快速大批量处理数据需要的关注的地方

      这几天去某银行协助批量处理的优化工作。到那里一看，真知道了为啥有些银行的账单或者刷卡、入账等信息会延迟一天或者两天。先不说他们的处理机制，但看那些开发出来的代码，我就无语了。
      工作还是得做，还得耐心从怎样加快SQL的执行入手工作。我分别从索引的建立、索引的使用、代码书写、数据分布、并发的使用、事务控制等几个基本方面给现场的人员做了介绍。
      1、索引建立的原则
             这个内容我借鉴了一个老师的简单总结：
             四要点：一是细心选择符合索引键的前后顺序（确定索引前导列）；
                             二是where子句中数据关联字段的确定；
                             三是排序分组字段的确定；
                             四是空值字段在索引中的处理；
             这里只提一下选择索引键值前后顺序的简单办法：select count(distinct 字段) from .... 比较一下即可，简单的说就是以匹配值最少的字段作为前导列时索引效果最好；where条件中关联字段最好是主键或者是索引的键值（最好是前导列）；如果有排序和分组，尽量的将该种情况考虑进去。剩下的一个空值字段在索引中的处理方法，就是和一个非空字段的组合处理，而且使用时尽可能的以索引字段为条件实现匹配。
            补充一下：快速建立索引一定要注意使用并行，并注意可以使用nologging方法（如果在DG环境时还需要多考虑一下，毕竟DG环境下是通过归档日志来同步数据）；使用完并行一定要记得修改；


        2、索引使用的原则
              在第一部分中说道了一部分，这里简单 补充一下：
             A、在有大量的数据update时，则尽量少用位图索引；
             B、要注意隐含数据转换的发生造成的不使用索引的情况；
             C、大量数据维护时，一定要避免维护索引字段，即频繁发生更改的字段不可作为索引字段；
             D、要注意表上的索引，到底是否被使用（方法很简单alter index monitoring，一定要记得关闭！）
              E、反转索引的使用。
          3、代码书写的原则
               在保证逻辑正确的同时，一定要注意常用的SQL代码书写技巧。
               1、in子句的处理（尽量使用exist）；
               2、like的使用 （尽量少用）
               3、关联upadte的写法（最长见的应用）
               4、insert语句中使用/* +append  parallel(table_name,number)*/ 开启并行；
               5、关注函数的使用以及字段类型的匹配；
           这里要补充一下：常见的工具都有自动生成SQL的功能，一定要注意生成代码的使用，这里会有陷阱，稍不注意就掉里了。
           4、数据的分布
               数据的分布主要说的就是尽可能的将数据进行分区甚至子分区，分区方式无非就是常见的hash（数据离散化，减少争用）、list或者组合分区；分区的键值有些时候是可以组合键值的。这里也要注意的是，索引也可以hash分区，分区的数量一定要是2的n次方。
            5、并发的使用
             并发的使用多在批量数据的更新和导入导出，这点儿网上资料不少，无非就是append 或者paralle的使用，不过要注意的是，在并发DML或并发DDL时，会对数据表或者索引的参数有影响，一定要将其修改过来，在我其它的文章中也是多次强调的。
             备注：通常这些还是要结合nologging一起使用，目的就是加快处理速度。
            6、事务的控制
             在大数据量的DML中，对事务的处理是最关键的，不仅仅因为是为了避免事务的争用、产生事务锁等，更重要的是从原理上block的ITL本身就不是无限的，要综合考虑设置initrans以及PCTFREE、PCTUSED参数的配置。
             这方面从开发角度来讲，简单一句话：控制好commit。