您的位置：首页 > 数据库 > Oracle

Oracle 基础篇 --- 重建B树索引对性能的影响

2015-07-15 16:56 549 查看

#####重建B树索引

######1. 如何重建B树索引

重建索引有两种方法：

一种是最简单的，删除原索引，然后重建；

第二种是使用ALTER INDEX … REBUILD;

命令对索引进行重建。第二种方式是从oracle 7.3.3版本开始引入的，从而使得用户在重建索引时不必删除原索引再重新CREATE INDEX了。ALTER INDEX … REBUILD相对CREATE INDEX有以下好处：

1）它使用原索引的叶子节点作为新索引的数据来源。我们知道，原索引的叶子节点的数据块通常都要比表里的数据块要少很多，因此进行的I/O就会减少；同时，由于原索引的叶子节点里的索引条目已经排序了，因此在重建索引的过程中，所做的排序工作也要少的多。

2）自从oracle 8.1.6以来，ALTER INDEX … REBUILD命令可以添加ONLINE短语。这使得在重建索引的过程中，用户可以继续对原来的索引进行修改，也就是说可以继续对表进行DML操作。

而同时，ALTER INDEX … REBUILD与CREATE INDEX也有很多相同之处：

1）它们都可以通过添加PARALLEL提示进行并行处理。

2）它们都可以通过添加NOLOGGING短语，使得重建索引的过程中产生最少的重做条目（redo entry）。

3）自从oracle 8.1.5以来，它们都可以田间COMPUTE STATISTICS短语，从而在重建索引的过程中，就生成CBO所需要的统计信息，这样就避免了索引创建完毕以后再次运行analyze或dbms_stats来收集统计信息。

当我们重建索引以后，在物理上所能获得的好处就是能够减少索引所占的空间大小（特别是能够减少叶子节点的数量）。而索引大小减小以后，又能带来以下若干好处：

1） CBO对于索引的使用可能会产生一个较小的成本值，从而在执行计划中选择使用索引。

2）使用索引扫描的查询扫描的物理索引块会减少，从而提高效率。

3）由于需要缓存的索引块减少了，从而让出了内存以供其他组件使用。

尽管重建索引具有一定的好处，但是盲目的认为重建索引能够解决很多问题也是不正确的。比如我见过一个生产系统，每隔一个月就要重建所有的索引（而且我相信，很多生产系统可能都会这么做），其中包括一些100GB的大表。为了完成重建所有的索引，往往需要把这些工作分散到多个晚上进行。事实上，这是一个7×24的系统，仅重建索引一项任务就消耗了非常多的系统资源。但是每隔一段时间就重建索引有意义吗？这里就有一些关于重建索引的很流行的说法，主要包括：

1）如果索引的层级超过X（X通常是3）级以后需要通过重建索引来降低其级别。

2）如果经常删除索引键值，则需要定时重建索引来收回这些被删除的空间。

3）如果索引的clustering_factor很高，则需要重建索引来降低该值。

4）定期重建索引能够提高性能。

对于第一点来说，我们在前面已经知道，B树索引是一棵在高度上平衡的树，所以重建索引基本不可能降低其级别，除非是极特殊的情况导致该索引有非常大量的碎片，导致B树索引“虚高”，那么这实际又来到第二点上（因为碎片通常都是由于删除引起的）。实际上，对于第一和第二点，我们应该通过运行

ALTER INDEX … REBUILD

命令以后检查

index_stats.pct_used

字段来判断是否有必要重建索引。

SQL> analyze index emp3_name_ix validate structure;

Index analyzed.

SQL> select LF_ROWS, LF_ROWS_LEN,DEL_LF_ROWS,DEL_LF_ROWS_LEN, USED_SPACE, BTREE_SPACE from index_stats;

LF_ROWS LF_ROWS_LEN DEL_LF_ROWS DEL_LF_ROWS_LEN USED_SPACE BTREE_SPACE
---------- ----------- ----------- --------------- ---------- -----------
110002     2053033       10000          150000    2065045     6324964

SQL> alter index emp3_name_ix rebuild;

Index altered.

