极限优化：从75到2000,由技能到性能提升岂止80倍

From: 崔华数据和云 2019-12-14

崔华，网名 dbsnake

Oracle ACE Director，ACOUG 核心专家

编辑手记：感谢崔华授权我们独家转载其精品文章，也欢迎大家向“Oracle”社区投稿。

崔华手记：这篇文章的标题颇有些标题党的味道，但这不是我的初衷。其实我想表达的是，基于RDBMS的应用系统的性能问题绝大多数都是和SQL直接相关，而基于Oracle数据库的SQL优化能否奏效、效果的好与坏归根结底比拼的还是对CBO和执行计划的理解程度，这也正是我在《基于Oracle的SQL优化》一书中提出来的SQL优化方法论的第一点——Oracle里SQL优化的本质是基于对CBO和执行计划的深刻理解。

上回书说到：根据同事的反馈，现在每分钟能跑的Job的数量已经从之前的75上升到了现在的2000，但是这个还不能满足他们的要求，他们希望能在此基础上再提升2~3倍。我们一起看看精彩要如何继续。前文参考：极限优化：从75到2000,由技能到性能提升岂止20倍.

刚才我们只调整了SQL ID为“73qyztauub2a1”的目标SQL，现在我们再来调整剩下的那个SQL ID为“74hnt3vjjm85a”的目标SQL。

SQL ID为“74hnt3vjjm85a”的SQL文本为如下所示：

SELECT s.LOCATOR_ID, s.segment_ID, n.en_name

FROM ANA_SEG_CLASS S, ana_segment a, ana_name n

where A.SEGMENT_ID = S.SEGMENT_ID

and s.locator_id = n.locator_id

and n.cn_name = :1

and ((a.orgn_city = :2 and a.start_time > :3 and a.start_time < :4) or

(a.dstn_city = :5 and a.end_time > :6 and a.end_time < :7))

and n.person_id_count > 0

从对应采样时间段的AWR SQL Report中我们可以看出，上述SQL对应有三个Child Cursor：

#	Plan Hash Value	Total Elapsed Time(ms)	Executions	1st Capture Snap ID	Last Capture Snap ID
1	2064935335	2,663,311	1,368	295	295
2	105883452	327,086	506	295	295
3	1495819153	0	0	295	295

这三个Child Cursor，真正被Oracle在采样时间段使用的有两个执行计划（分别是Plan Hash Value为2064935335和105883452所对应的执行计划），这两个执行计划所对应的资源消耗情况和执行计划的具体内容为如下所示：

Plan 1(PHV: 2064935335)

Stat Name	Statement Total	Per Execution	% Snap Total
Elapsed Time (ms)	2,663,311	1,946.86	79.43
CPU Time (ms)	612,884	448.01	68.63
Executions	1,368
Buffer Gets	168,610,877	123,253.57	88.24
Disk Reads	10,557	7.72	3.88
Parse Calls	1,369	1.00	0.81
Rows	1,256	0.92
User I/O Wait Time (ms)	7,637
Cluster Wait Time (ms)	0
Application Wait Time (ms)	0
Concurrency Wait Time (ms)	0
Invalidations	0
Version Count	10
Sharable Mem(KB)	38

Execution Plan

Id	Operation	Name	Rows	Bytes	Cost (%CPU)
0	SELECT STATEMENT				6721 (100)
1	NESTED LOOPS
2	NESTED LOOPS		20	2020	6721 (1)
3	NESTED LOOPS		1179	83709	3247 (1)
4	TABLE ACCESS FULL	ANA_SEGMENT	180	7920	2116 (1)
5	TABLE ACCESS BY INDEX ROWID	ANA_SEG_CLASS	7	189	8 (0)
6	INDEX RANGE SCAN	IDX_ANA_SEG_CLASS	7		2 (0)
7	INDEX RANGE SCAN	IDX_ANA_NAME_LOCATOR_ID	2		2 (0)
8	TABLE ACCESS BY INDEX ROWID	ANA_NAME	1	30	3 (0)

