ORACLE表、索引和分区

一、数据库表

每种类型的表都有不同的特性，分别应用与不同的领域

• 堆组织表

• 聚簇表(共三种)

• 索引组织表

• 嵌套表

• 临时表

• 外部表和对象表

1.行迁移

• 建表过程中可以指定以下两个参数：

• PCTFREE：自由空间，默认值10

• PCTUSED（只适用于MSSM）：默认值40

• 设置这两个参数很重要：

• 一方面避免迁移过多的行，影响性能

• 一方面避免浪费太多的空间

• 当自由空间存不下更新后的某一行时，这一行将会发生行迁移，在两个块上存储这一行数据，如下图：

2.堆组织表

• 基本上我们使用的表都是堆组织表（heap organized table），堆是无序的数据结构，数据的存取都是随机的，想要排序必须使用order by子句

• 对于ASSM有三个重要的选项：

• PCTFREE

• INITRANS：默认值 2，高并发会设置更大一些

• COMPRESS/NOCOMPRESS：启用/禁用压缩

3.索引组织表（IOT）

• 以索引结构存储的表

• 使用场景：

• 信息检索

• 空间数据

• OLAP应用

• 创建，使用organization index子句：

create table tbl( name varchar2(20), age int ) organization index

• 与堆组织表对比：

• 提高缓冲区缓存效率，因为需要的块更少

• 减少缓冲区缓存访问

• 获取数据快，工作量少

• 完成查询的物理I/O更少

• 因为所有数据都放入索引，所以当表的数据量很大时，会降低索引组织表的查询性能

4.散列聚簇表

• 散列聚簇表与索引聚簇表非常相似，一个主要区别就是：聚簇索引被一个散列函数所取代，表中的数据就是索引

• 散列聚簇表会预分配(hashkeys/trunc(blocksize/SIZE))个块的存储空间，SIZE为设置的SIZE向上取最小的质数

• 当hash冲突时会分配溢出块与原来的块连接起来

• 创建步骤：

• 创建聚簇对象：create cluster hash_cluster(hash_key number) hashkeys 1000 size 1024;

• 创建表： create table hash_table(x number, y varchar2(4000), z varchar2(400)) cluster hash_cluster(x);

• 注意：

• 无法对散列聚簇中的表进行区间扫描来定位数据，需要建立传统索引实现

• 建立散列聚簇表的目的是根据散列值快速定位数据，减少缓冲区缓存链闩，而不是平凡的全表扫描

• 散列是CPU密集型操作，但索引所需的I/O会是散列的3倍，可以根据I/O和CPU资源选择

5.有序散列聚簇表

有序散列聚簇不仅有散列聚簇的特性，还结合了IOT的一些性质

场景：

按照某个键查询在按某一列排序

select * from where key=:x order by sorted_column;

创建步骤：

创建聚簇：

create cluster shc(clust_id number, order_col number sort) hashkeys 100 hash is cust_id size 8192;

创建表：

create table cust_orders(clust_id number, order_col number, z varchar2(400)) cluster shc(clust_id, order_col);

6.对象表

一种基于Oracle类型的表

特点：

由于对象表实际上就是伪装的关系表，这么做与Oracle表功能没什么区别，但效率更高

创建：

create or replace type address_type as object(city varchar2(20), street varchar2(20));

create or replace type person_type as object(name varchar2(20), home_addr address_type, work_addr address_type);

create table people of person_type;

插入：

Insert into people values(‘ruphy’, address_type(‘gy’, ‘zunyi’), address_type(‘sz’, ‘bantian’));

查询：

Select name, p.home_addr home, p.work_addr work from people p;

7.嵌套表

创建：

create or replace type emp_type as object(empno number, ename varchar2(40), job varchar(9));

create or replace type emp_tab_type as table or emp_type;--对象表

create table dept(deptno number primary key, dname varchar2(40), emps emp_tab_type);

查询：

Select d.deptno, d.dname, emp.* from dept d, table(d.emps) emp;

插入：

Insert into table(select emps from dept where deptno = 10) values(123, ‘new’, ‘java’);

更新/删除

update/delete table(select emps from dept where deptno = 10) set job = ‘C#’;

8.临时表

可以使用临时表(temporary table)来保存事务或者会话内的临时结果集

特点：

隔离性

无并发性问题

静态定义

效率高，产生重做日志少

可以有触发器、检查约束、索引，但不能有完整性约束、不能有嵌套列、不能是IOT、不能有聚簇、不能分区、不能使用analyze命令生成统计信息

类型：

基于会话

create global temporary table temp_table_session on commit preserve rows ;

基于事务

create global temporary table temp_table_session on commit delete rows ;

二、数据库索引

最好在应用设计期间考虑索引应该如何设计，不要事后才想起来，这样有助于清楚地知道需要建立什么样的索引

Oracle提供几种类型的索引：

B*TREE索引

T*TREE聚簇索引

降序索引

反向键索引

IOT位图索引

位图级联索引

函数索引

应用域索引

1.B*TREE索引

--类似于二叉树结构的索引，扩展性非常

分析一下几种情况：

Where x between 20 and 30

Where x = 10047

2.反向键索引
--对B*TREE索引键反转建立的索引

主要用途是减少“右手”索引中索引页块的竞争

创建： create index idx on t(x,y) reverse;

分析一下几种情况：

Where x > 5

Where x = 5

3.降序索引
--对B*TREE索引扩展，以从大到小的方式存储

主要用途是对多个列进行排序，且顺序要求不一致时使用降序索引可以避免数据库额外的排序

创建：create index desc_t_idx on t(owner desc, object_type asc)

