coco3600

Oracle动态采样分析

动态采样概念

动态采样(Dynamic Sampling)是在ORACLE 9i Release 2中开始引入的一个技术，引入它的目的是为了应对数据库对象没有分析（统计信息缺失）的情况下，优化器生成更好的执行计划。简单的说，在数据库段（表、索引、分区）对象没有分析的情况下，为了使CBO优化器得到足够多的信息以保证优化器做出正确执行计划而发明的一种技术。它会分析一定数量段对象上的数据块获取CBO需要的统计信息。动态采样技术仅仅是统计信息的一种补充，它不能完全替代统计信息分析。

 
      Dynamic sampling first became available in Oracle9i Database Release 2. It is the ability of the cost-based optimizer (CBO) to sample the tables a query references during a hard parse, to determine better default statistics for unanalyzed segments, and to verify its “guesses.” This sampling takes place only at hard parse time and is used to dynamically generate better statistics for the optimizer to use, hence the name dynamic sampling. 
        
      The purpose of dynamic sampling is to improve server performance by determining more accurate estimates for predicate selectivity and statistics for tables and indexes. The statistics for tables and indexes include table block counts, applicable index block counts, table cardinalities, and relevant join column statistics. These more accurate estimates allow the optimizer to produce better performing plans.

动态采样在Oracle 11g之前称为 Dynamic Sampling, ORACLE 12c之后改名为Dynamic Statistic.

动态采样介绍

如果要理解动态采样，最好从鲜活的例子开始，向来理论都是枯燥乏味的。创建一个test表，总共有50319行数据。如下所示

 
      SQL> create table test 
        2 as  
        3 select owner, object_type 
        4 from dba_objects; 
        
      Table created. 
        
      SQL> select count(1) from test; 
        
        COUNT(1) 
      ---------- 
           50319 
     

我们使用dynamic_sampling(test 0)提示(hints)来禁用动态采样（稍后动态采样级别中介绍），从下面的执行计划可以看出，在表对象没有做分析情况下，如果禁用了动态采样，CBO优化器唯一可以使用的信息为该表存储在数据字典的一些信息，比如多少个extent，多少个block等，这些信息往往不够。此时优化器估计表test的行数为11027(如下所示)，跟实际的表记录行数50319还是有蛮大的偏差。在复杂环境下，就很有可能导致CBO优化器做出错误的执行计划。

 
      SQL> set autotrace traceonly explain; 
      SQL> select /*+ dynamic_sampling(test 0) */ * from test; 
        
      Execution Plan 
      ---------------------------------------------------------- 
      Plan hash value: 1357081020 
        
      -------------------------------------------------------------------------- 
      | Id  | Operation         | Name | Rows  | Bytes | Cost (%CPU)| Time     | 
      -------------------------------------------------------------------------- 
      |   0 | SELECT STATEMENT  |      | 11027 |   301K|    31   (0)| 00:00:01 | 
      |   1 | TABLE ACCESS FULL| TEST | 11027 |   301K|    31   (0)| 00:00:01 | 
      -------------------------------------------------------------------------- 
      SQL> set autotrace off; 
     

如果启用动态采样(默认情况下，动态采样级别为2)，优化器根据动态采样得到一些数据信息猜测、估计表TEST的记录行数为48054，已经接近实际记录行数50319了。比不做动态采样分析要好很多了。当然你不能指望动态采样获取完全准确的信息，因为它只是采样了一些数据块。

 
      SQL> set autotrace traceonly explain; 
      SQL> select * from test; 
        
      Execution Plan 
      ---------------------------------------------------------- 
      Plan hash value: 1357081020 
        
      -------------------------------------------------------------------------- 
      | Id  | Operation         | Name | Rows  | Bytes | Cost (%CPU)| Time     | 
      -------------------------------------------------------------------------- 
      |   0 | SELECT STATEMENT  |      | 48054 |  1313K|    32   (4)| 00:00:01 | 
      |   1 | TABLE ACCESS FULL| TEST | 48054 |  1313K|    32   (4)| 00:00:01 | 
      -------------------------------------------------------------------------- 
      Note 
      ----- 
       - dynamic sampling used for this statement 
        
      SQL> set autotrace off; 
     

如果我们将动态采样的级别提高为3，如下所示，发现优化器根据动态采样得到的信息比默认（默认情况下，动态采样级别为2）情况获得的信息更准确。优化器估计表TEST的行数为51463，比48054又接近实际情况一步了。

 
        
      SQL> set autotrace traceonly explain; 
      SQL> select /*+ dynamic_sampling(test 3) */ * from test; 
        
      Execution Plan 
      ---------------------------------------------------------- 
      Plan hash value: 1357081020 
        
      -------------------------------------------------------------------------- 
      | Id  | Operation         | Name | Rows  | Bytes | Cost (%CPU)| Time     | 
      -------------------------------------------------------------------------- 
      |   0 | SELECT STATEMENT  |      | 51463 |   703K|    32   (4)| 00:00:01 | 
      |   1 | TABLE ACCESS FULL| TEST | 51463 |   703K|    32   (4)| 00:00:01 | 
      -------------------------------------------------------------------------- 
      SQL> set autotrace off; 
     

在Tom的这篇文章中提到，在没有动态采样的情况下，如果删除了该表数据，CBO优化器估算的结果集和没有删除之前是一样的。这是因为当一个表的数据被删除后，这个表所分配的extent和block是不会自动回收的（高水位线不变），所以CBO如果没有采样数据块做分析，只是从数据字典中获取extend等信息，就会误认为任然还有那么多数据。

 
      SQL> delete from test; 
        
      50319 rows deleted. 
        
      SQL> commit; 
        
      Commit complete. 
        
      SQL> set autotrace traceonly explain; 
      SQL> select /*+ dynamic_sampling(test 0) */ * from test; 
        
      Execution Plan 
      ---------------------------------------------------------- 
      Plan hash value: 1357081020 
        
      -------------------------------------------------------------------------- 
      | Id  | Operation         | Name | Rows  | Bytes | Cost (%CPU)| Time     | 
      -------------------------------------------------------------------------- 
      |   0 | SELECT STATEMENT  |      | 11027 |   301K|    31   (0)| 00:00:01 | 
      |   1 | TABLE ACCESS FULL| TEST | 11027 |   301K|    31   (0)| 00:00:01 | 
      -------------------------------------------------------------------------- 
      SQL> select * from test; 
        
      Execution Plan 
      ---------------------------------------------------------- 
      Plan hash value: 1357081020 
        
      -------------------------------------------------------------------------- 
      | Id  | Operation         | Name | Rows  | Bytes | Cost (%CPU)| Time     | 
      -------------------------------------------------------------------------- 
      |   0 | SELECT STATEMENT  |      |     1 |    28 |    31   (0)| 00:00:01 | 
      |   1 | TABLE ACCESS FULL| TEST |     1 |    28 |    31   (0)| 00:00:01 | 
      -------------------------------------------------------------------------- 
      Note 
      ----- 
       - dynamic sampling used for this statement 
        
      SQL>  
     

什么时候使用动态采样？

如下所示，我们使用包dbms_stats.gather_table_stats收集表Test的统计信息过后，你会发现“dynamic sampling used for this statement”不见了，其实也就是说优化器发现有表TEST有分析过，它就不会使用动态采样技术。其实开篇的时候已经叙说过“应对数据库对象没有分析（统计信息缺失）的情况下，才会用到动态采样技术“

 
      SQL> set autotrace trace exp; 
      SQL> select * from test; 
        
      Execution Plan 
      ---------------------------------------------------------- 
      Plan hash value: 1357081020 
        
      -------------------------------------------------------------------------- 
      | Id  | Operation         | Name | Rows  | Bytes | Cost (%CPU)| Time     | 
      -------------------------------------------------------------------------- 
      |   0 | SELECT STATEMENT  |      |     1 |    28 |    31   (0)| 00:00:01 | 
      |   1 | TABLE ACCESS FULL| TEST |     1 |    28 |    31   (0)| 00:00:01 | 
      -------------------------------------------------------------------------- 
      Note 
      ----- 
       - dynamic sampling used for this statement 
        
      SQL> exec dbms_stats.gather_table_stats(user, 'test'); 
        
      PL/SQL procedure successfully completed. 
        
      SQL> select * from test; 
        
      Execution Plan 
      ---------------------------------------------------------- 
      Plan hash value: 1357081020 
        
      -------------------------------------------------------------------------- 
      | Id  | Operation         | Name | Rows  | Bytes | Cost (%CPU)| Time     | 
      -------------------------------------------------------------------------- 
      |   0 | SELECT STATEMENT  |      |     1 |    28 |    31   (0)| 00:00:01 | 
      |   1 | TABLE ACCESS FULL| TEST |     1 |    28 |    31   (0)| 00:00:01 | 
      -------------------------------------------------------------------------- 
     

第二种情况：当表TEST即使被分析过，如果查询脚本里面包含临时表，就会使用动态采样技术。因为临时表是不会被分析，它是没有统计信息的。如下所示

 
      SQL> drop table test; 
      SQL> create table test 
        2 as  
        3 select owner, object_type 
        4 from dba_objects; 
        
      Table created. 
        
      SQL> exec dbms_stats.gather_table_stats(user, 'test'); 
        
      PL/SQL procedure successfully completed. 
        
        
      SQL> create global temporary table tmp 
        2  (object_type varchar2(19)); 
        
      Table created. 
        
      SQL> insert into tmp 
        2 select distinct object_type from dba_objects; 
        
      41 rows created. 
        
      SQL> commit; 
        
      Commit complete. 
        
