tswisdom
tswisdom

Oracle - 怎样使用B树索引和位图索引

注：low-cardinality是指该列或者列的组合具有的不同值的个数较少，即该列有很多重复值。high-cardinality是指该列或者列的组合具有不同的值的个数较多，即该列有很少的重复值。

理解每种索引的适用场合将对性能产生重大影响。

传统观念认为位图索引最适用于拥有很少不同值的列 ---- 例如GENDER, MARITAL_STATUS,和RELATION。但是，这种假设是不准确的。实际上，对于大多非频繁更新的并发系统，位图索引也是适用的。事实上，下面将会展示，对以一个具有100%唯一值的列（主键的候选列）来说，位图索引和B树索引一样有效。

本文将提供一些例子以及优化建议，它们对于low-cardinality和high-cardinality上的两种索引都是通用的。这些例子将帮助DBA理解位图索引不是依赖于cardinality而是依赖于程序自身。

索引比较

在唯一列上使用位图索引有一些缺点 --- 其中一个是需要足够的空间(Oracle不推荐使用)。但是，位图索引的大小不但与位图索引列的cardinality有关，还与数据的分布有关。因此，GENDER列上的位图索引比B树索引要小，相反，EMPNO上的位图索引比B树索引大的多。但是，相对于OLTP系统来说，决策支持系统只有很少的用户访问，因而对于这些系统，资源不是问题。

为了阐明这个观点，我创建了两个表，test_normal和test_random。用PL/SQL块在test_normal中插入100万条记录，然后在test_random表中随机插入相同的记录。

  1. Create table test_normal (empno number(10), ename varchar2(30), sal number(10));
  3. Begin
  4. For i in 1..1000000
  5. Loop
  6. Insert into test_normal
  7. values(i, dbms_random.string('U',30), dbms_random.value(1000,7000));
  8. If mod(i, 10000) = 0 then
  9. Commit;
  10. End if;
  11. End loop;
  12. End;
  13. /
  15. Create table test_random
  16. as
  17. select /*+ append */ * from test_normal order by dbms_random.random;
  19. SQL> select count(*) "Total Rows" from test_normal;
  21. Total Rows
  22. ----------
  23. 1000000
  25. Elapsed: 00:00:01.09
  27. SQL> select count(distinct empno) "Distinct Values" from test_normal;
  29. Distinct Values
  30. ---------------
  31. 1000000
  33. Elapsed: 00:00:06.09
  34. SQL> select count(*) "Total Rows" from test_random;
  36. Total Rows
  37. ----------
  38. 1000000
  40. Elapsed: 00:00:03.05
  41. SQL> select count(distinct empno) "Distinct Values" from test_random;
  43. Distinct Values
  44. ---------------
  45. 1000000
  47. Elapsed: 00:00:12.07
Create table test_normal (empno number(10), ename varchar2(30), sal number(10)); Begin For i in 1..1000000 Loop Insert into test_normal values(i, dbms_random.string('U',30), dbms_random.value(1000,7000)); If mod(i, 10000) = 0 then Commit; End if; End loop; End; / Create table test_random as select /*+ append */ * from test_normal order by dbms_random.random; SQL> select count(*) "Total Rows" from test_normal; Total Rows ---------- 1000000 Elapsed: 00:00:01.09 SQL> select count(distinct empno) "Distinct Values" from test_normal; Distinct Values --------------- 1000000 Elapsed: 00:00:06.09 SQL> select count(*) "Total Rows" from test_random; Total Rows ---------- 1000000 Elapsed: 00:00:03.05 SQL> select count(distinct empno) "Distinct Values" from test_random; Distinct Values --------------- 1000000 Elapsed: 00:00:12.07

注意，test_normal表是组织良好的，test_random表是随机创建的，因此，其中的数据是无组织的。在上面的表中，EMPNO列上的值完全不同，因此可以作为候选主键。如果你把该列定义为主键，oracle将会建立一个B树索引，因为Oracle不支持主键位图索引。

为了分析这些索引的行为，我们执行下面的步骤：

  1. 在表test_normal上：
    1. 在EMPNO列上建立一个位图索引，并执行一些相等性查询。
    2. 在EMPNO列上建立一个B树索引，执行一些相等性查询，并且比较获得不同结果集所执行的查询需要的物理I/O和逻辑I/O的次数。
  2. 在表test_random表上：
    1. 和1.1相同的步骤
    2. 和1.2相同的步骤
  3. 在表test_normal上：
    1. 和1.1相同的步骤，但是执行范围查询。
    2. 和1.2相同的步骤，但是执行范围查询。比较统计结果。
  4. 在表test_random表上：
    1. 和3.1相同的步骤。
    2. 和3.2相同的步骤
  5. 在表test_normal上：
    1. 在SAL列上建立一个位图索引，并且执行一些相等性查询和范围查询。
    2. 在SAL列上建立一个B树索引，并且执行一些相等性查询和范围查询(和5.1相同的结果集)，比较获取结果执行的I/O次数。
  6. 在两个表中添加GENDER列，并且把该列更新为3个可能的值：M(女性), F(男性), null(未知)。根据一些条件更新该列的值。
  7. 在该列上建立一个位图索引并且执行一些相等性查询。
  8. 在GENDER列上建立一个B树索引并且执行一些相等性查询，和步骤7的结果比较。

步骤1到4涉及一个high-cardinality列（完全不同），步骤5是一个normal-cardinality列，步骤7和8是一个low-cardinality列。

步骤1.1（在表test_normal上）

在该步中，我们在表test_normal上建立一个位图索引，然后检查索引的大小、聚簇因子(clustering factor)和表的大小。然后执行一些相等性查询并且查看使用位图索引时查询需要的I/O次数。

  1. SQL> create bitmap index normal_empno_bmx on test_normal(empno);
  3. Index created.
  5. Elapsed: 00:00:29.06
  6. SQL> analyze table test_normal compute statistics for table for all indexes for all indexed columns;
  9. Table analyzed.
  11. Elapsed: 00:00:19.01
  12. SQL> select substr(segment_name,1,30) segment_name, bytes/1024/1024 "Size in MB"
  13. 2 from user_segments
  14. 3* where segment_name in ('TEST_NORMAL','NORMAL_EMPNO_BMX');
  16. SEGMENT_NAME Size in MB
  17. ------------------------------------ ---------------
  18. TEST_NORMAL 50
  19. NORMAL_EMPNO_BMX 28
  21. Elapsed: 00:00:02.00
  22. SQL> select index_name, clustering_factor from user_indexes;
  24. INDEX_NAME CLUSTERING_FACTOR
  25. ------------------------------ ---------------------------------
  26. NORMAL_EMPNO_BMX 1000000
  28. Elapsed: 00:00:00.00
SQL> create bitmap index normal_empno_bmx on test_normal(empno); Index created. Elapsed: 00:00:29.06 SQL> analyze table test_normal compute statistics for table for all indexes for all indexed columns; Table analyzed. Elapsed: 00:00:19.01 SQL> select substr(segment_name,1,30) segment_name, bytes/1024/1024 "Size in MB" 2 from user_segments 3* where segment_name in ('TEST_NORMAL','NORMAL_EMPNO_BMX'); SEGMENT_NAME Size in MB ------------------------------------ --------------- TEST_NORMAL 50 NORMAL_EMPNO_BMX 28 Elapsed: 00:00:02.00 SQL> select index_name, clustering_factor from user_indexes; INDEX_NAME CLUSTERING_FACTOR ------------------------------ --------------------------------- NORMAL_EMPNO_BMX 1000000 Elapsed: 00:00:00.00

可以看到，表上索引的大小是28M并且聚簇因子的大小等于表中的行数。现在我们为不同的结果集执行一些相等性查询：

  1. SQL> set autotrace only
  2. SQL> select * from test_normal where empno=&empno;
  3. Enter value for empno: 1000
  4. old 1: select * from test_normal where empno=&empno
  5. new 1: select * from test_normal where empno=1000
  7. Elapsed: 00:00:00.01
  9. Execution Plan
  10. ----------------------------------------------------------
  11. 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=4 Card=1 Bytes=34)
  12. 1 0 TABLE ACCESS (BY INDEX ROWID) OF 'TEST_NORMAL' (Cost=4 Car
  13. d=1 Bytes=34)
  14. 2 1 BITMAP CONVERSION (TO ROWIDS)
  15. 3 2 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_EMPNO_BMX'
  17. Statistics
  18. ----------------------------------------------------------
  19. 0 recursive calls
  20. 0 db block gets
  21. 5 consistent gets
  22. 0 physical reads
  23. 0 redo size
  24. 515 bytes sent via SQL*Net to client
  25. 499 bytes received via SQL*Net from client
  26. 2 SQL*Net roundtrips to/from client
  27. 0 sorts (memory)
  28. 0 sorts (disk)
  29. 1 rows processed
SQL> set autotrace only SQL> select * from test_normal where empno=&empno; Enter value for empno: 1000 old 1: select * from test_normal where empno=&empno new 1: select * from test_normal where empno=1000 Elapsed: 00:00:00.01 Execution Plan ---------------------------------------------------------- 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=4 Card=1 Bytes=34) 1 0 TABLE ACCESS (BY INDEX ROWID) OF 'TEST_NORMAL' (Cost=4 Car d=1 Bytes=34) 2 1 BITMAP CONVERSION (TO ROWIDS) 3 2 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_EMPNO_BMX' Statistics ---------------------------------------------------------- 0 recursive calls 0 db block gets 5 consistent gets 0 physical reads 0 redo size 515 bytes sent via SQL*Net to client 499 bytes received via SQL*Net from client 2 SQL*Net roundtrips to/from client 0 sorts (memory) 0 sorts (disk) 1 rows processed

