bfc99

对自定义函数使用不当的调优案例

一、问题。

下面这条SQL的运行时间较长，不满足业务需求。

select rs.managecom,

(select codename

from ldcode

where codetype = 'station'

and code = rs.managecom),

rs.insurername,

rs.contplancode,

case

when sum(prem) - sum(prem2) + sum(prem3) = 0 then

else

case

when substr(round((sum(rs.pay) + sum(rs.pay2)) /

(sum(prem) - sum(prem2) + sum(prem3)),

4) * 100,

1) = '.' then

'0' || round((sum(rs.pay) + sum(rs.pay2)) /

(sum(prem) - sum(prem2) + sum(prem3)),

4) * 100 || '%'

else

round((sum(rs.pay) + sum(rs.pay2)) /

(sum(prem) - sum(prem2) + sum(prem3)),

4) * 100 || '%'

end

end,

sum(rs.pay),

sum(rs.pay2),

round(sum(prem), 2) - round(sum(prem2), 2) + round(sum(prem3), 2),

round(sum(prem), 2),

round(sum(prem2), 2),

round(sum(prem3), 2)

from (select g.managecom,

g.insurername,

(SELECT LN.CONTPLANNAME

FROM LCContPlan LN

WHERE LN.CONTPLANCODE = d.CONTPLANCODE

AND LN.GrpContno = d.GrpContno

AND ROWNUM = 1) contplancode,

d.insuredno,

nvl((select sum(a.realpay)

from llclaimdetail a, llclaim b

where a.clmno = b.clmno

and a.grpcontno = c.grpcontno

and a.customerno = d.insuredno

and a.givetype != '1'

and b.clmstate = '60'

and b.endcasedate >= date

'2015-01-01'

and b.endcasedate <= date '2015-11-30'),

0) pay,

nvl((select sum(d.realpay)

from LLClaimPolicyBak d, llclaim b

where d.grpcontno = c.grpcontno

and d.clmno = b.clmno

and d.insuredno = c.insuredno

and (d.clmstate not in ('60', '70', '100') or

d.clmstate is null)

and (b.endcasedate is null or b.endcasedate > date

'2015-11-30')

and d.makedate <= date

'2015-11-30'

and d.seqno =

(select max(seqno)

from LLClaimPolicyBak dd, llclaim bb

where dd.grpcontno = c.grpcontno

and dd.clmno = d.clmno

and dd.clmno = bb.clmno

and d.riskcode = dd.riskcode

and not exists

(select 'X'

from llclaimdetailb

where llclaimdetailb.clmno = dd.clmno

and llclaimdetailb.riskcode =

dd.riskcode

and llclaimdetailb.makedate =

dd.makedate)

and dd.makedate <= date

'2015-11-30'

and (dd.clmstate not in ('60', '70', '100') or

dd.clmstate is null)

and (bb.endcasedate is null or

bb.endcasedate > date '2015-11-30'))),

0) -

nvl((select sum(d.realpay)

from LLClaimPolicyBak d, llclaim b

where d.grpcontno = c.grpcontno

and d.clmno = b.clmno

and d.insuredno = c.insuredno

and (d.clmstate not in ('60', '70', '100') or

d.clmstate is null)

and (b.endcasedate is null or b.endcasedate > date

'2015-01-01' - 1)

and d.makedate <= date

'2015-01-01' - 1

and d.seqno =

(select max(seqno)

from LLClaimPolicyBak dd, llclaim bb

where dd.grpcontno = c.grpcontno

and dd.clmno = d.clmno

and dd.clmno = bb.clmno

and not exists

(select 'X'

from llclaimdetailb

where llclaimdetailb.clmno = dd.clmno

and llclaimdetailb.riskcode =

dd.riskcode

and llclaimdetailb.makedate =

dd.makedate)

and d.riskcode = dd.riskcode

and dd.makedate <= date

'2015-01-01' - 1

and (dd.clmstate not in ('60', '70', '100') or

dd.clmstate is null)

and (bb.endcasedate is null or

bb.endcasedate > date '2015-01-01' - 1))),

0) pay2,

splitstr_jzy(getSumPlanPrem(c.grpcontno,

d.insuredno,

date '2015-01-01',

date '2015-11-30'),

1) prem,

splitstr_jzy(getSumPlanPrem(c.grpcontno,

d.insuredno,

date '2015-01-01',

date '2015-11-30'),

2) prem2,

splitstr_jzy(getSumPlanPrem(c.grpcontno,

d.insuredno,

date '2015-01-01',

date '2015-11-30'),

3) prem3

from lccont c, lcinsured d, lcgrpcont g

where c.grpcontno = d.grpcontno

and c.contno = d.contno

and c.insuredno = d.insuredno

and c.grpcontno = g.grpcontno

and g.appflag = '1'

and ((g.cvalidate >= date '2015-01-01' and g.cvalidate <= date

'2015-11-30') or

(g.insurprotocoldate >= date

'2015-01-01' and g.insurprotocoldate <= date '2015-11-30') or

(g.cvalidate <= date

'2015-01-01' and g.insurprotocoldate >= date '2015-11-30'))

and c.managecom like '86%'

and g.conttype = '2') rs

group by rs.managecom, rs.insurername, rs.contplancode;

