聚簇表Cluster。在我们日常中,最常用也是适应性最好的一种数据表就是堆表Heap Table。一般在没有特殊性能缺陷和特性要求的情况下,堆表是我们首先的选项。
IOT是一种融合数据到索引结构上的数据表类型。之前已经详细介绍了IOT的结构、特性和适应场景,同时也对段溢出Segment Overflow、逻辑Rowid和Secondary Index等概念进行过阐述。所以今天主要介绍一下聚簇。
01
聚簇Cluster
三种数据表类型中,我们最不常用的结构应该是聚簇。聚簇也是和其他两种数据表差异最大的一种结构类型,最大的区别在于:聚簇是可以单独存在的。
在Oracle存储结构中,我们必须遵循两个概念就是对象和段Segment。我们可以创建很多对象,比如数据表、索引、视图,但是并不是每个对象都会“真刀真枪”的占用存储空间。Oracle空间分配是依据逻辑表空间、段对象、分区和块。只有数据表、索引等对象,才是可以真正使用空间的,分配Segment的。
堆表和索引组织表虽然有差别,但是本质上是类似的。堆表中,索引和数据表是分别的数据段结构,索引段和数据表段保持一致性。而IOT实现了索引和数据表段的合一。数据表的所有内容,依据主键顺序被保存在IOT索引树的叶子节点上。由于数据表内容的特殊性,比如字段过大的情况,都是通过溢出段实现。
而Cluster完全不同,Cluster是一种单独的段结构,或者可以理解为单独的段空间容器。在没有数据表和索引的时候,Cluster段是可以单独存在的。依据一定的规则,如连接键(Join Key),可以将多个数据表数据保存在同一个段中。并且依据一定场景实现快速检索连接。
为什么使用Cluster数据表?最常见的解释是减少关联检索时候进行IO的数量。传统的数据表结构,两个表连接,至少要进行两次数据块的检索。而Cluster过程,由于都是存储在一起(注意:相同Segment),所以只需一次检索。
Cluster进行使用的时候,有两个类型进行选择,分别为B树Cluster和哈希Hash Cluster。两者既有相同的结构,又有细微的差异。
02
实验环境介绍
这里我选择Oracle 11gR2进行实验。
SQL> select * from v$version;
![d0c6c9c819c230d100503fa101adcdd6.png](https://i-blog.csdnimg.cn/blog_migrate/ddd1209c312fa2f45d67477e4083f734.jpeg)
创建专门的用户进行实验。
SQL> create user test identified by test default tablespace users;SQL> grant resource, connect to test;SQL> grant create cluster to test;SQL> grant select any table to test;SQL> grant select any dictionary to test;
![73e95ebca210b57acbb825df8cf13c5a.png](https://i-blog.csdnimg.cn/blog_migrate/fb0c178db9ae64f0a9fb94578a5d6396.jpeg)
03
B树Cluster实验
Oracle Cluster不是随任何数据表对象创建,而是可以通过SQL语句create cluster来进行创建。
SQL> conn test/test;SQL> create cluster emp_dept(deptno number) size 600;SQL> select cluster_name, tablespace_name, cluster_type, key_size from user_clusters;
![44dcf3dcacc0dfcc6b1765dedf940f16.png](https://i-blog.csdnimg.cn/blog_migrate/c3a291752dd0be8f44523651e4f44be3.jpeg)
注意两个问题,一个是创建cluster的过程中我们指定的size 600。这个是用于指定cluster键大致大小,指定之后,就可以实现空间的预留。如果这个取值设置不合理,容易引起Cluster结构的混乱。
另一个问题是tablespace_name,Cluster对象既然包括了tablespace信息,就必然是占用空间的,也必然以segment的形式出现。
SQL> select SEGMENT_TYPE, extents, HEADER_FILE, HEADER_BLOCK, BYTES, BLOCKS from dba_segments where user='TEST' and segment_name='EMP_DEPT';
![8316cc2f1068bc1cd0f975d28ffa4fb3.png](https://i-blog.csdnimg.cn/blog_migrate/77ec3ec55a3c42756f17e8564e001a71.jpeg)
注意:此时没有创建数据表或者索引,但是cluster segment已经存在出现。下面根据cluster emp_dept创建数据表。
SQL> create table emp(empno number, empname varchar2(10), deptno number) cluster emp_dept(deptno);SQL> select SEGMENT_TYPE, extents, HEADER_FILE, HEADER_BLOCK, BYTES, BLOCKS from dba_segments where user='TEST' and segment_name='EMP_DEPT';SQL> select SEGMENT_TYPE, extents, HEADER_FILE, HEADER_BLOCK, BYTES, BLOCKS from dba_segments where user='TEST' and segment_name='EMP';
![1b9e8ec74c8eb6ba0b739a7b1337304f.png](https://i-blog.csdnimg.cn/blog_migrate/e39cd71f39ab52454ecde3348a76b12b.jpeg)
依托cluster创建数据表的时候,要指定出哪个字段是cluster的key键值。从段结构数据字典中,不能看到数据表的段信息,只有cluster的段信息。从dba_tables中,可以看到数据表成功创建。
SQL> select segment_created from dba_tables where user='TEST' and table_name='EMP';
![57df5f6c0b966da461b3eb6bef01e5ee.png](https://i-blog.csdnimg.cn/blog_migrate/98883a721e5043f48b620040d2c7d15e.jpeg)