SQL> analyze index emp3_name_ix validate structure;

Index analyzed.

SQL> select LF_ROWS, LF_ROWS_LEN,DEL_LF_ROWS,DEL_LF_ROWS_LEN, USED_SPACE, BTREE_SPACE from index_stats;

LF_ROWS LF_ROWS_LEN DEL_LF_ROWS DEL_LF_ROWS_LEN USED_SPACE BTREE_SPACE
---------- ----------- ----------- --------------- ---------- -----------
100002     1903033           0               0    1906995     2134964

######2. 重建B树索引对于clustering_factor的影响

而对于

clustering_factor

来说，它是用来比较索引的顺序程度与表的杂乱排序程度的一个度量。Oracle在计算某个

clustering_factor

时，会对每个索引键值查找对应到表的数据，在查找的过程中，会跟踪从一个表的数据块跳转到另外一个数据块的次数（当然，它不可能真的这么做，源代码里只是简单的扫描索引，从而获得

ROWID

，然后从这些

ROWID

获得表的数据块的地址）。每一次跳转时，有个计数器就会增加，最终该计数器的值就是

clustering_factor

。下图四描述了这个原理。

在上图四中，我们有一个表，该表有4个数据块，以及20条记录。在列N1上有一个索引，上图中的每个小黑点就表示一个索引条目。列N1的值如图所示。而N1的索引的叶子节点包含的值为：A、B、C、D、E、F。如果oracle开始扫描索引的底部，叶子节点包含的第一个N1值为A，那么根据该值可以知道对应的ROWID位于第一个数据块的第三行里，所以我们的计数器增加1。同时，A值还对应第二个数据块的第四行，由于跳转到了不同的数据块上，所以计数器再加1。同样的，在处理B时，可以知道对应第一个数据块的第二行，由于我们从第二个数据块跳转到了第一个数据块，所以计数器再加1。同时，B值还对应了第一个数据块的第五行，由于我们这里没有发生跳转，所以计数器不用加1。

在上面的图里，在表的每一行的下面都放了一个数字，它用来显示计数器跳转到该行时对应的值。当我们处理完索引的最后一个值时，我们在数据块上一共跳转了十次，所以该索引的clustering_factor为10。

注意第二个数据块，clustering_factor为8出现了4次。因为在索引里N1为E所对应的4个索引条目都指向了同一个数据块。从而使得clustering_factor不再增长。同样的现象出现在第三个数据块中，它包含三条记录，它们的值都是C，对应的clustering_factor都是6。

从clustering_factor的计算方法上可以看出，我们可以知道它的最小值就等于表所含有的数据块的数量；而最大值就是表所含有的记录的总行数。很明显，clustering_factor越小越好，越小说明通过索引查找表里的数据行时需要访问的表的数据块越少。

重建索引对于减小

clustering_factor

没有用处。

首先我们创建一个测试表：

SQL> create table clustfact_test(id number, name varchar2(10));

Table created.

SQL> create index idx_clustfact_test on clustfact_test(id);

Index created.

SQL> begin
2     for i in 1.. 100000 loop
3       insert into clustfact_test values(mod(i,200), to_char(i));
4  end loop;
5  commit;
6  end;
7  /

PL/SQL procedure successfully completed.

SQL> exec dbms_stats.gather_table_stats(user,'clustfact_test',cascade=>true);

PL/SQL procedure successfully completed.