      SQL> set autotrace traceonly explain; 
        
      SQL> select t.owner, l.object_type 
        2 from test t inner join tmp l on t.object_type =l.object_type; 
        
      Execution Plan 
      ---------------------------------------------------------- 
      Plan hash value: 19574435 
        
      --------------------------------------------------------------------------- 
      | Id  | Operation          | Name | Rows  | Bytes | Cost (%CPU)| Time     | 
      --------------------------------------------------------------------------- 
      |   0 | SELECT STATEMENT   |      |     1 |    25 |    35   (6)| 00:00:01 | 
      |*  1 |  HASH JOIN |      |     1 |    25 |    35   (6)| 00:00:01 | 
      |   2 | TABLE ACCESS FULL| TMP  |     1 |    11 |     2   (0)| 00:00:01 | 
      |   3 | TABLE ACCESS FULL| TEST | 49422 |   675K|    32   (4)| 00:00:01 | 
      --------------------------------------------------------------------------- 
      Predicate Information (identified by operation id): 
      --------------------------------------------------- 
         1 - access("T"."OBJECT_TYPE"="L"."OBJECT_TYPE") 
        
      Note 
      ----- 
       - dynamic sampling used for this statement 
        
      SQL>  
     

动态采样还有一个独特能力，可以对不同列之间的相关性做统计。表统计信息都是相对独立的。当查询涉及列之间的相关性时,统计信息就显得有些不足了,请看Tom的例子

创建一个特殊的表t，然后对字段flag1、flag2创建索引t_idx，然后分析收集统计信息

 
      SQL> create table t 
        2 as select decode(mod(rownum,2),0,'N', 'Y') flag1, 
        3               decode(mod(rownum,2),0,'Y', 'N') flag2, a.* 
        4 from all_objects a; 
        
      Table created. 
        
      SQL> create index t_idx on t(flag1, flag2); 
        
      Index created. 
        
      SQL> begin 
        2   dbms_stats.gather_table_stats(user, 'T',       
        3        method_opt =>'for all indexed columns size 254'); 
        4 end; 
        5  / 
        
      PL/SQL procedure successfully completed. 
     

关于表t的行数情况如下所示，大家先不要纠结为什么查询获取NUM_ROWS数据

 
      SQL> select num_rows, num_rows/2, num_rows/2/2 
        2 from user_tables 
        3 where table_name='T'; 
        
        NUM_ROWS NUM_ROWS/2 NUM_ROWS/2/2 
      ---------- ---------- ------------ 
           49875    24937.5     12468.75 
     

首先看看对flag1过滤条件的SQL语句，CBO优化器猜测、估计的行数24757，相当接近24937.5记录数了。

 
      SQL> set autotrace traceonly explain; 
      SQL> select * from t where flag1='N'; 
        
      Execution Plan 
      ---------------------------------------------------------- 
      Plan hash value: 1601196873 
        
      -------------------------------------------------------------------------- 
      | Id  | Operation         | Name | Rows  | Bytes | Cost (%CPU)| Time     | 
      -------------------------------------------------------------------------- 
      |   0 | SELECT STATEMENT  |      | 24757 |  2345K|   161   (2)| 00:00:02 | 
      |*  1 | TABLE ACCESS FULL| T    | 24757 |  2345K|   161   (2)| 00:00:02 | 
      -------------------------------------------------------------------------- 
      Predicate Information (identified by operation id): 
      --------------------------------------------------- 
         1 - filter("FLAG1"='N') 
     

首先看看对flag2过滤条件的SQL语句，CBO优化器猜测、估计的行数25118，相当接近24937.5记录数了。

 
      SQL> select * from t where flag2='N'; 
        
      Execution Plan 
      ---------------------------------------------------------- 
      Plan hash value: 1601196873 
        
      -------------------------------------------------------------------------- 
      | Id  | Operation         | Name | Rows  | Bytes | Cost (%CPU)| Time     | 
      -------------------------------------------------------------------------- 
      |   0 | SELECT STATEMENT  |      | 25118 |  2379K|   161   (2)| 00:00:02 | 
      |*  1 | TABLE ACCESS FULL| T    | 25118 |  2379K|   161   (2)| 00:00:02 | 
      -------------------------------------------------------------------------- 
      Predicate Information (identified by operation id): 
      --------------------------------------------------- 
         1 - filter("FLAG2"='N') 
     

如果条件flag1 = 'N' and flag2 = 'N',我们根据逻辑推理判断这样的记录肯定是不存在的，这也是苦心构造这个特例的初衷。下面看看CBO优化器怎么探测、预测的

 
      SQL> select * from t where flag1 = 'N' and flag2 = 'N'; 
        
      Execution Plan 
      ---------------------------------------------------------- 
      Plan hash value: 1601196873 
        
      -------------------------------------------------------------------------- 
      | Id  | Operation         | Name | Rows  | Bytes | Cost (%CPU)| Time     | 
      -------------------------------------------------------------------------- 
      |   0 | SELECT STATEMENT  |      | 12468 |  1181K|   160   (2)| 00:00:02 | 
      |*  1 | TABLE ACCESS FULL| T    | 12468 |  1181K|   160   (2)| 00:00:02 | 
      -------------------------------------------------------------------------- 
      Predicate Information (identified by operation id): 
      --------------------------------------------------- 
         1 - filter("FLAG1"='N' AND "FLAG2"='N') 
     

CBO估计的记录数为12468，和实际情况相差非常远。其实是CBO优化器这样估算来的：

flag1=‘N' 的记录数占总数的1/2

flag2= 'N' 的记录数占总数的1/2

根据NUM_ROWS/2/2 =12468.这样显然是不合理的。下面我们通过提升动态采样级别，来看看动态采样是否能避免CBO的错误

 
      SQL> select /*+ dynamic_sampling(t 3) */ * from t where flag1 = 'N' and flag2 = 'N'; 
        
      Execution Plan 
      ---------------------------------------------------------- 
      Plan hash value: 470836197 
        
      ------------------------------------------------------------------------------------- 
      | Id  | Operation                   | Name  | Rows  | Bytes | Cost (%CPU)| Time     | 
      ------------------------------------------------------------------------------------- 
      |   0 | SELECT STATEMENT            |       |     4 |   388 |     2   (0)| 00:00:01 | 
      |   1 | TABLE ACCESS BY INDEX ROWID| T     |     4 |   388 |     2   (0)| 00:00:01 | 
      |*  2 | INDEX RANGE SCAN          | T_IDX |     4 |       |     1   (0)| 00:00:01 | 
      ------------------------------------------------------------------------------------- 
      Predicate Information (identified by operation id): 
      --------------------------------------------------- 
         2 - access("FLAG1"='N' AND "FLAG2"='N') 
        
      Note 
      ----- 
       - dynamic sampling used for this statement 
        
      SQL>  
     

动态采样级别

ORACLE为动态采样划分了11个级别，详情请见ORACLE 11g官方文档http://download.oracle.com/docs/cd/E11882_01/server.112/e10821/stats.htm#PFGRF94760

Table 13-10 Dynamic Statistics Levels

Level	When the Optimizer Uses Dynamic Statistics		Sample Size (Blocks)
0	Do not use dynamic statistics	不做动态采样分析	n/a
1	Use dynamic statistics for all tables that do not have statistics, but only if the following criteria are met: · There is at least 1 nonpartitioned table in the query that does not have statistics. · This table has no indexes. · This table has more blocks than the number of blocks that would be used for dynamic statistics of this table.	Oracle 对没有分析的表进行动态采样，但需要同时满足以下3个条件。（1） SQL中至少有一个未分析的表(非分区表) （2）未分析的表没有索引（3）未分析的表占用的数据块要大于动态采样的数据块（32个）	32
2	Use dynamic statistics if at least one table in the statement has no statistics. This is the default setting.	对所有的未分析表做分析，动态采样的数据块是默认数据块数为64	64
3	Use dynamic statistics if any of the following conditions is true: · · The statement meets level 2 criteria. · · The statement has one or more expressions used in the WHERE clause predicates, for example, WHERE SUBSTR(cust_last_name,1,3).	采样的表包含满足Level 2定义的所有表，同时包括，那些谓词有可能潜在地需要动态采样的表，这些动态采样的数据块为默认数据块，对没有分析的表，动态采样的默认块为默认数据块数量。	64
4	Use dynamic statistics if any of the following conditions is true: · · The statement meets level 3 criteria. · · The statement uses complex predicates (an OR or AND operator between multiple predicates on the same table).	采样的表包含满足Level 3定义的表，同时还包括一些表，他们包含一个单表的谓词会引用另外的2个列或者更多的列；采样的块数是动态采样默认数据块数；对没有分析的表，动态采样的数据块为默认数据块的1倍。	64
5	Use dynamic statistics if the statement meets level 4 criteria.	采样的表包含满足Level 4定义的表，同时分别使用动态采样默认数据块的2倍的数量来做动态分析。	128
6	Use dynamic statistics if the statement meets level 4 criteria.	采样的表包含满足Level 4定义的表，同时分别使用动态采样默认数据块的4倍的数量来做动态分析。	256
7	Use dynamic statistics if the statement meets level 4 criteria.	采样的表包含满足Level 4定义的表，同时分别使用动态采样默认数据块的8倍的数量来做动态分析。	512
8	Use dynamic statistics if the statement meets level 4 criteria.	采样的表包含满足Level 4定义的表，同时分别使用动态采样默认数据块的32 倍的数量来做动态分析。	1024
9	Use dynamic statistics if the statement meets level 4 criteria.	采样的表包含满足Level 4定义的表，同时分别使用动态采样默认数据块的128倍的数量来做动态分析。	4086
10	Use dynamic statistics if the statement meets level 4 criteria.	采样的表包含满足Level 4定义的表，同时分别使用动态采样对所有数据块做动态分析。	All blocks
11	Use dynamic statistics automatically whenever the optimizer deems it necessary.	当优化器探测到需要的采样时，对段段对象自动采样	Automatically determined