分析：select * from t where owner between ‘T’ and ‘Z’ order by owner desc, object_type asc;

4.什么时候走B*TREE索引

两个“经验”:

访问表中非常少的部分，到底多少与列数有关

访问表中大量数据时，数据可以直接从索引中拿到（覆盖索引）

5.位图索引
--位图索引是为数据仓库/即席查询设计

与B*TREE索引不同，位图索引的一个索引键会指向多行数据

位图索引特别不适用于OLTP系统（平凡的更新）

创建：create bitmap index b_idx on t(owner);

位图索引对or and not会执行位操作，存储结构如下：

6.位图级联索引

在一个表上建立的索引基于另一个表的列(主键或者唯一键)，将数据在索引中逆规范化

场景：销售部门多少人？谁在销售部工作？销售部业绩最好的三个人？

创建：create bitmap index ed_idx on emp(d.dname) from emp e, dept d where e.deptno = d.deptno

7.什么时候位图索引

位图索引特别适用于低基数（相异基数低）

相异基数大小取决于结果集行数，相异基数与总行数之比趋近与0才算低相异基数，如2000行的表，相异基数为3，那么3/2000=0.0015很小，适合位图索引

系统会运行大量的即席查询，特别是查询会使用多列数据或者使用诸如count之类的聚合函数

8.函数索引

可以基于函数建立索引，本质上也是位图索引或者B*TREE索引的扩展

使用场景：

通过计算结果建立索引，方便需要使用函数计算后比叫时能够立即用上

不用修改任何逻辑或查询，就可以加快现有应用

只对感兴趣的值键索引

创建：

create index f_idx on t(lower(owner));

create index f_idx on t(case owner when ‘PUBLIC’ then ‘PUBLIC’ end);

9.虚拟列索引

虚拟列

不占用存储过程，在查询表数据时sql函数动态计算的返回值，不超过6398字节

创建：alter table t add cal as (lower(owner));

可以在虚拟列建立一个索引，以提高查询效率

创建： create index v_idx on t(cal);

10.组合索引

联合索引时列的选择原则

最左匹配原则

最少空间原则

创建如下索引：

alter table T add constraint id_key primary key (OBJECT_ID);

create index u_idx on t(upper(object_type), owner);

create index f_idx on t(owner);

分析：

Select * from t where object_id = 5;

Select * from t where owner = ‘SYS’;

Select * from t where object_type = ‘INDEX’;

Select * from t where upper(object_type) = ‘INDEX’;

Select * from t where upper(object_type) = ‘INDEX’ and owner = ‘SYS’;

Select count(*) from t;

11.不走索引原因

谓词不在组合索引的最前列（最前列值比较少也会走索引）

Select count(*) from t;有索引但没有索引列没有非空约束

Select * from t where f(x) = :x;对非函数索引列使用了函数

Select * from t where y = 5; (y为字符串)发生了隐式转换

查询的结果集超过了阈值

表上的统计信息不是最新的，dbms_stats.gather_table_stats(user, ‘T’);

将索引标记为invisible

三、数据库分区

分区将一个表或索引物理地分解为多个更小、更易管理的部分，使用了一种“分而治之”的方法，设用于管理非常大的表

注意，分区不一定能提高性能，会产生三种情况：

应用可能运行更慢

可能运行更快

也可能没有任何变化

1.分区的优势

提高数据可用性（独立性）

将大段分解为小段，从而减轻管理负担

改善某些SQL语句(SIUD)性能性能(读取信息语句、修改信息语句(PDML))

把数据修改分散，减少并发下系统的竞争

数据滑动窗口

去除旧数据

加载新数据并建立索引

将新数据纳入分区表

2.分区机制

区间分区（范围分区）

散列分区

列表分区

间隔分区：区间分区+自动创建分区

引用分区

间隔引用分区

虚拟列分区

组合分区

系统分区：比较少见

3.区间分区。

创建：

create table range_t(range_key_column data not null, data varchar2(20)) partition by range(range_key_column)(partition part_1 values less than(to_date(‘20180101’, ‘yyyymmdd’)) ,partition part_2 values less than(to_date(‘20190101’, ‘yyyymmdd’)),partition part_3 values less(maxvalue));

4.散列分区

创建：

create table hash_t(range_key_column date, data varchar2(20)) partition by hash(range_key_column) (partition part_1 tablespace p1,partition part_2 tablespace p2);

5.列表分区

创建：

create table list_t(list_key_column varchar(2), data varchar2(20)) partition by list(list_key_column)(partition part_1 values('A', 'B'),partition part_2 values('C'));

6.虚拟列分区

创建：

create table res(res_code varchar(2), region as (decode(substr(res_code,1,1), 'A', 'NE', 'C', 'NE','B','SW','D','NW'))) partition by list(region)(partition p1 values('NE'), partition p2 values('SW'), partition p3 values('NW'));

7.组合分区

创建：

create table composite_t(range_c date, hash_c int, data varchar(2)) partition by range(range_c) interval (numtoyminterval(1, ‘year’)) subpartition by hash(hash_c) subpartitions 2 (partition p1 values less than(to_date(‘20180101’, ‘yyyymmdd’))(subpartition p1s1,subpartition p1s2), partition p2 values less than(to_date(‘20190101’, ‘yyyymmdd’))(subpartition p2s1,subpartition p2s2));

8.索引分区