#因为使用了mod的关系，最终数据在表里排列的形式为：
0,1,2,3,4,5,…,197,198,199,0,1,2,3,…, 197,198,199,0,1,2,3,…, 197,198,199,0,1,2,3,…

SQL> select num_rows, blocks from user_tables where table_name = 'CLUSTFACT_TEST';

NUM_ROWS     BLOCKS
---------- ----------
100000        244

SQL> select num_rows, distinct_keys, AVG_LEAF_BLOCKS_PER_KEY, AVG_DATA_BLOCKS_PER_KEY, CLUSTERING_FACTOR from user_indexes where
2  index_name = 'IDX_CLUSTFACT_TEST';

NUM_ROWS DISTINCT_KEYS AVG_LEAF_BLOCKS_PER_KEY AVG_DATA_BLOCKS_PER_KEY CLUSTERING_FACTOR
---------- ------------- ----------------------- ----------------------- -----------------
100000           200                       1                     198             39683

#从上面的avg_data_blocks_per_key的值为198可以知道，每个键值平均分布在198个数据块里，而整个表也就244个数据块。这也就是说，要获取某个键值的所有记录，几乎每次都需要访问所有的数据块。从这里已经可以猜测到clustering_factor会非常大。事实上，该值近4万，也说明该索引并不会很有效。

SQL> select * from clustfact_test where id = 100;

500 rows selected.

Execution Plan
----------------------------------------------------------
Plan hash value: 1230726760

------------------------------------------------------------------------------------
| Id  | Operation         | Name           | Rows  | Bytes | Cost (%CPU)| Time     |
------------------------------------------------------------------------------------
|   0 | SELECT STATEMENT  |                |   500 |  4500 |    69   (2)| 00:00:01 |
|*  1 |  TABLE ACCESS FULL| CLUSTFACT_TEST |   500 |  4500 |    69   (2)| 00:00:01 |
------------------------------------------------------------------------------------

Predicate Information (identified by operation id):
---------------------------------------------------

1 - filter("ID"=100)

Statistics
----------------------------------------------------------
1  recursive calls
0  db block gets
281  consistent gets
244  physical reads
0  redo size
12114  bytes sent via SQL*Net to client
887  bytes received via SQL*Net from client
35  SQL*Net roundtrips to/from client
0  sorts (memory)
0  sorts (disk)
500  rows processed

#很明显，CBO弃用了索引，而使用了全表扫描。这实际上已经说明由于索引的clustering_factor过高，导致通过索引获取数据时跳转的数据块过多，成本过高，因此直接使用全表扫描的成本会更低。

#这时我们来重建索引看看会对clustering_factor产生什么影响。从下面的测试中可以看到，没有任何影响。

SQL> alter index idx_clustfact_test rebuild;

Index altered.

SQL> select num_rows, distinct_keys, AVG_LEAF_BLOCKS_PER_KEY, AVG_DATA_BLOCKS_PER_KEY, CLUSTERING_FACTOR from user_indexes where
2  index_name = 'IDX_CLUSTFACT_TEST';

NUM_ROWS DISTINCT_KEYS AVG_LEAF_BLOCKS_PER_KEY AVG_DATA_BLOCKS_PER_KEY CLUSTERING_FACTOR
---------- ------------- ----------------------- ----------------------- -----------------
100000           200                       1                     198             39683

#那么当我们将表里的数据按照id的顺序（也就是索引的排列顺序）重建时，该SQL语句会如何执行？

SQL> create table clustfact_test_temp as select * from clustfact_test order by id;

Table created.

SQL>  truncate table clustfact_test;

Table truncated.

SQL> insert into clustfact_test select * from clustfact_test_temp;

100000 rows created.

SQL> exec dbms_stats.gather_table_stats(user,'clustfact_test',cascade=>true);

PL/SQL procedure successfully completed.

SQL> select num_rows, distinct_keys, avg_leaf_blocks_per_key, avg_data_blocks_per_key,
2  clustering_factor from user_indexes where index_name = 'IDX_CLUSTFACT_TEST';

NUM_ROWS DISTINCT_KEYS AVG_LEAF_BLOCKS_PER_KEY AVG_DATA_BLOCKS_PER_KEY CLUSTERING_FACTOR
---------- ------------- ----------------------- ----------------------- -----------------
100000           200                       1                       1               244

SQL> set autotrace traceonly;
SQL> select * from clustfact_test where id = 100;

500 rows selected.