采样级别越高，采样的数据块越多，得到的分析数据就越接近于真实，但同时伴随着资源消耗的开销也增加了。这时一个需要权衡考虑的东西。ORACLE 10 g & 11g的默认采样级别都为2,如下所示，一般使用在会话中使用dynamic_sampling提示来修改动态采样级别。

 
      SQL> show parameter optimizer_dynamic_sampling 
        
      NAME                               TYPE VALUE 
      ------------------------------ ----------- ----------- 
      optimizer_dynamic_sampling integer 2 
      SQL>  
     

另外一个方式就是通过提示hints里修改动态采样的级别。这个非常灵活、有用。

动态采样注意事项

凡事有利必有弊，动态采样也不是神器。它采样的数据块越多，系统开销就越大，这样会增加SQL硬解析的时间，如果是数据库仓库（DW、OLAP）环境，SQL执行时间相当长，硬解析时间只占整个SQL执行时间的一小部分，那么可以适当的提高动态采样级别，这样是有利于优化器获取更加正确的信息。一般设置为3或4比较合适。

但是在并发比较严重的OLTP系统中，每秒中有成千上万的SQL语句执行，它要求SQL语句短小、执行时间短，所以在OLTP系统中应该减低动态采样级别或不用动态采样。可以参考下面Tom的原文：

When should I use dynamic sampling?” is a tricky question. As with any other feature, there are times to use it and times to avoid it. So far I’ve concentrated on the “goodness” of dynamic sampling, and based on that, it seems that you should set the level to 3 or 4 and just let the optimizer always use dynamic sampling to validate its guesses.

That makes sense in an environment in which you spend most of your time executing SQL and very little of your overall time hard-parsing the SQL. That is, the SQL you are executing runs for a long time and the parse time is a small portion of the overall execution time, such as in a data warehousing environment. There, dynamic sampling at levels above the default makes complete sense. You are willing to give the optimizer a little more time during a hard parse (when sampling takes place) to arrive at the optimal plan for these complex queries.

That leaves the other classic type of environment: the online transaction processing (OLTP) system. Here, in general, you are executing queries thousands of times per second and spend very little time executing a given query—the queries are typically small and fast. Increasing the parse time in an OLTP system might well cause you to spend more time parsing than executing SQL. You do not want to increase the parse times here, so higher levels of dynamic sampling would not be advisable

参考资料：

http://www.oracle.com/technetwork/issue-archive/2009/09-jan/o19asktom-086775.html

https://blogs.oracle.com/optimizer/entry/dynamic_sampling_and_its_impact_on_the_optimizer

[让Oracle跑得更快]---谭怀远

http://blog.csdn.net/tianlesoftware/article/details/5845028

之前在说Oracle Optimizer中的CBO时讲到，当表没有做分析的时候，Oracle 会使用动态采样来收集统计信息。获取准确的段对象（表，表分区，索引等）的分析数据，是CBO存在的基石，CBO的机制就是收集尽可能多的对象信息和系统信息，通过对这些信息进行计算，分析，评估，最终得出一个成本最低的执行计划。所以对于CBO，数据段的分析就非常重要。

Oracle Optimizer CBO RBO

http://blog.csdn.net/tianlesoftware/archive/2010/08/19/5824886.aspx

一．先演示一个示例，来理解分析的作用

1.1创建表

SQL> create table t as select object_id,object_name from dba_objects where 1=2;

表已创建。

SQL> create index index_t on t(object_id);

索引已创建。

SQL> insert into t select object_id,object_name from dba_objects;

已创建72926行。

SQL> commit;

提交完成。

1.2查看分的分析及执行计划

SQL> select num_rows,avg_row_len,blocks,last_analyzed from user_tables where table_name='T';

NUM_ROWS AVG_ROW_LEN BLOCKS LAST_ANALYZED

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

SQL> select blevel,leaf_blocks,distinct_keys,last_analyzed from user_indexes where table_name='T';

BLEVEL LEAF_BLOCKS DISTINCT_KEYS LAST_ANALYZED

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

0 0 0 25-8月 -10

从查询结果看出，表的行数，行长，占用的数据块数及最后的分析时间都是空。索引的相关信息也没有，说明这个表和说因都没有被分析，如果此时有一条SQL 对表做查询，CBO 由于无法获取这些信息，很可能生成错误的执行计划，如：

SQL> set linesize 200

SQL> set autot trace exp;

SQL> select /*+dynamic_sampling(t 0) */ * from t where object_id>30;

执行计划

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

Plan hash value: 80339723

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

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

| 0 | SELECT STATEMENT | | 4 | 316 | 0 (0)| 00:00:01 |

| 1 | TABLE ACCESS BY INDEX ROWID| T | 4 | 316 | 0 (0)| 00:00:01 |

|* 2 | INDEX RANGE SCAN | INDEX_T | 1 | | 0 (0)| 00:00:01 |

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

Predicate Information (identified by operation id):

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

2 - access("OBJECT_ID">30)

SQL>

在Oracle 10g以后，如果一个表没有做分析，数据库将自动对它做动态采样分析，所以这里采用hint的方式将动态采样的级别设置为0，即不使用动态采样。

从这个执行计划，看书CBO 估计出表中满足条件的记录为4条，索引使用了索引。我们对表做一下分析，用结果比较一下。

1.3 分析表及查看分析之后的执行计划

分析可以通过两中方式：

一种是analyze 命令，如：

analyze table tablename compute statistics for all indexes;

还有一种就是通过DBMS_STATS包来分析，从9i 开始，Oracle 推荐使用DBMS_STATS包对表进行分析操作，因为DBMS_STATS 提供了更多的功能，以及灵活的操作方式。

SQL> exec dbms_stats.gather_table_stats('SYS','T');

PL/SQL 过程已成功完成。

SQL> select blevel,leaf_blocks,distinct_keys,last_analyzed from user_indexes where table_name='T';

BLEVEL LEAF_BLOCKS DISTINCT_KEYS LAST_ANALYZED

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

1 263 72926 25-8月 -10

SQL> select num_rows,avg_row_len,blocks,last_analyzed from user_tables where table_name='T';

NUM_ROWS AVG_ROW_LEN BLOCKS LAST_ANALYZED

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

72926 29 345 25-8月 -10

从上面的结果，可以看出DBMS_STATS.gather_table_stats已经对表和索引都做了分析。现在我们在来看一下执行计划。

SQL> set autot trace exp;

SQL> select * from t where object_id>30;

执行计划

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

Plan hash value: 1601196873

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

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

| 0 | SELECT STATEMENT | | 72899 | 2064K| 96 (2)| 00:00:02 |

|* 1 | TABLE ACCESS FULL| T | 72899 | 2064K| 96 (2)| 00:00:02 |

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

Predicate Information (identified by operation id):

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

1 - filter("OBJECT_ID">30)

从这个计划，我们看出CBO 估算出的结果是72899 条记录，与实际的72926很近。此时选择全表扫描更优。通过这个例子，我们也看出了分析对执行计划的重要性。

四．动态采样

4.1 什么是动态采样

动态采样（Dynamic Sampling）技术的最初提出是在Oracle 9i R2，在段（表，索引，分区）没有分析的情况下，为了使CBO 优化器得到足够的信息以保证做出正确的执行计划而发明的一种技术，可以把它看做分析手段的一种补充。

当段对象没有统计信息时（即没有做分析），动态采样技术可以通过直接从需要分析的对象上收集数据块（采样）来获得CBO需要的统计信息。

一个简单的例子：

创建表：

SQL> create table t

2 as

3 select owner,object_type from all_objects;

表已创建。

查看表的记录数：

SQL> select count(*) from t;

COUNT(*)

----------

72236 -- 记录数

这里创建了一张普通表，没有做分析，我们在hint中用0级来限制动态采样，此时CBO 唯一可以使用的信息就是表存储在数据字典中的一些信息，如有多少个extent，有多少个block，但是这些信息是不够的。

SQL> set autot traceonly explain

SQL> select /*+dynamic_sampling(t 0) */ * from t;

执行计划

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

Plan hash value: 1601196873

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

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

| 0 | SELECT STATEMENT | | 15928 | 435K| 55 (0)| 00:00:01 |

 |   1 |  TABLE ACCESS FULL| T    | 15928 |   435K|    55   (0)| 00:00:01 |
--------------------------------------------------------------------------
 

在没有做动态分析的情况下，CBO 估计的记录数是15928条，与真实的72236 相差甚远。

我们用动态分析来查看一下：

SQL> select * from t;

执行计划

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

Plan hash value: 1601196873

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

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

| 0 | SELECT STATEMENT | | 80232 | 2193K| 56 (2)| 00:00:01 |

| 1 | TABLE ACCESS FULL| T | 80232 | 2193K| 56 (2)| 00:00:01 |

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

Note

-----

- dynamic sampling used for this statement (level=2)

在Oracle 10g中默认对没有分析的段做动态采样，上面的查询结果显示使用了Level 2级的动态采样，CBO 估计的结果是80232 与72236 很接近了。

注意一点：

在没有动态采样的情况下，对于没有分析过的段，CBO也可能错误地将结果判断的程度扩大话。如：

SQL> delete from t;

已删除72236行。

SQL> commit;

提交完成。

SQL> select /*+dynamic_sampling(t 0) */ * from t;

