从例子中说明oracle中关于索引的几点看法

2/9/2008来源:Oracle教程人气:6207

索引( Index )是常见的数据库对象,它的设置好坏、使用是否得当,极大地影响数据库应用程序和Database 的性能。虽然有许多资料讲索引的用法, DBA 和 Developer 们也经常与它打交道,但笔者发现,还是有不少的人对它存在误解,因此针对使用中的常见问题,讲三个问题。 此文所有示例所用的数据库是 Oracle 8.1.7 OPS on HP N series ,示例全部是真实数据,读者不需要注重具体的数据大小,而应注重在使用不同的方法后,数据的比较。本文所讲基本都是陈词滥调,但是笔者试图通过实际的例子,来真正让您明白事情的要害。
  
  一讲,索引并非总是最佳选择
  假如发现Oracle 在有索引的情况下,没有使用索引,这并不是Oracle 的优化器出错。在有些情况下,Oracle 确实会选择全表扫描(Full Table Scan),而非索引扫描(Index Scan)。这些情况通常有:
  1, 表未做statistics, 或者 statistics 陈旧,导致 Oracle 判定失误。
  2, 根据该表拥有的记录数和数据块数,实际上全表扫描要比索引扫描更快。
  
  对第1种情况,最常见的例子,是以下这句sql 语句:
  select count(*) from mytable;
  在未作statistics 之前,它使用全表扫描,需要读取6000多个数据块(一个数据块是8k), 做了statistics 之后,使用的是 INDEX (FAST FULL SCAN) ,只需要读取450个数据块。但是,statistics 做得不好,也会导致Oracle 不使用索引。
  
  第2种情况就要复杂得多。一般概念上都认为索引比表快,比较难以理解什么情况下全表扫描要比索引扫描快。为了讲清楚这个问题,这里先介绍一下Oracle 在评估使用索引的代价(cost)时两个重要的数据:CF(Clustering factor) 和 FF(Filtering factor).
  CF: 所谓 CF, 通俗地讲,就是每读入一个索引块,要对应读入多少个数据块。
  FF: 所谓 FF, 就是该sql 语句所选择的结果集,占总的数据量的百分比。
  大约的计算公式是:FF * (CF + 索引块个数) ,由此估计出,一个查询, 假如使用某个索引,会需要读入的数据块块数。需要读入的数据块越多,则 cost 越大,Oracle 也就越可能不选择使用 index. (全表扫描需要读入的数据块数等于该表的实际数据块数)
  其核心就是, CF 可能会比实际的数据块数量大。CF 受到索引中数据的排列方式影响,通常在索引刚建立时,索引中的记录与表中的记录有良好的对应关系,CF 都很小;在表经过大量的插入、修改后,这种对应关系越来越乱,CF 也越来越大。此时需要 DBA 重新建立或者组织该索引。
  假如某个sql 语句以前一直使用某索引,较长时间后不再使用,一种可能就是 CF 已经变得太大,需要重新整理该索引了。
  FF 则是Oracle 根据 statistics 所做的估计。比如, mytables 表有32万行,其主键myid的最小值是1,最大值是409654,考虑以下sql 语句:
  Select * from mytables where myid>=1; 和
  Select * from mytables where myid>=400000
  这两句看似差不多的 sql 语句,对Oracle 而言,却有巨大的差别。因为前者的 FF 是100%, 而后者的 FF 可能只有 1%。假如它的CF 大于实际的数据块数,则Oracle 可能会选择完全不同的优化方式。而实际上,在我们的数据库上的测试验证了我们的猜测. 以下是在HP 上执行时它们的 eXPlain plan:
  第一句:
  SQL> select * from mytables where myid>=1;
  