以下为该SQL的执行计划和统计信息：

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

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

| 0 | SELECT STATEMENT | | 1 | | 13 |00:03:41.72 | 21M| 6 | | | |

| 1 | TABLE ACCESS BY INDEX ROWID | LDCODE | 2 | 1 | 2 |00:00:00.01 | 6 | 0 | | | |

|* 2 | INDEX UNIQUE SCAN | PK_LDCODE | 2 | 1 | 2 |00:00:00.01 | 4 | 0 | | | |

|* 3 | COUNT STOPKEY | | 4800 | | 4800 |00:00:00.09 | 9600 | 0 | | | |

| 4 | TABLE ACCESS BY INDEX ROWID | LCCONTPLAN | 4800 | 1 | 4800 |00:00:00.08 | 9600 | 0 | | | |

|* 5 | INDEX RANGE SCAN | PK_LCCONTPLAN | 4800 | 1 | 4800 |00:00:00.05 | 4800 | 0 | | | |

| 6 | SORT AGGREGATE | | 60166 | 1 | 60166 |00:00:02.22 | 140K| 1 | | | |

| 7 | NESTED LOOPS | | 60166 | 1 | 18122 |00:00:02.02 | 140K| 1 | | | |

|* 8 | TABLE ACCESS BY INDEX ROWID | LLCLAIMDETAIL | 60166 | 1 | 24885 |00:00:01.44 | 90493 | 1 | | | |

|* 9 | INDEX RANGE SCAN | IDX_LLCLAIMDETAIL_CSTMNO | 60166 | 2 | 35213 |00:00:00.83 | 60776 | 1 | | | |

|* 10 | TABLE ACCESS BY INDEX ROWID | LLCLAIM | 24885 | 1 | 18122 |00:00:00.48 | 49777 | 0 | | | |

|* 11 | INDEX UNIQUE SCAN | PK_LLCLAIM | 24885 | 1 | 24885 |00:00:00.20 | 24889 | 0 | | | |

| 12 | SORT AGGREGATE | | 60166 | 1 | 60166 |00:00:09.15 | 1313K| 5 | | | |

|* 13 | FILTER | | 60166 | | 2425 |00:00:09.01 | 1313K| 5 | | | |

| 14 | NESTED LOOPS | | 60166 | 3 | 16062 |00:00:06.71 | 1120K| 5 | | | |

|* 15 | TABLE ACCESS BY INDEX ROWID | LLCLAIMPOLICYBAK | 60166 | 3 | 460K|00:00:03.55 | 199K| 5 | | | |

|* 16 | INDEX RANGE SCAN | IDX_LLCLAIMPOLICYBAK_INSUREDNO | 60166 | 117 | 598K|00:00:01.36 | 122K| 1 | | | |

|* 17 | TABLE ACCESS BY INDEX ROWID | LLCLAIM | 460K| 1 | 16062 |00:00:02.58 | 920K| 0 | | | |

|* 18 | INDEX UNIQUE SCAN | PK_LLCLAIM | 460K| 1 | 460K|00:00:01.43 | 460K| 0 | | | |

| 19 | SORT AGGREGATE | | 12397 | 1 | 12397 |00:00:02.21 | 192K| 0 | | | |

| 20 | NESTED LOOPS ANTI | | 12397 | 1 | 104K|00:00:02.08 | 192K| 0 | | | |

| 21 | NESTED LOOPS | | 12397 | 1 | 143K|00:00:01.66 | 142K| 0 | | | |

|* 22 | TABLE ACCESS BY INDEX ROWID | LLCLAIM | 12397 | 1 | 12397 |00:00:00.09 | 24796 | 0 | | | |

|* 23 | INDEX UNIQUE SCAN | PK_LLCLAIM | 12397 | 1 | 12397 |00:00:00.05 | 12399 | 0 | | | |

|* 24 | TABLE ACCESS BY INDEX ROWID | LLCLAIMPOLICYBAK | 12397 | 1 | 143K|00:00:01.55 | 117K| 0 | | | |

|* 25 | INDEX RANGE SCAN | IDX_LLCLAIMPOLICYBAK_CLMNO | 12397 | 1 | 1110K|00:00:00.11 | 29945 | 0 | | | |

|* 26 | TABLE ACCESS BY INDEX ROWID | LLCLAIMDETAILB | 16011 | 1 | 2839 |00:00:00.28 | 50149 | 0 | | | |

|* 27 | INDEX RANGE SCAN | PK_LLCLAIMDETAILB | 16011 | 2 | 50957 |00:00:00.15 | 32849 | 0 | | | |

| 28 | SORT AGGREGATE | | 60166 | 1 | 60166 |00:00:01.40 | 199K| 0 | | | |

|* 29 | FILTER | | 60166 | | 0 |00:00:01.29 | 199K| 0 | | | |

| 30 | NESTED LOOPS | | 60166 | 1 | 0 |00:00:01.24 | 199K| 0 | | | |

|* 31 | TABLE ACCESS BY INDEX ROWID | LLCLAIMPOLICYBAK | 60166 | 1 | 0 |00:00:01.19 | 199K| 0 | | | |

|* 32 | INDEX RANGE SCAN | IDX_LLCLAIMPOLICYBAK_INSUREDNO | 60166 | 117 | 598K|00:00:00.39 | 122K| 0 | | | |

|* 33 | TABLE ACCESS BY INDEX ROWID | LLCLAIM | 0 | 1 | 0 |00:00:00.01 | 0 | 0 | | | |

|* 34 | INDEX UNIQUE SCAN | PK_LLCLAIM | 0 | 1 | 0 |00:00:00.01 | 0 | 0 | | | |

| 35 | SORT AGGREGATE | | 0 | 1 | 0 |00:00:00.01 | 0 | 0 | | | |

| 36 | NESTED LOOPS ANTI | | 0 | 1 | 0 |00:00:00.01 | 0 | 0 | | | |

| 37 | NESTED LOOPS | | 0 | 1 | 0 |00:00:00.01 | 0 | 0 | | | |

|* 38 | TABLE ACCESS BY INDEX ROWID| LLCLAIM | 0 | 1 | 0 |00:00:00.01 | 0 | 0 | | | |

|* 39 | INDEX UNIQUE SCAN | PK_LLCLAIM | 0 | 1 | 0 |00:00:00.01 | 0 | 0 | | | |

|* 40 | TABLE ACCESS BY INDEX ROWID| LLCLAIMPOLICYBAK | 0 | 1 | 0 |00:00:00.01 | 0 | 0 | | | |

|* 41 | INDEX RANGE SCAN | IDX_LLCLAIMPOLICYBAK_CLMNO | 0 | 1 | 0 |00:00:00.01 | 0 | 0 | | | |

|* 42 | TABLE ACCESS BY INDEX ROWID | LLCLAIMDETAILB | 0 | 1 | 0 |00:00:00.01 | 0 | 0 | | | |

|* 43 | INDEX RANGE SCAN | PK_LLCLAIMDETAILB | 0 | 2 | 0 |00:00:00.01 | 0 | 0 | | | |

| 44 | HASH GROUP BY | | 1 | 5 | 13 |00:03:41.72 | 21M| 6 | 728K| 728K| 989K (0)|

| 45 | VIEW | | 1 | 2233 | 60166 |00:03:41.17 | 21M| 6 | | | |

|* 46 | HASH JOIN | | 1 | 2233 | 60166 |00:00:03.30 | 7461 | 0 | 820K| 820K| 1183K (0)|

|* 47 | TABLE ACCESS FULL | LCGRPCONT | 1 | 48 | 48 |00:00:00.01 | 16 | 0 | | | |

|* 48 | HASH JOIN | | 1 | 2256 | 65410 |00:00:03.14 | 7445 | 0 | 5933K| 2261K| 6542K (0)|

|* 49 | TABLE ACCESS FULL | LCCONT | 1 | 49349 | 65410 |00:00:02.71 | 4163 | 0 | | | |

| 50 | TABLE ACCESS FULL | LCINSURED | 1 | 65400 | 65410 |00:00:00.07 | 3282 | 0 | | | |

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

Predicate Information (identified by operation id):

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

2 - access("CODETYPE"='station' AND "CODE"=:B1)

3 - filter(ROWNUM=1)

5 - access("LN"."GRPCONTNO"=:B1 AND "LN"."CONTPLANCODE"=:B2)

8 - filter(("A"."GRPCONTNO"=:B1 AND "A"."GIVETYPE"<>'1'))

9 - access("A"."CUSTOMERNO"=:B1)

10 - filter(("B"."ENDCASEDATE">=TO_DATE(' 2015-01-01 00:00:00', 'syyyy-mm-dd hh24:mi:ss') AND "B"."CLMSTATE"='60' AND "B"."ENDCASEDATE"<=TO_DATE(' 2015-11-30

00:00:00', 'syyyy-mm-dd hh24:mi:ss')))

11 - access("A"."CLMNO"="B"."CLMNO")

13 - filter("D"."SEQNO"=)

15 - filter(("D"."GRPCONTNO"=:B1 AND "D"."MAKEDATE"<=TO_DATE(' 2015-11-30 00:00:00', 'syyyy-mm-dd hh24:mi:ss') AND ("D"."CLMSTATE" IS NULL OR

("D"."CLMSTATE"<>'60' AND "D"."CLMSTATE"<>'70' AND "D"."CLMSTATE"<>'100'))))

16 - access("D"."INSUREDNO"=:B1)

17 - filter(("B"."ENDCASEDATE" IS NULL OR "B"."ENDCASEDATE">TO_DATE(' 2015-11-30 00:00:00', 'syyyy-mm-dd hh24:mi:ss')))

18 - access("D"."CLMNO"="B"."CLMNO")

22 - filter(("BB"."ENDCASEDATE" IS NULL OR "BB"."ENDCASEDATE">TO_DATE(' 2015-11-30 00:00:00', 'syyyy-mm-dd hh24:mi:ss')))

23 - access("BB"."CLMNO"=:B1)

24 - filter(("DD"."GRPCONTNO"=:B1 AND "DD"."RISKCODE"=:B2 AND "DD"."MAKEDATE"<=TO_DATE(' 2015-11-30 00:00:00', 'syyyy-mm-dd hh24:mi:ss') AND ("DD"."CLMSTATE"

IS NULL OR ("DD"."CLMSTATE"<>'60' AND "DD"."CLMSTATE"<>'70' AND "DD"."CLMSTATE"<>'100'))))

25 - access("DD"."CLMNO"="BB"."CLMNO")

filter("DD"."CLMNO"=:B1)

26 - filter(("LLCLAIMDETAILB"."RISKCODE"=:B1 AND "LLCLAIMDETAILB"."MAKEDATE"<=TO_DATE(' 2015-11-30 00:00:00', 'syyyy-mm-dd hh24:mi:ss') AND

"LLCLAIMDETAILB"."RISKCODE"="DD"."RISKCODE" AND "LLCLAIMDETAILB"."MAKEDATE"="DD"."MAKEDATE"))

27 - access("LLCLAIMDETAILB"."CLMNO"=:B1)

filter("LLCLAIMDETAILB"."CLMNO"="DD"."CLMNO")

