Oracle大数据量更新方法

实际工作中我们有时会遇到，需要对一些超级大（BT）的表进行数据更新（更悲剧的是有时需要关联更新，就是依据一张大表的数据来更新另一张表的数据）我们通常的更新方法可能在性能效率上遭遇瓶颈，下面就笔者遇到的一个案列进行记录分享。

首先我们来看下需求：

一张玩家首登表：account_first_login（此表中有account,login_date,login_region字段）一张玩家每日活跃表：account_active_day（有account,active_date,login_region）

现在的需求是需要把首登表account_first_login中的login_region的值更新为对应的每日活跃表：account_active_day中的login_region值，有同事最初的写法是：

alter  session enable parallel dml;
update  /*+ parallel(t1,4) */ account_first_login t1
   set  login_region=
       ( select  login_region
          from  account_active_day t2
         where  t1.account = t2.account
           and  t1.login_date = t2.active_date);

结果5,6个小时过去了 更新还没有完成，后来优化更改为关联update

update  ( select  /*+ bypass_ujvc */
         t1.login_region old_id, t2.login_region new_id
          from  account_first_login t1,
               account_active_day t2
         where  t1.account = t2.account
           and  t1.login_date = t2.active_date) r
   set  r.old_id = r.new_id;

修改后的写法效率有了一定的提升，2个多小时完成，可是时间还是不能接受，继续优化，想到了通过rowid批量进行更新

declare
  maxrows      number  default  5000;
  row_id_table dbms_sql.Urowid_Table;
  p_id_table   dbms_sql.Number_Table;
  cursor  acnt_first_cur  is
    select  /*+ use_hash(t1,t2) parallel(t1,4) parallel(t2,4) */
     t2.login_region, t1.rowid
      from  account_first_login t1, account_active_day t2
     where  t1.account = t2.account
       and  t1.login_date = t2.login_date
     order  by  t1.rowid;
begin
  open  acnt_first_cur;
  loop
    exit  when  acnt_first_cur%notfound;
    fetch  acnt_first_cur bulk collect
      into  p_id_table, row_id_table limit maxrows;
    forall i  in  1 .. row_id_table. count
      update  account_first_login
         set  login_region = p_id_table(i)
       where  rowid = row_id_table(i);
    commit ;
  end  loop;
end ;

结果优化后的更新速度是相当神速啊：247s完成！

结论：当更新大数据量时可以通过rowid进行排序后再批量更新，因为通过rowid进行排序后想应的被更新数据多数在一个数据块上，这样按块进行批量更新速度应该能够大大提高。

from：http://hi.baidu.com/songyunkui/item/04aba589f7ffa705100ef3c1