Plan 2(PHV: 105883452)

Stat Name	Statement Total	Per Execution	% Snap Total
Elapsed Time (ms)	327,086	646.42	9.75
CPU Time (ms)	83,901	165.81	9.39
Executions	506
Buffer Gets	9,477,916	18,731.06	4.96
Disk Reads	2,399	4.74	0.88
Parse Calls	505	1.00	0.30
Rows	667	1.32
User I/O Wait Time (ms)	1,623
Cluster Wait Time (ms)	0
Application Wait Time (ms)	0
Concurrency Wait Time (ms)	0
Invalidations	0
Version Count	10
Sharable Mem(KB)	38

Execution Plan

Id	Operation	Name	Rows	Bytes	Cost (%CPU)
0	SELECT STATEMENT				5063 (100)
1	NESTED LOOPS
2	NESTED LOOPS		1	101	5063 (1)
3	NESTED LOOPS		2	114	5059 (1)
4	TABLE ACCESS FULL	ANA_NAME	2	60	5051 (1)
5	TABLE ACCESS BY INDEX ROWID	ANA_SEG_CLASS	1	27	4 (0)
6	INDEX RANGE SCAN	IDX_ANA_SEG_CLASS_LOCATOR_ID	1		2 (0)
7	INDEX UNIQUE SCAN	PK_ANA_SEGMENT	1		1 (0)
8	TABLE ACCESS BY INDEX ROWID	ANA_SEGMENT	1	44	2 (0)

显然，上述SQL的这两个执行计划均不是最优解，它们分别对表ANA_SEGMENT和ANA_NAME做了不必要的全表扫描。

注意到上述SQL和之前我们处理的第一条SQL在SQL文本上的区别仅仅是SQL文本中的“and n.en_name = :1”和“and n.cn_name = :1”的不同，其它部分都是一样的。

从表ANA_NAME的统计信息显示结果中我们可以看到，列EN_NAME和CN_NAME的可选择性都非常好，在列EN_NAME上存在一个名为IDX_ANA_NAME的单键值B树索引，但在列CN_NAME上并不存在任何索引：

所以这里我们只需要在列CN_NAME上创建一个单键值的B树索引，就可以让该SQL走出和之前第一个SQL那样一模一样的执行计划：

SQL> create index idx_ana_cname on ana_name(cn_name);

Index created

SQL> explain plan for SELECT s.LOCATOR_ID, s.segment_ID, n.en_name FROM ANA_SEG_CLASS S, ana_segment a , ana_name n where A.SEGMENT_ID = S.SEGMENT_ID and s.locator_id = n.locator_id and n.cn_name = :1 and ( ( a.orgn_city = :2 and a.start_time > :3 and a.start_time < :4 ) or ( a.dstn_city=:5 and a.end_time> :6 and a.end_time < :7 ) ) and n.person_id_count > 0;

Explained

SQL> select * from table(dbms_xplan.display);

从上述显示内容中我们可以看到，我们的目的已经实现了。

是不是这就完事了？——事情没有这么简单。

根据同事的反馈，当我们在列CN_NAME上创建一个单键值的B树索引IDX_ANA_CNAME后，现在每分钟能跑的Job的数量反而从之前的2000下降到了现在的800。

为什么会这样？

此时的AWR SQL Report显示，Oracle此时同时启用了两个执行计划，这两个执行计划所对应的资源消耗情况和执行计划的具体内容为如下所示：

#	Plan Hash Value	Total Elapsed Time(ms)	Executions	1st Capture Snap ID	Last Capture Snap ID
1	2268138873	5,929,600	1,183	297	297
2	2110666080	1,886	25	297	297
3	2064935335	0	0	297	297
4	1495819153	0	0	297	297

Plan 1(PHV: 2268138873)