Execution Plan
----------------------------------------------------------
Plan hash value: 60478562

--------------------------------------------------------------------------------------------------
| Id  | Operation                   | Name               | Rows  | Bytes | Cost (%CPU)| Time     |
--------------------------------------------------------------------------------------------------
|   0 | SELECT STATEMENT            |                    |   451 |  4059 |     3   (0)| 00:00:01 |
|   1 |  TABLE ACCESS BY INDEX ROWID| CLUSTFACT_TEST     |   451 |  4059 |     3   (0)| 00:00:01 |
|*  2 |   INDEX RANGE SCAN          | IDX_CLUSTFACT_TEST |   451 |       |     1   (0)| 00:00:01 |
--------------------------------------------------------------------------------------------------

Predicate Information (identified by operation id):
---------------------------------------------------

2 - access("ID"=100)

Statistics
----------------------------------------------------------
1  recursive calls
0  db block gets
74  consistent gets
0  physical reads
0  redo size
13715  bytes sent via SQL*Net to client
887  bytes received via SQL*Net from client
35  SQL*Net roundtrips to/from client
0  sorts (memory)
0  sorts (disk)
500  rows processed

所以我们可以得出结论，如果仅仅是为了降低索引的

clustering_factor

而重建索引没有任何意义。降低

clustering_factor

的关键在于重建表里的数据。只有将表里的数据按照索引列排序以后，才能切实有效的降低

clustering_factor

。但是如果某个表存在多个索引的时候，需要仔细决定应该选择哪一个索引列来重建表。

######2. 重建B树索引对于查询性能的影响

重建索引对于性能的提高到底会有什么作用。假设我们有一个表，该表具有1百万条记录，占用了100000个数据块。而在该表上存在一个索引，在重建之前的pct_used为50%，高度为3，分支节点块数为40个，再加一个根节点块，叶子节点数为10000个；重建该索引以后，pct_used为90%，高度为3，分支节点块数下降到20个，再加一个根节点块，而叶子节点数下降到5000个。那么从理论上说：

如果通过索引获取单独1条记录来说：
重建之前的成本：1个根＋1个分支＋1个叶子＋1个表块＝4个逻辑读
重建之后的成本：1个根＋1个分支＋1个叶子＋1个表块＝4个逻辑读
性能提高百分比：0

如果通过索引获取100条记录（占总记录数的0.01%）来说，分两种情况：
最差的clustering_factor（即该值等于表的数据行数）：
重建之前的成本：1个根＋1个分支＋0.000110000（1个叶子）＋100个表块＝103个逻辑读
重建之后的成本：1个根＋1个分支＋0.00015000（1个叶子）＋100个表块＝102.5个逻辑读
性能提高百分比：0.5%（也就是减少了0.5个逻辑读）
最好clustering_factor（即该值等于表的数据块）：
重建之前的成本：1个根＋1个分支＋0.000110000（1个叶子）＋0.0001100000（10个表块）＝13个逻辑读
重建之后的成本：1个根＋1个分支＋0.00015000（1个叶子）＋0.0001100000（10个表块）＝12.5个逻辑读
性能提高百分比：3.8%（也就是减少了0.5个逻辑读）

如果通过索引获取10000条记录（占总记录数的1%）来说，分两种情况：
最差的clustering_factor（即该值等于表的数据行数）：
重建之前的成本：1个根＋1个分支＋0.0110000（100个叶子）＋10000个表块＝10102个逻辑读
重建之后的成本：1个根＋1个分支＋0.015000（50个叶子）＋10000个表块＝10052个逻辑读
性能提高百分比：0.5%（也就是减少了50个逻辑读）
最好clustering_factor（即该值等于表的数据块）：
重建之前的成本：1个根＋1个分支＋0.0110000（100个叶子）＋0.01100000（1000个表块）＝1102个逻辑读
重建之后的成本：1个根＋1个分支＋0.015000（50个叶子）＋0.01100000（1000个表块）＝1052个逻辑读
性能提高百分比：4.5%（也就是减少了50个逻辑读）

