Oracle数据库整理表碎片-成都创新互联网站建设

关于创新互联

多方位宣传企业产品与服务 突出企业形象

公司简介 公司的服务 荣誉资质 新闻动态 联系我们

Oracle数据库整理表碎片

表碎片的来源

成都创新互联公司长期为上1000+客户提供的网站建设服务,团队从业经验10年,关注不同地域、不同群体,并针对不同对象提供差异化的产品和服务;打造开放共赢平台,与合作伙伴共同营造健康的互联网生态环境。为克州企业提供专业的成都做网站、成都网站设计,克州网站改版等技术服务。拥有10多年丰富建站经验和众多成功案例,为您定制开发。

当针对一个表的删除操作很多时,表会产生大量碎片。删除操作释放的空间不会被插入操作立即重用,甚至永远也不会被重用。

怎样确定是否有表碎片

--收集表统计信息

SQL> exec dbms_stats.gather_table_stats(ownname=>'SCHEMA_NAME',tabname=> 'TABLE_NAME');

[@more@]

--确定碎片程度

SQL>或者使用如下gist中的脚本找出某个 Schema中表碎片超过25%的表。使用此脚本前,先确定 Schema中表统计信息收集完整。

SELECT table_name,

ROUND((blocks *8),2) "高水位空间 k",

ROUND((num_rows * avg_row_len /1024),2) "真实使用空间 k",

ROUND((blocks *10 /100) *8,2) "预留空间(pctfree) k",

ROUND((blocks *8 - (num_rows * avg_row_len /1024) -

blocks *8 *10 /100),

2) "浪费空间 k"

FROM dba_tables

WHERE table_name ='BP_RESERVE_ORDERLIST';

--查看表上次收集统计信息时间

select table_name,last_analyzed from dba_tables where owner = 'SCHEMA_NAME'

--收集整个 Schema中对象的统计信息

SQL> exec dbms_stats.gather_schema_stats(ownname=>'SCHEMA_NAME');

为什么要整理表碎片

Oracle对数据段的管理有一个高水位(HWM, High Water Mark)的概念。高水位是数据段中使用过和未使用过的数据块的分界线。高水位以下的数据块是曾使用过的,以上的是从未被使用或初始化过的。

当 Oracle进行全表扫描(FTS, Full table scan)的操作时,它会读高水位下的所有数据块。如果高水位下还有很多空闲空间(碎片),读取这些空闲数据块会降低操作的性能。

行链接和行迁移

  • 行链接 Row Chaining:当插入数据量大的行的,如果一个Block不能存放一条记录,该记录的一部分会存储到同个Extent中的其他Block,这些block形成一个数据块链。
  • 行迁移 Row Migration:当Update的时候导致记录长度增加了,存储的Block已经满了,就会发生行迁移。Oracle会迁移整行数据到一个能够存储下整行数据的Block中,迁移的原始指针指向新的存放行数据的Block,ROWID不变。

当数据行发生链接(chain)或迁移(migrate)时,对其访问将会造成 I/O性能降低,因为Oracle为获取这些数据行的数据,必须访问更多的数据块(data block)。

表碎片导致的问题

  • 查询响应时间(尤其是全表扫描)变慢
  • 产生大量行迁移
  • 浪费空间

整理表碎片对基于索引的查询不会有太大性能提升。

如何整理表碎片

10g之前

两种方法:

  • 导出表,删除表,再导入表
  • alter table move

一般选择第二种,需要重建索引。

10g后

从 10g开始,提供一个 shrink命令,需要表空间是基于自动段管理的。

可以分成两步操作:

--整理表,不影响DML操作

SQL> alter table TABLE_NAME shrink space compact;

--重置高水位,此时不能有DML操作

SQL> alter table TABLE_NAME shrink space;

也可以一步到位:

--整理表,并重置高水位

SQL> alter table TABLE_NAME shrink space;

shrink 的优势:

  • 不需要重建索引。
  • 可以在线操作。
不需要空闲空间,alter move需要跟当前表一样大小的空闲空间。
分享标题:Oracle数据库整理表碎片
链接分享:http://kswsj.cn/article/jssjio.html

其他资讯