步骤1.2（在表test_normal上）

现在删除表中EMPNO列上的位图索引并创建一个B树索引。像前面一样我们查看索引的大小、聚簇因子的大小并且执行相同的查询，比较I/O的次数。

  1. SQL> drop index NORMAL_EMPNO_BMX;
  3. Index dropped.
  5. SQL> create index normal_empno_idx on test_normal(empno);
  7. Index created.
  9. SQL> analyze table test_normal compute statistics for table for all indexes for all indexed columns;
  11. Table analyzed.
  13. SQL> select substr(segment_name,1,30) segment_name, bytes/1024/1024 "Size in MB"
  14. 2 from user_segments
  15. 3 where segment_name in ('TEST_NORMAL','NORMAL_EMPNO_IDX');
  17. SEGMENT_NAME Size in MB
  18. ---------------------------------- ---------------
  19. TEST_NORMAL 50
  20. NORMAL_EMPNO_IDX 18
  22. SQL> select index_name, clustering_factor from user_indexes;
  24. INDEX_NAME CLUSTERING_FACTOR
  25. ---------------------------------- ----------------------------------
  26. NORMAL_EMPNO_IDX 6210
SQL> drop index NORMAL_EMPNO_BMX; Index dropped. SQL> create index normal_empno_idx on test_normal(empno); Index created. SQL> analyze table test_normal compute statistics for table for all indexes for all indexed columns; Table analyzed. SQL> select substr(segment_name,1,30) segment_name, bytes/1024/1024 "Size in MB" 2 from user_segments 3 where segment_name in ('TEST_NORMAL','NORMAL_EMPNO_IDX'); SEGMENT_NAME Size in MB ---------------------------------- --------------- TEST_NORMAL 50 NORMAL_EMPNO_IDX 18 SQL> select index_name, clustering_factor from user_indexes; INDEX_NAME CLUSTERING_FACTOR ---------------------------------- ---------------------------------- NORMAL_EMPNO_IDX 6210

很明显，在该表的EMPNO列上，B树索引比位图索引要小。B树索引上的聚簇因子接近于表中的数据块数；因此B树索引对于范围查询更有效。

现在，我们使用B树索引执行相同的查询。

  1. SQL> set autot trace
  2. SQL> select * from test_normal where empno=&empno;
  3. Enter value for empno: 1000
  4. old 1: select * from test_normal where empno=&empno
  5. new 1: select * from test_normal where empno=1000
  7. Elapsed: 00:00:00.01
  9. Execution Plan
  10. ----------------------------------------------------------
  11. 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=4 Card=1 Bytes=34)
  12. 1 0 TABLE ACCESS (BY INDEX ROWID) OF 'TEST_NORMAL' (Cost=4 Car
  13. d=1 Bytes=34)
  14. 2 1 INDEX (RANGE SCAN) OF 'NORMAL_EMPNO_IDX' (NON-UNIQUE) (C
  15. ost=3 Card=1)
  17. Statistics
  18. ----------------------------------------------------------
  19. 29 recursive calls
  20. 0 db block gets
  21. 5 consistent gets
  22. 0 physical reads
  23. 0 redo size
  24. 515 bytes sent via SQL*Net to client
  25. 499 bytes received via SQL*Net from client
  26. 2 SQL*Net roundtrips to/from client
  27. 0 sorts (memory)
  28. 0 sorts (disk)
  29. 1 rows processed
SQL> set autot trace SQL> select * from test_normal where empno=&empno; Enter value for empno: 1000 old 1: select * from test_normal where empno=&empno new 1: select * from test_normal where empno=1000 Elapsed: 00:00:00.01 Execution Plan ---------------------------------------------------------- 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=4 Card=1 Bytes=34) 1 0 TABLE ACCESS (BY INDEX ROWID) OF 'TEST_NORMAL' (Cost=4 Car d=1 Bytes=34) 2 1 INDEX (RANGE SCAN) OF 'NORMAL_EMPNO_IDX' (NON-UNIQUE) (C ost=3 Card=1) Statistics ---------------------------------------------------------- 29 recursive calls 0 db block gets 5 consistent gets 0 physical reads 0 redo size 515 bytes sent via SQL*Net to client 499 bytes received via SQL*Net from client 2 SQL*Net roundtrips to/from client 0 sorts (memory) 0 sorts (disk) 1 rows processed

可以看到，对于相同的结果集，在唯一列上的位图索引和B树索引需要相同的物理和逻辑读取次数。

BITMAP（位图） EMPNO B-TREE（B树）
Consistent Reads Physical Reads Consistent Reads Physical Reads
5 0 1000 5 0
5 2 2398 5 2
5 2 8545 5 2
5 2 98008 5 2
5 2 85342 5 2
5 2 128444 5 2
5 2 858 5 2

步骤2.1（在表test_random上）

现在，在test_random表上执行相同的操作：

  1. SQL> create bitmap index random_empno_bmx on test_random(empno);
  3. Index created.
  5. SQL> analyze table test_random compute statistics for table for all indexes for all indexed columns;
  7. Table analyzed.
  9. SQL> select substr(segment_name,1,30) segment_name, bytes/1024/1024 "Size in MB"
  10. 2 from user_segments
  11. 3* where segment_name in ('TEST_RANDOM','RANDOM_EMPNO_BMX');
  13. SEGMENT_NAME Size in MB
  14. ------------------------------------ ---------------
  15. TEST_RANDOM 50
  16. RANDOM_EMPNO_BMX 28
  18. SQL> select index_name, clustering_factor from user_indexes;
  20. INDEX_NAME CLUSTERING_FACTOR
  21. ------------------------------ ---------------------------------
  22. RANDOM_EMPNO_BMX 1000000
SQL> create bitmap index random_empno_bmx on test_random(empno); Index created. SQL> analyze table test_random compute statistics for table for all indexes for all indexed columns; Table analyzed. SQL> select substr(segment_name,1,30) segment_name, bytes/1024/1024 "Size in MB" 2 from user_segments 3* where segment_name in ('TEST_RANDOM','RANDOM_EMPNO_BMX'); SEGMENT_NAME Size in MB ------------------------------------ --------------- TEST_RANDOM 50 RANDOM_EMPNO_BMX 28 SQL> select index_name, clustering_factor from user_indexes; INDEX_NAME CLUSTERING_FACTOR ------------------------------ --------------------------------- RANDOM_EMPNO_BMX 1000000

再次，索引上的统计结果（大小和聚簇因子）和在表test_normal中是相同的：

  1. SQL> select * from test_random where empno=&empno;
  2. Enter value for empno: 1000
  3. old 1: select * from test_random where empno=&empno
  4. new 1: select * from test_random where empno=1000
  6. Elapsed: 00:00:00.01
  8. Execution Plan
  9. ----------------------------------------------------------
  10. 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=4 Card=1 Bytes=34)
  11. 1 0 TABLE ACCESS (BY INDEX ROWID) OF 'TEST_RANDOM' (Cost=4 Card=1 Bytes=34)
  12. 2 1 BITMAP CONVERSION (TO ROWIDS)
  13. 3 2 BITMAP INDEX (SINGLE VALUE) OF 'RANDOM_EMPNO_BMX'
  15. Statistics
  16. ----------------------------------------------------------
  17. 0 recursive calls
  18. 0 db block gets
  19. 5 consistent gets
  20. 0 physical reads
  21. 0 redo size
  22. 515 bytes sent via SQL*Net to client
  23. 499 bytes received via SQL*Net from client
  24. 2 SQL*Net roundtrips to/from client
  25. 0 sorts (memory)
  26. 0 sorts (disk)
  27. 1 rows processed
SQL> select * from test_random where empno=&empno; Enter value for empno: 1000 old 1: select * from test_random where empno=&empno new 1: select * from test_random where empno=1000 Elapsed: 00:00:00.01 Execution Plan ---------------------------------------------------------- 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=4 Card=1 Bytes=34) 1 0 TABLE ACCESS (BY INDEX ROWID) OF 'TEST_RANDOM' (Cost=4 Card=1 Bytes=34) 2 1 BITMAP CONVERSION (TO ROWIDS) 3 2 BITMAP INDEX (SINGLE VALUE) OF 'RANDOM_EMPNO_BMX' Statistics ---------------------------------------------------------- 0 recursive calls 0 db block gets 5 consistent gets 0 physical reads 0 redo size 515 bytes sent via SQL*Net to client 499 bytes received via SQL*Net from client 2 SQL*Net roundtrips to/from client 0 sorts (memory) 0 sorts (disk) 1 rows processed

步骤2.2（在表test_random上）

现在，和步骤1.2一样，我们删除EMPNO列上的位图索引并且创建一个B树索引。

  1. SQL> drop index RANDOM_EMPNO_BMX;
  3. Index dropped.
  5. SQL> create index random_empno_idx on test_random(empno);
  7. Index created.
  9. SQL> analyze table test_random compute statistics for table for all indexes for all indexed columns;
  11. Table analyzed.
  13. SQL> select substr(segment_name,1,30) segment_name, bytes/1024/1024 "Size in MB"
  14. 2 from user_segments
  15. 3 where segment_name in ('TEST_RANDOM','RANDOM_EMPNO_IDX');
  17. SEGMENT_NAME Size in MB
  18. ---------------------------------- ---------------
  19. TEST_RANDOM 50
  20. RANDOM_EMPNO_IDX 18
  22. SQL> select index_name, clustering_factor from user_indexes;
  24. INDEX_NAME CLUSTERING_FACTOR
  25. ---------------------------------- ----------------------------------
  26. RANDOM_EMPNO_IDX 999830
SQL> drop index RANDOM_EMPNO_BMX; Index dropped. SQL> create index random_empno_idx on test_random(empno); Index created. SQL> analyze table test_random compute statistics for table for all indexes for all indexed columns; Table analyzed. SQL> select substr(segment_name,1,30) segment_name, bytes/1024/1024 "Size in MB" 2 from user_segments 3 where segment_name in ('TEST_RANDOM','RANDOM_EMPNO_IDX'); SEGMENT_NAME Size in MB ---------------------------------- --------------- TEST_RANDOM 50 RANDOM_EMPNO_IDX 18 SQL> select index_name, clustering_factor from user_indexes; INDEX_NAME CLUSTERING_FACTOR ---------------------------------- ---------------------------------- RANDOM_EMPNO_IDX 999830

该表的索引大小和表test_normal是一样的，但是聚簇因子更接近于行数，这就使得该索引对于范围查询不再高效。该聚簇因子不影响相等性查询，因为该列的值是唯一的，每个键对应1行记录。