如果通过索引获取100000条记录（占总记录数的10%）来说，分两种情况：
最差的clustering_factor（即该值等于表的数据行数）：
重建之前的成本：1个根＋1个分支＋0.110000（1000个叶子）＋100000个表块＝101002个逻辑读
重建之后的成本：1个根＋1个分支＋0.15000（500个叶子）＋100000个表块＝100502个逻辑读
性能提高百分比：0.5%（也就是减少了500个逻辑读）
最好clustering_factor（即该值等于表的数据块）：
重建之前的成本：1个根＋1个分支＋0.110000（1000个叶子）＋0.1100000（10000个表块）＝11002个逻辑读
重建之后的成本：1个根＋1个分支＋0.15000（500个叶子）＋0.1100000（10000个表块）＝10502个逻辑读
性能提高百分比：4.5%（也就是减少了500个逻辑读）

如果通过索引获取100000条记录（占总记录数的10%）来说，分两种情况：
对于快速全索引扫描来说，假设每次获取8个数据块：
重建之前的成本：（1个根＋40个分支＋10000个叶子）/ 8＝1256个逻辑读
重建之后的成本：（1个根＋40个分支＋5000个叶子）/ 8＝631个逻辑读
性能提高百分比：49.8%（也就是减少了625个逻辑读）

从上面有关性能提高的理论描述可以看出，对于通过索引获取的记录行数不大的情况下，索引碎片对于性能的影响非常小；当通过索引获取较大的记录行数时，索引碎片的增加可能导致对于索引逻辑读的增加，但是索引读与表读的比例保持不变；同时，我们从中可以看到，clustering_factor对于索引读取的性能有很大的影响，并且对于索引碎片所带来的影响具有很大的作用；最后，看起来，索引碎片似乎对于快速全索引扫描具有最大的影响。

我们来看两个实际的例子，分别是clustering_factor为最好和最差的两个例子。测试环境为8KB的数据块，表空间采用ASSM的管理方式。先做一个最好的clustering_factor的例子，创建测试表并填充1百万条数据。

create table rebuild_test(id number, name varchar2(10));

begin
for i in 1..1000000 loop
insert into rebuild_test values(i, to_char(i));
if mod(i, 10000)=0 then
commit;
end if;
end loop;
end;
/

#创建一个pctfree为50%的索引，来模拟索引碎片，分析并记录索引信息。
SQL> create index idx_rebuild_test on rebuild_test(id) pctfree 50;

Index created.

SQL> exec dbms_stats.gather_table_stats(user,'rebuild_test',cascade=>true);

PL/SQL procedure successfully completed.

#该表具有1百万条记录，分布在2328个数据块中。同时由于我们的数据都是按照顺序递增插入的，所以可以知道，在id列上创建的索引都是具有最好的clustering_factor值的。我们运行以下查询测试语句，分别返回1、100、1000、10000、50000、100000以及1000000条记录。

#然后运行测试语句，记录每条查询语句所需的时间；
select * from rebuild_test where id = 10;

select * from rebuild_test where id between 100 and 199;

select * from rebuild_test where id between 1000 and 1999;

select * from rebuild_test where id between 10000 and 19999;

select /*+ index(rebuild_test) */ * from rebuild_test where id between 50000 and 99999;

select /*+ index(rebuild_test) */ * from rebuild_test where id between 100000 and 199999;

select /*+ index(rebuild_test) */ * from rebuild_test where id between 1 and 1000000;

select /*+ index_ffs(rebuild_test) */ id from rebuild_test where id between 1 and 1000000;

#注index_ffs： hint instructs the optimizer to perform a fast full index scan rather than a full table scan.

