oracle connect by很强，但是要慎用，不然有你哭的时候
前言:
第四次工业革命，带来了科技的巨大变更，同时带来了很多半结构化数据，很多数据会做成集合、JSON的形式存储到数据库中，通过ETL工具我们将这些数据抽取到数仓里面，我们怎么进行分析呢？这些数据类似这样的保留在数据库里面。比如下面所示，同一个检测项目由多个人负责检测，因此会通过"\" "/"等等分隔符一次性将数据录入字段里头，方便用户进行数据维护，当然这些数据对分析人员提出较高的要求。为了将这些数据拆分为多行，我们就会使用到connect by来拆分，将数据拆分为多行。
针对这些数据，我在前面写了一篇文章介绍来处理这些数据，也是因为性能的问题，然后使用存储过程，一条条执行，将一行数据拆分好以后，存储至数据库，直到拆分完毕为止。具体我们可以参考我以前写的文章。
oracle一次性说清楚，多种分隔符的一个字段拆分多行，再多行多列多种分隔符拆多行，最终处理超亿亿。。亿级别数据量_oracle分隔符_他们叫我技术总监的博客-CSDN博客
一、connect by常见用法
1、万年历
代码
SELECT '年' lx， TO_CHAR(ADD_MONTHS(SYSDATE, (4 - ROWNUM)*12), 'YYYY') YEAR_LIST
FROM DUAL CONNECT BY ROWNUM <= 5 --获取近5年的年份效果
2、生成序列
代码
select rownum from dual connect by rownum<=10;--生成1-10的序列效果
3、一行变多行
代码
select REGEXP_SUBSTR('01#02#03#04', '[^#]+', 1, rownum) as newport
from dual connect by rownum <= REGEXP_COUNT('01#02#03#04', '[^#]+');--一行数据拆分为多行效果
总结：
总的来说，connect by在处理少量的树状数据还是很强大的，这也是很多人喜欢应用它的原因。但是oracle 是不清楚connect by后会出现多少行的数据结构，因此oracle 容易错误的cardinality估算，从而走了NESTED LOOPS，因无法估算结果数据行，因此当原始数据量在500-800行时性能就会变的很差。
二、实战案例剖析
1、union all +connect by
在我现在的一个项目上就遇到了一个经典的案例，就是因使用了connect by导致，一个数据同步了快3天都没成功，具体为啥会同步3天呢？因刚好是周五下班后用户反馈，然后因下班到家了，不能远程处理，在周日停掉执行后，优化了部分逻辑，再执行，到周一早上发现还是没达到想要的效果。因对应SQ较复杂，就没详细去分析原因。具体SQ如下所示：
select
a.state xtstate,
a.current_nodes_info dbr,
c.*,
b.FILENAME,
b.FILE_URL,
case when c.field0035 is null then round(to_date(to_char(sysdate, 'yyyy-mm-dd hh24:mi:ss'),
'yyyy-mm-dd hh24:mi:ss')- to_date(to_char(c.START_DATE, 'yyyy-mm-dd hh24:mi:ss'),
'yyyy-mm-dd hh24:mi:ss'),2) --没有审批意见的
when FIELD0090 is not null then round(to_date(to_char(FIELD0090, 'yyyy-mm-dd hh24:mi:ss'),
'yyyy-mm-dd hh24:mi:ss')- to_date(to_char(c.START_DATE, 'yyyy-mm-dd hh24:mi:ss'),
'yyyy-mm-dd hh24:mi:ss'),2) end
clsc,
to_char(FIELD0090, 'yyyy-mm-dd hh24:mi:ss') FINISH_DATE,
to_char(sysdate, 'yyyy-mm-dd hh24:mi:ss') etlts,
case
when a.FINISH_DATE is not null then
'关闭'
when FIELD0090 is not null then
'评审完成'
when case when c.field0035 is null then round(to_date(to_char(sysdate, 'yyyy-mm-dd hh24:mi:ss'),
'yyyy-mm-dd hh24:mi:ss')- to_date(to_char(c.START_DATE, 'yyyy-mm-dd hh24:mi:ss'),
'yyyy-mm-dd hh24:mi:ss'),2) --没有审批意见的
when FIELD0090 is not null then round(to_date(to_char(FIELD0090, 'yyyy-mm-dd hh24:mi:ss'),
'yyyy-mm-dd hh24:mi:ss')- to_date(to_char(c.START_DATE, 'yyyy-mm-dd hh24:mi:ss'),
'yyyy-mm-dd hh24:mi:ss'),2) end >= 5 then
'超期'
when case when c.field0035 is null then round(to_date(to_char(sysdate, 'yyyy-mm-dd hh24:mi:ss'),
'yyyy-mm-dd hh24:mi:ss')- to_date(to_char(c.START_DATE, 'yyyy-mm-dd hh24:mi:ss'),
'yyyy-mm-dd hh24:mi:ss'),2) --没有审批意见的
when FIELD0090 is not null then round(to_date(to_char(FIELD0090, 'yyyy-mm-dd hh24:mi:ss'),
'yyyy-mm-dd hh24:mi:ss')- to_date(to_char(c.START_DATE, 'yyyy-mm-dd hh24:mi:ss'),
'yyyy-mm-dd hh24:mi:ss'),2) end < 5 then
'进行中'
end psjd,
mx.*
from V3XUSER.COL_SUMMARY A
left join V3XUSER.CTP_ATTACHMENT b
on a.id = b.SUB_REFERENCE
right join (select * from V3XUSER.formmain_2182 c where to_char(c.start_date,'yyyy-mm-dd')>to_char(sysdate-60,'yyyy-mm-dd') ) c--只更新近2个半月的数据
on c.id = a.FORM_RECORDID
left join (select lscs.*,
lswc.field0068 wcsj,
lswc.field0069 wcqkms,