现在，在相同的结果集上执行相等性查询。

  1. SQL> select * from test_random where empno=&empno;
  2. Enter value for empno: 1000
  3. old 1: select * from test_random where empno=&empno
  4. new 1: select * from test_random where empno=1000
  6. Elapsed: 00:00:00.01
  8. Execution Plan
  9. ----------------------------------------------------------
  10. 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=4 Card=1 Bytes=34)
  11. 1 0 TABLE ACCESS (BY INDEX ROWID) OF 'TEST_RANDOM' (Cost=4 Card=1 Bytes=34)
  12. 2 1 INDEX (RANGE SCAN) OF 'RANDOM_EMPNO_IDX' (NON-UNIQUE) (Cost=3 Card=1)
  14. Statistics
  15. ----------------------------------------------------------
  16. 0 recursive calls
  17. 0 db block gets
  18. 5 consistent gets
  19. 0 physical reads
  20. 0 redo size
  21. 515 bytes sent via SQL*Net to client
  22. 499 bytes received via SQL*Net from client
  23. 2 SQL*Net roundtrips to/from client
  24. 0 sorts (memory)
  25. 0 sorts (disk)
  26. 1 rows processed
SQL> select * from test_random where empno=&empno; Enter value for empno: 1000 old 1: select * from test_random where empno=&empno new 1: select * from test_random where empno=1000 Elapsed: 00:00:00.01 Execution Plan ---------------------------------------------------------- 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=4 Card=1 Bytes=34) 1 0 TABLE ACCESS (BY INDEX ROWID) OF 'TEST_RANDOM' (Cost=4 Card=1 Bytes=34) 2 1 INDEX (RANGE SCAN) OF 'RANDOM_EMPNO_IDX' (NON-UNIQUE) (Cost=3 Card=1) Statistics ---------------------------------------------------------- 0 recursive calls 0 db block gets 5 consistent gets 0 physical reads 0 redo size 515 bytes sent via SQL*Net to client 499 bytes received via SQL*Net from client 2 SQL*Net roundtrips to/from client 0 sorts (memory) 0 sorts (disk) 1 rows processed

再次表明，结果和步骤1.1和1.2几乎相同。对于唯一列来说，数据分布不影响逻辑和物理I/O。

步骤3.1（在表test_normal上）

在该步中，我们将创建一个位图索引。我们知道索引的聚簇因子大小和表中的行数相同。现在我们执行一些范围查询。

  1. SQL> select * from test_normal where empno between &range1 and &range2;
  2. Enter value for range1: 1
  3. Enter value for range2: 2300
  4. old 1: select * from test_normal where empno between &range1 and &range2
  5. new 1: select * from test_normal where empno between 1 and 2300
  7. 2300 rows selected.
  9. Elapsed: 00:00:00.03
  11. Execution Plan
  12. ----------------------------------------------------------
  13. 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=451 Card=2299 Bytes=78166)
  14. 1 0 TABLE ACCESS (BY INDEX ROWID) OF 'TEST_NORMAL' (Cost=451 Card=2299 Bytes=78166)
  15. 2 1 BITMAP CONVERSION (TO ROWIDS)
  16. 3 2 BITMAP INDEX (RANGE SCAN) OF 'NORMAL_EMPNO_BMX'
  18. Statistics
  19. ----------------------------------------------------------
  20. 0 recursive calls
  21. 0 db block gets
  22. 331 consistent gets
  23. 0 physical reads
  24. 0 redo size
  25. 111416 bytes sent via SQL*Net to client
  26. 2182 bytes received via SQL*Net from client
  27. 155 SQL*Net roundtrips to/from client
  28. 0 sorts (memory)
  29. 0 sorts (disk)
  30. 2300 rows processed
SQL> select * from test_normal where empno between &range1 and &range2; Enter value for range1: 1 Enter value for range2: 2300 old 1: select * from test_normal where empno between &range1 and &range2 new 1: select * from test_normal where empno between 1 and 2300 2300 rows selected. Elapsed: 00:00:00.03 Execution Plan ---------------------------------------------------------- 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=451 Card=2299 Bytes=78166) 1 0 TABLE ACCESS (BY INDEX ROWID) OF 'TEST_NORMAL' (Cost=451 Card=2299 Bytes=78166) 2 1 BITMAP CONVERSION (TO ROWIDS) 3 2 BITMAP INDEX (RANGE SCAN) OF 'NORMAL_EMPNO_BMX' Statistics ---------------------------------------------------------- 0 recursive calls 0 db block gets 331 consistent gets 0 physical reads 0 redo size 111416 bytes sent via SQL*Net to client 2182 bytes received via SQL*Net from client 155 SQL*Net roundtrips to/from client 0 sorts (memory) 0 sorts (disk) 2300 rows processed

步骤3.2（在表test_normal上）

该步中，我们在test_normal的B树索引上执行查询。

  1. SQL> select * from test_normal where empno between &range1 and &range2;
  2. Enter value for range1: 1
  3. Enter value for range2: 2300
  4. old 1: select * from test_normal where empno between &range1 and &range2
  5. new 1: select * from test_normal where empno between 1 and 2300
  7. 2300 rows selected.
  9. Elapsed: 00:00:00.02
  11. Execution Plan
  12. ----------------------------------------------------------
  13. 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=23 Card=2299 Bytes=78166)
  14. 1 0 TABLE ACCESS (BY INDEX ROWID) OF 'TEST_NORMAL' (Cost=23 Card=2299 Bytes=78166)
  15. 2 1 INDEX (RANGE SCAN) OF 'NORMAL_EMPNO_IDX' (NON-UNIQUE) (Cost=8 Card=2299)
  17. Statistics
  18. ----------------------------------------------------------
  19. 0 recursive calls
  20. 0 db block gets
  21. 329 consistent gets
  22. 15 physical reads
  23. 0 redo size
  24. 111416 bytes sent via SQL*Net to client
  25. 2182 bytes received via SQL*Net from client
  26. 155 SQL*Net roundtrips to/from client
  27. 0 sorts (memory)
  28. 0 sorts (disk)
  29. 2300 rows processed
SQL> select * from test_normal where empno between &range1 and &range2; Enter value for range1: 1 Enter value for range2: 2300 old 1: select * from test_normal where empno between &range1 and &range2 new 1: select * from test_normal where empno between 1 and 2300 2300 rows selected. Elapsed: 00:00:00.02 Execution Plan ---------------------------------------------------------- 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=23 Card=2299 Bytes=78166) 1 0 TABLE ACCESS (BY INDEX ROWID) OF 'TEST_NORMAL' (Cost=23 Card=2299 Bytes=78166) 2 1 INDEX (RANGE SCAN) OF 'NORMAL_EMPNO_IDX' (NON-UNIQUE) (Cost=8 Card=2299) Statistics ---------------------------------------------------------- 0 recursive calls 0 db block gets 329 consistent gets 15 physical reads 0 redo size 111416 bytes sent via SQL*Net to client 2182 bytes received via SQL*Net from client 155 SQL*Net roundtrips to/from client 0 sorts (memory) 0 sorts (disk) 2300 rows processed

在不同的范围上执行的查询结果如下：

BITMAP EMPNO (Range) B-TREE
Consistent Reads Physical Reads Consistent Reads Physical Reads
331 0 1-2300 329 0
285 0 8-1980 283 0
346 19 1850-4250 344 16
427 31 28888-31850 424 28
371 27 82900-85478 367 23
2157 149 984888-1000000 2139 35

可以看到，在两种索引上需要的逻辑和物理IO基本上是相同的。最后一个范围(984888-1000000)差不多返回了15,000行，是所有范围查询中最大的。当我们执行全表扫描时（通过/*+ full(test_normal) */ )，物理和逻辑IO的次数是7239和5663.

步骤4.1（在表test_random上）

在该步中，我们将在表test_random的位图索引上执行范围查询，在这儿，你将看到聚簇因子的影响。

  1. SQL>select * from test_random where empno between &range1 and &range2;
  2. Enter value for range1: 1
  3. Enter value for range2: 2300
  4. old 1: select * from test_random where empno between &range1 and &range2
  5. new 1: select * from test_random where empno between 1 and 2300
  7. 2300 rows selected.
  9. Elapsed: 00:00:08.01
  11. Execution Plan
  12. ----------------------------------------------------------
  13. 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=453 Card=2299 Bytes=78166)
  14. 1 0 TABLE ACCESS (BY INDEX ROWID) OF 'TEST_RANDOM' (Cost=453 Card=2299 Bytes=78166)
  15. 2 1 BITMAP CONVERSION (TO ROWIDS)
  16. 3 2 BITMAP INDEX (RANGE SCAN) OF 'RANDOM_EMPNO_BMX'
  18. Statistics
  19. ----------------------------------------------------------
  20. 0 recursive calls
  21. 0 db block gets
  22. 2463 consistent gets
  23. 1200 physical reads
  24. 0 redo size
  25. 111416 bytes sent via SQL*Net to client
  26. 2182 bytes received via SQL*Net from client
  27. 155 SQL*Net roundtrips to/from client
  28. 0 sorts (memory)
  29. 0 sorts (disk)
  30. 2300 rows processed
SQL>select * from test_random where empno between &range1 and &range2; Enter value for range1: 1 Enter value for range2: 2300 old 1: select * from test_random where empno between &range1 and &range2 new 1: select * from test_random where empno between 1 and 2300 2300 rows selected. Elapsed: 00:00:08.01 Execution Plan ---------------------------------------------------------- 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=453 Card=2299 Bytes=78166) 1 0 TABLE ACCESS (BY INDEX ROWID) OF 'TEST_RANDOM' (Cost=453 Card=2299 Bytes=78166) 2 1 BITMAP CONVERSION (TO ROWIDS) 3 2 BITMAP INDEX (RANGE SCAN) OF 'RANDOM_EMPNO_BMX' Statistics ---------------------------------------------------------- 0 recursive calls 0 db block gets 2463 consistent gets 1200 physical reads 0 redo size 111416 bytes sent via SQL*Net to client 2182 bytes received via SQL*Net from client 155 SQL*Net roundtrips to/from client 0 sorts (memory) 0 sorts (disk) 2300 rows processed

