ITPub博客

首页 > 数据库 > Oracle > Hash Cluster Table 研究

Hash Cluster Table 研究

原创 Oracle 作者:talio 时间:2014-03-10 16:38:42 0 删除 编辑


Hash Cluster Table是Cluster Table的一种(另一种是Index Cluster Table)。在Hash Cluster Table中,Oracle会为每行数据按Hash键计算一个Hash值,拥有同样Hash值的记录在Hash Table中会物理上存放在一起,oracle为Hash Key计算所得到的Hash Value会对应到确定的数据库块地址,这样,应用在访问Hash Cluster Table时就可以根据Hash Value快速定位到要访问的数据,也就是说,在Hash Cluster Table中,数据本身就是索引。

在创建Hash Cluster Table时,有两个参数很重要,它们是SIZE和HASHKEYS参数。SIZE参数指定用来保存相同键值记录的空间大小。HASHKEYS参数指定Hash键的个数。该值要求是一个质数,若用户指定的值不是质数,则数据库会取与用户指定值最接近的质数。

本文试图通过测试验证关于Hash Cluster Table的以下问题:

1.  在提高应用访问性能方面,Hash Cluster Table与索引的区别;

2.  不同SIZE和HASHKEYS参数值对Hash Cluster Table的存储和查询性能有何影响;

3.  Hash Cluster Table的适用场景,使用上有什么限制。

测试如下:

表test_hash_cluster有100万条记录,占用空间为55M,其表结构如下:

  1. SQL> select count(*) from test_hash_cluster;
  2.   COUNT(*)
  3. ----------
  4.    1000000
  5.  
  6. SQL> select bytes/1024/1024 from user_segments where segment_name=\'TEST_HASH_CLUSTER\';
  7. BYTES/1024/1024
  8. ---------------
  9.              55
SQL> desc TEST_HASH_CLUSTER                              
 Name                        Null?    Type               
 --------------------------- -------- ------------------ 
 TABLE_NAME                           VARCHAR2(30)       
 NDA_ID                               NUMBER(38)         
 AGI_ID                               NUMBER(38)         
 CHUNK_DATE                           DATE               
 COMMIT_SCN                           NUMBER(22)    

假设我们的应用对test_hash_cluster表的访问方式比较固定,具体查询语句如下:

  1. select * from test_hash_cluster where table_name=:B1 and NDA_ID=:B2 and AGI_ID=:B3 and CHUNK_DATE=:B4;

若要求以上查询有个快速响应结果,通常我们会怎么做呢?

一般来说,我们都会考虑在(TABLE_NAME,NDA_ID,AGI_ID,CHUNK_DATE)列上创建组合索引,或者我们将TEST_HASH_CLUSTER表创建为索引组织表(IOT).其实我们还可以考虑Hash Cluster Table.

首先,我们还是为TEST_HASH_CLUSTER表创建索引,以与后面的Hash Cluster Table作性能上的比较。

  1. create index ind_test_hash_cluster on test_hash_cluster (table_name, nda_id, agi_id, chunk_date);
  2.  
  3. SQL> select bytes/1024/1024 from user_segments where segment_name=\'IND_TEST_HASH_CLUSTER\';
  4.  
  5. BYTES/1024/1024
  6. ---------------
  7.              54
  8.  
  9. exec DBMS_STATS.GATHER_TABLE_STATS(\'SCOTT\',\'TAB_HASH_CLUSTER\',estimate_percent=>100);
  10.  
  11. SQL> select BLEVEL from user_indexes where index_name=\'IND_TEST_HASH_CLUSTER\';
  12.  
  13.     BLEVEL
  14. ----------
  15.          2

索引ind_test_hash_cluster占用54MB的空间,其BLEVEL值为2,当我们查询TEST_HASH_CLUSTER表中的一条记录时,理论上我们需要访问三个索引数据块(root block, branch block, leaf block)+一个表数据块,即在没有数据缓存的情况下,我们需要作4次Physical Reads.下面的结果验证了上面的猜测:


  1. select * from test_hash_cluster where table_name=\'NTS_OPEN_FUND_UNIT_TS\' and NDA_ID=1213871 and AGI_ID=2560 and CHUNK_DATE=to_date(\'20050101\',\'yyyymmdd\');
  2.  
  3. -----------------------------------------------------------------------------------------------------
  4. | Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |
  5. -----------------------------------------------------------------------------------------------------
  6. | 0 | SELECT STATEMENT | | 1 | 45 | 4 (0)| 00:00:01 |
  7. | 1 | TABLE ACCESS BY INDEX ROWID| TEST_HASH_CLUSTER | 1 | 45 | 4 (0)| 00:00:01 |
  8. |* 2 | INDEX RANGE SCAN | IND_TEST_HASH_CLUSTER | 1 | | 3 (0)| 00:00:01 |
  9. -----------------------------------------------------------------------------------------------------
  10. Statistics
  11. ----------------------------------------------------------
  12.           0 recursive calls
  13.           0 db block gets
  14.           5 consistent gets
  15.           4 physical reads
  16.           0 redo size
  17.         857 bytes sent via SQL*Net to client
  18.         523 bytes received via SQL*Net from client
  19.           2 SQL*Net roundtrips to/from client
  20.           0 sorts (memory)
  21.           0 sorts (disk)
  22.           1 rows processed

接下来,我们看看Hash Cluster Table的表现:

  1. CREATE CLUSTER HASH_CLUSTER (
  2.         TABLE_NAME VARCHAR2(30),
  3.         NDA_ID NUMBER(38,0),
  4.         AGI_ID NUMBER(38,0),
  5.         CHUNK_DATE DATE )
  6. SIZE 128
  7. HASHKEYS 1000003
  8. STORAGE(INITIAL 1048576 NEXT 1048576);
  9.  
  10. SQL> select bytes/1024/1024 from user_segments where segment_name=\'HASH_CLUSTER\';
  11.  
  12. BYTES/1024/1024
  13. ---------------
  14.              128

  15. CREATE TABLE TAB_HASH_CLUSTER
  16.    ( TABLE_NAME VARCHAR2(30),
  17.         NDA_ID NUMBER(38,0),
  18.         AGI_ID NUMBER(38,0),
  19.         CHUNK_DATE DATE,
  20.         COMMIT_SCN NUMBER(22,0)
  21.    )
  22. CLUSTER HASH_CLUSTER (TABLE_NAME, NDA_ID, AGI_ID, CHUNK_DATE) ;
  23.  
  24. SQL> insert into TAB_HASH_CLUSTER select * from TEST_HASH_CLUSTER;
  25.  
  26. 1000000 rows created.
  27.  
  28. SQL>commit;
  29.  
  30. SQL> alter system flush buffer_cache;
  31.  
  32. SQL> select * from TAB_HASH_CLUSTER where table_name=\'NTS_OPEN_FUND_UNIT_TS\' and NDA_ID=1213871 and AGI_ID=2560 and CHUNK_DATE=to_date(\'20050101\',\'yyyymmdd\');
  33. ----------------------------------------------------------------------------
  34. | Id | Operation | Name | Rows | Bytes | Cost (%CPU)|
  35. ----------------------------------------------------------------------------
  36. | 0 | SELECT STATEMENT | | 1 | 65 | 0 (0)|
  37. |* 1 | TABLE ACCESS HASH| TAB_HASH_CLUSTER | 1 | 65 | |
  38. ----------------------------------------------------------------------------
  39. Statistics
  40. ----------------------------------------------------------
  41.           0 recursive calls
  42.           0 db block gets
  43.           2 consistent gets
  44.           1 physical reads
  45.           0 redo size
  46.         853 bytes sent via SQL*Net to client
  47.         523 bytes received via SQL*Net from client
  48.           2 SQL*Net roundtrips to/from client
  49.           0 sorts (memory)
  50.           0 sorts (disk)
  51.           1 rows processed

从测试结果可以看到,同样的查询语句,当底层表是Hash Cluster Table时,我们只需要作一次Physical Reads,读取一个数据块即可得到需要的数据了。

这是如何实现的呢?

