ITPub博客

首页 > 数据库 > Oracle > 行迁移对跨分区update效率的影响

行迁移对跨分区update效率的影响

原创 Oracle 作者:水逸冰 时间:2018-12-28 19:12:46 0 删除 编辑

测试目的:
行迁移对跨分区update效率的影响。


创建测试表
create table ming.LICISITS_R
(
EID NUMBER(18) not null,
EUTIME DATE  default sysdate ,
dynamicmap VARCHAR2(200) not null
)
PARTITION BY RANGE (EUTIME) INTERVAL (numtoyminterval(1, 'month'))
(partition p1900 values less than(to_date('1900-01-01', 'yyyy-mm-dd')));

alter table ming.LICISITS_R add constraint PK_LICISITS_R primary key(EID) using index ;
alter table ming.LICISITS_R add constraint PK_LG_LICISITS_R unique(dynamicmap) using index ;

开启行迁移
alter table ming.LICISITS_R enable row movement;

每个分区插入10万数据
begin
    for i in  1 .. 100000
    loop
        insert into ming.LICISITS_R values( i,sysdate,i);
    end loop;
    commit;
end;
/


begin
    for i in  100001 .. 200000
    loop
        insert into ming.LICISITS_R values( i,sysdate-31,i);
    end loop;
    commit;
end;
/

开启记录时间
set timing on time on

将SYS_P3695分区数据全部update到SYS_P3696分区
17:24:15 SQL> update ming.LICISITS_R set EUTIME=sysdate-31 where eid<=100000;
commit;

100000 rows updated.

Elapsed: 00:00:06.19
时间为6秒

分区内update
17:25:21 SQL> update ming.LICISITS_R set EUTIME=sysdate-32 where eid<=100000;

100000 rows updated.

Elapsed: 00:00:00.71
只需要0.71秒

再移动回去
17:26:45 SQL> update ming.LICISITS_R set EUTIME=sysdate where eid<=100000;

100000 rows updated.

Elapsed: 00:00:04.31
需要04.31秒

#############################################################
多次测试后发现,10万数据行迁移需要4-6秒,分区内update不用1秒。
#############################################################


在此期间监控记录redo生成量
select * from v$statname where name like '%redo%'
select * from v$sesstat where statistic#=288 and sid=807
744-27306840--165164928 --
分区内update:744-->27306840,大约26M redo
分区间行迁移:27306840-->165164928大约131M redo

将数据删除再插入,生成的redo从165164928-->275735704
此过程大约需要105M redo






来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/31480688/viewspace-2286868/,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
精通oracle,mysql和linux,热衷于研究数据库,擅长shell和Python自动化运维。VX:18302174682

注册时间:2017-08-05

  • 博文量
    104
  • 访问量
    119414