步骤4.2（在表test_random上）

在该步中，我们将在test_random的B树索引上执行范围查询。回想一下，该索引上的聚簇因子接近于表中记录的行数。下面是优化器的输出：

  1. SQL> select * from test_random where empno between &range1 and &range2;
  2. Enter value for range1: 1
  3. Enter value for range2: 2300
  4. old 1: select * from test_random where empno between &range1 and &range2
  5. new 1: select * from test_random where empno between 1 and 2300
  7. 2300 rows selected.
  9. Elapsed: 00:00:03.04
  11. Execution Plan
  12. ----------------------------------------------------------
  13. 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=613 Card=2299 Bytes=78166)
  14. 1 0 TABLE ACCESS (FULL) OF 'TEST_RANDOM' (Cost=613 Card=2299 Bytes=78166)
  16. Statistics
  17. ----------------------------------------------------------
  18. 0 recursive calls
  19. 0 db block gets
  20. 6415 consistent gets
  21. 4910 physical reads
  22. 0 redo size
  23. 111416 bytes sent via SQL*Net to client
  24. 2182 bytes received via SQL*Net from client
  25. 155 SQL*Net roundtrips to/from client
  26. 0 sorts (memory)
  27. 0 sorts (disk)
  28. 2300 rows processed
SQL> select * from test_random where empno between &range1 and &range2; Enter value for range1: 1 Enter value for range2: 2300 old 1: select * from test_random where empno between &range1 and &range2 new 1: select * from test_random where empno between 1 and 2300 2300 rows selected. Elapsed: 00:00:03.04 Execution Plan ---------------------------------------------------------- 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=613 Card=2299 Bytes=78166) 1 0 TABLE ACCESS (FULL) OF 'TEST_RANDOM' (Cost=613 Card=2299 Bytes=78166) Statistics ---------------------------------------------------------- 0 recursive calls 0 db block gets 6415 consistent gets 4910 physical reads 0 redo size 111416 bytes sent via SQL*Net to client 2182 bytes received via SQL*Net from client 155 SQL*Net roundtrips to/from client 0 sorts (memory) 0 sorts (disk) 2300 rows processed

因为聚簇因子的缘故，优化器选择了全表扫描而不是使用索引：

BITMAP EMPNO (Range) B-TREE
Consistent Reads Physical Reads Consistent Reads Physical Reads
2463 1200 1-2300 6415 4910
2114 31 8-1980 6389 4910
2572 1135 1850-4250 6418 4909
3173 1620 28888-31850 6456 4909
2762 1358 82900-85478 6431 4909
7254 3329 984888-1000000 7254 4909

仅对于最后一个范围（984888-1000000），对于位图索引优化器选择了全表扫描。然而，对于B树索引，全部使用全表扫描。引起这种差异的原因是聚簇因子：优化器在产生执行计划时不考虑位图索引的聚簇因子，但是对于B树索引来说，则需要 考虑聚簇因子。在上面的情况中，位图索引比B树索引更有效。

下面的步骤揭示了这些索引更有趣的方面。

步骤5.1（在表test_normal上）

在表test_normal的SAL列上建立一个位图索引，该列拥有普通的cardinality。

  1. SQL> create bitmap index normal_sal_bmx on test_normal(sal);
  3. Index created.
  5. SQL> analyze table test_normal compute statistics for table for all indexes for all indexed columns;
  7. Table analyzed.
SQL> create bitmap index normal_sal_bmx on test_normal(sal); Index created. SQL> analyze table test_normal compute statistics for table for all indexes for all indexed columns; Table analyzed.

得到索引的大小和聚簇因子：

  1. SQL>select substr(segment_name,1,30) segment_name, bytes/1024/1024 "Size in MB"
  2. 2* from user_segments
  3. 3* where segment_name in ('TEST_NORMAL','NORMAL_SAL_BMX');
  5. SEGMENT_NAME Size in MB
  6. ------------------------------ --------------
  7. TEST_NORMAL 50
  8. NORMAL_SAL_BMX 4
  10. SQL> select index_name, clustering_factor from user_indexes;
  12. INDEX_NAME CLUSTERING_FACTOR
  13. ------------------------------ ----------------------------------
  14. NORMAL_SAL_BMX 6001
SQL>select substr(segment_name,1,30) segment_name, bytes/1024/1024 "Size in MB" 2* from user_segments 3* where segment_name in ('TEST_NORMAL','NORMAL_SAL_BMX'); SEGMENT_NAME Size in MB ------------------------------ -------------- TEST_NORMAL 50 NORMAL_SAL_BMX 4 SQL> select index_name, clustering_factor from user_indexes; INDEX_NAME CLUSTERING_FACTOR ------------------------------ ---------------------------------- NORMAL_SAL_BMX 6001

下面执行查询，首先执行相等性查询：

  1. SQL> set autot trace
  2. SQL> select * from test_normal where sal=&sal;
  3. Enter value for sal: 1869
  4. old 1: select * from test_normal where sal=&sal
  5. new 1: select * from test_normal where sal=1869
  7. 164 rows selected.
  9. Elapsed: 00:00:00.08
  11. Execution Plan
  12. ----------------------------------------------------------
  13. 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=39 Card=168 Bytes=4032)
  14. 1 0 TABLE ACCESS (BY INDEX ROWID) OF 'TEST_NORMAL' (Cost=39 Card=168 Bytes=4032)
  15. 2 1 BITMAP CONVERSION (TO ROWIDS)
  16. 3 2 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_SAL_BMX'
  18. Statistics
  19. ----------------------------------------------------------
  20. 0 recursive calls
  21. 0 db block gets
  22. 165 consistent gets
  23. 0 physical reads
  24. 0 redo size
  25. 8461 bytes sent via SQL*Net to client
  26. 609 bytes received via SQL*Net from client
  27. 12 SQL*Net roundtrips to/from client
  28. 0 sorts (memory)
  29. 0 sorts (disk)
  30. 164 rows processed
SQL> set autot trace SQL> select * from test_normal where sal=&sal; Enter value for sal: 1869 old 1: select * from test_normal where sal=&sal new 1: select * from test_normal where sal=1869 164 rows selected. Elapsed: 00:00:00.08 Execution Plan ---------------------------------------------------------- 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=39 Card=168 Bytes=4032) 1 0 TABLE ACCESS (BY INDEX ROWID) OF 'TEST_NORMAL' (Cost=39 Card=168 Bytes=4032) 2 1 BITMAP CONVERSION (TO ROWIDS) 3 2 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_SAL_BMX' Statistics ---------------------------------------------------------- 0 recursive calls 0 db block gets 165 consistent gets 0 physical reads 0 redo size 8461 bytes sent via SQL*Net to client 609 bytes received via SQL*Net from client 12 SQL*Net roundtrips to/from client 0 sorts (memory) 0 sorts (disk) 164 rows processed

接下来是范围查询：

  1. SQL> select * from test_normal where sal between &sal1 and &sal2;
  2. Enter value for sal1: 1500
  3. Enter value for sal2: 2000
  4. old 1: select * from test_normal where sal between &sal1 and &sal2
  5. new 1: select * from test_normal where sal between 1500 and 2000
  7. 83743 rows selected.
  9. Elapsed: 00:00:05.00
  11. Execution Plan
  12. ----------------------------------------------------------
  13. 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=601 Card=83376 Bytes
  14. =2001024)
  15. 1 0 TABLE ACCESS (FULL) OF 'TEST_NORMAL' (Cost=601 Card=83376
  16. Bytes=2001024)
  18. Statistics
  19. ----------------------------------------------------------
  20. 0 recursive calls
  21. 0 db block gets
  22. 11778 consistent gets
  23. 5850 physical reads
  24. 0 redo size
  25. 4123553 bytes sent via SQL*Net to client
  26. 61901 bytes received via SQL*Net from client
  27. 5584 SQL*Net roundtrips to/from client
  28. 0 sorts (memory)
  29. 0 sorts (disk)
  30. 83743 rows processed
SQL> select * from test_normal where sal between &sal1 and &sal2; Enter value for sal1: 1500 Enter value for sal2: 2000 old 1: select * from test_normal where sal between &sal1 and &sal2 new 1: select * from test_normal where sal between 1500 and 2000 83743 rows selected. Elapsed: 00:00:05.00 Execution Plan ---------------------------------------------------------- 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=601 Card=83376 Bytes =2001024) 1 0 TABLE ACCESS (FULL) OF 'TEST_NORMAL' (Cost=601 Card=83376 Bytes=2001024) Statistics ---------------------------------------------------------- 0 recursive calls 0 db block gets 11778 consistent gets 5850 physical reads 0 redo size 4123553 bytes sent via SQL*Net to client 61901 bytes received via SQL*Net from client 5584 SQL*Net roundtrips to/from client 0 sorts (memory) 0 sorts (disk) 83743 rows processed

现在，删除test_normal上的位图索引并且建立一个B树索引。

  1. SQL> create index normal_sal_idx on test_normal(sal);
  3. Index created.
  5. SQL> analyze table test_normal compute statistics for table for all indexes for all indexed columns;
  7. Table analyzed.
SQL> create index normal_sal_idx on test_normal(sal); Index created. SQL> analyze table test_normal compute statistics for table for all indexes for all indexed columns; Table analyzed.

查看索引大小和聚簇因子：

  1. SQL> select substr(segment_name,1,30) segment_name, bytes/1024/1024 "Size in MB"
  2. 2 from user_segments
  3. 3 where segment_name in ('TEST_NORMAL','NORMAL_SAL_IDX');
  5. SEGMENT_NAME Size in MB
  6. ------------------------------ ---------------
  7. TEST_NORMAL 50
  8. NORMAL_SAL_IDX 17
  10. SQL> select index_name, clustering_factor from user_indexes;
  12. INDEX_NAME CLUSTERING_FACTOR
  13. ------------------------------ ----------------------------------
  14. NORMAL_SAL_IDX 986778
SQL> select substr(segment_name,1,30) segment_name, bytes/1024/1024 "Size in MB" 2 from user_segments 3 where segment_name in ('TEST_NORMAL','NORMAL_SAL_IDX'); SEGMENT_NAME Size in MB ------------------------------ --------------- TEST_NORMAL 50 NORMAL_SAL_IDX 17 SQL> select index_name, clustering_factor from user_indexes; INDEX_NAME CLUSTERING_FACTOR ------------------------------ ---------------------------------- NORMAL_SAL_IDX 986778