29 - filter("D"."SEQNO"=)

31 - filter(("D"."MAKEDATE"<=TO_DATE(' 2014-12-31 00:00:00', 'syyyy-mm-dd hh24:mi:ss') AND "D"."GRPCONTNO"=:B1 AND ("D"."CLMSTATE" IS NULL OR

("D"."CLMSTATE"<>'60' AND "D"."CLMSTATE"<>'70' AND "D"."CLMSTATE"<>'100'))))

32 - access("D"."INSUREDNO"=:B1)

33 - filter(("B"."ENDCASEDATE">TO_DATE(' 2014-12-31 00:00:00', 'syyyy-mm-dd hh24:mi:ss') OR "B"."ENDCASEDATE" IS NULL))

34 - access("D"."CLMNO"="B"."CLMNO")

38 - filter(("BB"."ENDCASEDATE">TO_DATE(' 2014-12-31 00:00:00', 'syyyy-mm-dd hh24:mi:ss') OR "BB"."ENDCASEDATE" IS NULL))

39 - access("BB"."CLMNO"=:B1)

40 - filter(("DD"."MAKEDATE"<=TO_DATE(' 2014-12-31 00:00:00', 'syyyy-mm-dd hh24:mi:ss') AND "DD"."GRPCONTNO"=:B1 AND "DD"."RISKCODE"=:B2 AND ("DD"."CLMSTATE"

IS NULL OR ("DD"."CLMSTATE"<>'60' AND "DD"."CLMSTATE"<>'70' AND "DD"."CLMSTATE"<>'100'))))

41 - access("DD"."CLMNO"="BB"."CLMNO")

filter("DD"."CLMNO"=:B1)

42 - filter(("LLCLAIMDETAILB"."RISKCODE"=:B1 AND "LLCLAIMDETAILB"."MAKEDATE"<=TO_DATE(' 2014-12-31 00:00:00', 'syyyy-mm-dd hh24:mi:ss') AND

"LLCLAIMDETAILB"."RISKCODE"="DD"."RISKCODE" AND "LLCLAIMDETAILB"."MAKEDATE"="DD"."MAKEDATE"))

43 - access("LLCLAIMDETAILB"."CLMNO"=:B1)

filter("LLCLAIMDETAILB"."CLMNO"="DD"."CLMNO")

46 - access("C"."GRPCONTNO"="G"."GRPCONTNO")

47 - filter(("G"."CONTTYPE"='2' AND "G"."APPFLAG"='1' AND (("G"."INSURPROTOCOLDATE">=TO_DATE(' 2015-01-01 00:00:00', 'syyyy-mm-dd hh24:mi:ss') AND

"G"."INSURPROTOCOLDATE"<=TO_DATE(' 2015-11-30 00:00:00', 'syyyy-mm-dd hh24:mi:ss')) OR ("G"."CVALIDATE">=TO_DATE(' 2015-01-01 00:00:00', 'syyyy-mm-dd

hh24:mi:ss') AND "G"."CVALIDATE"<=TO_DATE(' 2015-11-30 00:00:00', 'syyyy-mm-dd hh24:mi:ss')) OR ("G"."INSURPROTOCOLDATE">=TO_DATE(' 2015-11-30 00:00:00',

'syyyy-mm-dd hh24:mi:ss') AND "G"."CVALIDATE"<=TO_DATE(' 2015-01-01 00:00:00', 'syyyy-mm-dd hh24:mi:ss')))))

48 - access("C"."GRPCONTNO"="D"."GRPCONTNO" AND "C"."CONTNO"="D"."CONTNO" AND "C"."INSUREDNO"="D"."INSUREDNO")

49 - filter("C"."MANAGECOM" LIKE '86%')

Statistics

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

1944733 recursive calls

4331962 db block gets

17399665 consistent gets

2 physical reads

116 redo size

2735 bytes sent via SQL*Net to client

5649 bytes received via SQL*Net from client

2 SQL*Net roundtrips to/from client

180506 sorts (memory)

0 sorts (disk)

13 rows processed

二，处理过程。

从统计信息上看，为了完成最终只有13行（13 rows processed）的一个查询，逻辑读17399665个块次（17399665 consistent gets），以数据库块8K大小的默认值计算的话，意味着前后一共处理了130G左右数据。递归调用也很高（1944733 recursive calls）。

递归调用也是一种比较消耗资源的操作，当发生空间不足，需要更多的分区（extent)时；引起触发器工作时；执行存储过程、自定义函数等时；需要从磁盘读取数据字典信息时等情况下，都会引起递归调用。也可以简单理解为需要执行本SQL之外的其它SQL时，就称之为递归调用。

再从执行计划上看，注意到starts列上有不少成千上万的值，甚至还有460K的。而该列是表示相应对象被访问的次数的。如果相应的对象的访问方法还是全表扫描或是索引全扫描，那就更需要引起注意。

所以，初步看上去，调优的潜力很大。（返回行少，但资源消耗大的，通常调优的潜力都比较大。）

在阅读SQL代码时，发现其中有这样的代码：

splitstr_jzy(getSumPlanPrem(c.grpcontno,

d.insuredno,

date '2015-01-01',

date '2015-11-30')

显然，这里的splitstr_jzy和getSumPlanPrem都是自定义函数。考虑到前边较高的递归调用，所以，很可能这种过高的递归调用是因这两个自定义函数所产生的。

这时，第一个想法产生了，即暂时注释掉这些函数的引用，看看情况会如何。如果性能有明显提升，说明问题的根源肯定与这些自定义函数相关。我们就要把主要精力先放在这些自定义函数上。如果性能提升不大，那么说明问题的根源与这些自定义函数关系不大，我们需要继续分析其它方面的问题。

为节省往篇幅，这里只提供与这些自定义函数相关的代码：

/*splitstr_jzy(getSumPlanPrem(c.grpcontno,

d.insuredno,

date '2015-01-01',

date '2015-11-30'),

1)*/ 0 prem,

/*splitstr_jzy(getSumPlanPrem(c.grpcontno,

d.insuredno,

date '2015-01-01',

date '2015-11-30'),

2)*/ 0 prem2,

/*splitstr_jzy(getSumPlanPrem(c.grpcontno,

d.insuredno,

date '2015-01-01',

date '2015-11-30'),

3)*/ 0 prem3

from lccont c, lcinsured d, lcgrpcont g

从以上代码可见，通过注释掉相关函数，并固定设置一个0值来代替原函数执行的结果。之所以用一个固定值来代替，是因为相关自定义函数的调用处于子查询中，外部查询需要使用这些函数的结果，如果完全注释掉，还要修改外部查询的相关代码，动静比较大。

再次执行注释掉相关函数的SQL，统计信息的结果如下：

Statistics

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

2718 recursive calls

0 db block gets

1671681 consistent gets

3255 physical reads

260 redo size

2432 bytes sent via SQL*Net to client

5762 bytes received via SQL*Net from client

2 SQL*Net roundtrips to/from client

99 sorts (memory)

0 sorts (disk)

13 rows processed

很明显，递归调用减少为约2700次，逻辑读1671681个块次，相较于注释前，分别只是原来的千分之一和十分之一。而且实际的执行时间也只要不到20秒了。看来这两个函数是我们主攻的方向。

通过对getSumPlanPrem源代码的分析，发现其主要是对若干表的单表查询，并将获得的指定列的值赋给变量，然后根据对这些变量的比较和计算，最终形成三个数值结果，但返回时，是将三个数值结果转换为字符，并以逗号分隔拼接后，以一个字符串的形式返回。而这些单表的查询中，有相当一部分的表上并没有适用的索引（不是没有索引，而是没有适合相关查询的索引。），而使得部分查询需要访问更多的数据块才能得到需要的结果，需要消耗更多的资源。比如：

select c.prem

into tPrem

from lccont c

where c.grpcontno = cGrpContNo

and c.insuredno = cInsur edNo;