在TAB_HASH_CLUSTER表的底层,oracle根据每条记录的(TABLE_NAME,NDA_ID,AGI_ID,CHUNK_DATE)列作hash计算,得到了一个Hash Value,这些Hash Value会对应到该记录在Cluster中具体的块地址。当应用在查询数据时,如果查询的where条件中提供了具体的(TABLE_NAME,NDA_ID,AGI_ID,CHUNK_DATE)值,Oracle会为查询的条件用同样的Hash算法计算Hash Value,这样,查询时就可以根据该Hash Value直接找到具体的数据块了。

接下来,我们看看SIZE和HASHKEYS参数对Hash表的影响:

前面,我们在创建Cluster HASH_CLUSTER时指定的HASHKEYS值为1000003,表TAB_HASH_CLUSTER的记录数为1000000,HASHKEYS值大于数据记录数,也就是有足够的HASHKEYS来保证HASHKEYS与数据之间是一一对应的。

那么,如果我们指定一个相对较小的HASHKEYS值会怎么样呢?

  1. CREATE CLUSTER HASH_CLUSTER2 (
  2.         TABLE_NAME VARCHAR2(30),
  3.         NDA_ID NUMBER(38,0),
  4.         AGI_ID NUMBER(38,0),
  5.         CHUNK_DATE DATE )
  6. SIZE 128
  7. HASHKEYS 10007;

  8. CREATE TABLE TAB_HASH_CLUSTER2
  9.    ( TABLE_NAME VARCHAR2(30),
  10.         NDA_ID NUMBER(38,0),
  11.         AGI_ID NUMBER(38,0),
  12.         CHUNK_DATE DATE,
  13.         COMMIT_SCN NUMBER(22,0)
  14.    )
  15. CLUSTER HASH_CLUSTER2 (TABLE_NAME, NDA_ID, AGI_ID, CHUNK_DATE);
表中有1,000,000条记录,但Hashkeys值只有10007个,这样,一个hash值就需要对应多条记录,也就是在读取数据时,一个Hash Value会对应到多个数据块上,也就是需要访问多个数据块,如下:
  1. alter system flush buffer_cache;

  2. SQL> select * from TAB_HASH_CLUSTER2 where table_name=\'NTS_OPEN_FUND_UNIT_TS\' and NDA_ID=1213871 and AGI_ID=2560 and CHUNK_DATE=to_date(\'20050101\',\'yyyymmdd\');
  3. ----------------------------------------------------------------------------
  4. | Id | Operation | Name | Rows | Bytes | Cost (%CPU)|
  5. ----------------------------------------------------------------------------
  6. | 0 | SELECT STATEMENT | | 1 | 65 | 0 (0)|
  7. |* 1 | TABLE ACCESS HASH| TAB_HASH_CLUSTER2 | 1 | 65 | |
  8. ----------------------------------------------------------------------------
  9. Statistics
  10. ----------------------------------------------------------
  11.           0 recursive calls
  12.           0 db block gets
  13.          64 consistent gets
  14.          63 physical reads
  15.           0 redo size
  16.         853 bytes sent via SQL*Net to client
  17.         523 bytes received via SQL*Net from client
  18.           2 SQL*Net roundtrips to/from client
  19.           0 sorts (memory)
  20.           0 sorts (disk)
  21.           1 rows processed

除了Hashkeys参数,影响Hash Cluster Table的另一个重要参数是Size. 拥有相同键值的记录保存在由Size参数指定的同一空间中,或者说同一数据块中。在上面的例子中,10,007个Hash Value对应1,000,000条记录,平均一个Hash Value对应大约100条记录,但从统计信息看来,只访问了63个数据块,而不是100左右,其中重要原因就是Size参数,这里我们设置的是128字节,该Size可能可以存储多于一条的记录,这样100条记录就不一定是在100个不同块中,所以实际访问的数据块只有63。按此逻辑,如果我们将Size参数设置得更大,就可以保证更多拥有相同Hash Value的记录在物理上聚集在一起存放,比如,这里测试将Size设置为1024 byte.

