oracle索引

MySQL常见的两种存储引擎：MyISAM与InnoDB Mysql索引使用的数据结构主要有BTree索引 和 哈希索引 。对于哈希索引来说，底层的数据结构就是哈希表，因此在绝大多数需求为单条记录查询的时候，可以选择哈希索引，查询性能最快；其余大部分场景，建议选择BTree索引。 Mysql的BTree索引使用的是B数中的B+Tree，但对于主要的两种存储引擎的实现方式是不同的。   MyISAM: B+Tree叶节点的data域存放的是数据记录的地址。在索引检索的时候，首先按照B+Tree搜索算法搜索索引，如果指定的Key存在，则取出其data域的值，然后以data域的值为地址读取相应的数据记录。这被称为“非聚簇索引”。   InnoDB: 其数据文件本身就是索引文件。相比MyISAM，索引文件和数据文件是分离的，其表数据文件本身就是按B+Tree组织的一个索引结构，树的叶节点data域保存了完整的数据记录。这个索引的key是数据表的主键，因此InnoDB表数据文件本身就是主索引。这被称为“聚簇索引（或聚集索引）”。而其余的索引都作为辅助索引，辅助索引的data域存储相应记录主键的值而不是地址，这也是和MyISAM不同的地方。在根据主索引搜索时，直接找到key所在的节点即可取出数据；在根据辅助索引查找时，则需要先取出主键的值，在走一遍主索引。 因此，在设计表的时候

Atitit. 分区对索引的影响 分区索引和全局索引 attilax 总结 1 . 分区的好处 1 2 . 分区键： 2 3 . 分区的建议： 2 4 . 分区索引和全局索引： 2 5 . 全局索引就是在全表上创建索引， 3 6 . 总结 4 7 . refer 4 1. 分区的好处 在一个表的数据超过过2000万条或占用2G空间时，建议建立分区表 分区使得数据管理操作如数据装载、索引建立和重建、备份和恢复等在分区级别上完成，这比在表级完成操作要明显的节省时间； 分区可以提高性能，在很多情况下，查询可以通过扫描某个分区来完成，而不是去扫描整个表； 根据查询条件自动将扫描范围缩小到一个或几个表（索引）分区上。这种方式其实是分区扫描替代了全表扫描。 如果连接查询的两张表都在连接列上进行分区，则 会优化连接操作，将一个大的连接分成各个对应分区间的连接，而且这些分区连接操作还可以并行执行。 并行DML：采用并行执行，可以使操作并行在各个分区上同时执行，从而提供执行效率。 2. 分区键： 分区表中的每条记录都唯一的属于一个分区，分区键就是确定一条记录属于哪个分区的一列或多个列。 分区键可以由1～16列组成，可以包含空值，不能包含ROWID、LEVEL或MLSLABEL等伪列 3. 分区的建议： 表的大小超过2G就可以考虑是否分区； 包含历史数据的表。这种表一般采用时间字段的范围分区

涉及到表的处理请参看原表结构与数据 Oracle建表插数据等等 Oracle索引、权限 介绍 为什么添加了索引后，会加快查询速度呢？ 索引是用于加速数据存取的数据对象。合理的使用索引可以大大降低i/o次数，从而提高数据访问性能。索引有很多种我们主要介绍常用的几种 创建索引 单列(唯一)索引 单列索引是基于单个列所建立的索引，比如： create unique index index_name on table_name(column_name); 复合索引 复合索引是基于两列或是多列的索引。在同一张表上可以有多个索引，但是要求列的组合必须不同，比如： create index emp_index on tb_Employee(ename, job); 使用原则 1. 在大表上建立索引才有意义 2. 在where子句或是连接条件上经常引用的列上建立索引 3. 索引的层次不要超过4层 索引的缺点 索引缺点分析 索引有一些先天不足： 1. 建立索引，系统要占用大约为表1.2倍的硬盘和内存空间来保存索引。 2. 更新数据的时候，系统必须要有额外的时间来同时对索引进行更新，以维持数据和索引的一致性。 实践表明，不恰当的索引不但于事无补，反而会降低系统性能。因为大量的索引在进行插入、修改和删除操作时比没有索引花费更多的系统时间。比如在如下字段建立索引应该是不恰当的： 1. 很少或从不引用的字段