从上表可以看出，B树索引大于相同列上的位图索引，它的聚簇因子接近于表中的行数。

现在，先执行相等性查询：

  1. SQL> set autot trace
  2. SQL> select * from test_normal where sal=&sal;
  3. Enter value for sal: 1869
  4. old 1: select * from test_normal where sal=&sal
  5. new 1: select * from test_normal where sal=1869
  7. 164 rows selected.
  9. Elapsed: 00:00:00.01
  11. Execution Plan
  12. ----------------------------------------------------------
  13. 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=169 Card=168 Bytes=4032)
  14. 1 0 TABLE ACCESS (BY INDEX ROWID) OF 'TEST_NORMAL' (Cost=169 Card=168 Bytes=4032)
  15. 2 1 INDEX (RANGE SCAN) OF 'NORMAL_SAL_IDX' (NON-UNIQUE) (Cost=3 Card=168)
  17. Statistics
  18. ----------------------------------------------------------
  19. 0 recursive calls
  20. 0 db block gets
  21. 177 consistent gets
  22. 0 physical reads
  23. 0 redo size
  24. 8461 bytes sent via SQL*Net to client
  25. 609 bytes received via SQL*Net from client
  26. 12 SQL*Net roundtrips to/from client
  27. 0 sorts (memory)
  28. 0 sorts (disk)
  29. 164 rows processed
SQL> set autot trace SQL> select * from test_normal where sal=&sal; Enter value for sal: 1869 old 1: select * from test_normal where sal=&sal new 1: select * from test_normal where sal=1869 164 rows selected. Elapsed: 00:00:00.01 Execution Plan ---------------------------------------------------------- 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=169 Card=168 Bytes=4032) 1 0 TABLE ACCESS (BY INDEX ROWID) OF 'TEST_NORMAL' (Cost=169 Card=168 Bytes=4032) 2 1 INDEX (RANGE SCAN) OF 'NORMAL_SAL_IDX' (NON-UNIQUE) (Cost=3 Card=168) Statistics ---------------------------------------------------------- 0 recursive calls 0 db block gets 177 consistent gets 0 physical reads 0 redo size 8461 bytes sent via SQL*Net to client 609 bytes received via SQL*Net from client 12 SQL*Net roundtrips to/from client 0 sorts (memory) 0 sorts (disk) 164 rows processed

接下来是范围查询：

  1. SQL> select * from test_normal where sal between &sal1 and &sal2;
  2. Enter value for sal1: 1500
  3. Enter value for sal2: 2000
  4. old 1: select * from test_normal where sal between &sal1 and &sal2
  5. new 1: select * from test_normal where sal between 1500 and 2000
  7. 83743 rows selected.
  9. Elapsed: 00:00:04.03
  11. Execution Plan
  12. ----------------------------------------------------------
  13. 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=601 Card=83376 Bytes
  14. =2001024)
  15. 1 0 TABLE ACCESS (FULL) OF 'TEST_NORMAL' (Cost=601 Card=83376
  16. Bytes=2001024)
  19. Statistics
  20. ----------------------------------------------------------
  21. 0 recursive calls
  22. 0 db block gets
  23. 11778 consistent gets
  24. 3891 physical reads
  25. 0 redo size
  26. 4123553 bytes sent via SQL*Net to client
  27. 61901 bytes received via SQL*Net from client
  28. 5584 SQL*Net roundtrips to/from client
  29. 0 sorts (memory)
  30. 0 sorts (disk)
  31. 83743 rows processed
SQL> select * from test_normal where sal between &sal1 and &sal2; Enter value for sal1: 1500 Enter value for sal2: 2000 old 1: select * from test_normal where sal between &sal1 and &sal2 new 1: select * from test_normal where sal between 1500 and 2000 83743 rows selected. Elapsed: 00:00:04.03 Execution Plan ---------------------------------------------------------- 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=601 Card=83376 Bytes =2001024) 1 0 TABLE ACCESS (FULL) OF 'TEST_NORMAL' (Cost=601 Card=83376 Bytes=2001024) Statistics ---------------------------------------------------------- 0 recursive calls 0 db block gets 11778 consistent gets 3891 physical reads 0 redo size 4123553 bytes sent via SQL*Net to client 61901 bytes received via SQL*Net from client 5584 SQL*Net roundtrips to/from client 0 sorts (memory) 0 sorts (disk) 83743 rows processed

在不同的数据集上执行查询的结果如下，可以看出逻辑和物理I/O的次数基本上是相同的。

BITMAP
SAL (Equality)
B-TREE Rows Fetched
Consistent Reads Physical Reads Consistent Reads Physical Reads
165 0 1869 177 164  
169 163 3548 181 167  
174 166 6500 187 172  
75 69 7000 81 73  
177 163 2500 190 175  

BITMAP
SAL (Range)
B-TREE Rows Fetched
Consistent Reads Physical Reads Consistent Reads Physical Reads
11778 5850 1500-2000 11778 3891 83743
11765 5468 2000-2500 11765 3879 83328
11753 5471 2500-3000 11753 3884 83318
17309 5472 3000-4000 17309 3892 166999
39398 5454 4000-7000 39398 3973 500520

对于范围查询，优化器选择了全表扫描，根本没有使用索引。但是对于相等性查询，优化器使用了索引。再次，逻辑和物理I/O是相同的。

因此，可以得出结论，对于一个具有normal-cardinality的列来说，优化器对于两种类型的索引的选择是相同的，并且没有明显的I/O差异。

步骤6（增加GENDER列）

在测试low-cardinality列之前，我们先增加一个GENDER列并且把它的值更新成M,F或者null。

  1. SQL> alter table test_normal add GENDER varchar2(1);
  3. Table altered.
  5. SQL> select GENDER, count(*) from test_normal group by GENDER;
  7. S COUNT(*)
  8. - ----------
  9. F 333769
  10. M 499921
  11. 166310
  13. 3 rows selected.
SQL> alter table test_normal add GENDER varchar2(1); Table altered. SQL> select GENDER, count(*) from test_normal group by GENDER; S COUNT(*) - ---------- F 333769 M 499921 166310 3 rows selected.

该列上位图索引的大小大约为570KB，如下表所示：

  1. SQL> create bitmap index normal_GENDER_bmx on test_normal(GENDER);
  3. Index created.
  5. Elapsed: 00:00:02.08
  7. SQL> select substr(segment_name,1,30) segment_name, bytes/1024/1024 "Size in MB"
  8. 2 from user_segments
  9. 3 where segment_name in ('TEST_NORMAL','NORMAL_GENDER_BMX');
  11. SEGMENT_NAME Size in MB
  12. ------------------------------ ---------------
  13. TEST_NORMAL 50
  14. NORMAL_GENDER_BMX .5625
  16. 2 rows selected.
SQL> create bitmap index normal_GENDER_bmx on test_normal(GENDER); Index created. Elapsed: 00:00:02.08 SQL> select substr(segment_name,1,30) segment_name, bytes/1024/1024 "Size in MB" 2 from user_segments 3 where segment_name in ('TEST_NORMAL','NORMAL_GENDER_BMX'); SEGMENT_NAME Size in MB ------------------------------ --------------- TEST_NORMAL 50 NORMAL_GENDER_BMX .5625 2 rows selected.

相对而言，改列上的B树索引的大小为13M，比位图索引大的多。

  1. SQL> create index normal_GENDER_idx on test_normal(GENDER);
  3. Index created.
  5. SQL> select substr(segment_name,1,30) segment_name, bytes/1024/1024 "Size in MB"
  6. 2 from user_segments
  7. 3 where segment_name in ('TEST_NORMAL','NORMAL_GENDER_IDX');
  9. SEGMENT_NAME Size in MB
  10. ------------------------------ ---------------
  11. TEST_NORMAL 50
  12. NORMAL_GENDER_IDX 13
  14. 2 rows selected.
SQL> create index normal_GENDER_idx on test_normal(GENDER); Index created. SQL> select substr(segment_name,1,30) segment_name, bytes/1024/1024 "Size in MB" 2 from user_segments 3 where segment_name in ('TEST_NORMAL','NORMAL_GENDER_IDX'); SEGMENT_NAME Size in MB ------------------------------ --------------- TEST_NORMAL 50 NORMAL_GENDER_IDX 13 2 rows selected.

现在，执行相等性查询，优化器将不使用该索引，不论是位图索引还是B树索引，它将使用全部扫描。

  1. SQL> select * from test_normal where GENDER is null;
  3. 166310 rows selected.
  5. Elapsed: 00:00:06.08
  7. Execution Plan
  8. ----------------------------------------------------------
  9. 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=601 Card=166310 Bytes=4157750)
  10. 1 0 TABLE ACCESS (FULL) OF 'TEST_NORMAL' (Cost=601 Card=166310 Bytes=4157750)
  12. SQL> select * from test_normal where GENDER='M';
  14. 499921 rows selected.
  16. Elapsed: 00:00:16.07
  18. Execution Plan
  19. ----------------------------------------------------------
  20. 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=601 Card=499921 Bytes=12498025)
  21. 1 0 TABLE ACCESS (FULL) OF 'TEST_NORMAL' (Cost=601 Card=499921Bytes=12498025)
  23. SQL>select * from test_normal where GENDER='F'
  24. /
  26. 333769 rows selected.
  28. Elapsed: 00:00:12.02
  30. Execution Plan
  31. ----------------------------------------------------------
  32. 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=601 Card=333769 Byte
  33. s=8344225)
  34. 1 0 TABLE ACCESS (FULL) OF 'TEST_NORMAL' (Cost=601 Card=333769
  35. Bytes=8344225)
SQL> select * from test_normal where GENDER is null; 166310 rows selected. Elapsed: 00:00:06.08 Execution Plan ---------------------------------------------------------- 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=601 Card=166310 Bytes=4157750) 1 0 TABLE ACCESS (FULL) OF 'TEST_NORMAL' (Cost=601 Card=166310 Bytes=4157750) SQL> select * from test_normal where GENDER='M'; 499921 rows selected. Elapsed: 00:00:16.07 Execution Plan ---------------------------------------------------------- 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=601 Card=499921 Bytes=12498025) 1 0 TABLE ACCESS (FULL) OF 'TEST_NORMAL' (Cost=601 Card=499921Bytes=12498025) SQL>select * from test_normal where GENDER='F' / 333769 rows selected. Elapsed: 00:00:12.02 Execution Plan ---------------------------------------------------------- 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=601 Card=333769 Byte s=8344225) 1 0 TABLE ACCESS (FULL) OF 'TEST_NORMAL' (Cost=601 Card=333769 Bytes=8344225)

结论

现在我们了解了优化器对于这些技术做出的反应，现在我们来看对于位图索引和B树索引最适合的程序。

保持GENDER列上的位图索引，在SAL列上再建立一个位图索引然后执行一些查询。对这些列上的B树索引执行同样的查询。

在表test_normal中，你需要所有工资等于下列值的所有女性雇员的雇员号码：

1000
1500
2000
2500
3000
3500
4000
4500

因此：

  1. SQL>select * from test_normal
  2. where sal in (1000,1500,2000,2500,3000,3500,4000,4500,5000) and GENDER='M';
SQL>select * from test_normal where sal in (1000,1500,2000,2500,3000,3500,4000,4500,5000) and GENDER='M';