这样一个查询。表lccont有一个名为PK_LCCONT的主键，主键列为（CONTNO）。grpcontno列和insuredno列各有一个单列索引，而该表共有约6万行数据。仅从这条语句的角度来看，无论是走这两列中的任一个索引，最终都要回表去获取PREM列的值，不如将grpcontno列、insuredno列和prem列编入一个复合索引中，这样不仅不用回表，而且这个索引的选择性会更好。这里简单展开一下，对于复合索引，创建时列的顺序是很有讲究的。要把WHERE条件中出现的列写到前边，如果有多个，哪个重复值高，就把哪一列写到前面（通常而言）。这样，当某个SQL中只有对第二列条件的过滤时，就有可能用上该复合索引（以索引跳跃扫描的方式来访问），反之，把重复值低的放到前面，当只有对第二列条件的过滤时，这个复合索引很可能是用不上的。而造成这种状况的原因是和复合索引的存储结构相关的。

再次运行原SQL（未注释自定义函数代码的SQL），统计信息如下：

Statistics

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

1944042 recursive calls

4331962 db block gets

4623587 consistent gets

351 physical reads

144 redo size

2735 bytes sent via SQL*Net to client

5650 bytes received via SQL*Net from client

2 SQL*Net roundtrips to/from client

180498 sorts (memory)

0 sorts (disk)

13 rows processed

逻辑读降为4623587个块次（4623587 consistent gets），只是原来的四分之一了。但由于调用自定义函数的次数没有减少，所以，递归调用的次数没有改变。

再来看这段对自定义函数调用的代码：

splitstr_jzy(getSumPlanPrem(c.grpcontno,

d.insuredno,

date '2015-01-01',

date '2015-11-30'),

1) prem,

splitstr_jzy(getSumPlanPrem(c.grpcontno,

d.insuredno,

date '2015-01-01',

date '2015-11-30'),

2)0 prem2,

splitstr_jzy(getSumPlanPrem(c.grpcontno,

d.insuredno,

date '2015-01-01',

date '2015-11-30'),

3) prem3

可以看到对getSumPlanPrem的调用重复了三次，且输入的参数完全一样。而splitstr_jzy函数的作用就是把以逗号分隔的，包括三个结果值的字符串根据第二个输入参数的值，把第N段的结果拆分出来。

如果我们这里把它变成只调用一次，那么该自定义函数的调用就会减少三分之二。那么无论是递归调用的次数，还是函数运行产生的资源消耗都会减少。

所以，我们这里只保留一次调用，而这个splitstr_jzy自定义函数的功能，完全可以用正则表达式来实现，即把外部查询对原prem，prem2和prem3的引用，分别改为regexp_substr(prem_all,'[^,]+',1,1), regexp_substr(prem_all,'[^,]+',1,2), regexp_substr(prem_all,'[^,]+',1,3)。

再次修改后的代码大致为：

select ...

regexp_substr(prem_all,'[^,]+',1,1) prem,

regexp_substr(prem_all,'[^,]+',1,2) prem2,

regexp_substr(prem_all,'[^,]+',1,3) prem3,

...

from (

select ....

getSumPlanPrem(c.grpcontno,

d.insuredno,

date '2015-01-01',

date '2015-11-30') prem_all

from .....

where .....)

where ....

group by .....;

对这样处理的SQL代码再次运行，其统计信息如下：

Statistics

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

527686 recursive calls

0 db block gets

2416931 consistent gets

93 physical reads

188 redo size

2917 bytes sent via SQL*Net to client

6671 bytes received via SQL*Net from client

2 SQL*Net roundtrips to/from client

60166 sorts (memory)

0 sorts (disk)