执行计划

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

Plan hash value: 1601196873

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

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

| 0 | SELECT STATEMENT | | 15928 | 435K| 55 (0)| 00:00:01 |

| 1 | TABLE ACCESS FULL| T | 15928 | 435K| 55 (0)| 00:00:01 |

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

SQL> select * from t;

执行计划

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

Plan hash value: 1601196873

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

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

| 0 | SELECT STATEMENT | | 1 | 28 | 55 (0)| 00:00:01 |

| 1 | TABLE ACCESS FULL| T | 1 | 28 | 55 (0)| 00:00:01 |

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

Note

-----

- dynamic sampling used for this statement (level=2)

如果细心一点，可能看出2个执行计划的差别。在没有采用动态分析的情况下，CBO 对t表估计的还是15928行记录，但是用动态分析就显示1条记录。而表中的数据在查询之前已经删除掉了。出现这种情况的原因是因为高水位。虽然表的数据已经删除，但是表分配的extent 和block 没有被回收，所以在这种情况下CBO 依然认为有那么多的数据在那。

通过这一点，我们可以看出，此时CBO能够使用的信息非常有限，也就是这个表有几个extent，有几个block。但动态采样之后，Oracle 立即发现，原来数据块中都是空的。

关于Oracle 高水位，参考我的blog：Oracle 高水位(HWM)

http://blog.csdn.net/tianlesoftware/archive/2009/10/22/4707900.aspx

动态采样有两方面的作用：

（1） CBO 依赖的是充分的统计分析信息，但是并不是每个用户都会非常认真，及时地去对每个表做分析。为了保证执行计划都尽可能地正确，Oracle 需要使用动态采样技术来帮助CBO 获取尽可能多的信息。

（2）全局临时表。通常来讲，临时表的数据是不做分析的，因为它存放的数据是临时性的，可能很快就释放了，但是当一个查询关联到这样的临时表时，CBO要想获得临时表上的统计信息分析数据，就只能依赖于动态采样了。

动态采样除了可以在段对象没有分析时，给CBO提供分析数据之外，还有一个独特的能力，它可以对不同列之间的相关性做统计。

相对的，表分析的信息是独立的。如：

（1）表的行数，平均行长。

（2）表的每个列的最大值，最小值，重复率，也可能包含直方图。

（3）索引的聚合因子，索引叶的块数目，索引的高度等。

尽管看到动态采样的优点，但是它的缺点也是显而易见，否则Oracle 一定会一直使用动态采样来取代数据分析：

（1）采样的数据块有限，对于海量数据的表，结果难免有偏差。

（2）采样会消耗系统资源，特别是OLTP数据库，尤其不推荐使用动态采样。

4.2 动态采样的级别

Oracle 为动态采样划分了11个级别，在Oracle 的官网上详细的介绍。

13.5.7.4 Dynamic Sampling Levels

http://download.oracle.com/docs/cd/E11882_01/server.112/e10821/stats.htm#PFGRF94760

The sampling levels are as follows if the dynamic sampling level used is from a cursor hint or from theOPTIMIZER_DYNAMIC_SAMPLING initialization parameter:

Level 0: Do not use dynamic sampling.

Level 1: Sample all tables that have not been analyzed if the following criteria are met: (1) there is at least 1 unanalyzed table in the query; (2) this unanalyzed table is joined to another table or appears in a subquery or non-mergeable view; (3) this unanalyzed table has no indexes; (4) this unanalyzed table has more blocks than the number of blocks that would be used for dynamic sampling of this table. The number of blocks sampled is the default number of dynamic sampling blocks (32).

Level 2: Apply dynamic sampling to all unanalyzed tables. The number of blocks sampled is two times the default number of dynamic sampling blocks.

Level 3: Apply dynamic sampling to all tables that meet Level 2 criteria, plus all tables for which standard selectivity estimation used a guess for a predicate that is a potential dynamic sampling predicate. The number of blocks sampled is the default number of dynamic sampling blocks. For unanalyzed tables, the number of blocks sampled is twice the default number of dynamic sampling blocks.

Level 4: Apply dynamic sampling to all tables that meet Level 3 criteria, plus all tables that have single-table predicates that reference 2 or more columns. The number of blocks sampled is the default number of dynamic sampling blocks. For unanalyzed tables, the number of blocks sampled is two times the default number of dynamic sampling blocks.

Levels 5, 6, 7, 8, and 9: Apply dynamic sampling to all tables that meet the previous level criteria using 2, 4, 8, 32, or 128 times the default number of dynamic sampling blocks respectively.

Level 10: Apply dynamic sampling to all tables that meet the Level 9 criteria using all blocks in the table.

The sampling levels are as follows if the dynamic sampling level for a table is set using theDYNAMIC_SAMPLING optimizer hint:

Level 0: Do not use dynamic sampling.

Level 1: The number of blocks sampled is the default number of dynamic sampling blocks (32).

Levels 2, 3, 4, 5, 6, 7, 8, and 9: The number of blocks sampled is 2, 4, 8, 16, 32, 64, 128, or 256 times the default number of dynamic sampling blocks respectively.

Level 10: Read all blocks in the table.

4.2.1 Level 0

不做动态分析

4.2.2 Level 1

Oracle 对没有分析的表进行动态采样，但需要同时满足以下4个条件。

（1） SQL中至少有一个未分析的表

（2）未分析的表出现在关联查询或者子查询中

（3）未分析的表没有索引

（4）未分析的表占用的数据块要大于动态采样默认的数据块（32个）

4.2.3 Level 2

对所有的未分析表做分析，动态采样的数据块是默认数据块的2倍。

4.2.4 Level 3

采样的表包含满足Level 2定义的所有表，同时包括，那些谓词有可能潜在地需要动态采样的表，这些动态采样的数据块为默认数据块，对没有分析的表，动态采样的默认块为默认数据块的2倍。

4.2.5 Level 4

采样的表包含满足Level 3定义的表，同时还包括一些表，他们包含一个单表的谓词会引用另外的2个列或者更多的列；采样的块数是动态采样默认数据块数；对没有分析的表，动态采样的数据块为默认数据块的2倍。

4.2.6 Level 5，6，7，8，9

采样的表包含满足Level 4定义的表，同时分别使用动态采样默认数据块的2，4，8，32，128 倍的数量来做动态分析。

4.2.7 Level 10

采样的表包含满足Level 9定义的所有表，同时对表的所有数据进行动态采样。

采样的数据块越多，得到的分析数据就越接近与真实，但同时伴随着资源消耗的也越大。

4.3 什么时候使用动态采样

动态采样也需要额外的消耗数据库资源，所以，如果 SQL 被反复执行，变量被绑定，硬分析很少，在这样一个环境中，是不宜使用动态采样的，就像OLTP系统。动态采样发生在硬分析时，如果很少有硬分析发生，动态采样的意义就不大。

而在OLAP或者数据仓库环境下，SQL执行消耗的资源要远远大于SQL解析，那么让解析在消耗多一点资源做一些动态采样分析，从而做出一个最优的执行计划是非常值得的。实际上在这样的环境中，硬分析消耗的资源几乎是可以忽略的。

所以，一般在OLAP 或者数据仓库环境中，将动态采样的level 设置为3或者4 比较好。相反，在OLTP系统下，不应该使用动态采样。

动态采样的增强特性

Different Level for DynamicStatistics (Dynamic Sampling) used than the Level Specified (文档 ID 1102413.1)

High Waits for 'cursor: pin S waiton X' due to Dynamic Sampling Against Parallel Queries (文档 ID 2006145.1)

Bug 17760686 - Bad Cardinalityestimation with dynamic sampling (文档 ID 17760686.8)

其中，文档1102413.1有如下论述：

Changes

The change in dynamic statistics is a result of anenhancement introduced in 11.2.
--11.2之后，Oracle对动态采样进行了增强。

In previous versions the default value lead to certain situationswhere the result from using dynamic statistics resulted in bad plans, forexample, when the tables referenced in the query are
very large.

With this enhancement the optimizer itself changes the dynamic value undercertain conditions such as with large tables and parallelism. Thelevel is automatically adjusted based on the size of the tables in the query.This is done only for queries that will run in parallel which is typical forData Warehouses and large databases.
--增强的功能是：在某些条件下，比如大表，开启并行和复杂谓词条件，优化器会自动启动动态采样，并且自行定义动态采样的级别。
The automatic setting of the Dynamic Statistic level is designed such thatoverhead from using Dynamic Statistics is kept to a very minimum yet it willimprove its effectiveness.

While the fix for this unpublished enhancement request bug7452863 ER: USE DYNAMIC SAMPLING FOR KEY CHOICES WHEN ROWESTIMATES ARE DUBIOUS, allows the auto-adjustment of the dynamicstatistic level for some queries, the tracing in 10053 may not correctlyreflect the adjustment made, and you may see a message of the sort:

--此特性是Oracle未公开的增强特性，相关FIX号是7452863

很显然，从我们的执行计划中可以很清晰的看到SQL启用了并行功能，而在11.2之后oracle提供的增强特性中，对于并行/大表的复杂条件，即使表上存在统计信息，它也会开启动态采样的功能，试图来更精准的评估返回结果集的记录数；然而，这里很不幸，遇上了动态采样本身的缺陷，导致动态采样后评估的行数反而大大偏离了实际情况，导致SQL语句执行时间超长；

对于该增强特性，MOS也提供了相应的解决方案：

Solution

1. Use workaround of turning off the following “_fix_control”. To do this, login assysdba and run the following:

alter system set “_fix_control”=’7452863:OFF';

--使用_fix_control参数关闭此特性

This turns off the automatic decisions about parallelism anddynamic sampling level.

