oracle优化经验

1.行数为亿作单位

当oracle表中行数上百万，上千万，上亿的时候，插入和查询的速度就特别慢。所以需要对读写都优化。

2.插入优化

插入使用批量插入

import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.PreparedStatement;
import java.sql.SQLException;

public class DBHelper {
public static final String url = "jdbc:oracle:thin:@//IP:1523/数据库名";
public static final String name = "oracle.jdbc.driver.OracleDriver";
public static final String user = "";
public static final String password = "";

public Connection conn = null;
public PreparedStatement pst = null; // 预处理，比Statement好

// 构造函数是用来连接数据库的
public DBHelper() throws Exception {
Class.forName(name);// 指定连接类型
conn = DriverManager.getConnection(url, user, password);// 获取连接
if (!conn.isClosed())
System.out.println("Succeeded connecting to the Database!");
}

public PreparedStatement excuteSQL(String sql) throws SQLException {
pst = conn.prepareStatement(sql);// 准备执行语句
return pst;
}

public void close() {
try {
this.conn.close();
this.pst.close();
} catch (SQLException e) {
e.printStackTrace();
}
}
}

val number_to_submit =100000
val sql="insert into 表名 (字段1，字段2) values (?,?)"
val dbHelper = new DBHelper()
//采用批量插入
dbHelper.conn.setAutoCommit(false)
dbHelper.pst = dbHelper.conn.prepareStatement(sql)
var count = 0 //计数
for(int i=0;i<100000000;i++){
dbHelper.pst.setString(1, "xxx")
dbHelper.pst.setString(2, "xxx")
dbHelper.pst.addBatch()
count = count + 1
//每number_to_submit次提交一下
if (count % number_to_submit == 0) {
dbHelper.pst.executeBatch() // 执行批量处理
dbHelper.conn.commit() // 提交
count = 0
}
}
//此时满足条目数小于number_to_submit以及每number_to_submit条提交之后剩下的零头的提交
if (count != 0) {
dbHelper.pst.executeBatch() // 执行批量处理
dbHelper.conn.commit() // 提交
}
dbHelper.close()

3.查询优化

建立主键和索引，加快查询速度。

在需要where的字段上建索引

INDEX_1 是自己取的索引名字

create index INDEX_1 on 表名 (字段1, 字段2)

pk_1 是自己取的主键的名字

alter table 表名 add constraint pk_1 primary key (字段)

但是呢，主键默认会变成索引，再加上自己建的索引，每次插入都会判断索引，索引还会重建，所以啊，插入速度就很慢了。那么：

可以采用在插入前，删除主键以及索引，等插完了，再给建回去。

drop index INDEX_1

alter table 表名 drop constraint pk_1

不过，此方法只适用于插入在夜晚使用，凌晨时分，开始插，早上插完，白天前台页面就可以使用了。

但是如果数据需要不停的大批量插入，每时每刻都有大量数据要插，前台还要经常查询，不可以用此方法。

应该是也不会有这样的需求。

4.将表缓存到内存中

这种情况是热点表需要经常查询，且表的占用容量不大，一般如果几个G就不建议这样做了，可以做分区，做索引。

如果表不是很大，比如几百M，然后需要快速响应的，可以将表放入内存中。

例：将fisher表缓存到内存中

1）alter table fisher cache;
2）alter table fisher storage(buffer_pool keep);
--取消缓存
1）alter table fisher nocache;
2）alter table fisher storage(buffer_pool default);

select table_name,OWNER,cache,buffer_pool from dba_tables where table_name='FISHER';  --查看是否缓存
select * from dba_segments where segment_name='FISHER' ;          --查看表大小

两者区别：

1） cache是将表缓存到share pool 中，该操作直接将表缓存的热端，受LRU算法控制。

2）将表缓存到一个固定的内存空间中，默认情况下buffer_pool空间为0,。需手动设置空间大小：

alter system set db_keep_cache_size = 10M