  已选择325917行。
  Execution Plan
  ----------------------------------------------------------
  0 SELECT STATEMENT Optimizer=CHOOSE (Cost=3132 Card=318474 Byt es=141402456)
  1 0 TABLE access (FULL) OF 'MYTABLES' (Cost=3132 Card=318474 Byt es=141402456)
  Statistics
  ----------------------------------------------------------
  7 recursive calls
  89 db block gets
  41473 consistent gets
  19828 physical reads
  0 redo size
  131489563 bytes sent via SQL*Net to client
  1760245 bytes received via SQL*Net from client
  21729 SQL*Net roundtrips to/from client
  1 sorts (memory)
  0 sorts (disk)
  325917 rows PRocessed
  
  第二句:
  
  Execution Plan
  ----------------------------------------------------------
  0 SELECT STATEMENT Optimizer=CHOOSE (Cost=346 Card=663 Bytes=2 94372)
  1 0 TABLE ACCESS (BY INDEX ROWID) OF 'MYTABLES' (Cost=346 Card=663
  Bytes=294372)
  2 1 INDEX (RANGE SCAN) OF 'PK_MYTABLES' (UNIQUE) (Cost=5 Card=663)
  
  Statistics
  ----------------------------------------------------------
  1278 recursive calls
  0 db block gets
  6647 consistent gets
  292 physical reads
  0 redo size
  3544898 bytes sent via SQL*Net to client
  42640 bytes received via SQL*Net from client
  524 SQL*Net roundtrips to/from client
  1 sorts (memory)
  0 sorts (disk)
  7838 rows processed
  
  显而易见,第1句没有使用索引,第2句使用了主键索引pk_mytables. FF的巨大影响由此可见一斑。由此想到,我们在写sql 语句时,假如预先估计一下 FF, 你就几乎可以预见到 Oracle 会否使用索引。
  
  二讲,索引也有好坏
  索引有 B tree 索引, Bitmap 索引, Reverse b tree 索引, 等。最常用的是 B tree 索引。 B 的全称是Balanced , 其意义是,从 tree 的 root 到任何一个leaf ,要经过同样多的 level. 索引可以只有一个字段(Single column), 也可以有多个字段(Composite),最多32个字段,8I 还支持 Function-based index. 许多developer 都倾向于使用单列B 树索引。
  所谓索引的好坏是指:
  1,索引不是越多越好。非凡是大量从来或者几乎不用的索引,对系统只有损害。OLTP系统每表超过5个索引即会降低性能,而且在一个sql 中, Oracle 从不能使用超过 5个索引。
  2,很多时候,单列索引不如复合索引有效率。
  3,用于多表连结的字段,加上索引会很有作用。
  那么,在什么情况下单列索引不如复合索引有效率呢?有一种情况是显而易见的,那就是,当sql 语句所查询的列,全部都出现在复合索引中时,此时由于 Oracle 只需要查询索引块即可获得所有数据,当然比使用多个单列索引要快得多。(此时,这种优化方式被称为 Index only access path)
  除此之外呢?我们还是来看一个例子吧:
  在 HP(Oracle 8.1.7) 上执行以下语句:
  select count(1) from mytabs where coid>=130000 and issuedate >= to_date ('2001-07-20', 'yyyy-mm-dd')。
  一开始,我们有两个单列索引:I_mytabs1(coid), I_mytabs2(issuedate), 下面是执行情况:
  
  COUNT(1)
  ----------
  6427
  
  Execution Plan
  ----------------------------------------------------------
  0 SELECT STATEMENT Optimizer=CHOOSE (Cost=384 Card=1 Bytes=11)
  1 0 SORT (AGGREGATE)
  2 1 TABLE ACCESS (BY INDEX ROWID) OF 'T_MYTABS' (Cost=384 Card
  =126 Bytes=1386)
  3 2 INDEX (RANGE SCAN) OF 'I_MYTABS2' (NON-UNIQUE) (Cost=11
  Card=126)
  