fj.filename filename2,
fj.file_url file_url2,
FIELD0071 结案确认
from (select '临时措施' lx,
lscs.FIELD0055 csxq,
listagg(ry.name, '、') within group(order by ry.name) zrr,
lscs.FIELD0057 jhwcsj,
lscs.fid,
lscs.iid
from (SELECT distinct id iid,
formmain_id fid,
REGEXP_SUBSTR(FIELD0056,
'[^,]+',
1,
LEVEL) cf,
a.*
FROM V3XUSER.formson_3565 a
CONNECT BY REGEXP_SUBSTR(FIELD0056,
'[^,]+',
1,
LEVEL) is not null) lscs
left join V3XUSER.ORG_MEMBER ry
on lscs.cf = ry.id
group by '临时措施',
lscs.FIELD0055,
lscs.FIELD0057,
lscs.fid,
lscs.iid) lscs
left join V3XUSER.formson_3568 lswc
on lscs.fid = lswc.formmain_id
and lscs.csxq = lswc.field0067
left join V3XUSER.CTP_ATTACHMENT fj
on lswc.field0070 = fj.SUB_REFERENCE
union all
select lscs.*,
lswc.field0073 wcsj,
lswc.field0074 wcqkms,
fj.filename,
fj.file_url file_url,
field0076 结案确认
from (select '长久措施' lx,
lscs.FIELD0058 csxq,
listagg(ry.name, '、') within group(order by ry.name) zrr,
lscs.field0060 jhwcsj,
lscs.fid,
lscs.iid
from (SELECT id iid,
formmain_id fid,
REGEXP_SUBSTR(field0059,
'[^,]+',
1,
LEVEL) cf,
a.*
FROM V3XUSER.formson_3566 a
CONNECT BY REGEXP_SUBSTR(field0059,
'[^,]+',
1,
LEVEL) is not null) lscs
left join V3XUSER.ORG_MEMBER ry
on lscs.cf = ry.id
group by '长久措施',
lscs.FIELD0058,
lscs.field0060,
lscs.fid,
lscs.iid) lscs
left join V3XUSER.formson_3569 lswc
on lscs.fid = lswc.formmain_id
and lscs.csxq = lswc.field0072
left join V3XUSER.CTP_ATTACHMENT fj
on lswc.field0075 = fj.SUB_REFERENCE
union all
select lscs.*,
lswc.field0078 wcsj,
lswc.field0079 wcqkms,
fj.filename,
fj.file_url file_url,
field0081 结案确认
from (select '防呆设计' lx,
lscs.FIELD0061 csxq,
listagg(ry.name, '、') within group(order by ry.name) zrr,
lscs.field0063 jhwcsj,
lscs.fid,
lscs.iid
from (SELECT id iid,
formmain_id fid,
REGEXP_SUBSTR(field0062,
'[^,]+',
1,
LEVEL) cf,
a.*
FROM V3XUSER.formson_3567 a
CONNECT BY REGEXP_SUBSTR(field0062,
'[^,]+',
1,
LEVEL) is not null) lscs
left join V3XUSER.ORG_MEMBER ry
on lscs.cf = ry.id
group by '防呆设计',
lscs.FIELD0061,
lscs.field0063,
lscs.fid,
lscs.iid) lscs
left join V3XUSER.formson_3570 lswc
on lscs.fid = lswc.formmain_id
and lscs.csxq = lswc.field0077
left join V3XUSER.CTP_ATTACHMENT fj
on lswc.field0080 = fj.SUB_REFERENCE
) mx
on c.id = mx.fid
因为项目初期原始表数据量很小，执行connect by的时候基本还看不到什么性能问题。但是当运行3个月左右数据时，原始数据在600多行左右时，就出现性能问题了，真的是慢的不行。具体我们可以来看下执行日志。
如上图所示，一共410条数据，执行了快11分钟，而且还是卡住不动的。Oh my god!这是什么鬼。通过拆分每段的执行过程发现，性能卡在了最后的"mx"表查询，即union all +connect by那段。
2、connect by 具体卡在哪里了
如上图所示，用户会做3个措施，每个措施会有多个责任人，因此会union all 2遍，将3个措施拼接起来，因为责任人会在一行，因此使用了connect by 来进行拆分为多行。看起来逻辑是没啥问题，但是性能时真不行呀。
单独查询临时措施，拆分后817行数据，耗时了快5分钟，可能还能接受，但是加上union all 后那就是雪上加霜了。
哈哈哈，不久DBA就过来找我了，说带有connect by进程执行了差不多1000分钟，哈哈哈是有点离谱的。
三、解决方案
1、游标执行/分而治之
如上面所说的connect by 在数据量很小的时候，运行效率还是很高的，因此我们可以采用存储过程，或者将union all 拆分开来执行，然后将数据汇总到一个底表里头。具体如下图所示
定义变量，用游标一行行拆分执行
通过存储过程游标来拆分执行
2、换个思路
其实我们仔细分析下需求，我们发现，使用connect by 是为了将责任人拆分为多行来存储，但是在展示的时候又需要使用listegg将责任人组合在一起来展示。那有没有一种办法直接在展示的时候处理呢？
如上图所示，对应责任人主键使用逗号分离的，是不是和in('A','B','C','D')似曾相识。因此我们在展示的时候，使用类似select name from BI.Oa_Member where id in ('" + AI2 + "')来获取责任人的名称就ok了,bingo~。希望你下次遇到connect by 相关问题的时候，会对你有所启发~
