表压缩及并行提高效率的测试

1、制作测试表

create table t1 as select * from FW_T_GTXLOG

insert into t1 select * from t1;

create table t2 compress as select * from t1

create table t3 as select * from t1

2、查看测试表数据量

select count(*) from t1;

select count(*) from t2;

select count(*) from t3;

3、查看测试表物理大小

SQL> select t.bytes/1024/1024/1024,t.blocks from dba_segments t where t.segment_name=‘T1‘;

T.BYTES/1024/1024/1024    BLOCKS

---------------------- ----------

16.8876953G   2213504

Elapsed: 00:00:00.14

SQL> select t.bytes/1024/1024/1024,t.blocks from dba_segments t where t.segment_name=‘T2‘;

T.BYTES/1024/1024/1024    BLOCKS

---------------------- ----------

13.0625G   1712128

Elapsed: 00:00:00.10

SQL> select t.bytes/1024/1024/1024,t.blocks from dba_segments t where t.segment_name=‘T3‘;

T.BYTES/1024/1024/1024    BLOCKS

---------------------- ----------

16.8359375G   2206720

Elapsed: 00:00:00.09

4、查看测试表索引大小

SQL> select t.bytes/1024/1024/1024,t.blocks*8192 from dba_segments t where t.segment_name=‘IND_GUID_1‘;

T.BYTES/1024/1024/1024 T.BLOCKS*8192

---------------------- -------------

3.125   3355443200

Elapsed: 00:00:00.10

SQL> select t.bytes/1024/1024/1024,t.blocks*8192 from dba_segments t where t.segment_name=‘IND_GUID_2‘;

T.BYTES/1024/1024/1024 T.BLOCKS*8192

---------------------- -------------

.5390625    578813952

Elapsed: 00:00:00.09

SQL> select t.bytes/1024/1024/1024,t.blocks*8192 from dba_segments t where t.segment_name=‘IND_GUID_3‘;

T.BYTES/1024/1024/1024 T.BLOCKS*8192

---------------------- -------------

.5390625    578813952

Elapsed: 00:00:00.10

5、查看测试表定义语句

-- Create table T1

create table T1

(

GUID NVARCHAR2(32) not null,

GTXID     NVARCHAR2(200),

STARTTIME NVARCHAR2(32),

SOURCETX  NUMBER(1),

STATUS    NUMBER(1),

ENDTIME   NVARCHAR2(32),

DOMAIN    NVARCHAR2(50)

)

tablespace EFMIS

pctfree 10

initrans 1

maxtrans 255

storage

(

initial 64

next 8

minextents 1

maxextents unlimited

);

-- Create/Recreate indexes

create index IND_GUID_1 on T1 (GUID)

tablespace EFMIS

pctfree 10

initrans 2

maxtrans 255

storage

(

initial 64K

next 1M

minextents 1

maxextents unlimited

);

-- Create table T2

create table T2

(

GUID NVARCHAR2(32) not null,

GTXID     NVARCHAR2(200),

STARTTIME NVARCHAR2(32),

SOURCETX  NUMBER(1),

STATUS    NUMBER(1),

ENDTIME   NVARCHAR2(32),

DOMAIN    NVARCHAR2(50)

)

tablespace EFMIS

pctfree 0

initrans 1

maxtrans 255

storage

(

initial 64

next 8

minextents 1

maxextents unlimited

)

compress;  -------------------------------------------------------------------------------

-- Create/Recreate indexes

create index IND_GUID_2 on T2 (GUID)

tablespace EFMIS

pctfree 10

initrans 2

maxtrans 255

storage

(

initial 64K

next 1M

minextents 1

maxextents unlimited

)

compress; ---------------------------------------------------

-- Create table T3

create table T3

(

GUID NVARCHAR2(32) not null,

GTXID     NVARCHAR2(200),

STARTTIME NVARCHAR2(32),

SOURCETX  NUMBER(1),

STATUS    NUMBER(1),

ENDTIME   NVARCHAR2(32),

DOMAIN    NVARCHAR2(50)