  Statistics
  ----------------------------------------------------------
  172 recursive calls
  1 db block gets
  5054 consistent gets
  2206 physical reads
  0 redo size
  293 bytes sent via SQL*Net to client
  359 bytes received via SQL*Net from client
  2 SQL*Net roundtrips to/from client
  5 sorts (memory)
  0 sorts (disk)
  1 rows processed
  可以看到,它读取了7000个数据块来获得所查询的 6000多行。
  现在,去掉这两个单列索引,增加一个复合索引I_mytabs_test ( coid, issuedate), 重新执行,结果如下:
  COUNT(1)
  ----------
  6436
  
  Execution Plan
  ----------------------------------------------------------
  0 SELECT STATEMENT Optimizer=CHOOSE (Cost=3 Card=1 Bytes=11)
  1 0 SORT (AGGREGATE)
  2 1 INDEX (RANGE SCAN) OF 'I_MYTABS_TEST' (NON-UNIQUE) (Cost=3 Card=126 Bytes=1386)
  
  Statistics
  ----------------------------------------------------------
  806 recursive calls
  5 db block gets
  283 consistent gets
  76 physical reads
  0 redo size
  293 bytes sent via SQL*Net to client
  359 bytes received via SQL*Net from client
  2 SQL*Net roundtrips to/from client
  3 sorts (memory)
  0 sorts (disk)
  1 rows processed
  可以看到,这次只读取了300个数据块。
  7000块对300块,这就是在这个例子中,单列索引与复合索引的代价之比。这个例子提示我们, 在许多情况下,单列索引不如复合索引有效率。
  可以说,在索引的设置问题上,其实有许多工作可以做。正确地设置索引,需要对应用进行总体的分析。
  
  三讲,索引再好,不用也是白搭
  抛开前面所说的,假设你设置了一个非常好的索引,任何傻瓜都知道应该使用它,但是Oracle 却偏偏不用,那么,需要做的第一件事情,是审阅你的 sql 语句。
  Oracle 要使用一个索引,有一些最基本的条件:
  1, where 子句中的这个字段,必须是复合索引的第一个字段;
  2, where 子句中的这个字段,不应该参与任何形式的计算
  具体来讲,假设一个索引是按 f1, f2, f3的次序建立的,现在有一个 sql 语句, where 子句是 f2 = : var2, 则因为 f2 不是索引的第1个字段,无法使用该索引。
  第2个问题, 则在我们之中非常严重。以下是从 实际系统上面抓到的几个例子:
  Select jobid from mytabs where isReq='0' and to_date (updatedate) >= to_Date ( '2001-7-18', 'YYYY-MM-DD');
  
  ………
  以上的例子能很轻易地进行改进。请注重这样的语句天天都在我们的系统中运行,消耗我们有限的cpu 和 内存资源。
  除了1,2这两个我们必须牢记于心的原则外,还应尽量熟悉各种操作符对 Oracle 是否使用索引的影响。这里我只讲哪些操作或者操作符会显式(explicitly)地阻止 Oracle 使用索引。以下是一些基本规则:
  1, 假如 f1 和 f2 是同一个表的两个字段,则 f1>f2, f1>=f2, f1 f1<="f2">
  2, f1 is null, f1 is not null, f1 not in, f1 !=, f1 like ‘%pattern%’;
  3, Not exist
  4, 某些情况下,f1 in 也会不用索引;
  对于这些操作,别无办法,只有尽量避免。比如,假如发现你的 sql 中的 in 操作没有使用索引,也许可以将 in 操作改成 比较操作 + union all。笔者在实践中发现很多时候这很有效。
  但是,Oracle 是否真正使用索引,使用索引是否真正有效,还是必须进行实地的测验。合理的做法是,对所写的复杂的 sql, 在将它写入应用程序之前,先在产品数据库上做一次explain . explain 会获得Oracle 对该 sql 的解析(plan),可以明确地看到 Oracle 是如何优化该 sql 的。
  假如经常做 explain, 就会发现,喜爱写复杂的 sql 并不是个好习惯,因为过分复杂的sql 其解析计划往往不尽如人意。事实上,将复杂的 sql 拆开,有时候会极大地提高效率,因为能获得很好的优化。当然这已经是题外话了。