13 rows processed

递归调用的次数变为527686次，逻辑读的次数为2416931次，相较于上一次改写，又分别下降了约70%和50%。实际的执行时间也减少到约30秒。

而此时的执行计划是：

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

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

| 0 | SELECT STATEMENT | | 1 | | 13 |00:00:32.02 | 2416K| | | |

| 1 | TABLE ACCESS BY INDEX ROWID | LDCODE | 2 | 1 | 2 |00:00:00.01 | 6 | | | |

|* 2 | INDEX UNIQUE SCAN | PK_LDCODE | 2 | 1 | 2 |00:00:00.01 | 4 | | | |

|* 3 | COUNT STOPKEY | | 4800 | | 4800 |00:00:00.07 | 9600 | | | |

| 4 | TABLE ACCESS BY INDEX ROWID | LCCONTPLAN | 4800 | 1 | 4800 |00:00:00.05 | 9600 | | | |

|* 5 | INDEX RANGE SCAN | PK_LCCONTPLAN | 4800 | 1 | 4800 |00:00:00.03 | 4800 | | | |

| 6 | SORT AGGREGATE | | 60166 | 1 | 60166 |00:00:01.30 | 140K| | | |

| 7 | NESTED LOOPS | | 60166 | 1 | 18122 |00:00:01.17 | 140K| | | |

|* 8 | TABLE ACCESS BY INDEX ROWID | LLCLAIMDETAIL | 60166 | 1 | 24808 |00:00:00.82 | 90718 | | | |

|* 9 | INDEX RANGE SCAN | IDX_LLCLAIMDETAIL_CSTMNO | 60166 | 2 | 35102 |00:00:00.50 | 60780 | | | |

|* 10 | TABLE ACCESS BY INDEX ROWID | LLCLAIM | 24808 | 1 | 18122 |00:00:00.28 | 49622 | | | |

|* 11 | INDEX UNIQUE SCAN | PK_LLCLAIM | 24808 | 1 | 24808 |00:00:00.14 | 24810 | | | |

| 12 | SORT AGGREGATE | | 60166 | 1 | 60166 |00:00:07.19 | 1315K| | | |

|* 13 | FILTER | | 60166 | | 2421 |00:00:07.10 | 1315K| | | |

| 14 | NESTED LOOPS | | 60166 | 3 | 16062 |00:00:04.91 | 1121K| | | |

|* 15 | TABLE ACCESS BY INDEX ROWID | LLCLAIMPOLICYBAK | 60166 | 3 | 460K|00:00:01.90 | 201K| | | |

|* 16 | INDEX RANGE SCAN | IDX_LLCLAIMPOLICYBAK_INSUREDNO | 60166 | 117 | 610K|00:00:00.57 | 122K| | | |

|* 17 | TABLE ACCESS BY INDEX ROWID | LLCLAIM | 460K| 1 | 16062 |00:00:02.63 | 920K| | | |

|* 18 | INDEX UNIQUE SCAN | PK_LLCLAIM | 460K| 1 | 460K|00:00:01.48 | 460K| | | |

| 19 | SORT AGGREGATE | | 12397 | 1 | 12397 |00:00:02.10 | 193K| | | |

| 20 | NESTED LOOPS ANTI | | 12397 | 1 | 104K|00:00:01.98 | 193K| | | |

| 21 | NESTED LOOPS | | 12397 | 1 | 143K|00:00:01.61 | 143K| | | |

|* 22 | TABLE ACCESS BY INDEX ROWID | LLCLAIM | 12397 | 1 | 12397 |00:00:00.09 | 24796 | | | |

|* 23 | INDEX UNIQUE SCAN | PK_LLCLAIM | 12397 | 1 | 12397 |00:00:00.05 | 12399 | | | |

|* 24 | TABLE ACCESS BY INDEX ROWID | LLCLAIMPOLICYBAK | 12397 | 1 | 143K|00:00:01.50 | 118K| | | |

|* 25 | INDEX RANGE SCAN | IDX_LLCLAIMPOLICYBAK_CLMNO | 12397 | 1 | 1116K|00:00:00.10 | 29984 | | | |

|* 26 | TABLE ACCESS BY INDEX ROWID | LLCLAIMDETAILB | 16011 | 1 | 2849 |00:00:00.24 | 50276 | | | |

|* 27 | INDEX RANGE SCAN | PK_LLCLAIMDETAILB | 16011 | 2 | 51475 |00:00:00.13 | 32852 | | | |

| 28 | SORT AGGREGATE | | 60166 | 1 | 60166 |00:00:01.29 | 201K| | | |

|* 29 | FILTER | | 60166 | | 0 |00:00:01.20 | 201K| | | |

| 30 | NESTED LOOPS | | 60166 | 1 | 0 |00:00:01.16 | 201K| | | |

|* 31 | TABLE ACCESS BY INDEX ROWID | LLCLAIMPOLICYBAK | 60166 | 1 | 0 |00:00:01.11 | 201K| | | |

|* 32 | INDEX RANGE SCAN | IDX_LLCLAIMPOLICYBAK_INSUREDNO | 60166 | 117 | 610K|00:00:00.35 | 122K| | | |

|* 33 | TABLE ACCESS BY INDEX ROWID | LLCLAIM | 0 | 1 | 0 |00:00:00.01 | 0 | | | |

|* 34 | INDEX UNIQUE SCAN | PK_LLCLAIM | 0 | 1 | 0 |00:00:00.01 | 0 | | | |

| 35 | SORT AGGREGATE | | 0 | 1 | 0 |00:00:00.01 | 0 | | | |

| 36 | NESTED LOOPS ANTI | | 0 | 1 | 0 |00:00:00.01 | 0 | | | |

| 37 | NESTED LOOPS | | 0 | 1 | 0 |00:00:00.01 | 0 | | | |

|* 38 | TABLE ACCESS BY INDEX ROWID| LLCLAIM | 0 | 1 | 0 |00:00:00.01 | 0 | | | |

|* 39 | INDEX UNIQUE SCAN | PK_LLCLAIM | 0 | 1 | 0 |00:00:00.01 | 0 | | | |

|* 40 | TABLE ACCESS BY INDEX ROWID| LLCLAIMPOLICYBAK | 0 | 1 | 0 |00:00:00.01 | 0 | | | |

|* 41 | INDEX RANGE SCAN | IDX_LLCLAIMPOLICYBAK_CLMNO | 0 | 1 | 0 |00:00:00.01 | 0 | | | |

|* 42 | TABLE ACCESS BY INDEX ROWID | LLCLAIMDETAILB | 0 | 1 | 0 |00:00:00.01 | 0 | | | |

|* 43 | INDEX RANGE SCAN | PK_LLCLAIMDETAILB | 0 | 2 | 0 |00:00:00.01 | 0 | | | |

| 44 | HASH GROUP BY | | 1 | 5 | 13 |00:00:32.02 | 2416K| 728K| 728K| 994K (0)|

| 45 | VIEW | | 1 | 2233 | 60166 |00:00:30.08 | 2416K| | | |

|* 46 | HASH JOIN | | 1 | 2233 | 60166 |00:00:03.12 | 7461 | 820K| 820K| 1192K (0)|

|* 47 | TABLE ACCESS FULL | LCGRPCONT | 1 | 48 | 48 |00:00:00.01 | 16 | | | |

|* 48 | HASH JOIN | | 1 | 2256 | 65410 |00:00:03.08 | 7445 | 5933K| 2261K| 6473K (0)|

|* 49 | TABLE ACCESS FULL | LCCONT | 1 | 49349 | 65410 |00:00:02.78 | 4163 | | | |

| 50 | TABLE ACCESS FULL | LCINSURED | 1 | 65400 | 65410 |00:00:00.07 | 3282 | | | |

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

而下一步的重点，则要是要消除这些成千上万次的表连接次数。而结合谓词信息的分析，发现这里大部分的成千上万次表连接的原因，就是使用了大量的标量子查询（即只返回一行一列的子查询）。而这些子查询又都出现在外部查询的SELECT部分，这也就意味着，外部查询返回多少行，这个子查询就要执行多少次，相关的表就要被访问多少次。所以，进一步优化的方法，就是改写SQL，把这些子查询移到FROM 后面，这样相关表只要访问一次就可以。

由于改写过程中出现改写后的结果与原SQL不一致，而用户又不愿提供原始数据供分析，以及担心SQL改动过大而可能引起的不利因素等原因，所以，进一步的优化没能进行下去。

按我本意，是想在将大部分的超高表连接次数消除后，继续检查相关表上统计信息的准确性（从执行计划中可见，有部分处理步骤中，估算的行数与实际的行数相差较大。），以确保CBO不致因统计信息的问题而产生错误的执行计划。如果一切顺利，这个SQL的执行时间调到秒出是有可能的。

三、总结

通过这个案例，有以下几点经验：

1、当出现超高的递归调用时，要检查SQL中是否有自定义函数的调用，并尝试减少这些函数的调用，以及优化函数自身。

2、当有内置函数可以实现的功能时，尽量使用系统内置函数。

3、当逻辑读较高，且伴随有大量的表连接次数（starts列）时，可以通过改写SQL，达到减少表连接次数，降低逻辑读的目的。

你可能感兴趣的:(oracle,优化,自定义函数)