此时尝试往数据表emp添加数据,是被禁止的。
SQL> insert into emp select empno, ename, deptno from scott.emp;
![98a12b4996caaf87a6e879131146d778.png](https://i-blog.csdnimg.cn/blog_migrate/9f96a8ada77d2118ddeba6114a8932f5.jpeg)
这里报错是因为使用cluster还需要创建专门的cluster index。为了进行连接测试,先创建第二张数据表,同时创建需要的索引结构。
SQL> create table dept (deptno number primary key, deptname varchar2(10)) cluster emp_dept(deptno);SQL> select OWNER,TABLESPACE_NAME,CLUSTER_NAME,segment_created from dba_tables where user='TEST' and table_name='DEPT';SQL> create index idx_emp_dept on cluster emp_dept;
![edb1f0dbe7eaeb7b62f774d77c78d028.png](https://i-blog.csdnimg.cn/blog_migrate/1d7d86d5812f75d7f7a882b33912033d.jpeg)
查看索引
SQL> select SEGMENT_TYPE, extents, HEADER_FILE, HEADER_BLOCK, BYTES, BLOCKS from dba_segments where user='TEST' and segment_name in ('EMP_DEPT','IDX_EMP_DEPT');SQL> select SEGMENT_TYPE, extents, HEADER_FILE, HEADER_BLOCK, BYTES, BLOCKS from dba_segments where user='TEST' and segment_name='EMP';SQL> select SEGMENT_TYPE, extents, HEADER_FILE, HEADER_BLOCK, BYTES, BLOCKS from dba_segments where user='TEST' and segment_name='DEPT';--Index元数据信息SQL> select index_type, table_name, table_type, UNIQUENESS from dba_indexes where user='TEST' and index_name='IDX_EMP_DEPT';
![395d4202c5f55fd977e7f782af785ac9.png](https://i-blog.csdnimg.cn/blog_migrate/f4df30453a061c49c8548e6c901d1a96.jpeg)
我们创建了两张数据表和一个索引,只有cluster和索引成为了段对象。而且两个数据表都包括保存在了cluster段结构中。
创建索引的过程和普通索引是不同的。我们没有给数据表建索引,而是给cluster对象。从dba_indexes视图中,可以看到差异和不同。
下面插入数据。
SQL> insert into dept select deptno, dname from scott.dept;SQL> insert into emp select empno, ename, deptno from scott.emp;SQL> commit;
![4a3c8eea7022a9c4d11726e1cd36124c.png](https://i-blog.csdnimg.cn/blog_migrate/4e366d5d6fb91d6ea7ea68ed9225335b.jpeg)
此时,段结构依然维持一个cluster和一个索引的形态。
SQL> select SEGMENT_TYPE, extents, HEADER_FILE, HEADER_BLOCK, BYTES, BLOCKS from dba_segments where user='TEST' and segment_name='EMP';SQL> select SEGMENT_TYPE, extents, HEADER_FILE, HEADER_BLOCK, BYTES, BLOCKS from dba_segments where user='TEST' and segment_name='DEPT';SQL> select SEGMENT_TYPE, extents, HEADER_FILE, HEADER_BLOCK, BYTES, BLOCKS from dba_segments where user='TEST' and segment_name in ('EMP_DEPT','IDX_EMP_DEPT');
![35822badac1ef219c75f2b8c94128d79.png](https://i-blog.csdnimg.cn/blog_migrate/44bcc2c94caa2870f63f4b12d1a61c18.jpeg)
使用cluster最大的好处在于连接,我们查看一下连接情况下的执行计划。
SQL> explain plan for select * from emp a, dept b where a.deptno=b.deptno;SQL> select * from table(dbms_xplan.display);
![5307e1d9c12f1fbc18d8f899e853ba8d.png](https://i-blog.csdnimg.cn/blog_migrate/8783dc4a116f8e9c5eb3d4dd5b9026d2.jpeg)
cluster本质上就是一个容器,如果需要删除cluster,需要将其中数据表对象全部删除之后,方可执行。或者使用including tables子句。
SQL> drop cluster emp_dept;SQL> drop cluster emp_dept including tables;
![aaeeaa773619158161da66b1b5f55b97.png](https://i-blog.csdnimg.cn/blog_migrate/5bd2ee754de45218e5e7dd5c5a07a125.jpeg)
篇幅有限,今天主要分享的是B树聚簇,也是简单的一种聚簇形式。后面再探讨下Hash Cluster的相关内容,感兴趣的朋友可以关注一下~
![157396c1f34451fc2bfb6e0db839d556.gif](https://i-blog.csdnimg.cn/blog_migrate/c42e8f32efa8c494dbe1f837b85cf6e4.gif)