2. Turn off parallelism from the table and indexes or set it to 1:

ALTER TABLE... NOPARALLEL;
ALTER TABLE ... PARALLEL 1;

ALTER INDEX... NOPARALLEL;
ALTER INDEX ... PARALLEL 1;

--或者不启动并行机制

High Waits for 'cursor: pin S wait on X' due to Dynamic Sampling Against Parallel Queries (文档 ID 2006145.1)

APPLIES TO:

Oracle Database - Enterprise Edition - Version 12.1.0.1 to 12.1.0.1 [Release 12.1]
Information in this document applies to any platform.

SYMPTOMS

The top wait event from AWR report shows 'cursor:pin s wait on X' as the top event:

Event                       Waits  TotalWaitTime(sec)  WaitAvg(ms)  %DBtime
cursor: pin S wait on X       346                 18K        52050     64.0
library cache lock             64              8978.4       140287     31.9
Problem queries are run in parallel
Stack from the process shows following functions:
ksedsts<-ksdxfstk<-ksdxcb<-sspuser<-__sighandler<-__select<-skgpwwait<-kgxWait
<-kgxSharedExamine<-kxsGetRuntimeLock<-kkscsCheckCursor<-kkscsSearchChildList<-kksfbc
<-kkspsc0<-kksParseCursor<-opiosq0<-kpoal8
This issue may also occur when running Real Application Testing and replaying data. The AWR Compare Period report after the replay may show higher waits for 'cursor:pin s wait on X' compared to the original in the top wait events section

CAUSE

This is due to an unpublished bug that is fixed in 12.2 or later and also included in the 12.1.0.2.0 patchset.

From Oracle Database 11g Release 2 onwards, the optimizer will automatically decide if dynamic sampling will be useful and what dynamic sampling level will be used for SQL statements executed in parallel. This decision is based on size of the tables in the statement and the complexity of the predicates. Executing the dynamic sampling query for the corresponding parallel query causes multiple slaves to wait to get an exclusive lock, with corresponding performance degradation. If the OPTIMIZER_DYNAMIC_SAMPLING parameter is explicitly set to a non-default value, then that specified value will be honored.

SOLUTION

1. Use workaround of turning off the following “_fix_control”. To do this, login as sysdba and run the following:

alter system set “_fix_control”=’7452863:OFF';

This turns off the automatic decisions about parallelism and dynamic sampling level.

2. Turn off parallelism from the table and indexes or set it to 1:

ALTER TABLE ... NOPARALLEL;
ALTER TABLE ... PARALLEL 1;

ALTER INDEX ... NOPARALLEL;
ALTER INDEX ... PARALLEL 1;

Different Level for Dynamic Statistics (Dynamic Sampling) used than the Level Specified (文档 ID 1102413.1)

In this Document

Symptoms

Changes

Cause

Solution

References

APPLIES TO:

Oracle Database - Enterprise Edition - Version 11.2.0.1 and later
Information in this document applies to any platform.
When performing an explain on a query it can be seen that the level used for Dynamic Statistics is higher than the level specified
for the parameter OPTIMIZER_DYNAMIC_SAMPLING

NOTE: Prior to 11.2.0.4, Dynamic Statistics was referred to as Dynamic Sampling

SYMPTOMS

Even though dynamic statistics is set through the parameter OPTIMIZER_DYNAMIC_SAMPLING or a DYNAMIC_SAMPLING hint , as shown below, the level shown for the plan may be higher.

SQL>  select /*+ dynamic_sampling (my_table 2) */ * from my_table;

Execution Plan
----------------------------------------------------------
Plan hash value: 3006137970

--------------------------------------------------------------------------------------------------------------
| Id  | Operation            | Name     | Rows  | Bytes | Cost (%CPU)| Time     |    TQ  |IN-OUT| PQ Distrib |
--------------------------------------------------------------------------------------------------------------
|   0 | SELECT STATEMENT     |          |  9408K|  1704M|  4000   (2)| 00:00:01 |        |      |            |
|   1 |  PX COORDINATOR      |          |       |       |            |          |        |      |            |
|   2 |   PX SEND QC (RANDOM)| :TQ10000 |  9408K|  1704M|  4000   (2)| 00:00:01 |  Q1,00 | P->S | QC (RAND)  |
|   3 |    PX BLOCK ITERATOR |          |  9408K|  1704M|  4000   (2)| 00:00:01 |  Q1,00 | PCWC |            |
|   4 |     TABLE ACCESS FULL| MY_TABLE |  9408K|  1704M|  4000   (2)| 00:00:01 |  Q1,00 | PCWP |            |
--------------------------------------------------------------------------------------------------------------

Note
-----
   - dynamic sampling used for this statement (level=5)

In 10053 trace this can be identified by the following statement in the trace file:

Dynamic sampling level auto-adjusted from 2 to 5

CHANGES

The change in dynamic statistics is a result of an enhancement introduced in 11.2.

In previous versions the default value lead to certain situations where the result from using dynamic statistics resulted in bad plans, for example, when the tables referenced in the query are
very large.

With this enhancement the optimizer itself changes the dynamic value under certain conditions such as with large tables and parallelism. The level is automatically adjusted based on the size of the tables in the query. This is done only for queries that will run in parallel which is typical for Data Warehouses and large databases.

The automatic setting of the Dynamic Statistic level is designed such that overhead from using Dynamic Statistics is kept to a very minimum yet it will improve its effectiveness.

While the fix for this unpublished enhancement request bug 7452863 ER: USE DYNAMIC SAMPLING FOR KEY CHOICES WHEN ROW ESTIMATES ARE DUBIOUS, allows the auto-adjustment of the dynamic statistic level for some queries, the tracing in 10053 may not correctly reflect the adjustment made, and you may see a message of the sort:

Dynamic sampling level auto-adjusted from 7 to 7

This is documented in unpublished bug 10250194 CONFUSING DYNAMIC SAMPLING AUTO-ADJUST TRACE

CAUSE

This is a result of unpublished Enhancement Request filed under unpublished bug 7452863.

SOLUTION

This is expected behaviour

REFERENCES

Bug 17760686 - Bad Cardinality estimation with dynamic sampling (文档 ID 17760686.8)

Bug 17760686 Bad Cardinality estimation with dynamic sampling

This note gives a brief overview of bug 17760686.
The content was last updated on: 16-MAY-2017
Click here for details of each of the sections below.

Affects:

Product (Component) Oracle Server (Rdbms)

Range of versions believed to be affected Versions BELOW 12.2

Versions confirmed as being affected

11.2.0.4

11.2.0.3

11.2.0.2

Platforms affected Generic (all / most platforms affected)

Fixed:

The fix for 17760686 is first included in

12.1.0.2 (Server Patch Set)

Interim patches may be available for earlier versions - click here to check.

Symptoms:	Related To:
Optimizer Bad Cardinality Unstable Execution Plan	ASSM Space Management (Bitmap Managed Segments) Partitioned Tables optimizer_dynamic_sampling

Description

A dynamic sampling query may return a little or zero cardinality estimate for a query involving a partitioned table stored on an ASSM tablespace. Workaround Raise the level of dynamic sampling.

Please note: The above is a summary description only. Actual symptoms can vary. Matching to any symptoms here does not confirm that you are encountering this problem. For questions about this bug please consult Oracle Support.

References

Bug:17760686 (This link will only work for PUBLISHED bugs)
Note:245840.1 Information on the sections in this article

About Me

...............................................................................................................................

● 本文整理自网络，http://www.cnblogs.com/kerrycode/p/3854971.html，http://blog.csdn.net/tianlesoftware/article/details/5845028

● 本文在itpub（http://blog.itpub.net/26736162）、博客园（http://www.cnblogs.com/lhrbest）和个人微信公众号（xiaomaimiaolhr）上有同步更新

● 本文itpub地址：http://blog.itpub.net/26736162/abstract/1/

● 本文博客园地址：http://www.cnblogs.com/lhrbest

● 本文pdf版及小麦苗云盘地址：http://blog.itpub.net/26736162/viewspace-1624453/

● 数据库笔试面试题库及解答：http://blog.itpub.net/26736162/viewspace-2134706/

● QQ群：230161599 微信群：私聊

● 联系我请加QQ好友(646634621)，注明添加缘由

● 于 2017-05-09 09:00 ~ 2017-05-30 22:00 在魔都完成

● 文章内容来源于小麦苗的学习笔记，部分整理自网络，若有侵权或不当之处还请谅解

● 版权所有，欢迎分享本文，转载请保留出处

...............................................................................................................................