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
网易严选官方旗舰店，优质商品，卓越服务高省_飞智666600
网易严选官方旗舰店是网易旗下的一家电商平台，以提供优质商品和卓越服务而闻名。作为一名SEO优化师，我将为您详细介绍网易严选官方旗舰店，并重点强调其特点和优势。大家好！我是高省APP最大团队&联合创始人飞智导师。相较于其他返利app，高省APP的佣金更高，模式更好，最重要的是，终端用户不会流失！高省APP佣金更高，模式更好，终端用户不流失。【高省】是一个自用省钱佣金高，分享推广赚钱多的平台，百度有几
基于社交网络算法优化的二维最大熵图像分割智能算法研学社（Jack旭）智能优化算法应用图像分割算法 php 开发语言
智能优化算法应用：基于社交网络优化的二维最大熵图像阈值分割-附代码文章目录智能优化算法应用：基于社交网络优化的二维最大熵图像阈值分割-附代码1.前言2.二维最大熵阈值分割原理3.基于社交网络优化的多阈值分割4.算法结果：5.参考文献：6.Matlab代码摘要：本文介绍基于最大熵的图像分割，并且应用社交网络算法进行阈值寻优。1.前言阅读此文章前，请阅读《图像分割：直方图区域划分及信息统计介绍》htt
关于Mysql 中 Row size too large (＞ 8126) 错误的解决和理解秋刀prince mysql mysql 数据库
提示：啰嗦一嘴，数据库的任何操作和验证前，一定要记得先备份！！！不会有错；文章目录问题发现一、问题导致的可能原因1、页大小2、行格式2.1compact格式2.2Redundant格式2.3Dynamic格式2.4Compressed格式3、BLOB和TEXT列二、解决办法1、修改页大小（不推荐）2、修改行格式3、修改数据类型为BLOB和TEXT列4、其他优化方式（可以参考使用）4.1合理设置数据
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
matlab mle 优化,MLE+: Matlab Toolbox for Integrated Modeling, Control and Optimization for Buildings... Simon Zhong matlab mle 优化
摘要：FollowingunilateralopticnervesectioninadultPVGhoodedrat,theaxonguidancecueephrin-A2isup-regulatedincaudalbutnotrostralsuperiorcolliculus(SC)andtheEphA5receptorisdown-regulatedinaxotomisedretinalgan
Android应用性能优化轻口味 Android
Android手机由于其本身的后台机制和硬件特点，性能上一直被诟病，所以软件开发者对软件本身的性能优化就显得尤为重要；本文将对Android开发过程中性能优化的各个方面做一个回顾与总结。Cache优化ListView缓存：ListView中有一个回收器，Item滑出界面的时候View会回收到这里，需要显示新的Item的时候，就尽量重用回收器里面的View；每次在getView函数中inflate新
《 C++ 修炼全景指南：九》打破编程瓶颈！掌握二叉搜索树的高效实现与技巧 Lenyiin C++修炼全景指南技术指南 c++算法 stl
摘要本文详细探讨了二叉搜索树（BinarySearchTree,BST）的核心概念和技术细节，包括插入、查找、删除、遍历等基本操作，并结合实际代码演示了如何实现这些功能。文章深入分析了二叉搜索树的性能优势及其时间复杂度，同时介绍了前驱、后继的查找方法等高级功能。通过自定义实现的二叉搜索树类，读者能够掌握其实际应用，此外，文章还建议进一步扩展为平衡树（如AVL树、红黑树）以优化极端情况下的性能退化。
深入浅出 -- 系统架构之负载均衡Nginx的性能优化 xiaoli8748_软件开发系统架构系统架构负载均衡 nginx
一、Nginx性能优化到这里文章的篇幅较长了，最后再来聊一下关于Nginx的性能优化，主要就简单说说收益最高的几个优化项，在这块就不再展开叙述了，毕竟影响性能都有多方面原因导致的，比如网络、服务器硬件、操作系统、后端服务、程序自身、数据库服务等，对于性能调优比较感兴趣的可以参考之前《JVM性能调优》中的调优思想。优化一：打开长连接配置通常Nginx作为代理服务，负责分发客户端的请求，那么建议开启H
粒子群优化 (PSO) 在三维正弦波函数中的应用 subject625Ruben 机器学习人工智能 matlab 算法
在这篇博客中，我们将展示如何使用粒子群优化（PSO）算法求解三维正弦波函数，并通过增加正弦波扰动，使优化过程更加复杂和有趣。本文将介绍目标函数的定义、PSO参数设置以及算法执行的详细过程，并展示搜索空间中的动态过程和收敛曲线。1.目标函数定义我们使用的目标函数是一个三维正弦波函数，定义如下：objectiveFunc=@(x)sin(sqrt(x(1).^2+x(2).^2))+0.5*sin(5
补充元象二面 Redstone Monstrosity 前端面试
1.请尽可能详细地说明，防抖和节流的区别，应用场景？你的回答中不要写出示例代码。防抖（Debounce）和节流（Throttle）是两种常用的前端性能优化技术，它们的主要区别在于如何处理高频事件的触发。以下是防抖和节流的区别和应用场景的详细说明：防抖和节流的定义防抖：在一段时间内，多次执行变为只执行最后一次。防抖的原理是，当事件被触发后，设置一个延迟定时器。如果在这个延迟时间内事件再次被触发，则重
自动写论文的网站推荐这5款实用类工具小猪包333 写论文人工智能深度学习计算机视觉 AI写作
在当今学术研究和写作领域，AI论文写作工具的出现极大地提高了写作效率和质量。这些工具不仅能够帮助研究人员快速生成论文草稿，还能进行内容优化、查重和排版等操作。以下是五款实用类工具推荐，特别是千笔-AIPassPaper。1.千笔-AIPassPaper千笔-AIPassPaper是一款功能强大且全面的AI论文写作助手，用户只需输入基本的研究需求和关键词，便能迅速生成一篇完整的论文。该工具利用先进的
推荐3家毕业AI论文可五分钟一键生成！文末附免费教程！小猪包333 写论文人工智能 AI写作深度学习计算机视觉
在当前的学术研究和写作领域，AI论文生成器已经成为许多研究人员和学生的重要工具。这些工具不仅能够帮助用户快速生成高质量的论文内容，还能进行内容优化、查重和排版等操作。以下是三款值得推荐的AI论文生成器：千笔-AIPassPaper、懒人论文以及AIPaperPass。千笔-AIPassPaper千笔-AIPassPaper是一款基于深度学习和自然语言处理技术的AI写作助手，旨在帮助用户快速生成高质
AI论文写作推荐哪个好？分享5款AI论文写作带数据图表网站小猪包333 写论文人工智能深度学习计算机视觉
在当今学术研究和写作领域，AI论文写作工具的出现极大地提高了写作效率和质量。这些工具不仅能够帮助研究人员快速生成论文草稿，还能进行内容优化、查重和排版等操作。以下是五款推荐的AI论文写作工具，包括千笔-AIPassPaper。千笔-AIPassPaper千笔-AIPassPaper是一款功能强大的AI论文写作助手，旨在帮助用户快速生成高质量的论文内容。AI论文，免费大纲，10分钟3万字https:
MyBatis 详解阿贾克斯的黎明 java mybatis
目录目录一、MyBatis是什么二、为什么使用MyBatis（一）灵活性高（二）性能优化（三）易于维护三、怎么用MyBatis（一）添加依赖（二）配置MyBatis（三）创建实体类和接口（四）使用MyBatis一、MyBatis是什么MyBatis是一个优秀的持久层框架，它支持自定义SQL、存储过程以及高级映射。MyBatis免除了几乎所有的JDBC代码以及设置参数和获取结果集的工作。它可以通过简
[实践应用] 深度学习之优化器 YuanDaima2048 深度学习工具使用 pytorch 深度学习人工智能机器学习 python 优化器
文章总览：YuanDaiMa2048博客文章总览深度学习之优化器1.随机梯度下降（SGD）2.动量优化（Momentum）3.自适应梯度（Adagrad）4.自适应矩估计（Adam）5.RMSprop总结其他介绍在深度学习中，优化器用于更新模型的参数，以最小化损失函数。常见的优化函数有很多种，下面是几种主流的优化器及其特点、原理和PyTorch实现：1.随机梯度下降（SGD）原理:随机梯度下降通过
[实验室服务器使用]使用VSCode、PyCharm、MobaXterm和CMD连接远程服务器 YuanDaima2048 工具使用服务器 vscode pycharm cmd 代理模式机器学习实验
文章总览：YuanDaiMa2048博客文章总览实验室服务器使用：使用VSCode、PyCharm、MobaXterm和CMD连接远程服务器在进行实验室工作时，远程连接服务器是常见的需求之一。本篇文章根据个人的一些使用介绍使用不同工具连接服务器的方法，并提供优化功能，使服务器能够使用本机代理的说明。准备服务器账号信息Host（主机）:10.XXX.XX.XXXPort（端口）:[SSHPort]U
效率神器来了：AI工具手把手教你快速提升工作效能 kkai人工智能人工智能学习媒体 ai chatgpt
随着科技的进步，AI工具已经成为提升工作效率的关键手段。本文将介绍一些实用的AI工具和方法，帮助你自动化繁琐的重复性任务、优化数据管理、促进团队协作与沟通，并提升决策质量。背景：OOPAI-免费问答学习交流-GPT自动化重复性任务Zapier：Zapier可以自动化多个应用程序之间的工作流程。例如，它能自动将Gmail中的附件保存至GoogleDrive，或在你发布新文章时，自动分享至社交媒体平台
APQP，ASPICE，敏捷，功能安全，预期安全，这些汽车行业的一堆标准二大宝贝安全架构
前言APQP,ASPICE,敏捷，功能安全，预期安全，PMP，PRICE2汽车行业的有这样一堆标准。我是半路出家来到汽车行业做项目经理的，对几个标准的感觉是，看了文档和各种解析之后还是一头雾水，不知道到底说了个啥，别人问我还是一脸懵逼。APQP（TS16949的最重要工具），ASPICE（软件）这些是质量标准，是优化整个公司体系的，但这套体系对项目管理有要求；敏捷，PMP这些是项目管理的标准；项目