#接下来以pctfree为10%重建索引，来模拟修复索引碎片，分析并记录索引信息。

SQL> alter index idx_rebuild_test rebuild pctfree 10;

Index altered.

SQL> exec dbms_stats.gather_table_stats(user,'rebuild_test',cascade=>true);

PL/SQL procedure successfully completed.

SQL> analyze index idx_rebuild_test validate structure;

Index analyzed.

#两个索引信息的对比情况
select ui.pct_free, ids.height, ids.BLOCKS, ids.br_blks, ids.lf_blks, ids.pct_used, ui.clustering_factor
from index_stats ids, user_indexes ui
where INDEX_NAME = 'IDX_REBUILD_TEST';

PCT_FREE     HEIGHT     BLOCKS    BR_BLKS    LF_BLKS   PCT_USED CLUSTERING_FACTOR
---------- ---------- ---------- ---------- ---------- ---------- -----------------
50          3       4224          8       4096         49              2326

PCT_FREE     HEIGHT     BLOCKS    BR_BLKS    LF_BLKS   PCT_USED CLUSTERING_FACTOR
---------- ---------- ---------- ---------- ---------- ---------- -----------------
10          3       2304          5       2226         90              2326

显示了不同的索引下，运行测试语句所需的时间对比情况


记录数	占记录总数的百分比	pctused(50%)	pctused(90%)	性能提高百分比
1条记录	0.0001%	0.01	0.01	0.00%
100条记录	0.0100%	0.01	0.01	0.00%
1000条记录	0.1000%	0.01	0.01	0.00%
10000条记录	1.0000%	0.02	0.02	0.00%
50000条记录	5.0000%	0.06	0.06	0.00%
100000条记录	10.0000%	1.01	1.00	0.99%
1000000条记录	100.0000%	13.05	11.01	15.63%=(13.05-11.01)/13.05
1000000条记录(FFS)	100.0000%	7.05	7.02	0.43%

上面是对最好的clustering_factor所做的测试，那么对于最差的clustering_factor会怎么样呢？我们将rebuild_test中的id值反过来排列，也就是说，比如对于id为3478的记录，将id改为8743。这样的话，就将把原来按顺序排列的id值彻底打乱，从而使得id上的索引的clustering_factor变成最差的。为此，我写了一个函数用来反转id的值。

CREATE OR REPLACE FUNCTION get_reverse_value (id IN NUMBER)
RETURN VARCHAR2
IS
ls_id          VARCHAR2 (10);
ls_last_item   VARCHAR2 (10);
ls_curr_item   VARCHAR2 (10);
ls_zero        VARCHAR2 (10);
li_len         INTEGER;
lb_stop        BOOLEAN;
BEGIN
ls_id := TO_CHAR (id);
li_len := LENGTH (ls_id);
ls_last_item := '';
ls_zero := '';
lb_stop := FALSE;

WHILE li_len > 0
LOOP
ls_curr_item := SUBSTR (ls_id, li_len, 1);

IF ls_curr_item = '0' AND lb_stop = FALSE
THEN
ls_zero := ls_zero || ls_curr_item;
ELSE
lb_stop := TRUE;
ls_last_item := ls_last_item || ls_curr_item;
END IF;

ls_id := SUBSTR (ls_id, 1, li_len - 1);
li_len := LENGTH (ls_id);
END LOOP;

RETURN (ls_last_item || ls_zero);
END get_reverse_value;

/*
此程序如下：例如 123
循环1： ls_curr_item=3, ls_last_item= '||3=3, ls_id=12, li_en=2
循环2：ls_curr_item=2, ls_last_item=3||2=32, ls_id=1, li_en=1
循环3：ls_curr_item=1, ls_last_item=32||1=321, ls_id='', li_en=0
此时 li_en=0 跳出循环，返回 ls_last_item=321

例如100
循环1： ls_curr_item=0, ls_zero= ''||0=0, ls_id=20, li_en=2
循环2：ls_curr_item=0, ls_zero=0||0=00, ls_id=1, li_en=1
循环3：ls_curr_item=1, ls_last_item=''||1=1, ls_id='', li_en=0
此时 li_en=0 跳出循环，返回 ls_last_item=1,ls_zero=00,ls_last_item || ls_zero=100
*/

SQL> create table rebuild_test_cf as select * from rebuild_test;

Table created.