概述 　　索引就是通过事先排好序，从而在查找时可以应用二分查找等高效率的算法，索引也可以简单理解成字典的目录，通过目录定位到详细的内容页。索引可分为分区索引和非分区索引。分区索引一般用在分区表中，关联表中的某个或者某些字段，来提高表数据的查询效率。分区索引通过使用结构可以分为有前缀(prefix)的分区索引和无前缀(nonprefix)的分区索引。通过使用范围又可以分为分为本地(local index)索引和全局索引(global index)。局部索引比全局索引容易管理, 而全局索引比较快。 与索引信息有关的系统表： 　　　　dba_part_indexes 分区索引的概要统计信息，可以得知每个表上有哪些分区索引，分区索引的类型(local/global)。 　　　　dba_ind_partitions 每个分区索引的分区级统计信息，记录分区索引分区信息； 　　　　dba_indexes 可以得到每个表上有哪些索引信息包括分区索引和非分区索引； 　　　　Local索引肯定是分区索引，Global索引可以选择是否分区，如果分区，只能是有前缀的分区索引。 创建基本的分区表 create table T_TESTPDBA (id number, time date,statue number) partition by range (time) ( partition p1

一、Oracle分区简介 ORACLE的分区是一种处理超大型表、索引等的技术。分区是一种“分而治之”的技术，通过将大表和索引分成可以管理的小块，从而避免了对每个表作为一个大的、单独的对象进行管理，为大量数据提供了可伸缩的性能。分区通过将操作分配给更小的存储单元，减少了需要进行管理操作的时间，并通过增强的并行处理提高了性能，通过屏蔽故障数据的分区，还增加了可用性。 二、Oracle分区优缺点 ? 优点： 增强可用性：如果表的某个分区出现故障，表在其他分区的数据仍然可用； 维护方便：如果表的某个分区出现故障，需要修复数据，只修复该分区即可； 均衡I/O：可以把不同的分区映射到磁盘以平衡I/O，改善整个系统性能； 改善查询性能：对分区对象的查询可以仅搜索自己关心的分区，提高检索速度。 ? 缺点： 分区表相关：已经存在的表没有方法可以直接转化为分区表。不过 Oracle 提供了在线重定义表的功能。 三、Oracle分区方法 ? 范围分区： 范围分区就是对数据表中的某个值的范围进行分区，根据某个值的范围，决定将该数据存储在哪个分区上。如根据序号分区，根据业务记录的创建日期进行分区等。 ? Hash分区（散列分区）： 散列分区为通过指定分区编号来均匀分布数据的一种分区类型，因为通过在I/O设备上进行散列分区，使得这些分区大小一致。 ? List分区（列表分区）：

关于 分区表 和 分区索引 (About Partitioned Tables and Indexes) 对于10gR2而言，基本上可以分成几类： v Range(范围)分区 v Hash(哈希)分区 v List(列表)分区 v 以及组合分区：Range-Hash,Range-List。 对于表而言(常规意义上的堆组织表)，上述分区形式都可以应用(甚至可以对某个分区指定compress属性)，只不过分区依赖列不能是lob,long之类数据类型，每个表的分区或子分区数的总数不能超过1023个。 对于索引组织表，只能够支持普通分区方式，不支持组合分区，常规表的限制对于索引组织表同样有效，除此之外呢，还有一些其实的限制，比如要求索引组织表的分区依赖列必须是主键才可以等。 注：本篇所有示例仅针对常规表，即堆组织表！ 对于索引，需要区分创建的是全局索引，或本地索引： l 全局索引(global index)：即可以分区，也可以不分区。即可以建range分区，也可以建hash分区，即可建于分区表，又可创建于非分区表上，就是说，全局索引是完全独立的，因此它也需要我们更多的维护操作。 l 本地索引(local index)：其分区形式与表的分区完全相同，依赖列相同，存储属性也相同。对于本地索引，其索引分区的维护自动进行，就是说你add/drop/split/truncate表的分区时

目录 索引对比 锁对比 事务对比 并发 全文索引对比 外键 其他 一.索引对比 1.B+树概念 我们这里关注B+树的两个特性： 叶子节点包含数据data（data并不特指数据库中的某一行数据，也可以是某个数值，指针等） 叶子节点均在同一层，且每个节点均可以直接找到上一个或者下一个节点（双向指针，比常规的B+树多了一个指向上一个的指针） 2.Innodb 以用户表为例， id 为主键，另外name存在索引 idx_name ： CREATE TABLE `t_user` ( `id` bigint, `name` varchar(10), `age` int, PRIMARY KEY (`id`), KEY `idx_name` (`name`) ); 插入数据： insert into t_user (id,`name`,age) values (1,'n7',10), (2,'n6',20), (3,'n5',30), (4,'n4',40), (5,'n3',50), (6,'n2',60), (7,'n1',70) ①聚簇索引(聚集索引) 聚簇索引：行数据与键值（主键）紧凑地存储在一起； InnoDB中表现为：B+树叶子节点的data用于存放 行数据 （包含主键值、其他列数据、回滚指针、事务id等），物理上索引数据与行数据都放在同一个文件中（ .ibd ） 如果没有定义主键

