关于oracle物化视图总结收藏

Oracle 文档中，物化视图作为数据仓库中的一项技术，但在OLTP（联机事务处理）系统中是用来进行数据同步，使用查询重写来优化SQL查询语句都是很方便的。 一、物化视图的权限 1、权限 物化视图存在三种角色 分别为：创建者，刷新者，所有者 一般建议这三种角色都为所有者 1） 创建者需要的权限： 如果是所有者：create materialized view OR create any materialized view Create table OR create any table 源表和源表的select权限， 如果不是所有者： 创建者：create materialized view OR create any materialized view 所有者：Create table OR create any table 源表和源表的select权限， 2） 刷新者是所有者 源表和源表的select权限， 刷新者不是所有者 刷新者：alter any materialized view 所有者：源表和源表的select权限， 二、物化视图的创建 物化视图的刷新支持三种方式：complete、fast、force，即：全量刷新、增量刷新、默认增量刷新（如果默认增量刷新不成功则是全量刷新）。 增量刷新必须创建源表的物化视图日志 0） 一：创建物化视图日志 1、 Create table tb_aa10 as select * from aa10; 2、 create materialized view log on ta_aa10 with rowid; 1) 创建物化图 Create materialized view tb_aa10_mv 2 build immediate 3 refresh force 4 with rowid 5 as select * from tb_aa10; 创建方式：build immediate\deferred 默认方式为 build immediate 刷新方式：refresh force\complete\fast\never on demand\commit 默认的刷新方式为：refresh force on demand 日志方式：with primary key \rowid 默认为 primary key 三、物化视图的刷新 因为创建的时候指定了 on demand ，刷新就需要人工控制。就是使用命令行方式调用刷新或者通过job 实现 1）手工刷新 SQL> insert into tb_aa10 select * from aa10 2 where rownum < 101; 100 rows inserted SQL> commit Commit complete SQL> select count(*) from mlog$_tb_aa10; COUNT(*) ---------- 100 SQL>begin dbms_mview.refresh('tb_aa10_mv','fast'); end; / SQL> select count(*) from tb_aa10_mv; COUNT(*) ---------- 520 SQL> select count(*) from mlog$_tb_aa10; COUNT(*) ---------- 0 刷新完成后会自动清除物化视图日志 2) 使用刷新组管理刷新 SQL> begin 2 dbms_refresh.make( 3 name =>'ref_grp', 4 list => 'tb_aa10_mv', 5 next_date => sysdate, 6 interval => 'sysdate + 1/24/60/6'); 7 end; 8 / 加入刷新组，每10秒钟进行刷新一次 SQL> select name,rname from user_refresh_children; NAME RNAME ------------------------------ ------------------------------ TB_AA10_MV REF_GRP SQL> show parameter job NAME TYPE VALUE ------------------------------------ ----------- ------------------------------ job_queue_processes integer 10 SQL> select count(*) from tb_aa10; COUNT(*) ---------- 520 SQL> delete from tb_aa10; 520 rows deleted SQL> commit; Commit complete SQL> select 2 mview_name,refresh_method,last_refresh_type,last_refresh_date 3 from user_mviews where mview_name='tb_aa10_mv'; MVIEW_NAME REFRESH_METHOD LAST_REFRESH_TYPE LAST_REFRESH_DATE ------------------------------ -------------- ----------------- ----------------- SQL> select count(*) from tb_aa10_mv; COUNT(*) ---------- 0 Oracle内部记录同一个源表的物化视图日志是否还在另一个刷新中使用，当所有物化视图都刷新过后，才会删除物化视图日志，因而多物化视图交叉刷新，不会受到影响。 1） 二： 2） 创建物化视图日志 Create materialized view log on aa10 with rowed; 删除物化视图日志 Drop materialized view log on aa10; 3） 创建物化视图 Create materialized view mv_aa10 Refresh fast on demand With rowid As select * from aa10; 物化视图建好后在 materialized view 文件夹下刷新会有相应的文件 删除物化视图 Drop materialized view mv_net_ac22; 4） 创建索引 Create index idx_net_ac22_aaa042 on ac22(aaa042) tablespace wssb_rep; 删除索引（删除物化视图后必须删除相关索引） Drop index idx_net_ac22_aaa042; 5） 物化视图分析 SQL> exec dbms_stats.gather_table_stats(ownname => 'netrep',tabname => 'net_ac22'); 刷新组管理 1、 创建刷新组 SQL> Begin Dbms_refresh.make( Name =>’ref_grp’, List =>’……’, Next_date => sysdate, Interval =>’sysdate’+ 1/24/60/10); End; / 2、 添加某物化视图到刷新组 SQL> Begin Dbms_refresh.add( Name => ‘ref_grp’, List => ‘……’); End; / 3、 从刷新组中移除某物化视图 SQL> Begin Dbms_refresh.subtract( Name=> ‘ref_grp’, List =>’……’); End; / 4、 删除某刷新组 SQL> Begin Dbms_refresh.destory( Name => ‘ref_grp’); End; / 物化视图相关数据字典 user_mviews all_mviews dba_mviews （物化视图的基本信息及最后刷新信息） user_mview_logs all_mview_logs dba_mview_logs（物化视图日志的信息） user_refresh all_refresh dba_refresh（刷新组信息） user_refresh_children all_refresh_children dba_refresh_children （刷新组成员信息）