拿起手机使用微信客户端扫描下边的左边图片来关注小麦苗的微信公众号：xiaomaimiaolhr，扫描右边的二维码加入小麦苗的QQ群，学习最实用的数据库技术。

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/26736162/viewspace-2139284/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/26736162/viewspace-2139284/

你可能感兴趣的:(Oracle动态采样分析)

机器学习与深度学习间关系与区别 ℒℴѵℯ心·动ꦿ໊ོ꫞ 人工智能学习深度学习 python
一、机器学习概述定义机器学习（MachineLearning,ML）是一种通过数据驱动的方法，利用统计学和计算算法来训练模型，使计算机能够从数据中学习并自动进行预测或决策。机器学习通过分析大量数据样本，识别其中的模式和规律，从而对新的数据进行判断。其核心在于通过训练过程，让模型不断优化和提升其预测准确性。主要类型1.监督学习（SupervisedLearning）监督学习是指在训练数据集中包含输入
element实现动态路由+面包屑软件技术NINI vue案例 vue.js 前端
el-breadcrumb是ElementUI组件库中的一个面包屑导航组件，它用于显示当前页面的路径，帮助用户快速理解和导航到应用的各个部分。在Vue.js项目中，如果你已经安装了ElementUI，就可以很方便地使用el-breadcrumb组件。以下是一个基本的使用示例：安装ElementUI（如果你还没有安装的话）:你可以通过npm或yarn来安装ElementUI。bash复制代码npmi
地推话术，如何应对地推过程中家长的拒绝校师学
相信校长们在做地推的时候经常遇到这种情况：市场专员反馈家长不接单，咨询师反馈难以邀约这些家长上门，校区地推疲软，招生难。为什么？仅从地推层面分析，一方面因为家长受到的信息轰炸越来越多，对信息越来越“免疫”；而另一方面地推人员的专业能力和营销话术没有提高，无法应对家长的拒绝，对有意向的家长也不知如何跟进，眼睁睁看着家长走远；对于家长的疑问，更不知道如何有技巧地回答，机会白白流失。由于回答没技巧和专业
扫地机类清洁产品之直流无刷电机控制悟空胆好小清洁服务机器人单片机人工智能
扫地机类清洁产品之直流无刷电机控制1.1前言扫地机产品有很多的电机控制，滚刷电机1个，边刷电机1-2个，清水泵电机，风机一个，部分中高端产品支持抹布功能，也就是存在抹布盘电机，还有追觅科沃斯石头等边刷抬升电机，滚刷抬升电机等的，这些电机有直流有刷电机，直接无刷电机，步进电机，电磁阀，挪动泵等不同类型。电机的原理，驱动控制方式也不行。接下来一段时间的几个文章会作个专题分析分享。直流有刷电机会自动持续
Linux下QT开发的动态库界面弹出操作（SDL2） 13jjyao QT类 qt 开发语言 sdl2 linux
需求：操作系统为linux，开发框架为qt，做成需带界面的qt动态库，调用方为java等非qt程序难点：调用方为java等非qt程序，也就是说调用方肯定不带QApplication::exec()，缺少了这个，QTimer等事件和QT创建的窗口将不能弹出(包括opencv也是不能弹出)；这与qt调用本身qt库是有本质的区别的思路：1.调用方缺QApplication::exec()，那么我们在接口
店群合一模式下的社区团购新发展——结合链动 2+1 模式、AI 智能名片与 S2B2C 商城小程序源码说私域人工智能小程序
摘要：本文探讨了店群合一的社区团购平台在当今商业环境中的重要性和优势。通过分析店群合一模式如何将互联网社群与线下终端紧密结合，阐述了链动2+1模式、AI智能名片和S2B2C商城小程序源码在这一模式中的应用价值。这些创新元素的结合为社区团购带来了新的机遇，提升了用户信任感、拓展了营销渠道，并实现了线上线下的完美融合。一、引言随着互联网技术的不断发展，社区团购作为一种新兴的商业模式，在满足消费者日常需
抖音乐买买怎么加入赚钱?赚钱方法是什么测评君高省
你会在抖音买东西吗?如果会，那么一定要免费注册一个乐买买，抖音直播间，橱窗，小视频里的小黄车买东西都可以返佣金!省下来都是自己的，分享还可以赚钱乐买买是好省旗下的抖音返佣平台，乐买买分析社交电商的价值，乐买买属于今年难得的副业项目风口机会，2019年错过做好省的搞钱的黄金时期，那么2022年千万别再错过乐买买至于我为何转到高省呢？当然是高省APP佣金更高，模式更好，终端用户不流失。【高省】是一个自
Python数据分析与可视化实战指南 William数据分析 python python 数据
在数据驱动的时代，Python因其简洁的语法、强大的库生态系统以及活跃的社区，成为了数据分析与可视化的首选语言。本文将通过一个详细的案例，带领大家学习如何使用Python进行数据分析，并通过可视化来直观呈现分析结果。一、环境准备1.1安装必要库在开始数据分析和可视化之前，我们需要安装一些常用的库。主要包括pandas、numpy、matplotlib和seaborn等。这些库分别用于数据处理、数学
Pyecharts数据可视化大屏：打造沉浸式数据分析体验我的运维人生信息可视化数据分析数据挖掘运维开发技术共享
Pyecharts数据可视化大屏：打造沉浸式数据分析体验在当今这个数据驱动的时代，如何将海量数据以直观、生动的方式展现出来，成为了数据分析师和企业决策者关注的焦点。Pyecharts，作为一款基于Python的开源数据可视化库，凭借其丰富的图表类型、灵活的配置选项以及高度的定制化能力，成为了构建数据可视化大屏的理想选择。本文将深入探讨如何利用Pyecharts打造数据可视化大屏，并通过实际代码案例
第四天旅游线路预览——从换乘中心到喀纳斯湖陟彼高冈yu 基于Google earth studio 的旅游规划和预览旅游
第四天：从贾登峪到喀纳斯风景区入口，晚上住宿贾登峪；换乘中心有4路车，喀纳斯①号车，去喀纳斯湖，路程时长约5分钟；将上面的的行程安排进行动态展示，具体步骤见”Googleearthstudio进行动态轨迹显示制作过程“、“Googleearthstudio入门教程”和“Googleearthstudio进阶教程“相关内容，得到行程如下所示：Day4-2-480p
Google earth studio 简介陟彼高冈yu 旅游
GoogleEarthStudio是一个基于Web的动画工具，专为创作使用GoogleEarth数据的动画和视频而设计。它利用了GoogleEarth强大的三维地图和卫星影像数据库，使用户能够轻松地创建逼真的地球动画、航拍视频和动态地图可视化。网址为https://www.google.com/earth/studio/。GoogleEarthStudio是一个基于Web的动画工具，专为创作使用G
18-115 一切思考不能有效转化为行动，都TM是扯淡！成长时间线
7月25号写了一篇关于为什么会断更如此严重的反思，然而，之后日更仅仅维持了一周，又出现了这次更严重的现象。从8月2号到昨天8月6号，5天！又是5天没有更文！虽然这次断更时间和上次一样，那为什么说这次更严重？因为上次之后就分析了问题的原因，以及应该如何解决，按理说应该会好转，然而，没过几天严重断更的现象再次出现，想想，经过反思，问题依然没有解决与改变，这让我有些担忧。到底是哪里出了问题，难道我就真的
高端密码学院笔记285 柚子_b4b4
高端幸福密码学院（高级班）幸福使者：李华第（598）期《幸福》之回归内在深层生命原动力基础篇——揭秘“激励”成长的喜悦心理案例分析主讲：刘莉一，知识扩充:成功=艰苦劳动+正确方法+少说空话。贪图省力的船夫，目标永远下游。智者的梦再美，也不如愚人实干的脚印。幸福早课堂2020.10.16星期五一笔记:1，重视和珍惜的前提是知道它的价值非常重要，当你珍惜了，你就真正定下来，真正的学到身上。2，大家需要
Day1笔记-Python简介&标识符和关键字&输入输出 ~在杰难逃~ Python python 开发语言大数据数据分析数据挖掘
大家好，从今天开始呢，杰哥开展一个新的专栏，当然，数据分析部分也会不定时更新的，这个新的专栏主要是讲解一些Python的基础语法和知识，帮助0基础的小伙伴入门和学习Python，感兴趣的小伙伴可以开始认真学习啦！一、Python简介【了解】1.计算机工作原理编程语言就是用来定义计算机程序的形式语言。我们通过编程语言来编写程序代码，再通过语言处理程序执行向计算机发送指令，让计算机完成对应的工作，编程
每日算法&面试题，大厂特训二十八天——第二十天（树）肥学 ⚡算法题⚡面试题每日精进 java 算法数据结构
目录标题导读算法特训二十八天面试题点击直接资料领取导读肥友们为了更好的去帮助新同学适应算法和面试题，最近我们开始进行专项突击一步一步来。上一期我们完成了动态规划二十一天现在我们进行下一项对各类算法进行二十八天的一个小总结。还在等什么快来一起肥学进行二十八天挑战吧！！特别介绍小白练手专栏，适合刚入手的新人欢迎订阅编程小白进阶python有趣练手项目里面包括了像《机器人尬聊》《恶搞程序》这样的有趣文章
pyecharts——绘制柱形图折线图 2224070247 信息可视化 python java 数据可视化
一、pyecharts概述自2013年6月百度EFE(ExcellentFrontEnd）数据可视化团队研发的ECharts1.0发布到GitHub网站以来，ECharts一直备受业界权威的关注并获得广泛好评，成为目前成熟且流行的数据可视化图表工具，被应用到诸多数据可视化的开发领域。Python作为数据分析领域最受欢迎的语言，也加入ECharts的使用行列，并研发出方便Python开发者使用的数据
数据仓库——维度表一致性墨染丶eye 背诵数据仓库
数据仓库基础笔记思维导图已经整理完毕，完整连接为：数据仓库基础知识笔记思维导图维度一致性问题从逻辑层面来看，当一系列星型模型共享一组公共维度时，所涉及的维度称为一致性维度。当维度表存在不一致时，短期的成功难以弥补长期的错误。维度时确保不同过程中信息集成起来实现横向钻取货活动的关键。造成横向钻取失败的原因维度结构的差别，因为维度的差别，分析工作涉及的领域从简单到复杂，但是都是通过复杂的报表来弥补设计
闲鱼鱼小铺怎么开通？鱼小铺开通需要哪些流程？高省APP大九
闲鱼鱼小铺是平台推出的一个专业程度的店铺，与普通店铺相比会有更多的权益，比如说发布的商品数量从50增加到500；拥有专业的店铺数据看板与分析的功能，这对于专门在闲鱼做生意的用户来说是非常有帮助的，那么鱼小铺每个人都能开通吗？大家好，我是高省APP联合创始人蓓蓓导师，高省APP是2021年推出的电商导购平台，0投资，0风险、高省APP佣金更高，模式更好，终端用户不流失。【高省】是一个可省钱佣金高，能
Redis系列：Geo 类型赋能亿级地图位置计算 Ly768768 redis bootstrap 数据库