一、视图 视图是从一个或多个表中导出的表，是一种虚拟的表，其内容由查询语句定义。 视图是逻辑上来自一个或多个表的数据集合 视图一旦定义，就可以像表一样进行查询、修改和删除。 对视图引用的基础表来说，视图的作用类似于筛选。 视图的数据来自定义视图查询时引用的表，且在引用视图时动态生成。 为什么使用视图？ 限制其他用户对数据库表的访问，因为视图可以有选择性的显示数据库表的一部分 容易实现复杂的查询 对于相同的数据可以产生不同的视图 1 、创建视图 Create view 视图名 [（列名1，列名2）] as select语句 创建视图时，所引用的表尽量<=3，为保证执行效率 范例1：CREATE VIEW emp11 AS SELECT * FROM emp; 范例2：CREATE VIEW emp10 as SELECT * FROM emp WHERE deptno=10; 范例3：CREATE VIEW emp20(no,name) as SELECT empno, ename FROM emp; 范例4：CREATE VIEW emp02(no,name,deptno,dname) as SELECT empno, ename, d.deptno,dname FROM emp e, dept d WHERE e.deptno = d.deptno AND loc =

kettle被很多中小企业使用，且常常结合ERP系统、内部系统，低成本打通内外部系统的业务。 kettle是一款开源工具，更多用于数据同步，支持SQL配置、请求转发、读写数据库的功能，也有很多拓展的内部函数使用。基于JAVA开发的工具，本身也支持java的一些属性，所以强依赖于JDK。 kettle是通过工作流的方式，定义业务需要实现的节点进行拆解和实现，学习成本低，易上手。 其实我第一个关心的是性能，其次才是实现，作为开源工具，功能实现基本符合业务，应该没有太大问题。对于大业务量抽数需要重点评估，以免做了无用功。所以这里重点描述一下如何做调优 Kettle 调优 1 、 调整 JVM 大小进行性能优化，修改 Kettle 定时任务中的 Kitchen 或 Pan或Spoon 脚本。 修改脚本代码片段 set OPT=-Xmx512m -cp %CLASSPATH% -Djava.library.path=libswt\win32\ -DKETTLE_HOME="%KETTLE_HOME%" -DKETTLE_REPOSITORY="%KETTLE_REPOSITORY%" -DKETTLE_USER="%KETTLE_USER%" -DKETTLE_PASSWORD="%KETTLE_PASSWORD%" -DKETTLE_PLUGIN_PACKAGES="%KETTLE

1.1 Mysql数据库的优化技术 　　1、mysql优化是一个综合性的技术，主要包括 　　　　　　1. 表的设计合理化(符合3NF) 　　　　　　2. 添加适当索引(index) [四种: 普通索引、主键索引、唯一索引unique、全文索引] 　　　　　　3. 分表技术(水平分割、垂直分割) 　　　　　　4. 读写[写: update/delete/add]分离 　　　　　　5. 存储过程 [模块化编程，可以提高速度] 　　　　　　6. 对mysql配置优化 [配置最大并发数my.ini, 调整缓存大小 ] 　　　　　　7. mysql服务器硬件升级 　　　　　　8. 定时的去清除不需要的数据,定时进行碎片整理(MyISAM) 　　2、要保证数据库的效率，要做好以下四个方面的工作 　　　　　　1. 数据库设计 　　　　　　2. sql语句优化 　　　　　　3. 数据库参数配置 　　　　　　4. 恰当的硬件资源和操作系统 　　　　　　此外，使用适当的存储过程，也能提升性能。 　　　　　　这个顺序也表现了这四个工作对性能影响的大小 1.2 数据库表设计 　　1、通俗地理解三个范式 　　　　　　 第一范式： 1NF是对属性的原子性约束，要求属性(列)具有原子性，不可再分解；(只要是关系型数据库都满足1NF) 　　　　 　　第二范式： 2NF是对记录的惟一性约束，要求记录有惟一标识