library cache
sql 执行过程
1、检查语法(检查语法，如果有错误，直接返回，省着往下执行浪费资源) seclt * form nimei;
2、检查语义(有没有这个表、当前用户有没有操作权限，如果没有直接返回)
3、hash计算(把当前的sql语句转换成oracle可以理解的hash值)
4、解析
4.1软解析(当一条sq1语句执行过，就会保存在library cache中，当再一次执行与此条sql相同的语句时，不经过cpu计算，直接调用share pool)
select * from aa ====>编译成一个XXXX的指令集
select * from aa
4.2硬解析(当软解析不成功进，经过cpu计算)
5、执行
select name from aa where id=1（先计算条件，再对比表，减少查找范围，触发索引就是先看where）
生产中share pool的命中率，应达到90%以上，这样cpu的压力就小了
触发条件：
1、标准化，书写规范(越大的公司标准化做得越好,因为人比较多，如果没有标准约束，不好干活了)
select name from emp; select name from EMP;
举例：一个大项目，肯定由多个人来完成
2、使用绑定变量
select 价格 from emp where name=1;
select 价格 from emp where name=2;
举例：互联网中，使用人比较多，每个人执行的操作不同，SQL条件也不同。
select 价格 from emp where name=:a;【绑定变量，执行SQL前给绑定变量name先赋值=1，然后再执行】
select 价格 from emp where name=:a;【绑定变量，执行SQL前给绑定变量name先赋值=2，然后再执行】
data dictionary cache
在执行sql语句时，在底层会调用 很多“数据字典”，所以设计了data dictionary cache
select * from all_users;
Optimizer收集器:
CBO优化器:衡量SQL执行计划的,选择一种最优的执行方式
例:
select name from emp where id=1;
1、全表扫描emp (cost 1000)
2、索引rowid扫描emp (cost 10)
不同的执行方式，cost的开销也是不同的，cost是通过收集器计算出来的。【周一 ~ 周五晚上，周六周日全天运行收集器】
收集器收集的是一些计算cost的条件：表有多少行？多少列？数据分布的情况？块情况？等这些值，
然后才能在不执行SQL语句的情况，才能判断SQL不同的执行情况的cost。
假设:emp表有10W行
收集器收集后，全表扫描emp表的cost的开销1000
收集器收集后，索引rowid扫描emp表的cost的开销10
CBO是做决策的吧，收集器是收集信息的吧。
举例：古代打仗(CBO:将军 Optimizer:间谍)
周一 ~ 周五晚上(每次收集全库对象，只有晚上业务空闲一些)周六周日全天运行收集器
如果白天收集，你变一行数据，收集内容就变一下，收集器压力太大了，主要是Oracle数据库的压力大了，所以都在业务低峰收集！减少压力
假设a表晚上只有10行，收集器收集了，早上的时候a表中insert了10W行，白天收集器不收集，这时候就完蛋就有问题了。
CBO判断时依据收集器，收集器收集的结果是a表只有10行。
select name from emp where id=1;
1、全表扫描emp (cost 1)
2、索引rowid扫描emp (cost 2)
所以走了全表扫描，完蛋了，a表有10W行吧，不是10行吧！Oracle不会犯这么大的错误：
操作系统块4K,Oracle块8k，扫描10行数据，全表只要扫描1个块，cost 1。先扫描索引块 cost1,通过索引块的rowid再定位数据块，cost1,一共cost2
10g以前的，优化器是RBO，基于规则的(认为索引扫描就是比全表扫描快)
有1个表是10行，存放在1个表数据块上。
如果先查索引块开销1，再查询表数据块开销1，一共开销2。
如果直接查询表数据块开销1，一共开销1。
10g开始是CBO，基于规则的cost。
假设a表晚上只有10行，收集器收集了，早上的时候a表中insert了10W行，收集器不会收集。但是表产生的变化会写到数据字典中，
如果当前一个对象，它的变化超出阀值(不管阀值是多少，Oracle自己定的)触发收集。
假设a表有100W行，第2天我Insert一条，再delete一条，对于cpu计算的结果没有影响。
假设a表有100W行，第2天我Insert了50W，它的变化超出阀值，就会告诉收集器收集一下。
举例：一个人和平时不太一样
-------------------------------------------
database buffer cache
select name from emp where name=‘zhangsan‘;
【第一次读取，然后存放在Buffer cache,第二次读取，直接从Buffer cache中取】
从内存中读取数据，肯定要比磁盘中读取快。
写操作，先写内存中，速度快，它认为内存中写完，此次操作就完了，当库空闲的时候再把内存的数据写到磁盘中dbf文件
命中率大，减少I/O压力
Buffer cache存储规则：如果用满了，从冷数据中，找与当前时间最远的优先覆盖
------------------------------------------
redo log buffer cache
先写内存中，速度快，它认为内存中写完，此次操作就完了，当库空闲的时候再把内存的数据写到磁盘的redo日志文件中
主流数据库，都是先写日志，再写数据库。日志比较重要，日志健全，数据没了，可以通过日志进行恢复
------------------------------------------
large pool 存储大数据【一次提取大的数据，存储在大池比较好，存储database Buffer cache就不好了，容易造成命中假像】
large pool存放：1、RMAN的备份数据 2、并行操作
------------------------------------------
java pool 调用前端的java指令
这5个池全在SGA(系统全局区域)，在内存中分配了SGA区，在SGA又配合了以上5个池，这些池是为了加快访问速度的！！