1前言我们在篇深刻理解高性能Redis的本质的时候就介绍过Redis的几种基本数据结构，它是基于不同业务场景而设计的：动态字符串(REDIS_STRING)：整数(REDIS_ENCODING_INT)、字符串(REDIS_ENCODING_RAW)双端列表(REDIS_ENCODING_LINKEDLIST)压缩列表(REDIS_ENCODING_ZIPLIST)跳跃表(REDIS_ENCODI
Low Power概念介绍-Voltage Area 飞奔的大虎
随着智能手机，以及物联网的普及，芯片功耗的问题最近几年得到了越来越多的重视。为了实现集成电路的低功耗设计目标，我们需要在系统设计阶段就采用低功耗设计的方案。而且，随着设计流程的逐步推进，到了芯片后端设计阶段，降低芯片功耗的方法已经很少了，节省的功耗百分比也不断下降。芯片的功耗主要由静态功耗（staticleakagepower）和动态功耗(dynamicpower)构成。静态功耗主要是指电路处于等
2019-11-04复盘——飞来山上千寻塔，闻说鸡鸣见日升。那一叶秋
1、大盘篇先上老图，看习惯了，也就知道走势了图1上证指数日线图还是那张老图，自己可以在自己的相关软件上画出来，快变盘了。2、个股篇未加仓、未减仓。分析量能的时候，突然发现这么一个东西：“放量突破年线，缩量回调。”合众科技日线图其实，最近的N只个股，在技术分析上，都到了变盘的临界时候。结合这么久的走势，特别是ZJH不断放开IPO的申请，本质上说是融资难度变大，或者说是为企业的融资开创便利。但现在市场
18、架构-可观测性之聚合度量大树~~ 架构 java python 后端架构
聚合度量聚合度量是指对系统运行时产生的各种指标数据进行收集、聚合和分析，以了解系统的健康状况和性能表现。聚合度量是可观测性的关键组成部分，通过对度量数据的分析，可以及时发现系统中的异常和瓶颈。以下是对聚合度量各个方面的详细解析，并结合具体的数据案例和技术支撑。指标收集收集系统运行时产生的各种指标数据是聚合度量的基础。常见的指标包括CPU使用率、内存使用率、请求处理时间、请求数、错误率等。以下是指标
果然只有离职的时候，才有人敢说真话！ return2ok
今天公司出了神贴。今天中午吃饭，同事问我看了论坛上的神贴了吗？什么帖子？我问。同事显得很惊讶，你居然没看，现在那个帖子可能会成为年度最佳帖子。这么厉害？我等不及了，饭没吃完就快速的奔向办公室，打开公司论坛，我要一睹这个帖子的神奇。写这帖子的童鞋胆儿真肥。这哪里是一个帖子，这是很多个帖子，组成了一个系列。某人从公司文化、管理、人事、项目管理等多个方面分析了公司的概况，并抨击了公司的各种弊端，并提出了
nosql数据库技术与应用知识点皆过客，揽星河 NoSQL nosql 数据库大数据数据分析数据结构非关系型数据库
Nosql知识回顾大数据处理流程数据采集(flume、爬虫、传感器)数据存储(本门课程NoSQL所处的阶段)Hdfs、MongoDB、HBase等数据清洗(入仓)Hive等数据处理、分析(Spark、Flink等)数据可视化数据挖掘、机器学习应用(Python、SparkMLlib等)大数据时代存储的挑战(三高)高并发(同一时间很多人访问)高扩展(要求随时根据需求扩展存储)高效率(要求读写速度快)
《Python数据分析实战终极指南》 xjt921122 python 数据分析开发语言
对于分析师来说，大家在学习Python数据分析的路上，多多少少都遇到过很多大坑**，有关于技能和思维的**：Excel已经没办法处理现有的数据量了，应该学Python吗？找了一大堆Python和Pandas的资料来学习，为什么自己动手就懵了？跟着比赛类公开数据分析案例练了很久，为什么当自己面对数据需求还是只会数据处理而没有分析思路？学了对比、细分、聚类分析，也会用PEST、波特五力这类分析法，为啥
Python开发常用的三方模块如下：换个网名有点难 python 开发语言
Python是一门功能强大的编程语言，拥有丰富的第三方库，这些库为开发者提供了极大的便利。以下是100个常用的Python库，涵盖了多个领域：1、NumPy，用于科学计算的基础库。2、Pandas，提供数据结构和数据分析工具。3、Matplotlib，一个绘图库。4、Scikit-learn，机器学习库。5、SciPy，用于数学、科学和工程的库。6、TensorFlow，由Google开发的开源机
ES聚合分析原理与代码实例讲解光剑书架上的书大厂Offer收割机面试题简历程序员读书硅基计算碳基计算认知计算生物计算深度学习神经网络大数据 AIGC AGI LLM Java Python 架构设计 Agent 程序员实现财富自由
ES聚合分析原理与代码实例讲解1.背景介绍1.1问题的由来在大规模数据分析场景中，特别是在使用Elasticsearch（ES）进行数据存储和检索时，聚合分析成为了一个至关重要的功能。聚合分析允许用户对数据集进行细分和分组，以便深入探索数据的结构和模式。这在诸如实时监控、日志分析、业务洞察等领域具有广泛的应用。1.2研究现状目前，ES聚合分析已经成为现代大数据平台的核心组件之一。它支持多种类型的聚
母亲节如何做小红书营销美橙传媒
小红书的一举一动引起了外界的高度关注。通过爆款笔记和流行话题，我们可以看到“干货”类型的内容在小红书中偏向实用的生活经验共享和生活指南非常受欢迎。根据运营社的分析，这种现象是由小红书用户心智和内容社区背后机制共同决定的。首先，小红书将使用“强搜索”逻辑为用户提供特定的“搜索场景”。在“我必须这样生活”中，大量使用了满足小红书站用户喜好和需求的内容。内容社区自制的高质量内容也吸引了寻找营销新途径的品
Java面试题精选：消息队列(二) 芒果不是芒 Java面试题精选 java kafka
一、Kafka的特性1.消息持久化：消息存储在磁盘，所以消息不会丢失2.高吞吐量：可以轻松实现单机百万级别的并发3.扩展性：扩展性强，还是动态扩展4.多客户端支持：支持多种语言（Java、C、C++、GO、）5.KafkaStreams（一个天生的流处理）:在双十一或者销售大屏就会用到这种流处理。使用KafkaStreams可以快速的把销售额统计出来6.安全机制：Kafka进行生产或者消费的时候会
系统架构设计师需求分析篇二 AmHardy 软件架构设计师系统架构需求分析面向对象分析分析模型 UML和SysML
面向对象分析方法1.用例模型构建用例模型一般需要经历4个阶段：识别参与者：识别与系统交互的所有事物。合并需求获得用例：将需求分配给予其相关的参与者。细化用例描述：详细描述每个用例的功能。调整用例模型：优化用例之间的关系和结构，前三个阶段是必需的。2.用例图的三元素参与者：使用系统的用户或其他外部系统和设备。用例：系统所提供的服务。通信关联：参与者和用例之间的关系，或用例与用例之间的关系。3.识别参
java线程的无限循环和退出 3213213333332132 java
最近想写一个游戏，然后碰到有关线程的问题，网上查了好多资料都没满足。突然想起了前段时间看的有关线程的视频，于是信手拈来写了一个线程的代码片段。希望帮助刚学java线程的童鞋 package thread; import java.text.SimpleDateFormat; import java.util.Calendar; import java.util.Date
tomcat 容器 BlueSkator tomcat Web servlet
Tomcat的组成部分 1、server A Server element represents the entire Catalina servlet container. (Singleton) 2、service service包括多个connector以及一个engine，其职责为处理由connector获得的客户请求。 3、connector 一个connector
php递归,静态变量,匿名函数使用 dcj3sjt126com PHP 递归函数匿名函数静态变量引用传参
<!doctype html> <html lang="en"> <head> <meta charset="utf-8"> <title>Current To-Do List</title> </head> <body>
属性颜色字体变化周华华 JavaScript
function changSize(className){ var diva=byId("fot") diva.className=className; } </script> <style type="text/css"> .max{ background: #900; color:#039;
将properties内容放置到map中 g21121 properties
代码比较简单： private static Map<Object, Object> map; private static Properties p; static { //读取properties文件 InputStream is = XXX.class.getClassLoader().getResourceAsStream("xxx.properti
[简单]拼接字符串 53873039oycg 字符串
工作中遇到需要从Map里面取值拼接字符串的情况，自己写了个，不是很好，欢迎提出更优雅的写法，代码如下： import java.util.HashMap; import java.uti
Struts2学习云端月影
最近开始关注struts2的新特性，从这个版本开始，Struts开始使用convention-plugin代替codebehind-plugin来实现struts的零配置。配置文件精简了，的确是简便了开发过程，但是，我们熟悉的配置突然disappear了，真是一下很不适应。跟着潮流走吧，看看该怎样来搞定convention-plugin。使用Convention插件，你需要将其JAR文件放
Java新手入门的30个基本概念二 aijuans java 新手 java 入门
基本概念:　　1.OOP中唯一关系的是对象的接口是什么,就像计算机的销售商她不管电源内部结构是怎样的,他只关系能否给你提供电就行了,也就是只要知道can or not而不是how and why.所有的程序是由一定的属性和行为对象组成的,不同的对象的访问通过函数调用来完成,对象间所有的交流都是通过方法调用,通过对封装对象数据,很大限度上提高复用率。　　2.OOP中最重要的思想是类,类是模板是蓝图,
jedis 简单使用 antlove java redis cache command jedis
jedis.RedisOperationCollection.java package jedis; import org.apache.log4j.Logger; import redis.clients.jedis.Jedis; import java.util.List; import java.util.Map; import java.util.Set; pub
PL/SQL的函数和包体的基础百合不是茶 PL/SQL编程函数包体显示包的具体数据包