程序员如何在AI时代保持核心竞争力 nfgo chatgpt 人工智能
程序员如何在AI时代保持核心竞争力随着AIGC（如ChatGPT、MidJourney、Claude等）大语言模型的相继涌现，AI辅助编程工具逐渐普及，程序员的工作方式正在发生深刻的变革。AI不仅能够自动生成代码，还能优化、调试、甚至提出解决方案。这一趋势让许多人担心：AI会不会最终取代部分编程工作？然而，也有人认为AI是提升效率的得力助手。那么，程序员在这个AI崛起的时代该如何应对？是专注某个领
广东麻将开发红匣子实力推荐
在中国，麻将作为一种深受人们喜爱的传统娱乐活动，已经有着数百年的历史。随着互联网和移动设备的普及，麻将游戏也从实体桌面转移到了数字平台，其中广东麻将因其独特的地方特色和玩法而备受青睐。本文将介绍广东麻将的开发过程，包括其设计理念、技术实现以及用户体验优化等方面。一、设计理念：广东麻将开发的核心理念是保留传统麻将的精髓，同时融入现代科技元素，使游戏既具有亲切感又不失趣味性。开发者通常会深入研究广东地
3.1 损失函数和优化：损失函数做只小考拉
用一个函数把W当做输入，然后看一下得分，定量地估计W的好坏，这个函数被称为“损失函数”。损失函数用于度量W的好坏。有了损失函数的概念后，就可以定量的衡量W到底是好还是坏，要找到一种有效的方法来从W的可行域里，找到W取何值时情况最不坏，，这个过程将会是一个优化过程。损失函数L_i定义：通过函数f给出预测的分数和真实的目标（或者说是标签y），可以定量的描述训练样本预测的好不好，最终的损失函数是在整个数
metaRTC8.0，一个全新架构的webRTC SDK库 metaRTC webrtc 音视频
概述metaRTC8.0是metaRTC开源以来架构变化最大的一个版本，是metaIPC3.0等高性能的基础。metaRTC8.0是一个全新架构版本，并非在metaRTC7.0版本上简单升级，在QOS/语音对讲/内存占用/视频文件录制读取等方面新增多个模块，在弱网对抗/语音对讲/内存优化等效果上有显著提升。metaRTC8.0在一年多的开发中进行了近200次迭代，metaRTC8.0社区版计划在2
如何在电商平台上使用API接口数据优化商品价格 weixin_43841111 api 数据挖掘人工智能 python java 大数据前端爬虫
利用API接口数据来优化电商商品价格是一个涉及数据收集、分析、策略制定以及实时调整价格的过程。这不仅能提高市场竞争力，还能通过精准定价最大化利润。以下是一些关键步骤和策略，用于通过API接口数据优化电商商品价格：1.数据收集竞争对手价格监控：使用API接口（如Scrapy、BeautifulSoup等工具结合Python进行网页数据抓取，或使用专门的API服务如PriceIntelligence、
未来软件市场是怎么样的？做开发的生存空间如何？ cesske 软件需求
目录前言一、未来软件市场的发展趋势二、软件开发人员的生存空间前言未来软件市场是怎么样的？做开发的生存空间如何？一、未来软件市场的发展趋势技术趋势：人工智能与机器学习：随着技术的不断成熟，人工智能将在更多领域得到应用，如智能客服、自动驾驶、智能制造等，这将极大地推动软件市场的增长。云计算与大数据：云计算服务将继续普及，大数据技术的应用也将更加广泛。企业将更加依赖云计算和大数据来优化运营、提升效率，并
《Mesh 组网和 AC+AP 组网的优缺点》 jiyiwangluokeji 网络工程网络
Mesh组网和AC+AP组网的优缺点。Mesh组网的优点：1.部署灵活：节点之间可以通过无线方式连接，新增节点比较方便，无需事先规划布线。2.自我修复和优化：如果某个节点出现故障，网络可以自动重新路由数据，保证网络的稳定性。3.覆盖范围广：可以通过添加节点轻松扩展覆盖区域。4.设备选型多样：市面上有多种不同品牌和型号的Mesh路由器可供选择。Mesh组网的缺点：1.无线回程可能存在性能瓶颈：如果节
Rust是否会取代C/C++？Rust与C/C++的较量 AI与编程之窗源码编译与开发 rust c语言 c++内存安全并发编程代码安全性能优化
目录引言第一部分：Rust语言的优势内存安全性并发性性能社区和生态系统的成长第二部分：C/C++语言的优势和地位历史积淀和成熟度广泛的库和工具支持性能优化和硬件控制丰富的行业应用社区和行业支持第三部分：挑战和阻碍学习曲线现有代码库的迁移成本生态系统和工具链的完善度社区和人才培养行业应用和推广法规和标准化第四部分：未来趋势和可能性行业趋势教育和人才培养兼容和共存行业标准化企业支持和应用开源社区和生态
三角洲行动内测资格怎么获得三角洲行动内测服怎么进入会飞滴鱼儿
手游内测资格怎么获得？这是每款新游戏开放内测的时候，玩家问的最多的一个问题，其实现在大多数游戏在上线之前官方都会开启几轮的内测测试，每轮测试之后，官方会收集全部运行过程中的数据，来进行优化和改进，至此这也是每款游戏的定律，但是有一个问题的就是，不管哪款游戏，开启测试的时候，名额都是有限的，经常都有很多玩家想要测试资格，却无论怎么也不会获得，本期小编就来给大家整理几个方法，让大家抢先一步！游戏内测资
网站推广爬虫 Bearjumpingcandy 爬虫
网站推广爬虫是一种用于升网站曝光度和推广效果的工具。它通过自动化地访问和收集网站信息，从而实现对目标网站的广告、关键词、排名等数据进行分析和优化。以下是网站推广爬虫的一些介绍：数据收集：网站推广爬虫可以自动访问目标网站，并收集相关的数据，如网站流量、关键词排名、竞争对手信息等。这些数据可以帮助网站推广人员了解网站的现状和竞争环境，从而制定相应的推广策略。关键词优化：通过分析搜索引擎的关键词排名情况
Go编程语言前景怎么样？参加培训好就业吗 QFdongdong
Go语言专门针对多处理器系统应用程序的编程进行了优化，使用Go编译的程序可以媲美C或C++代码的速度，而且更加安全、支持并行进程。不仅可以开发web,可以开发底层，目前知乎就是用golang开发。区块链首选语言就是go,以-太坊，超级账本都是基于go语言，还有go语言版本的btcd.Go的目标是希望提升现有编程语言对程序库等依赖性(dependency)的管理，这些软件元素会被应用程序反复调用。由
Spring4.1新特性——综述 jinnianshilongnian spring 4.1
目录 Spring4.1新特性——综述 Spring4.1新特性——Spring核心部分及其他 Spring4.1新特性——Spring缓存框架增强 Spring4.1新特性——异步调用和事件机制的异常处理 Spring4.1新特性——数据库集成测试脚本初始化 Spring4.1新特性——Spring MVC增强 Spring4.1新特性——页面自动化测试框架Spring MVC T
Schema与数据类型优化 annan211 数据结构 mysql
目前商城的数据库设计真是一塌糊涂，表堆叠让人不忍直视，无脑的架构师，说了也不听。在数据库设计之初，就应该仔细揣摩可能会有哪些查询，有没有更复杂的查询，而不是仅仅突出很表面的业务需求，这样做会让你的数据库性能成倍提高，当然，丑陋的架构师是不会这样去考虑问题的。选择优化的数据类型 1 更小的通常更好更小的数据类型通常更快，因为他们占用更少的磁盘、内存和cpu缓存，
第一节 HTML概要学习 chenke html Web css
第一节 HTML概要学习 1. 什么是HTML HTML是英文Hyper Text Mark-up Language(超文本标记语言)的缩写，它规定了自己的语法规则，用来表示比“文本”更丰富的意义，比如图片，表格，链接等。浏览器（IE,FireFox等）软件知道HTML语言的语法，可以用来查看HTML文档。目前互联网上的绝大部分网页都是使用HTML编写的。打开记事本输入一下内
MyEclipse里部分习惯的更改 Array_06 eclipse
继续补充中---------------------- 1.更改自己合适快捷键windows-->prefences-->java-->editor-->Content Assist--> Activation triggers for java的右侧“.”就可以改变常用的快捷键选中 Text
近一个月的面试总结 cugfy 面试
本文是在学习中的总结，欢迎转载但请注明出处：http://blog.csdn.net/pistolove/article/details/46753275 前言打算换个工作，近一个月面试了不少的公司，下面将一些面试经验和思考分享给大家。另外校招也快要开始了，为在校的学生提供一些经验供参考，希望都能找到满意的工作。
HTML5一个小迷宫游戏 357029540 html5
通过《HTML5游戏开发》摘抄了一个小迷宫游戏，感觉还不错，可以画画，写字，把摘抄的代码放上来分享下，喜欢的同学可以拿来玩玩！ <html> <head> <title>创建运行迷宫</title> <script type="text/javascript"
10步教你上传githib数据张亚雄 git
官方的教学还有其他博客里教的都是给懂的人说得，对已我们这样对我大菜鸟只能这么来锻炼，下面先不玩什么深奥的，先暂时用着10步干净利索。等玩顺溜了再用其他的方法。操作过程（查看本目录下有哪些文件NO.1）ls （跳转到子目录NO.2）cd+空格+目录（继续NO.3）ls （匹配到子目录NO.4）cd+ 目录首写字母+tab键+（首写字母“直到你所用文件根就不再按TAB键了”）（查看文件
MongoDB常用操作命令大全 adminjun mongodb 操作命令
成功启动MongoDB后，再打开一个命令行窗口输入mongo，就可以进行数据库的一些操作。输入help可以看到基本操作命令，只是MongoDB没有创建数据库的命令，但有类似的命令如：如果你想创建一个“myTest”的数据库，先运行use myTest命令，之后就做一些操作（如：db.createCollection('user')）,这样就可以创建一个名叫“myTest”的数据库。一
bat调用jar包并传入多个参数 aijuans
下面的主程序是通过eclipse写的： 1.在Main函数接收bat文件传递的参数（String[] args）如： String ip =args[0]; String user=args[1]; &nbs