)

tablespace EFMIS

pctfree 10

initrans 1

maxtrans 255

storage

(

initial 64

next 8

minextents 1

maxextents unlimited

);

-- Create/Recreate indexes

create index IND_GUID_3 on T3 (GUID)

tablespace EFMIS

pctfree 10

initrans 2

maxtrans 255

storage

(

initial 64K

next 1M

minextents 1

maxextents unlimited

)

compress;    ---------------------------------------------------------------------

6、收集3张表统计信息

begin

dbms_stats.gather_table_stats(ownname          => ‘FASP_62‘,

tabname          => ‘T1‘,

estimate_percent => 30,

method_opt       => ‘FOR ALL COLUMNS SIZE 10‘,

degree => 4,

cascade => TRUE);

END;

7、测试具体查询语句效率:table access full

SQL> select count(*) from t1;

COUNT(*)

----------

37458112

Elapsed: 00:00:31.22

SQL> select count(*) from t2;

COUNT(*)

----------

37458112

Elapsed: 00:00:08.66

SQL> select count(*) from t3;

COUNT(*)

----------

37458112

Elapsed: 00:00:08.25

8、测试具体查询语句效率:index fasp full scan

SQL> select count(guid) from t1 where guid like ‘%BA92A682D9%‘;

COUNT(GUID)

-----------

32

Elapsed: 00:00:34.52

SQL> select count(guid) from t2 where guid like ‘%BA92A682D9%‘;

COUNT(GUID)

-----------

32

Elapsed: 00:00:18.27

SQL> select count(guid) from t3 where guid like ‘%BA92A682D9%‘;

COUNT(GUID)

-----------

32

Elapsed: 00:00:20.27

结论:t2\t3表的索引为压缩索引,从以上执行结果可知,索引重复率情况下,compress压缩对于select而言,具有一定的效果,提高速度一半以上。

9、结论

1、非唯一性索引可以建立compress索引。

create index IND_GUID_3 on T3 (GUID) tablespace EFMIS  compress;

2、可以通过以下命令查看索引或者表占据的硬盘容量:

select t.bytes/1024/1024/1024,t.blocks*8192 from dba_segments t where t.segment_name=‘IND_GUID_3‘;

select t.bytes/1024/1024/1024,t.blocks*8192 from dba_segments t where t.segment_name=‘IND_GUID_1‘;

以上sql查询出的索引大小与为压缩的索引大小相差悬殊,择证明压缩后可以提高查询效率。

时间: 2024-10-14 20:09:44

表压缩及并行提高效率的测试的相关文章

PLSQL_Oracle分区表和相应的分区索引管理和使用(案例)(创建交易表等大表时进行分区提高效率)

2014-08-22 BaoXinjian 一.摘要 1.分区表: 随着表的不断增大,对于新纪录的增加.查找.删除等(DML)的维护也更加困难.对于数据库中的超大型表,可通过把它的数据分成若干个小表,从而简化数据库的管理活动.对于每一个简化后的小表,我们称为一个单个的分区 对于分区的访问,我们不需要使用特殊的SQL查询语句或特定的DML语句,而且可以单独的操作单个分区,而不是整个表.同时可以将不同分区的数据放置到不同的表空间,比如将不同年份的销售数据,存放在不同的表空间,即年的销售数据存放到TB

优化系列 | InnoDB引擎数据表压缩特性测试

一.前言Innodb Plugin引擎开始引入多种格式的行存储机制,目前支持:Antelope.Barracuda两种.其中Barracuda兼容Antelope格式.另外,Innodb plugin还支持行数据压缩特性,不过前提是采用Barracuda行存储格式.表空间启用压缩的前提是innodb表空间文件存储格式修改成:Barracuda,需要修改2个选项:innodb_file_format = "Barracuda"innodb_file_format_max = "