影响Oracle的性能的因素有很多，例如oracle自身的sga设置，磁盘I/O设置等。但需要强调的一点就是oracle调整的原始动机都是减少磁盘I/O。下面举一个数据来说明磁盘I/O的影响之大，ram中获取数据块和磁盘上获取数据块的时间差异相差两个数量级，可以认为ram比磁盘块14000倍，在磁盘上的访问时间是毫秒级（一秒的千分之一），在ram的速度是纳秒级的（一秒的10亿分之一）。从上面可以看出，如果在理论上将oracle的数据全部缓存在内存中，那访问速度是极快的。

鉴于当前学习oracle还不深，本文档的目的是如何通过statspack来分析数据库的命中率和调整oracle的SGA。从oracle自身来说，性能最大的两个瓶颈就是命中率和等待事件。等待事件作为接下来第二个学习点，本文档当作命中率和oracle内存机制熟悉的一次总结。

本次总结分为以下几点：
1、oracle的SGA介绍；
2、SGA各部分命中率介绍；
3、命中率相关的Statspack数据表作用介绍；
4、如何使用statspack获得和分析命中率。

一、 oracle的SGA
通常oracle实例包括了两个组件：系统全局区域SGA和oracle后台进程。当启动oracle的时候，oracle就会用malloc()命令去建立一个内存区域作为SGA。

SGA总容量=共享池（shared pool）+缓存区高速缓存（data
buffer cache）《db_keep_cache_size,db_recycle_cache_size,db_nk_cache_size》+日志缓冲区（redo
log buffer）《11Kredo log buffer的保护页》+大型池（large pool）+java存储区（java pool）+《streams_pool_size(10g中的新内存池)+16M(sga内部内存消耗，适合于9I及之前版本)》

1、共享池由库缓存（library cache）与字典缓存（dictionary cache）两部分，库缓存包括共享sql区（shared sql areas）、pl/sql存储过程和包以及控制结构（如锁、库缓存句柄）。
2、大型池属于可变区，用于共享服务(shared server mts方式)的会话内存和oracle分布式事务处理的oracle接口，oracle备份和恢复操作（启用了rman）。
3、Java池的内存用于存储所有会话中特定java代码和jvm中的数据。属于可变区。

参数介绍：
1、Sga_max_size ,SGA可用最大物理内存是由该参数决定的。可用show parameter
sga查询。平常查看任务管理器，你会发现oracle进程显示的内存使用数量小于sga最大的内存数量，是因为oracle实例开启时，只载入内存区最小的大小，其他sga内存只作为虚拟内存分配，这样就会有一个风险，产生过多的page
in/out操作，这种磁盘交换是很耗时间的。因而可以用pre_page_sga设置为true ,lock_sga（危险，导致数据无法开启，原因未研究，官方说法是跟PC机有关）设置为true解决。
2、db_block_size，执行许多全表收索的oracle数据仓库和系统将会从16K大小块中受益。另外db_file_multiblock_read_count与db_block_size之前有非常重要的关系，在unlx物理层上，oracle总是以最小64K的数据块读入。
3、db_cache_size指定data buffer cache的大小。在oltp系统中，推荐设置为sga_max_siz/2-sga_max_size*2/3.
非标准块尺寸的块大小可以在创建表空间（create tablespace）通过blocksize参数指定，而不同块尺寸的buffer cache的大小就由相应参数db_nk_cache_size来指定，其中n可以是2,4,8,16或者32。另外注意一点，db_nk_cache_size参数不能设定标准块尺寸的缓冲区大小，举例来说，如果db_block_size设定为4k,就不能再设定db_4k_cache_size参数了。
4、shared_pool_size决定共享区的大小
5、large_pool_size确定大型池的大小
6、java_pool_size确定java池的大小