Java中对类的主动引用和被动引用 ayaoxinchao java 主动引用对类的引用被动引用类初始化
在Java代码中，有些类看上去初始化了，但其实没有。例如定义一定长度某一类型的数组，看上去数组中所有的元素已经被初始化，实际上一个都没有。对于类的初始化，虚拟机规范严格规定了只有对该类进行主动引用时，才会触发。而除此之外的所有引用方式称之为对类的被动引用，不会触发类的初始化。虚拟机规范严格地规定了有且仅有四种情况是对类的主动引用，即必须立即对类进行初始化。四种情况如下：1.遇到ne
导出数据库提示 outfile disabled BigBird2012 mysql
在windows控制台下，登陆mysql，备份数据库： mysql>mysqldump -u root -p test test > D:\test.sql 使用命令 mysqldump 格式如下： mysqldump -u root -p *** DBNAME > E:\\test.sql。注意：执行该命令的时候不要进入mysql的控制台再使用，这样会报
Javascript 中的 && 和 || bijian1013 JavaScript &&||
准备两个对象用于下面的讨论 var alice = { name: "alice", toString: function () { return this.name; } } var smith = { name: "smith",
[Zookeeper学习笔记之四]Zookeeper Client Library会话重建 bit1129 zookeeper
为了说明问题，先来看个简单的示例代码： package com.tom.zookeeper.book; import com.tom.Host; import org.apache.zookeeper.WatchedEvent; import org.apache.zookeeper.ZooKeeper; import org.apache.zookeeper.Wat
【Scala十一】Scala核心五：case模式匹配 bit1129 scala
package spark.examples.scala.grammars.caseclasses object CaseClass_Test00 { def simpleMatch(arg: Any) = arg match { case v: Int => "This is an Int" case v: (Int, String)
运维的一些面试题 yuxianhua linux
1、Linux挂载Winodws共享文件夹 mount -t cifs //1.1.1.254/ok /var/tmp/share/ -o username=administrator,password=yourpass 或 mount -t cifs -o username=xxx,password=xxxx //1.1.1.1/a /win
Java lang包-Boolean BrokenDreams boolean
Boolean类是Java中基本类型boolean的包装类。这个类比较简单，直接看源代码吧。 public final class Boolean implements java.io.Serializable,
读《研磨设计模式》-代码笔记-命令模式-Command bylijinnan java 设计模式
声明：本文只为方便我个人查阅和理解，详细的分析以及源代码请移步原作者的博客http://chjavach.iteye.com/ import java.util.ArrayList; import java.util.Collection; import java.util.List; /** * GOF 在《设计模式》一书中阐述命令模式的意图：“将一个请求封装
matlab下GPU编程笔记 cherishLC matlab
不多说，直接上代码 gpuDevice % 查看系统中的gpu,,其中的DeviceSupported会给出matlab支持的GPU个数。 g=gpuDevice(1); %会清空 GPU 1中的所有数据,,将GPU1 设为当前GPU reset(g) %也可以清空GPU中数据。 a=1; a=gpuArray(a); %将a从CPU移到GPU中 onGP
SVN安装过程 crabdave SVN
SVN安装过程 subversion-1.6.12 ./configure --prefix=/usr/local/subversion --with-apxs=/usr/local/apache2/bin/apxs --with-apr=/usr/local/apr --with-apr-util=/usr/local/apr --with-openssl=/
sql　行列转换 daizj sql 行列转换行转列列转行
行转列的思想是通过case when 来实现列转行的思想是通过union all 来实现下面具体例子：假设有张学生成绩表(tb)如下: Name Subject Result 张三语文　　74 张三数学　　83 张三物理　　93 李四语文　　74 李四数学　　84 李四物理　　94 */ /* 想变成姓名 &
MySQL--主从配置 dcj3sjt126com mysql
linux下的mysql主从配置：说明：由于MySQL不同版本之间的(二进制日志)binlog格式可能会不一样，因此最好的搭配组合是Master的MySQL版本和Slave的版本相同或者更低， Master的版本肯定不能高于Slave版本。（版本向下兼容） mysql1 : 192.168.100.1 //master mysq
关于yii 数据库添加新字段之后model类的修改 dcj3sjt126com Model
rules: array('新字段','safe','on'=>'search') 1、array('新字段', 'safe')//这个如果是要用户输入的话，要加一下， 2、array('新字段', 'numerical'),//如果是数字的话 3、array('新字段', 'length', 'max'=>100),//如果是文本 1、2、3适当的最少要加一条，新字段才会被
sublime text3 中文乱码解决 dyy_gusi Sublime Text
sublime text3中文乱码解决原因：缺少转换为UTF-8的插件目的：安装ConvertToUTF8插件包第一步：安装能自动安装插件的插件，百度“Codecs33”，然后按照步骤可以得到以下一段代码： import urllib.request,os,hashlib; h = 'eb2297e1a458f27d836c04bb0cbaf282' + 'd0e7a30980927
概念了解：CGI，FastCGI，PHP-CGI与PHP-FPM geeksun PHP
CGI CGI全称是“公共网关接口”(Common Gateway Interface)，HTTP服务器与你的或其它机器上的程序进行“交谈”的一种工具，其程序须运行在网络服务器上。 CGI可以用任何一种语言编写，只要这种语言具有标准输入、输出和环境变量。如php,perl,tcl等。 FastCGI FastCGI像是一个常驻(long-live)型的CGI，它可以一直执行着，只要激活后，不
Git push 报错 "error: failed to push some refs to " 解决 hongtoushizi git
Git push 报错 "error: failed to push some refs to " . 此问题出现的原因是：由于远程仓库中代码版本与本地不一致冲突导致的。由于我在第一次git pull --rebase 代码后，准备push的时候，有别人往线上又提交了代码。所以出现此问题。解决方案： 1： git pull 2：
第四章 Lua模块开发 jinnianshilongnian nginx lua
在实际开发中，不可能把所有代码写到一个大而全的lua文件中，需要进行分模块开发；而且模块化是高性能Lua应用的关键。使用require第一次导入模块后，所有Nginx 进程全局共享模块的数据和代码，每个Worker进程需要时会得到此模块的一个副本（Copy-On-Write），即模块可以认为是每Worker进程共享而不是每Nginx Server共享；另外注意之前我们使用init_by_lua中初
java.lang.reflect.Proxy liyonghui160com
1.简介 Proxy 提供用于创建动态代理类和实例的静态方法（1）动态代理类的属性代理类是公共的、最终的，而不是抽象的未指定代理类的非限定名称。但是，以字符串 "$Proxy" 开头的类名空间应该为代理类保留代理类扩展 java.lang.reflect.Proxy 代理类会按同一顺序准确地实现其创建时指定的接口
Java中getResourceAsStream的用法 pda158 java
1.Java中的getResourceAsStream有以下几种： 1. Class.getResourceAsStream(String path) ： path 不以’/'开头时默认是从此类所在的包下取资源，以’/'开头则是从ClassPath根下获取。其只是通过path构造一个绝对路径，最终还是由ClassLoader获取资源。　　2. Class.getClassLoader.get
spring 包官方下载地址（非maven） sinnk spring
SPRING官方网站改版后，建议都是通过 Maven和Gradle下载，对不使用Maven和Gradle开发项目的，下载就非常麻烦，下给出Spring Framework jar官方直接下载路径: http://repo.springsource.org/libs-release-local/org/springframework/spring/ s
Oracle学习笔记(7) 开发PLSQL子程序和包 vipbooks oracle sql 编程
哈哈，清明节放假回去了一下，真是太好了，回家的感觉真好啊！现在又开始出差之旅了，又好久没有来了，今天继续Oracle的学习！这是第七章的学习笔记，学习完第六章的动态SQL之后，开始要学习子程序和包的使用了……，希望大家能多给俺一些支持啊！编程时使用的工具是PLSQL