SQL> update rebuild_test_cf set id=get_reverse_value(id);

1000000 rows updated.

SQL> select * from rebuild_test_cf where name < 20;

ID NAME
---------- ----------
21 12
31 13
41 14
51 15
61 16
71 17
81 18
91 19

SQL> create index idx_rebuild_test_cf on rebuild_test_cf(id);

Index created.

select ui.pct_free, ids.height, ids.BLOCKS, ids.br_blks, ids.lf_blks, ids.pct_used, ui.clustering_factor
from index_stats ids, user_indexes ui
where INDEX_NAME = 'IDX_REBUILD_TEST_CF';

PCT_FREE     HEIGHT     BLOCKS    BR_BLKS    LF_BLKS   PCT_USED CLUSTERING_FACTOR
---------- ---------- ---------- ---------- ---------- ---------- -----------------
10          3       2304          5       2226         90            998914

SQL> select /*+ index(rebuild_test_cf) */ * from rebuild_test_cf where id between 1 and 1000000;

1000000 rows selected.

Execution Plan
----------------------------------------------------------
Plan hash value: 509582566

-------------------------------------------------------------------------------------------------
| Id  | Operation                   | Name                | Rows  | Bytes | Cost (%CPU)| Time   |
-------------------------------------------------------------------------------------------------
|   0 | SELECT STATEMENT            |                     |  1000K|    11M|  1001K  (1)|03:20:18|
|   1 |  TABLE ACCESS BY INDEX ROWID| REBUILD_TEST_CF     |  1000K|    11M|  1001K  (1)|03:20:18|
|*  2 |   INDEX RANGE SCAN          | IDX_REBUILD_TEST_CF |  1000K|       |  2238   (1)|00:00:27|
-------------------------------------------------------------------------------------------------

Predicate Information (identified by operation id):
---------------------------------------------------

2 - access("ID">=1 AND "ID"<=1000000)

Statistics
----------------------------------------------------------
1  recursive calls
0  db block gets
1067727  consistent gets
1938  physical reads
0  redo size
29269206  bytes sent via SQL*Net to client
733850  bytes received via SQL*Net from client
66668  SQL*Net roundtrips to/from client
0  sorts (memory)
0  sorts (disk)
1000000  rows processed

SQL> select /*+ index_ffs(rebuild_test_cf) */ id from rebuild_test_cf where id between 1 and 1000000;

1000000 rows selected.

Execution Plan
----------------------------------------------------------
Plan hash value: 3567300343

--------------------------------------------------------------------------------------------
| Id  | Operation            | Name                | Rows  | Bytes | Cost (%CPU)| Time     |
--------------------------------------------------------------------------------------------
|   0 | SELECT STATEMENT     |                     |  1000K|  4882K|   616   (2)| 00:00:08 |
|*  1 |  INDEX FAST FULL SCAN| IDX_REBUILD_TEST_CF |  1000K|  4882K|   616   (2)| 00:00:08 |
--------------------------------------------------------------------------------------------

Predicate Information (identified by operation id):
---------------------------------------------------

1 - filter("ID">=1 AND "ID"<=1000000)

Statistics
----------------------------------------------------------
0  recursive calls
0  db block gets
68759  consistent gets
2190  physical reads
0  redo size
18380300  bytes sent via SQL*Net to client
733850  bytes received via SQL*Net from client
66668  SQL*Net roundtrips to/from client
0  sorts (memory)
0  sorts (disk)
1000000  rows processed

内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理

标签： Oracle 索引原理优化

相关文章推荐

新的分享

章节导航