由于明天举要上课,所以刚刚将代码敲了一遍PL/SQL的函数和包体的实现(单例模式过几天好好的总结下再发出来);以便明天能更好的学习PL/SQL的循环,今天太累了,所以早点睡觉,明天继续PL/SQL总有一天我会将你永远的记载在心里,,, 函数; 函数:PL/SQL中的函数相当于java中的方法;函数有返回值定义函数的 --输入姓名找到该姓名的年薪 create or re
Mockito(二)--实例篇 bijian1013 持续集成 mockito 单元测试
学习了基本知识后，就可以实战了，Mockito的实际使用还是比较麻烦的。因为在实际使用中，最常遇到的就是需要模拟第三方类库的行为。比如现在有一个类FTPFileTransfer，实现了向FTP传输文件的功能。这个类中使用了a
精通Oracle10编程SQL(7)编写控制结构 bijian1013 oracle 数据库 plsql
/* *编写控制结构 */ --条件分支语句 --简单条件判断 DECLARE v_sal NUMBER(6,2); BEGIN select sal into v_sal from emp where lower(ename)=lower('&name'); if v_sal<2000 then update emp set
【Log4j二】Log4j属性文件配置详解 bit1129 log4j
如下是一个log4j.properties的配置 log4j.rootCategory=INFO, stdout , R log4j.appender.stdout=org.apache.log4j.ConsoleAppender log4j.appender.stdout.layout=org.apache.log4j.PatternLayout log4j.appe
java集合排序笔记白糖_ java
public class CollectionDemo implements Serializable,Comparable<CollectionDemo>{ private static final long serialVersionUID = -2958090810811192128L; private int id; private String nam
java导致linux负载过高的定位方法 ronin47
定位java进程ID 可以使用top或ps -ef |grep java ![图片描述][1] 根据进程ID找到最消耗资源的java pid 比如第一步找到的进程ID为5431 执行 top -p 5431 -H ![图片描述][2] 打印java栈信息 $ jstack -l 5431 > 5431.log 在栈信息中定位具体问题将消耗资源的Java PID转
给定能随机生成整数1到5的函数，写出能随机生成整数1到7的函数 bylijinnan 函数
import java.util.ArrayList; import java.util.List; import java.util.Random; public class RandNFromRand5 { /** 题目：给定能随机生成整数1到5的函数，写出能随机生成整数1到7的函数。解法1： f(k) = (x0-1)*5^0+(x1-
PL/SQL Developer保存布局 Kai_Ge
近日由于项目需要，数据库从DB2迁移到ORCAL，因此数据库连接客户端选择了PL/SQL Developer。由于软件运用不熟悉，造成了很多麻烦，最主要的就是进入后，左边列表有很多选项，自己删除了一些选项卡，布局很满意了，下次进入后又恢复了以前的布局，很是苦恼。在众多PL/SQL Developer使用技巧中找到如下这段： &n
[未来战士计划]超能查派[剧透,慎入] comsci 计划
非常好看,超能查派,这部电影......为我们这些热爱人工智能的工程技术人员提供一些参考意见和思想........ 虽然电影里面的人物形象不是非常的可爱....但是非常的贴近现实生活.... &nbs
Google Map API V2 dai_lm google map
以后如果要开发包含google map的程序就更麻烦咯 http://www.cnblogs.com/mengdd/archive/2013/01/01/2841390.html 找到篇不错的文章，大家可以参考一下 http://blog.sina.com.cn/s/blog_c2839d410101jahv.html 1. 创建Android工程由于v2的key需要G
java数据计算层的几种解决方法2 datamachine java sql 集算器
2、SQL SQL/SP/JDBC在这里属于一类，这是老牌的数据计算层，性能和灵活性是它的优势。但随着新情况的不断出现，单纯用SQL已经难以满足需求，比如： JAVA开发规模的扩大，数据量的剧增，复杂计算问题的涌现。虽然SQL得高分的指标不多，但都是权重最高的。成熟度：5星。最成熟的。
Linux下Telnet的安装与运行 dcj3sjt126com linux telnet
Linux下Telnet的安装与运行 linux默认是使用SSH服务的而不安装telnet服务如果要使用telnet 就必须先安装相应的软件包即使安装了软件包默认的设置telnet 服务也是不运行的需要手工进行设置如果是redhat9，则在第三张光盘中找到 telnet-server-0.17-25.i386.rpm
PHP中钩子函数的实现与认识 dcj3sjt126com PHP
假如有这么一段程序： function fun(){ fun1(); fun2(); } 首先程序执行完fun1()之后执行fun2()然后fun()结束。但是，假如我们想对函数做一些变化。比如说，fun是一个解析函数，我们希望后期可以提供丰富的解析函数，而究竟用哪个函数解析，我们希望在配置文件中配置。这个时候就可以发挥钩子的力量了。我们可以在fu
EOS中的WorkSpace密码修改蕃薯耀修改WorkSpace密码
EOS中BPS的WorkSpace密码修改 >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>> 蕃薯耀 201
SpringMVC4零配置--SpringSecurity相关配置【SpringSecurityConfig】 hanqunfeng SpringSecurity
SpringSecurity的配置相对来说有些复杂，如果是完整的bean配置，则需要配置大量的bean，所以xml配置时使用了命名空间来简化配置，同样，spring为我们提供了一个抽象类WebSecurityConfigurerAdapter和一个注解@EnableWebMvcSecurity，达到同样减少bean配置的目的，如下： applicationContex
ie 9 kendo ui中ajax跨域的问题 jackyrong AJAX跨域
这两天遇到个问题，kendo ui的datagrid，根据json去读取数据，然后前端通过kendo ui的datagrid去渲染，但很奇怪的是，在ie 10,ie 11,chrome,firefox等浏览器中，同样的程序，浏览起来是没问题的，但把应用放到公网上的一台服务器，却发现如下情况： 1） ie 9下，不能出现任何数据，但用IE 9浏览器浏览本机的应用，却没任何问题
不要让别人笑你不能成为程序员 lampcy 编程程序员
在经历六个月的编程集训之后，我刚刚完成了我的第一次一对一的编码评估。但是事情并没有如我所想的那般顺利。说实话，我感觉我的脑细胞像被轰炸过一样。手慢慢地离开键盘，心里很压抑。不禁默默祈祷：一切都会进展顺利的，对吧？至少有些地方我的回答应该是没有遗漏的，是不是？难道我选择编程真的是一个巨大的错误吗——我真的永远也成不了程序员吗？我需要一点点安慰。在自我怀疑，不安全感和脆弱等等像龙卷风一
马皇后的贤德 nannan408
马皇后不怕朱元璋的坏脾气，并敢理直气壮地吹耳边风。众所周知，朱元璋不喜欢女人干政，他认为“后妃虽母仪天下，然不可使干政事”，因为“宠之太过，则骄恣犯分，上下失序”，因此还特地命人纂述《女诫》，以示警诫。但马皇后是个例外。　　有一次，马皇后问朱元璋道：“如今天下老百姓安居乐业了吗？”朱元璋不高兴地回答：“这不是你应该问的。”马皇后振振有词地回敬道：“陛下是天下之父，
选择某个属性值最大的那条记录（不仅仅包含指定属性，而是想要什么属性都可以） Rainbow702 sql group by 最大值 max 最大的那条记录
好久好久不写SQL了，技能退化严重啊！！！直入主题：比如我有一张表，file_info，它有两个属性（但实际不只，我这里只是作说明用）： file_code, file_version 同一个code可能对应多个version 现在，我想针对每一个code，取得它相关的记录中，version 值最大的那条记录， SQL如下： select *
VBScript脚本语言 tntxia VBScript
VBScript 是基于VB的脚本语言。主要用于Asp和Excel的编程。 VB家族语言简介 Visual Basic 6.0 源于BASIC语言。由微软公司开发的包含协助开发环境的事
java中枚举类型的使用 xiao1zhao2 java enum 枚举 1.5新特性
枚举类型是j2se在1.5引入的新的类型,通过关键字enum来定义,常用来存储一些常量. 1.定义一个简单的枚举类型 public enum Sex { MAN, WOMAN } 枚举类型本质是类,编译此段代码会生成.class文件.通过Sex.MAN来访问Sex中的成员,其返回值是Sex类型. 2.常用方法静态的values()方

*Product (Component)*	Oracle Server (Rdbms)
*Range of versions believed* to be affected**	Versions BELOW 12.2
*Versions confirmed* as being affected**	11.2.0.4 11.2.0.3 11.2.0.2
Platforms affected	Generic (all / most platforms affected)

Oracle动态采样分析

Oracle动态采样分析

Changes

Solution

APPLIES TO:

SYMPTOMS

CAUSE

SOLUTION

APPLIES TO:

SYMPTOMS

CHANGES

CAUSE

SOLUTION

REFERENCES

Bug 17760686 Bad Cardinality estimation with dynamic sampling

Affects:

Fixed:

Symptoms:

Related To:

Description

References

你可能感兴趣的:(Oracle动态采样分析)