  1. CREATE CLUSTER HASH_CLUSTER3 (
  2.         TABLE_NAME VARCHAR2(30),
  3.         NDA_ID NUMBER(38,0),
  4.         AGI_ID NUMBER(38,0),
  5.         CHUNK_DATE DATE )
  6. SIZE 1024
  7. HASHKEYS 10007;

  8. CREATE TABLE TAB_HASH_CLUSTER3
  9.    ( TABLE_NAME VARCHAR2(30),
  10.         NDA_ID NUMBER(38,0),
  11.         AGI_ID NUMBER(38,0),
  12.         CHUNK_DATE DATE,
  13.         COMMIT_SCN NUMBER(22,0)
  14.    )
  15. CLUSTER HASH_CLUSTER3 (TABLE_NAME, NDA_ID, AGI_ID, CHUNK_DATE);

  16. select * from TAB_HASH_CLUSTER4 where table_name=\'NTS_OPEN_FUND_UNIT_TS\' and NDA_ID=1213871 and AGI_ID=2560 and CHUNK_DATE=to_date(\'20050101\',\'yyyymmdd\');
  17. ----------------------------------------------------------------------------
  18. | Id | Operation | Name | Rows | Bytes | Cost (%CPU)|
  19. ----------------------------------------------------------------------------
  20. | 0 | SELECT STATEMENT | | 1 | 65 | 0 (0)|
  21. |* 1 | TABLE ACCESS HASH| TAB_HASH_CLUSTER3 | 1 | 65 | |
  22. ----------------------------------------------------------------------------

  23. Statistics
  24. ----------------------------------------------------------
  25.           0 recursive calls
  26.           0 db block gets
  27.           7 consistent gets
  28.           6 physical reads
  29.           0 redo size
  30.         853 bytes sent via SQL*Net to client
  31.         523 bytes received via SQL*Net from client
  32.           2 SQL*Net roundtrips to/from client
  33.           0 sorts (memory)
  34.           0 sorts (disk)
  35.           1 rows processed
正如前面所预料的, physical reads 降低了很多, 从63 降到了 6.

总结来说,当我们决定要用Hash Cluster Table来提高应用查询性能,那么选择合适的SIZE和HASHKEYS参数值就显得异常重要。设置合适SIZE和HASHKEYS参数的标准就是在读取数据时需要访问尽量少的数据块。一种方法就是设置HASHKEYS的值比数据记录数更大,或者当HASHKEYS小于总记录数时,保证Size指定的大小能存下所有拥有相同Hash Value的记录。否则,就会发生类似与“行链接”的想象,数据库需要用溢出块来存储多余的数据,并在原块中建立一个链接来指到新的溢出块上,进而影响访问性能。

最后,我们来看看Hash Cluster Table的适用场景及使用限制:

1.  Hash Cluster Table适用于查询较频繁,而写操作相对较少的表,因为写数据时需要为每条记录计算Hash 值,并且需要在固定的块上作插入操作;

2.  由于Hash Cluster Table是基于Hash算法创建的,所以查询时必须是等值查询;否则,无从按查询条件计算Hash值;

3.  在我们决定使用Hash Cluster Table之前,我们需要能合理估计Hash Key的数量以及数据的空间大小,从而选择合适的SIZE和HASHKEYS参数,这对表的访问性能至关重要;

4.  与索引相比,Hash Cluster Table有其优势,如前面的测试所示,但也有其劣势,比如不够灵活。还以前面的例子来看,若我们建的是复合索引,则我们在查询时只要查询条件中指定了前面的一个或几个列,就能利用索引作快速查询。但若是Hash Cluster Table,则要求我们在查询条件中包含所有的Hash Key值。

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/27243841/viewspace-1104755/,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论

注册时间:2013-05-14

  • 博文量
    17
  • 访问量
    273156