这是一个典型的数据仓库查询，绝对不要在OLTP系统中执行该查询。下面是两列上具有位图索引时的结果：

  1. SQL>select * from test_normal
  2. where sal in (1000,1500,2000,2500,3000,3500,4000,4500,5000) and GENDER='M';
  4. 1453 rows selected.
  6. Elapsed: 00:00:02.03
  8. Execution Plan
  9. ----------------------------------------------------------
  10. 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=198 Card=754 Bytes=18850)
  11. 1 0 TABLE ACCESS (BY INDEX ROWID) OF 'TEST_NORMAL' (Cost=198 Card=754 Bytes=18850)
  12. 2 1 BITMAP CONVERSION (TO ROWIDS)
  13. 3 2 BITMAP AND
  14. 4 3 BITMAP OR
  15. 5 4 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_SAL_BMX'
  16. 6 4 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_SAL_BMX'
  17. 7 4 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_SAL_BMX'
  18. 8 4 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_SAL_BMX'
  19. 9 4 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_SAL_BMX'
  20. 10 4 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_SAL_BMX'
  21. 11 4 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_SAL_BMX'
  22. 12 4 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_SAL_BMX'
  23. 13 4 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_SAL_BMX'
  24. 14 3 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_GENDER_BMX'
  26. Statistics
  27. ----------------------------------------------------------
  28. 0 recursive calls
  29. 0 db block gets
  30. 1353 consistent gets
  31. 920 physical reads
  32. 0 redo size
  33. 75604 bytes sent via SQL*Net to client
  34. 1555 bytes received via SQL*Net from client
  35. 98 SQL*Net roundtrips to/from client
  36. 0 sorts (memory)
  37. 0 sorts (disk)
  38. 1453 rows processed
SQL>select * from test_normal where sal in (1000,1500,2000,2500,3000,3500,4000,4500,5000) and GENDER='M'; 1453 rows selected. Elapsed: 00:00:02.03 Execution Plan ---------------------------------------------------------- 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=198 Card=754 Bytes=18850) 1 0 TABLE ACCESS (BY INDEX ROWID) OF 'TEST_NORMAL' (Cost=198 Card=754 Bytes=18850) 2 1 BITMAP CONVERSION (TO ROWIDS) 3 2 BITMAP AND 4 3 BITMAP OR 5 4 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_SAL_BMX' 6 4 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_SAL_BMX' 7 4 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_SAL_BMX' 8 4 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_SAL_BMX' 9 4 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_SAL_BMX' 10 4 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_SAL_BMX' 11 4 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_SAL_BMX' 12 4 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_SAL_BMX' 13 4 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_SAL_BMX' 14 3 BITMAP INDEX (SINGLE VALUE) OF 'NORMAL_GENDER_BMX' Statistics ---------------------------------------------------------- 0 recursive calls 0 db block gets 1353 consistent gets 920 physical reads 0 redo size 75604 bytes sent via SQL*Net to client 1555 bytes received via SQL*Net from client 98 SQL*Net roundtrips to/from client 0 sorts (memory) 0 sorts (disk) 1453 rows processed

下面是B树索引时的结果：

  1. SQL>select * from test_normal
  2. where sal in (1000,1500,2000,2500,3000,3500,4000,4500,5000) and GENDER='M';
  4. 1453 rows selected.
  6. Elapsed: 00:00:03.01
  8. Execution Plan
  9. ----------------------------------------------------------
  10. 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=601 Card=754 Bytes=18850)
  11. 1 0 TABLE ACCESS (FULL) OF 'TEST_NORMAL' (Cost=601 Card=754 Bytes=18850)
  13. Statistics
  14. ----------------------------------------------------------
  15. 0 recursive calls
  16. 0 db block gets
  17. 6333 consistent gets
  18. 4412 physical reads
  19. 0 redo size
  20. 75604 bytes sent via SQL*Net to client
  21. 1555 bytes received via SQL*Net from client
  22. 98 SQL*Net roundtrips to/from client
  23. 0 sorts (memory)
  24. 0 sorts (disk)
  25. 1453 rows processed
SQL>select * from test_normal where sal in (1000,1500,2000,2500,3000,3500,4000,4500,5000) and GENDER='M'; 1453 rows selected. Elapsed: 00:00:03.01 Execution Plan ---------------------------------------------------------- 0 SELECT STATEMENT Optimizer=CHOOSE (Cost=601 Card=754 Bytes=18850) 1 0 TABLE ACCESS (FULL) OF 'TEST_NORMAL' (Cost=601 Card=754 Bytes=18850) Statistics ---------------------------------------------------------- 0 recursive calls 0 db block gets 6333 consistent gets 4412 physical reads 0 redo size 75604 bytes sent via SQL*Net to client 1555 bytes received via SQL*Net from client 98 SQL*Net roundtrips to/from client 0 sorts (memory) 0 sorts (disk) 1453 rows processed

可以看出，如果使用B树索引，优化器使用全表扫描；而对于位图索引，则使用索引。从获取结果需要的I/O次数可以推断出性能。

总之，基于如下的原因，位图索引适用于决策支持系统，而不管cardinality的高低：

  • 使用位图索引，优化器可以高效地执行包含AND，OR或者XOR的查询。
  • 使用位图索引，优化器可以回答对null的查询和计数。null值在位图索引时同样被加上索引（不像B树索引）。
  • 最重要的是，在决策支持系统中，位图索引支持特殊的查询，但B树索引则不能。具体来说，如果你有一个包含50列的表，用户经常查询其中的10列 ---- 10列的组合或者有时是其中一列，创建B树索引会比价困难。如果你在这些列上建立10个位图索引，这些查询都可以通过索引回答，不论你查询的是全部10列，还是10列中的4列或者6列，或者其中的一列。

相反，B树索引非常适合于OLTP系统，其用户执行的都是常规的查询。因为在OLTP系统中，数据会频繁地更新和删除，如果使用位图索引将会引起严重的锁定性能问题。

两种索引都有一个共同的目的：尽快地得到结果。但是你应该依据程序的类型来选择其中之一，而不是根据cardinality水平。

你可能感兴趣的:(Oracle - 怎样使用B树索引和位图索引)