二、 SGA各部分命中率介绍
1、数据缓存区命中率
select value from v$sysstat wherename='physical reads'
select value from v$sysstat wherename='physical reads direct'
select value from v$sysstat wherename='physical reads direct (lob)'
select value from v$sysstat where name='consistentgets'
select value from v$sysstat wherename='db block gets'
X= physical reads direct+ physicalreads direct (lob)
命中率=100-（physical reads-x）/（consistent
gets+ db block gets-x）*100
通常发现命中率低于90%，则应该考虑增大数据缓冲区。
select (100 -(n1.value - n2.value - n3.value) /
(n4.value+ n5.value - n2.value - n3.value) * 100) as per

from (selectvalue from v$sysstat where name = 'physical reads') n1,
(selectvalue from v$sysstat where name = 'physical reads direct') n2,
(selectvalue
fromv$sysstat
wherename = 'physical reads direct (lob)') n3,
(selectvalue from v$sysstat where name = 'consistent gets') n4,
(selectvalue from v$sysstat where name = 'db block gets') n5

2、共享池命中率
select sum(pinhits)/sum(pins)*100"hit radio" from V$librarycache
通常共享池命中率低于95%，考虑增加共享池内存

3、排序
select name,value from V$sysstat wherename like '%sort%'
发现sort(disk)数值较高时，应增加sort_area_size的内存大小

4、重做日志缓冲区
select name,value from V$sysstat wherename='redo log space requests'
该查询结构的vlue值应接近于零，否则每次将log_buffer增大5%.不过不需要超过3M,超过3M无效。

三、 命中率相关的Statspack数据表作用介绍
1、stats$buffer_pool_statistics该表是记录缓冲池使用情况
free_buffer_wait 等待自由缓冲的数量计数
buffer_busy_wait 因冲突而不能够请求道数据块的次数
db_block_gets 数据块获取的数量
consistent_gets 逻辑读入的数量
physical_reads oracle发出的磁盘块获取数量
physical_writes oracle请求的物理磁盘写入的数量

2、stats$librarycache该表是保存库缓存活动信息
namespace 命名空间，值可以是sql区域、表、过程、包、触发器
pin 统计库缓存中对象的执行次数
reloads 统计解析在表示库缓存中不存在，并强制oracle分配私有sql区域来解析和执行语句的次数。
3、stats$rowcache_summary该表来度量辞典缓存活动
gets 提供请求这种类型对象的全部数量
getmisses 统计oracle不得不执行磁盘I/O来从它辞典表中获取行的次数。

四、 使用statspack获得和分析命中率
1. 获得数据缓存区命中率
使用rpt_bhr_all.sql脚本在stats$buffer_pool_statistics表中获取每次快照的命中率值、
要获得命中率趋势数据，可以按每天小时和每星期每天做分析。
使用rpt_bhr8i_hr.sql按照每小时的平均值给予。使用rpt_bhr8i_dy.sql按照每天的一个星期中各天的平均值给予。

2. 库缓存缺失率
Sql语句的编译包括了两个阶段：解析阶段和执行阶段，当解析一个sql语句的时候，oracle首先会检查在库缓存中是否已经存在解析过的语句表示，如果没有，oracle就会在库缓存中分配一块共享sql区域，然后解析sql语句。因而sql尽量少的解析过程可以提高性能。
通过rpt_lib_miss.sql脚本分析stats$librarycache表可以查看缺失率情况。

库缓存命中率是由所有载入到ram缓冲的辞典对象所决定，这些对象包括表/过程、触发器、索引、包以及簇，这些对象都不应该在库缓存内发生问题。
通过rpt_lib.sql脚本可以显示各个快照期间库缓存内对象的细节活动。

3. 数据辞典缓存率
数据辞典缓存用来保存来自内部的oracle元数据表的行，包括在包中存储的sql，每一次对sql语句进行解析以及sql收集动态存储进行执行的时候，都要访问数据辞典缓存。rpt_dict_alert.sql，rpt_dict_dy.sql，rpt_dict_detail.sql，rpt_dict_detail_alert.sql

注：
1.以上所有脚本执行的结果，放到execle上，做成图形可以做成很好的趋势图。