你的数据库数据量上亿,为了提高效率,要分库还是分表?具体怎么做 - 开源中国社区

你的数据库数据量上亿,为了提高效率,要分库还是分表?具体怎么做 - 开源中国社区 你的数据库数据量上亿,为了提高效率,要分库还是分表?具体怎么做

oracle 11G表压缩

最近一套生产库表空间一直告警在90%以上,但的磁盘硬件资源又不足,整个库已经达到26T.库里存储了近4年的数据,与业务沟通说历史数据基本上不会做操作,但是又不能归档,所以想到了压缩表来节省表空间. 随着数据库的增长,我们可以考虑使用oracle的表压缩技术.表压缩可以节省磁盘空间.减少data buffer cache的内存使用量.并可以显著的提升读取和查询的速度.当使用压缩时,在数据导入和DML操作时,将导致更多的CPU开销,然而,由于启用压缩而减少的I/O需求将抵消CPU的开销而产生的成本.

InnoDB 数据表压缩原理与限制

http://liuxin1982.blog.chinaunix.net/uid-24485075-id-3523032.html 压缩理念 通过提高CPU利用率和节约成本,降低数据库容量及I/O负载,从而使数据吞吐率得到显著提高. 压缩原理 压缩表减少了磁盘上数据库的大小,使得用户不必频繁地操作写入和读取便可以访问数据.对于 InnoDB的工作量以及传统的用户表而言(特别是在某些读取密集型的应用中,内存有足够的空间存储常用数据),数据压缩不仅大大减少了数据库所需的存储空间,而且还减少了 I/O

【SQL Server性能优化】SQL Server 2008之表压缩

当数据库比较大,而要进行备份时,我们可以启动数据库备份的压缩,这样减少对于磁盘空间的消耗. 其实,不仅可以在备份的时候压缩,在SQL Server 2008中,我们还可以对表进行压缩,下面通过压缩前.压缩后的比较,来展示SQL Server 2008强大的表压缩功能. 这里在测试数据库找了一个较大的表,共有9439661 条记录, 1.压缩前表的大小 SP_SPACEUSED 'TB_WCB' /* name rows reserved data index_size unused TB_WCB

sql的简单提高效率方法

少用in操作(效率极差),尽量用表关联代替 尽量有where(减少读取量),where操作列尽量有索引(加快查询) (mysql索引使用B-Tree数据结构对特定列额外组织存放,加快存储引擎查找记录的速度,不需回表查询数据的就是聚簇索引(索引和数据存放在一起).通常是需要回表再查数据,需要消耗额外的磁盘IO.) 主键是特殊的唯一索引(不含null),唯一索引更好用 复合索引设计合理,比多列索引强.因为多列索引在where中引用时,列顺序非常重要,要满足最左前缀列,左边优先,不一定能构建合理的索引

7、SQL Server索引、表压缩

索引 什么是索引? 索引是一种磁盘上的数据结构,建立在表或视图的基础上.使用索引可以使数据的获取更快更高校,也会影响其他的一些性能,如插入或更新等. 索引主要分为两种类型:聚集索引和非聚集索引. 字典的目录就是一个索引,按照拼音查询想要的字就是聚集索引(物理连续,页码与目录一一对应),偏旁部首就是一个非聚集索引(逻辑连续,页码与目录不连续). 聚集索引存储记录是物理上连续存在的,而非聚集索引是逻辑上的连续,物理存储并不连续. 聚集索引一个表中只能有一个,而非聚集索引一个表中可以有多个. 索引的利

SQL Server索引、表压缩

什么是索引? 索引是一种磁盘上的数据结构,建立在表或视图的基础上.使用索引可以使数据的获取更快更高校,也会影响其他的一些性能,如插入或更新等. 索引主要分为两种类型:聚集索引和非聚集索引. 字典的目录就是一个索引,按照拼音查询想要的字就是聚集索引(物理连续,页码与目录一一对应),偏旁部首就是一个非聚集索引(逻辑连续,页码与目录不连续). 聚集索引存储记录是物理上连续存在的,而非聚集索引是逻辑上的连续,物理存储并不连续. 聚集索引一个表中只能有一个,而非聚集索引一个表中可以有多个. 索引的利弊 使