普通手段
分区，HASH-JOIN，数据仓库函数，物化视图，位图索引等等为大伙在数据仓库常用的技术，
而下面列举的tips为项目中常用的优化手段/技巧，绿色背景highlight的部分属于非常规手段，使用场景较为极端，需谨慎考量。
Oracle并行场景：
- SQL*Loader 的parallel参数
- 事务失败回滚的并行处理 FAST_START_PARALLEL_ROLLBACK参数
- expdp设置parallelism参数，设置多个datapump文件
- 大批量处理+并行处理(parallel)，减少select次数，逻辑清晰，尽可能一次select……jion 之后再进行统一分析函数的处理，
select
/*+ PARALLEL(Table_Name,并行数) */
统计函数 sum avg
case when then else end
over(partition by order by )
分析函数 lead/lag,rank,ratio_to_report,Period-over-period comparisons 等等...
from
Table_Name
group by
rollup ,cube 等等... - 创建索引、rebuild、设置并行参数（譬如大批量ETL全量时，drop索引，ETL之后再create）
- 收集统计信息的 degree参数
- 还有aleter session enable parallel dml;
insert /*+ append parallel(Table_I,并行数) */
into Table_I nologging
select /*+ PARALLEL(A,并行数) PARALLEL(B,并行数) PARALLEL(C,并行数) */
……
nologging 在DML时往往很有用
Insert、update
Insert ,update,delete 场景
1、当然最快的仍然是create table NEW_TAB as select * from OLD_TAB
2、delete的时候如果数据量过大，可以权衡考虑全量导出建立：
CREATE TABLE NEW_TAB NOLOGGING PARALLEL as select * from OLD_TAB where 条件<>要delete的数据，再truncate原表，rename重命名新表。
update也可以同理，把update的思路写到select里面再truncate原表，rename新表。
MERGE：（同样可以使用并行,nologging）
减少扫描表的次数，替代insert then update语句
例如：每月计算生产库里的会计科目成本，放入数据仓库的事实表，但有少部分的冲销凭证会影响近几个月的操作。原本的total delete+insert,或是insert新数据+时间范围内update的操作，换为merge where 时间覆盖可能发生冲销的范围即可。
参数：
1、
alter session set workarea_size_policy=manual;
alter session set sort_area_size=107341824;
alter session set sort_area_retained_size=107341824;
alter session set db_file_multiblock_read_count=128;
在并行dml、并行select的ETL JOB里可以添加如上参数，10g版本似乎要重复两次才可以生效。
db_file_multiblock_read_count配合32k、16k的大block表空间使用，针对传统SATA盘，FC盘有效，增加单次IO的收益。
同理，有时候反范式冗余多维度与事实表到一块，组成长表，db_file_multiblock_read_count+32K/16K大block的性能也很好，但数据的适用场景就减少了，多数用于临时主题分析，数据集市。
2、
修改参数 _smm_auto_min_io_size 、smm_auto_max_io_size
增大每次hash join 的内存分配大小，提升group by性能，配合大PGA使用。
3、极端环境下（或测试环境，或是同步数据的非关键过渡库），打开参数 alter system set commit_write=‘batch,nowait‘; （10gR2开始才有的特性）使得db在commit的时候，无需等待 LOG BUFFER写出到REDO LOGFILE，即返回commit完成，需要评估灾难时断电带来的风险，如有UPS可考虑打开。
注意：极端环境是指频繁的commit带来的log file sync等待成为瓶颈点的时候才考虑，才考虑！打开参数，多数情况下数据仓库不会有这个问题。
再极端一些，还可以把Online Redo文件加大至1~2G甚至更大，关闭归档，减少日志切换带来的等待，本条需要权衡场景，勿在生产环境随意使用。
外部表
- 不能dml，不能建索引，不支持分区
- 适合只使用一次，无需修改，方便load入数据，可以并行查询，可以Nested_Loop JOIN,可以HASH_JOIN
- 外部表结合MERGE的场景
系统级临时表（无DML锁，无REDO）
TRANSACTION级
SESSION级
direct path insert
物化视图:空间换取时间
表空间迁移
可以传输分区表的分区，属于物理文件级别的传输，不同于SQL级别，属于最高性能，适用于跨地区的分库、子库汇总至中心库的场景。
DataStage方面的处理
1、Bulk load方式
读端：设置 enable partitioned reads ，modulus方式分区读取integer(zeile)
写端：oracle connect 选择bulk load方式
在bulk load写入前把所有索引,主键等drop掉。结束后再重建。
DataStage主机在多CPU的情况下，推荐设置多个并行node进行ETL作业，轻松将IO压到极限。
Before SQL Statement
After SQL Statement
Node的设置
多Node并行的效果如下图：
如果在瓶颈在Datastage的Node上
（可以测试下，node的文件建立在linux的tmpfs，即/dev/shm/tmp来提速，避免在ETL过程中数据经过datastage主机的磁盘，增加io瓶颈点，主机的内存要足够大，如64G，需测试！）
# mkdir /dev/shm/tmp
# chmod -R 777 /dev/shm/tmp
# mount --bind /dev/shm/tmp /tmp
像这样就可以直接用/tmp 来做node文件存放使用。
考虑限制用量的情况也可以用 # mount tmpfs /tmp -t tmpfs -o size=512m
限制/tmp挂载的tmpfs只能用512m
同理，大内存主机下Oracle的 temp表空间也可以往这里放，前提是temp表空间的使用情况已经平稳，DBA能预估使用的波动范围，并且关掉自动增长。需严格测试！