Stat Name	Statement Total	Per Execution	% Snap Total
Elapsed Time (ms)	5,929,600	5,012.34	64.55
CPU Time (ms)	837,076	707.59	61.62
Executions	1,183
Buffer Gets	55,477,410	46,895.53	53.63
Disk Reads	0	0.00	0.00
Parse Calls	1,192	1.01	2.02
Rows	369	0.31
User I/O Wait Time (ms)	1
Cluster Wait Time (ms)	0
Application Wait Time (ms)	0
Concurrency Wait Time (ms)	0
Invalidations	0
Version Count	155
Sharable Mem(KB)	34

Execution Plan

Id	Operation	Name	Rows	Bytes	Cost (%CPU)	Time
0	SELECT STATEMENT				12726 (100)
1	HASH JOIN		156	15756	12726 (1)	00:02:33
2	HASH JOIN		9270	642K	7674 (1)	00:01:33
3	TABLE ACCESS FULL	ANA_SEGMENT	1413	62172	2116 (1)	00:00:26
4	TABLE ACCESS FULL	ANA_SEG_CLASS	2710K	69M	5549 (1)	00:01:07
5	TABLE ACCESS FULL	ANA_NAME	34841	1020K	5051 (1)	00:01:01

Plan 2(PHV: 2110666080)

Stat Name	Statement Total	Per Execution	% Snap Total
Elapsed Time (ms)	1,886	75.43	0.02
CPU Time (ms)	374	14.96	0.03
Executions	25
Buffer Gets	64,535	2,581.40	0.06
Disk Reads	124	4.96	0.10
Parse Calls	16	0.64	0.03
Rows	12	0.48
User I/O Wait Time (ms)	15
Cluster Wait Time (ms)	0
Application Wait Time (ms)	0
Concurrency Wait Time (ms)	0
Invalidations	0
Version Count	155
Sharable Mem(KB)	1,300

Execution Plan

Id	Operation	Name	Rows	Bytes	Cost (%CPU)
0	SELECT STATEMENT				15 (100)
1	NESTED LOOPS
2	NESTED LOOPS		1	101	15 (0)
3	NESTED LOOPS		2	114	11 (0)
4	TABLE ACCESS BY INDEX ROWID	ANA_NAME	2	60	5 (0)
5	INDEX RANGE SCAN	IDX_ANA_CNAME	2		3 (0)
6	TABLE ACCESS BY INDEX ROWID	ANA_SEG_CLASS	1	27	3 (0)
7	INDEX RANGE SCAN	IDX_ANA_SEG_CLASS_LOCATOR_ID	1		2 (0)
8	INDEX UNIQUE SCAN	PK_ANA_SEGMENT	1		1 (0)
9	TABLE ACCESS BY INDEX ROWID	ANA_SEGMENT	1	44	2 (0)

这里为什么每分钟能跑的Job的数量反而下降的原因是显而易见的——因为对于上述SQL而言，Oracle此时一共执行了1208次，其中只有25次走的是我们想让Oracle走的理想执行计划；剩下的1183次Oracle选择的是走哈希连接，分别对表ANA_SEGMENT、ANA_SEG_CLASS和ANA_NAME做了全表扫描，这样单次的平均执行时间一下子递增为5.012秒，所以相当于是执行时间更长、更慢了，于是并发执行的Job数量就降了下来。

现在的关键问题是——上述SQL明明使用了绑定变量且绑定变量窥探在默认情况下已经被开启，那为什么这里Oracle还会同时启用两个执行计划？

我们再来看一下表ANA_NAME的统计信息：

注意到此时列CN_NAME是有直方图统计信息的（显然是Height Balanced类型的直方图），再结合这个数据库的版本（Oracle 11.2.0.1），我们之前的疑惑就有了答案。

在Oracle 11g之前，绑定变量窥探的副作用就在于使用了绑定变量的目标SQL就只会沿用之前硬解析时所产生的解析树和执行计划，即使这种沿用完全不适合于当前的情形。

在Oracle 10g及其后续的版本中，Oracle会自动收集直方图统计信息，这意味着和之前的版本相比，在Oracle 10g及其后续的版本中Oracle有更大的概率会知道目标列实际数据的分布情况，这意味着绑定变量窥探的副作用将会更加明显。