  • 情绪觉察日记第37天 露露_e800
    今天是家庭关系规划师的第二阶最后一天，慧萍老师帮我做了个案，帮我处理了埋在心底好多年的一份恐惧，并给了我深深的力量！这几天出来学习，爸妈过来婆家帮我带小孩，妈妈出于爱帮我收拾东西，并跟我先生和婆婆产生矛盾，妈妈觉得他们没有照顾好我…。今晚回家见到妈妈，我很欣赏她并赞扬她，妈妈说今晚要跟我睡我说好，当我们俩躺在床上准备睡觉的时候，我握着妈妈的手对她说:妈妈这几天辛苦你了，你看你多利害把我们的家收拾得
  • 芦花鞋一四 许叶晗
    又是在一个寒冷的夏日里，青铜和葵花决定今天一起去卖芦花鞋，奶奶亲手给他们做了一碗热乎乎的粥对他们说:“就靠你们两挣生活费了这碗粥赶紧趁热喝了吧！”于是青铜和葵花喝完了奶奶给她们做的粥，就准备去镇上卖卢花鞋，这回青铜和葵花穿着新的芦花鞋来到了镇上。青铜这回看到了很多人都在卖，用手势表达对葵花说:“这回有好多人在抢我们生意呢！我们必须得吆喝起来。”葵花点了点头。可是谁知他们也大声的叫，卖芦花喽！卖芦花
  • 关于沟通这件事，项目经理不需要每次都面对面进行 流程大师兄
    很多项目经理都会遇到这样的问题，项目中由于事情太多，根本没有足够的时间去召开会议，那在这种情况下如何去有效地管理项目中的利益相关者？当然，不建议电子邮件也不需要开会的话，建议可以采取下面几种方式来形成有效的沟通，这几种方式可以帮助你努力的通过各种办法来保持和各方面的联系。项目经理首先要问自己几个问题，项目中哪些利益相关者是必须要进行沟通的？可以列出项目中所有的利益相关者清单，同时也整理出项目中哪些
  • 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
  • 【iOS】MVC设计模式 Magnetic_h iosmvc设计模式objective-c学习ui
    MVC前言如何设计一个程序的结构，这是一门专门的学问，叫做"架构模式"（architecturalpattern），属于编程的方法论。MVC模式就是架构模式的一种。它是Apple官方推荐的App开发架构，也是一般开发者最先遇到、最经典的架构。MVC各层controller层Controller/ViewController/VC（控制器）负责协调Model和View，处理大部分逻辑它将数据从Mod
  • 一百九十四章. 自相矛盾 巨木擎天
    唉！就这么一夜，林子感觉就像过了很多天似的，先是回了阳间家里，遇到了那么多不可思议的事情儿。特别是小伙伴们，第二次与自己见面时，僵硬的表情和恐怖的气氛，让自己如坐针毡，打从心眼里难受！还有东子，他现在还好吗？有没有被人欺负？护城河里的小鱼小虾们，还都在吗？水不会真的干枯了吧？那对相亲相爱漂亮的太平鸟儿，还好吧！春天了，到了做窝、下蛋、喂养小鸟宝宝的时候了，希望它们都能够平安啊！虽然没有看见家人，也
  • UI学习——cell的复用和自定义cell Magnetic_h ui学习
    目录cell的复用手动（非注册）自动（注册）自定义cellcell的复用在iOS开发中，单元格复用是一种提高表格（UITableView）和集合视图（UICollectionView）滚动性能的技术。当一个UITableViewCell或UICollectionViewCell首次需要显示时，如果没有可复用的单元格，则视图会创建一个新的单元格。一旦这个单元格滚动出屏幕，它就不会被销毁。相反，它被添
  • 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
  • C语言宏函数 南林yan C语言c语言
    一、什么是宏函数？通过宏定义的函数是宏函数。如下，编译器在预处理阶段会将Add(x,y)替换为((x)*(y))#defineAdd(x,y)((x)*(y))#defineAdd(x,y)((x)*(y))intmain(){inta=10;intb=20;intd=10;intc=Add(a+d,b)*2;cout<
  • 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
  • 谢谢你们，爱你们！ 鹿游儿
    昨天家人去泡温泉，二个孩子也带着去，出发前一晚，匆匆下班，赶回家和孩子一起收拾。饭后，我拿出笔和本子（上次去澳门时做手帐的本子）写下了1\2\3\4\5\6\7\8\9,让后让小壹去思考，带什么出发去旅游呢？她在对应的数字旁边画上了，泳衣、泳圈、肖恩、内衣内裤、tapuy、拖鞋……画完后，就让她自己对着这个本子，将要带的，一一带上，没想到这次带的书还是这本《便便工厂》(晚上姑婆发照片过来，妹妹累得
  • C语言如何定义宏函数？ 小九格物 c语言
    在C语言中，宏函数是通过预处理器定义的，它在编译之前替换代码中的宏调用。宏函数可以模拟函数的行为，但它们不是真正的函数，因为它们在编译时不会进行类型检查，也不会分配存储空间。宏函数的定义通常使用#define指令，后面跟着宏的名称和参数列表，以及宏展开后的代码。宏函数的定义方式：1.基本宏函数：这是最简单的宏函数形式，它直接定义一个表达式。#defineSQUARE(x)((x)*(x))2.带参
  • 微服务下功能权限与数据权限的设计与实现 nbsaas-boot 微服务java架构
    在微服务架构下，系统的功能权限和数据权限控制显得尤为重要。随着系统规模的扩大和微服务数量的增加，如何保证不同用户和服务之间的访问权限准确、细粒度地控制，成为设计安全策略的关键。本文将讨论如何在微服务体系中设计和实现功能权限与数据权限控制。1.功能权限与数据权限的定义功能权限：指用户或系统角色对特定功能的访问权限。通常是某个用户角色能否执行某个操作，比如查看订单、创建订单、修改用户资料等。数据权限：
  • 理解Gunicorn：Python WSGI服务器的基石 范范0825 ipythonlinux运维
    理解Gunicorn：PythonWSGI服务器的基石介绍Gunicorn，全称GreenUnicorn，是一个为PythonWSGI（WebServerGatewayInterface）应用设计的高效、轻量级HTTP服务器。作为PythonWeb应用部署的常用工具，Gunicorn以其高性能和易用性著称。本文将介绍Gunicorn的基本概念、安装和配置，帮助初学者快速上手。1.什么是Gunico
  • 2021年12月19日，春蕾教育集团团建活动感受——黄晓丹 黄错错加油
    感受:1.从陌生到熟悉的过程。游戏环节让我们在轻松的氛围中得到了锻炼，也增长了不少知识。2.游戏过程中，我们贡献的是个人力量，展现的是团队的力量。它磨合的往往不止是工作的熟悉，更是观念上契合度的贴近。3.这和工作是一样的道理。在各自的岗位上，每个人摆正自己的位置、各司其职充分发挥才能，并团结一致劲往一处使，才能实现最大的成功。新知:1.团队精神需要不断地创新。过去，人们把创新看作是冒风险，现在人们
  • Cell Insight | 单细胞测序技术又一新发现，可用于HIV-1和Mtb共感染个体诊断 尐尐呅
    结核病是艾滋病合并其他疾病中导致患者死亡的主要原因。其中结核病由结核分枝杆菌（Mycobacteriumtuberculosis,Mtb）感染引起，获得性免疫缺陷综合症（艾滋病）由人免疫缺陷病毒（Humanimmunodeficiencyvirustype1,HIV-1）感染引起。国家感染性疾病临床医学研究中心/深圳市第三人民医院张国良团队携手深圳华大生命科学研究院吴靓团队，共同研究得出单细胞测序
  • c++ 的iostream 和 c++的stdio的区别和联系 黄卷青灯77 c++算法开发语言iostreamstdio
    在C++中，iostream和C语言的stdio.h都是用于处理输入输出的库，但它们在设计、用法和功能上有许多不同。以下是两者的区别和联系：区别1.编程风格iostream（C++风格）：C++标准库中的输入输出流类库，支持面向对象的输入输出操作。典型用法是cin（输入）和cout（输出），使用>操作符来处理数据。更加类型安全，支持用户自定义类型的输入输出。#includeintmain(){in
  • 《投行人生》读书笔记 小蘑菇的树洞
    《投行人生》----作者詹姆斯-A-朗德摩根斯坦利副主席40年的职业洞见-很短小精悍的篇幅，比较适合初入职场的新人。第一部分成功的职业生涯需要规划1.情商归为适应能力分享与协作同理心适应能力，更多的是自我意识，你有能力识别自己的情并分辨这些情绪如何影响你的思想和行为。2.对于初入职场的人的建议，细节，截止日期和数据很重要截止日期，一种有效的方法是请老板为你所有的任务进行优先级排序。和老板喝咖啡的好
  • Long类型前后端数据不一致 igotyback 前端
    响应给前端的数据浏览器控制台中response中看到的Long类型的数据是正常的到前端数据不一致前后端数据类型不匹配是一个常见问题，尤其是当后端使用Java的Long类型（64位）与前端JavaScript的Number类型（最大安全整数为2^53-1，即16位）进行数据交互时，很容易出现精度丢失的问题。这是因为JavaScript中的Number类型无法安全地表示超过16位的整数。为了解决这个问
  • Linux下QT开发的动态库界面弹出操作（SDL2） 13jjyao QT类qt开发语言sdl2linux
    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
  • 绘本讲师训练营【24期】8/21阅读原创《独生小孩》 1784e22615e0
    24016-孟娟《独生小孩》图片发自App今天我想分享一个蛮特别的绘本，讲的是一个特殊的群体，我也是属于这个群体，80后的独生小孩。这是一本中国绘本，作者郭婧，也是一个80厚。全书一百多页，均为铅笔绘制，虽然为黑白色调，但并不显得沉闷。全书没有文字，犹如“默片”，但并不影响读者对该作品的理解，反而显得神秘，梦幻，給读者留下想象的空间。作者在前蝴蝶页这样写到：“我更希望父母和孩子一起分享这本书，使他
  • 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
  • 消息中间件有哪些常见类型 xmh-sxh-1314 java
    消息中间件根据其设计理念和用途，可以大致分为以下几种常见类型：点对点消息队列（Point-to-PointMessagingQueues）：在这种模型中，消息被发送到特定的队列中，消费者从队列中取出并处理消息。队列中的消息只能被一个消费者消费，消费后即被删除。常见的实现包括IBM的MQSeries、RabbitMQ的部分使用场景等。适用于任务分发、负载均衡等场景。发布/订阅消息模型（Pub/Sub
  • html 中如何使用 uniapp 的部分方法 某公司摸鱼前端 htmluni-app前端
    示例代码：Documentconsole.log(window);效果展示：好了，现在就可以uni.使用相关的方法了
  • ArcGIS栅格计算器常见公式（赋值、0和空值的转换、补充栅格空值） 研学随笔 arcgis经验分享
    我们在使用ArcGIS时通常经常用到栅格计算器，今天主要给大家介绍我日常中经常用到的几个公式，供大家参考学习。将特定值（-9999）赋值为0，例如-9999.Con("raster"==-9999,0,"raster")2.给空值赋予特定的值（如0）Con(IsNull("raster"),0,"raster")3.将特定的栅格值(如1)赋值为空值，其他保留原值SetNull("raster"==
  • 高级编程--XML+socket练习题 masa010 java开发语言
    1.北京华北2114.8万人上海华东2,500万人广州华南1292.68万人成都华西1417万人（1）使用dom4j将信息存入xml中（2）读取信息，并打印控制台（3）添加一个city节点与子节点（4）使用socketTCP协议编写服务端与客户端，客户端输入城市ID，服务器响应相应城市信息（5）使用socketTCP协议编写服务端与客户端，客户端要求用户输入city对象，服务端接收并使用dom4j
  • 第一场雪 岁月静好_nx
    早晨起来，外面白茫茫的一片，总算是下雪了，这还是今年第一场雪呢！走在路上，踩着雪“咯吱咯吱”的，空气很湿润。树上、草坪上、屋顶上都落了白白的一层，天上还零星漂着几点雪。慢慢走在路上，呼吸着清新的空气，感受着冬天的美好，心情也好多了。
  • 水平垂直居中的几种方法（总结） LJ小番茄 CSS_玄学语言htmljavascript前端csscss3
    1.使用flexbox的justify-content和align-items.parent{display:flex;justify-content:center;/*水平居中*/align-items:center;/*垂直居中*/height:100vh;/*需要指定高度*/}2.使用grid的place-items:center.parent{display:grid;place-item
  • 【一起学Rust | 设计模式】习惯语法——使用借用类型作为参数、格式化拼接字符串、构造函数 广龙宇 一起学Rust#Rust设计模式rust设计模式开发语言
    提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、使用借用类型作为参数二、格式化拼接字符串三、使用构造函数总结前言Rust不是传统的面向对象编程语言，它的所有特性，使其独一无二。因此，学习特定于Rust的设计模式是必要的。本系列文章为作者学习《Rust设计模式》的学习笔记以及自己的见解。因此，本系列文章的结构也与此书的结构相同（后续可能会调成结构），基本上分为三个部分
  • 本周第二次约练 2cfbdfe28a51
    中原焦点团队中24初26刘霞2021.12.3约练161次，分享第368天当事人虽然是带着问题来的，但是咨询过程中发现，她是经过自己不断地调整和努力才走到现在的，看到当事人的不容易，找到例外，发现资源，力量感也就随之而来。增强画面感，或者说重温，会给当事人带来更深刻的感受。
  • springmvc 下 freemarker页面枚举的遍历输出 杨白白 enumfreemarker