例如：如果表T1的列COL1没有直方图统计信息，

同时在列COL1上又存在一个单键值的B树索引IDX_T1，
则不管列COL1的实际数据分布情况是否均衡，
Oracle在执行目标SQL“select count(*) from t1 where col1 = ”时都会走固定的执行计划（很可能是走对索引IDX_T1的索引范围扫描），这个时候绑定变量窥探实际上是没有副作用的；

但假如列COL1上有了直方图统计信息，

同时列COL1的实际数据分布又是极度不均衡的，
那么这个时候当Oracle执行绑定变量窥探操作时绑定变量x所对应的输入值是否具有代表性就至关重要了（这里“代表性”的含义是指该输入值所对应的执行计划和该SQL在大多数情况下的执行计划相同）；
因为这会直接决定上述SQL在硬解析时所选择的执行计划，进而会决定后续以软解析/软软解析重复执行时所沿用的执行计划。

为什么会发生这样的变化？

是因为一旦列COL1上有了直方图统计信息，Oracle就知道了列COL1的实际数据分布情况，这样在列COL1的实际数据分布又是极度不均衡的前提条件下，Oracle就能随着上述SQL中对列COL1的输入值的不同而调整上述SQL的执行计划。

这种现象的本质是因为当列COL1没有直方图统计信息时，CBO在计算上述谓词条件的可选择率时会根据列COL1的distinct值的数量来计算，这意味着这种情况下该谓词条件的可选择率是固定的；而一旦列COL1上有了直方图统计信息，CBO就会根据列COL1的直方图统计信息来计算上述谓词条件的可选择率，这就决定了该谓词条件的可选择率是不固定的，并且可能会随着对列COL1的输入值的变化而变化，而这正好给了绑定变量窥探发挥其副作用的机会！

为了解决上述绑定变量窥探的副作用，Oracle在11g中引入了自适应游标共享（Adaptive Cursor Sharing）。

自适应游标共享可以让使用了绑定变量的目标SQL在启用了绑定变量窥探的前提条件下不再只沿用之前硬解析时所产生的解析树和执行计划，也就是说自适应游标共享可以在启用了绑定变量窥探的前提条件下让目标SQL在其可能的多个执行计划之间“自适应”的做出选择，而不再像之前那样必须得僵化的沿用该SQL硬解析时所产生的解析树和执行计划。

所以这里为什么Oracle在执行上述含绑定变量且开启了绑定变量窥探的目标SQL时依然会同时启用两个执行计划的原因就是因为自适应游标共享的副作用，而这里自适应游标之所以会被Oracle启用的本质原因又是因为上述SQL的等值查询条件“and n.cn_name = :1”中的列cn_name上有直方图统计信息（关于绑定变量窥探、自适应游标共享和直方图统计信息对可选择率的影响，可以参考《基于Oracle的SQL优化》中详细描述）。

分析清楚了根本原因，解决方法就非常简单了，我们来只需要删除直方图统计信息，不给自适应游标共享发挥副作用的机会就好了。

无论是用Oracle自带的自动统计信息收集作业还是用我们自己写的shell脚本来收集统计信息，对于直方图统计信息的收集而言，我们都建议采用如下的方式：只对已经存在直方图统计信息的列重复收集直方图统计信息，而目标列的初次直方图统计信息的收集则是由了解系统的相关DBA手工来做。具体来说就是这样：

1、设置METHOD_OPT的值为‘FOR ALL COLUMNS SIZE 1’后先收集一次统计信息，这意味着删除了所有列上的直方图；

2、在已经删除了所有列上的直方图后，设置METHOD_OPT的值为‘FOR ALL COLUMNS SIZE REPEAT’，这意味着今后将只对已经存在直方图统计信息的列重复收集直方图统计信息；

3、在系统使用或调优的过程中，目标列的初次直方图统计信息的收集是由了解系统的相关DBA手工来做。

按照上述原则，我们重新来处理一下上述对象所涉及到的直方图统计信息：

SQL> EXEC DBMS_STATS.GATHER_SCHEMA_STATS(OWNNAME => ‘GALT’,ESTIMATE_PERCENT => DBMS_STATS.AUTO_SAMPLE_SIZE,CASCADE => TRUE,METHOD_OPT => ‘FOR ALL COLUMNS SIZE 1’,no_invalidate => false);

PL/SQL procedure successfully completed

SQL> select dbms_stats.get_prefs(pname => ‘METHOD_OPT’) from dual;

DBMS_STATS.GET_PREFS(PNAME=>’M

——————————————————————————–

FOR ALL COLUMNS SIZE AUTO

SQL> exec dbms_stats.set_global_prefs(‘METHOD_OPT’,’FOR ALL COLUMNS SIZE REPEAT’);

PL/SQL procedure successfully completed

SQL> select dbms_stats.get_prefs(pname => ‘METHOD_OPT’) from dual;

DBMS_STATS.GET_PREFS(PNAME=>’M

——————————————————————————–

FOR ALL COLUMNS SIZE REPEAT

至此，我们就完成了第二阶段的调整。

这个做完没多久，就收到了同事的邮件：

崔老师，这次能每分钟完成近6000个任务了，基本上满足了我们业务的基本需求，太感激了。。。

一会您回来传授下经验！

太感谢了！

从随后产生的AWR SQL Report中我们可以看到，当我们删除直方图统计信息后，在随后的执行过程中，对于上述SQL而言，Oracle确实只启用了一个执行计划，且启用的执行计划就是我们想要的：

#	Plan Hash Value	Total Elapsed Time(ms)	Executions	1st Capture Snap ID	Last Capture Snap ID
1	2110666080	757,107	10,169	298	298
2	2064935335	0	0	298	298
3	1495819153	0	0	298	298

Plan 1(PHV: 2110666080)

Stat Name	Statement Total	Per Execution	% Snap Total
Elapsed Time (ms)	757,107	74.45	41.72
CPU Time (ms)	220,902	21.72	28.79
Executions	10,169
Buffer Gets	31,392,043	3,087.03	41.77
Disk Reads	4,166	0.41	1.38
Parse Calls	10,169	1.00	2.05
Rows	5,733	0.56
User I/O Wait Time (ms)	109
Cluster Wait Time (ms)	0
Application Wait Time (ms)	0
Concurrency Wait Time (ms)	0
Invalidations	0
Version Count	155
Sharable Mem(KB)	2,597

Execution Plan

Id	Operation	Name	Rows	Bytes	Cost (%CPU)
0	SELECT STATEMENT				15 (100)
1	NESTED LOOPS
2	NESTED LOOPS		1	101	15 (0)
3	NESTED LOOPS		2	114	11 (0)
4	TABLE ACCESS BY INDEX ROWID	ANA_NAME	2	60	5 (0)
5	INDEX RANGE SCAN	IDX_ANA_CNAME	2		3 (0)
6	TABLE ACCESS BY INDEX ROWID	ANA_SEG_CLASS	1	27	3 (0)
7	INDEX RANGE SCAN	IDX_ANA_SEG_CLASS_LOCATOR_ID	1		2 (0)
8	INDEX UNIQUE SCAN	PK_ANA_SEGMENT	1		1 (0)
9	TABLE ACCESS BY INDEX ROWID	ANA_SEGMENT	1	44	2 (0)

并且此时整个数据库的Cache Buffers Chains的等待次数已经从最开始的894797次降到了现在的11488次：

Top 5 Timed Foreground Events

Event	Waits	Time(s)	Avg wait (ms)	% DB time	Wait Class
DB CPU		767		42.29
latch: cache buffers chains	11,488	366	32	20.19	Concurrency
db file scattered read	23,949	7	0	0.37	User I/O
db file sequential read	66,466	7	0	0.36	User I/O
log file sync	328	2	7	0.13	Commit