    spring mvc freemarker 中遍历枚举 1枚举类型有一个本地方法叫values（），这个方法可以直接返回枚举数组。所以可以利用这个遍历。 enum public enum BooleanEnum { TRUE(Boolean.TRUE, "是"), FALSE(Boolean.FALSE, "否");
  • 实习简要总结 byalias 工作
    来白虹不知不觉中已经一个多月了，因为项目还在需求分析及项目架构阶段，自己在这段 时间都是在学习相关技术知识，现在对这段时间的工作及学习情况做一个总结： （1）工作技能方面 大体分为两个阶段，Java Web 基础阶段和Java EE阶段 1）Java Web阶段 在这个阶段，自己主要着重学习了 JSP, Servlet, JDBC, MySQL，这些知识的核心点都过 了一遍，也
  • Quartz——DateIntervalTrigger触发器 eksliang quartz
    转载请出自出处：http://eksliang.iteye.com/blog/2208559 一.概述 simpleTrigger 内部实现机制是通过计算间隔时间来计算下次的执行时间，这就导致他有不适合调度的定时任务。例如我们想每天的 1：00AM 执行任务，如果使用 SimpleTrigger，间隔时间就是一天。注意这里就会有一个问题，即当有 misfired 的任务并且恢复执行时，该执行时间
  • Unix快捷键 18289753290 unixUnix；快捷键;
    复制，删除，粘贴： dd:删除光标所在的行                             &nbs
  • 获取Android设备屏幕的相关参数 酷的飞上天空 android
    包含屏幕的分辨率  以及 屏幕宽度的最大dp 高度最大dp   TextView text = (TextView)findViewById(R.id.text); DisplayMetrics dm = new DisplayMetrics(); text.append("getResources().ge
  • 要做物联网？先保护好你的数据 蓝儿唯美 数据
    根据Beecham Research的说法，那些在行业中希望利用物联网的关键领域需要提供更好的安全性。 在Beecham的物联网安全威胁图谱上，展示了那些可能产生内外部攻击并且需要通过快速发展的物联网行业加以解决的关键领域。 Beecham Research的技术主管Jon Howes说：“之所以我们目前还没有看到与物联网相关的严重安全事件，是因为目前还没有在大型客户和企业应用中进行部署，也就
  • Java取模（求余）运算 随便小屋 java
            整数之间的取模求余运算很好求，但几乎没有遇到过对负数进行取模求余，直接看下面代码： /** * * @author Logic * */ public class Test { public static void main(String[] args) { // TODO A
  • SQL注入介绍 aijuans sql注入
    二、SQL注入范例 这里我们根据用户登录页面 <form action="" > 用户名：<input type="text" name="username"><br/> 密 码：<input type="password" name="passwor
  • 优雅代码风格 aoyouzi 代码
    总结了几点关于优雅代码风格的描述： 代码简单：不隐藏设计者的意图，抽象干净利落，控制语句直截了当。 接口清晰：类型接口表现力直白，字面表达含义，API 相互呼应以增强可测试性。 依赖项少：依赖关系越少越好，依赖少证明内聚程度高，低耦合利于自动测试，便于重构。 没有重复：重复代码意味着某些概念或想法没有在代码中良好的体现，及时重构消除重复。 战术分层：代码分层清晰，隔离明确，
  • 布尔数组 百合不是茶 java布尔数组
      androi中提到了布尔数组;   布尔数组默认的是false,  并且只会打印false或者是true   布尔数组的例子;  根据字符数组创建布尔数组 char[] c = {'p','u','b','l','i','c'}; //根据字符数组的长度创建布尔数组的个数 boolean[] b = new bool
  • web.xml之welcome-file-list、error-page bijian1013 javaweb.xmlservleterror-page
    welcome-file-list 1.定义： <welcome-file-list> <welcome-file>login.jsp</welcome> </welcome-file-list>  2.作用：用来指定WEB应用首页名称。   error-page1.定义： <error-page&g
  • richfaces 4 fileUpload组件删除上传的文件 sunjing clearRichfaces 4fileupload
     页面代码               <h:form id="fileForm">            <rich:
  • 技术文章备忘 bit1129 技术文章
    Zookeeper http://wenku.baidu.com/view/bab171ffaef8941ea76e05b8.html http://wenku.baidu.com/link?url=8thAIwFTnPh2KL2b0p1V7XSgmF9ZEFgw4V_MkIpA9j8BX2rDQMPgK5l3wcs9oBTxeekOnm5P3BK8c6K2DWynq9nfUCkRlTt9uV
  • org.hibernate.hql.ast.QuerySyntaxException: unexpected token: on near line 1解决方案 白糖_ Hibernate
    文章摘自：http://blog.csdn.net/yangwawa19870921/article/details/7553181   在编写HQL时，可能会出现这种代码： select a.name,b.age from TableA a left join TableB b on a.id=b.id  如果这是HQL，那么这段代码就是错误的，因为HQL不支持
  • sqlserver按照字段内容进行排序 bozch 按照内容排序
    在做项目的时候，遇到了这样的一个需求：           从数据库中取出的数据集，首先要将某个数据或者多个数据按照地段内容放到前面显示，例如:从学生表中取出姓李的放到数据集的前面；          select * fro
  • 编程珠玑-第一章-位图排序 bylijinnan java编程珠玑
    import java.io.BufferedWriter; import java.io.File; import java.io.FileWriter; import java.io.IOException; import java.io.Writer; import java.util.Random; public class BitMapSearch {
  • Java关于==和equals chenbowen00 java
    关于==和equals概念其实很简单，一个是比较内存地址是否相同，一个比较的是值内容是否相同。虽然理解上不难，但是有时存在一些理解误区，如下情况： 1、 String a = "aaa"; a=="aaa"; ==> true 2、 new String("aaa")==new String("aaa
  • [IT与资本]软件行业需对外界投资热情保持警惕 comsci it
          我还是那个看法,软件行业需要增强内生动力,尽量依靠自有资金和营业收入来进行经营,避免在资本市场上经受各种不同类型的风险,为企业自主研发核心技术和产品提供稳定,温和的外部环境...       如果我们在自己尚未掌握核心技术之前,企图依靠上市来筹集资金,然后使劲往某个领域砸钱,然
  • oracle 数据块结构 daizj oracle块数据块块结构行目录
    oracle 数据块是数据库存储的最小单位，一般为操作系统块的N倍。其结构为： 块头－－〉空行－－〉数据，其实际为纵行结构。 块的标准大小由初始化参数DB_BLOCK_SIZE指定。具有标准大小的块称为标准块（Standard Block）。块的大小和标准块的大小不同的块叫非标准块（Nonstandard Block）。同一数据库中，Oracle9i及以上版本支持同一数据库中同时使用标
  • github上一些觉得对自己工作有用的项目收集 dengkane github
    github上一些觉得对自己工作有用的项目收集 技能类 markdown语法中文说明 回到顶部 全文检索 elasticsearch bigdesk elasticsearch管理插件 回到顶部 nosql mapdb 支持亿级别map, list, 支持事务. 可考虑做为缓存使用 C
  • 初二上学期难记单词二 dcj3sjt126com englishword
    dangerous 危险的 panda 熊猫 lion 狮子 elephant 象 monkey 猴子 tiger 老虎 deer 鹿 snake 蛇 rabbit 兔子 duck 鸭 horse 马 forest 森林 fall 跌倒；落下 climb 爬；攀登 finish 完成；结束 cinema 电影院；电影 seafood 海鲜；海产食品 bank 银行
  • 8、mysql外键(FOREIGN KEY)的简单使用 dcj3sjt126com mysql
    一、基本概念 1、MySQL中“键”和“索引”的定义相同，所以外键和主键一样也是索引的一种。不同的是MySQL会自动为所有表的主键进行索引，但是外键字段必须由用户进行明确的索引。用于外键关系的字段必须在所有的参照表中进行明确地索引，InnoDB不能自动地创建索引。 2、外键可以是一对一的，一个表的记录只能与另一个表的一条记录连接，或者是一对多的，一个表的记录与另一个表的多条记录连接。 3、如
  • java循环标签 Foreach shuizhaosi888 标签java循环foreach
    1. 简单的for循环 public static void main(String[] args) { for (int i = 1, y = i + 10; i < 5 && y < 12; i++, y = i * 2) { System.err.println("i=" + i + " y="
  • Spring Security（05）——异常信息本地化 234390216 exceptionSpring Security异常信息本地化
    异常信息本地化          Spring Security支持将展现给终端用户看的异常信息本地化，这些信息包括认证失败、访问被拒绝等。而对于展现给开发者看的异常信息和日志信息（如配置错误）则是不能够进行本地化的，它们是以英文硬编码在Spring Security的代码中的。在Spring-Security-core-x
  • DUBBO架构服务端告警Failed to send message Response javamingtingzhao 架构DUBBO
     废话不多说，警告日志如下，不知道有哪位遇到过，此异常在服务端抛出(服务器启动第一次运行会有这个警告)，后续运行没问题，找了好久真心不知道哪里错了。    WARN 2015-07-18 22:31:15,272 com.alibaba.dubbo.remoting.transport.dispatcher.ChannelEventRunnable.run(84)
  • JS中Date对象中几个用法 leeqq JavaScriptDate最后一天
    近来工作中遇到这样的两个需求 1. 给个Date对象，找出该时间所在月的第一天和最后一天 2. 给个Date对象，找出该时间所在周的第一天和最后一天   需求1中的找月第一天很简单，我记得api中有setDate方法可以使用 使用setDate方法前，先看看getDate var date = new Date(); console.log(date); // Sat J
  • MFC中使用ado技术操作数据库 你不认识的休道人 sqlmfc
    1.在stdafx.h中导入ado动态链接库 #import"C:\Program Files\Common Files\System\ado\msado15.dll" no_namespace rename("EOF","end")2.在CTestApp文件的InitInstance()函数中domodal之前写::CoIniti
  • Android Studio加速 rensanning android studio
    Android Studio慢、吃内存！启动时后会立即通过Gradle来sync & build工程。 （1）设置Android Studio a) 禁用插件 File -> Settings...  Plugins 去掉一些没有用的插件。 比如：Git Integration、GitHub、Google Cloud Testing、Google Cloud
  • 各数据库的批量Update操作 tomcat_oracle javaoraclesqlmysqlsqlite
    MyBatis的update元素的用法与insert元素基本相同，因此本篇不打算重复了。本篇仅记录批量update操作的 sql语句，懂得SQL语句，那么MyBatis部分的操作就简单了。 　　注意：下列批量更新语句都是作为一个事务整体执行，要不全部成功，要不全部回滚。 MSSQL的SQL语句 　WITH R AS（ 　　SELECT 'John' as name, 18 as
  • html禁止清除input文本输入缓存 xp9802 input
    多数浏览器默认会缓存input的值，只有使用ctl+F5强制刷新的才可以清除缓存记录。如果不想让浏览器缓存input的值，有2种方法： 方法一： 在不想使用缓存的input中添加 autocomplete="off"; eg: <input type="text" autocomplete="off" name
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他