Hash Cluster Table 研究

Hash Cluster Table是Cluster Table的一种(另一种是Index Cluster Table)。在Hash Cluster Table中，Oracle会为每行数据按Hash键计算一个Hash值，拥有同样Hash值的记录在Hash Table中会物理上存放在一起,oracle为Hash Key计算所得到的Hash Value会对应到确定的数据库块地址，这样，应用在访问Hash Cluster Table时就可以根据Hash Value快速定位到要访问的数据，也就是说，在Hash Cluster Table中，数据本身就是索引。

在创建Hash Cluster Table时，有两个参数很重要，它们是SIZE和HASHKEYS参数。SIZE参数指定用来保存相同键值记录的空间大小。HASHKEYS参数指定Hash键的个数。该值要求是一个质数，若用户指定的值不是质数，则数据库会取与用户指定值最接近的质数。

本文试图通过测试验证关于Hash Cluster Table的以下问题：

1. 在提高应用访问性能方面，Hash Cluster Table与索引的区别；

2. 不同SIZE和HASHKEYS参数值对Hash Cluster Table的存储和查询性能有何影响；

3. Hash Cluster Table的适用场景，使用上有什么限制。

测试如下：

表test_hash_cluster有100万条记录，占用空间为55M,其表结构如下：

SQL> select count(*) from test_hash_cluster;
COUNT(*)
----------
1000000
SQL> select bytes/1024/1024 from user_segments where segment_name=\'TEST_HASH_CLUSTER\';
BYTES/1024/1024
---------------
55

SQL> desc TEST_HASH_CLUSTER
Name Null? Type
--------------------------- -------- ------------------
TABLE_NAME VARCHAR2(30)
NDA_ID NUMBER(38)
AGI_ID NUMBER(38)
CHUNK_DATE DATE
COMMIT_SCN NUMBER(22)

假设我们的应用对test_hash_cluster表的访问方式比较固定，具体查询语句如下：

select * from test_hash_cluster where table_name=:B1 and NDA_ID=:B2 and AGI_ID=:B3 and CHUNK_DATE=:B4;

若要求以上查询有个快速响应结果，通常我们会怎么做呢？

一般来说，我们都会考虑在(TABLE_NAME,NDA_ID,AGI_ID,CHUNK_DATE)列上创建组合索引，或者我们将TEST_HASH_CLUSTER表创建为索引组织表(IOT).其实我们还可以考虑Hash Cluster Table.

首先，我们还是为TEST_HASH_CLUSTER表创建索引，以与后面的Hash Cluster Table作性能上的比较。

create index ind_test_hash_cluster on test_hash_cluster (table_name, nda_id, agi_id, chunk_date);
SQL> select bytes/1024/1024 from user_segments where segment_name=\'IND_TEST_HASH_CLUSTER\';
BYTES/1024/1024
---------------
54
exec DBMS_STATS.GATHER_TABLE_STATS(\'SCOTT\',\'TAB_HASH_CLUSTER\',estimate_percent=>100);
SQL> select BLEVEL from user_indexes where index_name=\'IND_TEST_HASH_CLUSTER\';
BLEVEL
----------
2

索引ind_test_hash_cluster占用54MB的空间，其BLEVEL值为2，当我们查询TEST_HASH_CLUSTER表中的一条记录时，理论上我们需要访问三个索引数据块(root block, branch block, leaf block)+一个表数据块，即在没有数据缓存的情况下，我们需要作4次Physical Reads.下面的结果验证了上面的猜测：

select * from test_hash_cluster where table_name=\'NTS_OPEN_FUND_UNIT_TS\' and NDA_ID=1213871 and AGI_ID=2560 and CHUNK_DATE=to_date(\'20050101\',\'yyyymmdd\');
-----------------------------------------------------------------------------------------------------
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |
-----------------------------------------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 1 | 45 | 4 (0)| 00:00:01 |
| 1 | TABLE ACCESS BY INDEX ROWID| TEST_HASH_CLUSTER | 1 | 45 | 4 (0)| 00:00:01 |
|* 2 | INDEX RANGE SCAN | IND_TEST_HASH_CLUSTER | 1 | | 3 (0)| 00:00:01 |
-----------------------------------------------------------------------------------------------------
Statistics
----------------------------------------------------------
0 recursive calls
0 db block gets
5 consistent gets
4 physical reads
0 redo size
857 bytes sent via SQL*Net to client
523 bytes received via SQL*Net from client
2 SQL*Net roundtrips to/from client
0 sorts (memory)
0 sorts (disk)
1 rows processed

接下来，我们看看Hash Cluster Table的表现：

CREATE CLUSTER HASH_CLUSTER (
TABLE_NAME VARCHAR2(30),
NDA_ID NUMBER(38,0),
AGI_ID NUMBER(38,0),
CHUNK_DATE DATE )
SIZE 128
HASHKEYS 1000003
STORAGE(INITIAL 1048576 NEXT 1048576);
SQL> select bytes/1024/1024 from user_segments where segment_name=\'HASH_CLUSTER\';
BYTES/1024/1024
---------------
128
CREATE TABLE TAB_HASH_CLUSTER
( TABLE_NAME VARCHAR2(30),
NDA_ID NUMBER(38,0),
AGI_ID NUMBER(38,0),
CHUNK_DATE DATE,
COMMIT_SCN NUMBER(22,0)
)
CLUSTER HASH_CLUSTER (TABLE_NAME, NDA_ID, AGI_ID, CHUNK_DATE) ;
SQL> insert into TAB_HASH_CLUSTER select * from TEST_HASH_CLUSTER;
1000000 rows created.
SQL>commit;
SQL> alter system flush buffer_cache;
SQL> select * from TAB_HASH_CLUSTER where table_name=\'NTS_OPEN_FUND_UNIT_TS\' and NDA_ID=1213871 and AGI_ID=2560 and CHUNK_DATE=to_date(\'20050101\',\'yyyymmdd\');
----------------------------------------------------------------------------
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)|
----------------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 1 | 65 | 0 (0)|
|* 1 | TABLE ACCESS HASH| TAB_HASH_CLUSTER | 1 | 65 | |
----------------------------------------------------------------------------
Statistics
----------------------------------------------------------
0 recursive calls
0 db block gets
2 consistent gets
1 physical reads
0 redo size
853 bytes sent via SQL*Net to client
523 bytes received via SQL*Net from client
2 SQL*Net roundtrips to/from client
0 sorts (memory)
0 sorts (disk)
1 rows processed

从测试结果可以看到，同样的查询语句，当底层表是Hash Cluster Table时，我们只需要作一次Physical Reads，读取一个数据块即可得到需要的数据了。

这是如何实现的呢？

在TAB_HASH_CLUSTER表的底层，oracle根据每条记录的(TABLE_NAME,NDA_ID,AGI_ID,CHUNK_DATE)列作hash计算，得到了一个Hash Value,这些Hash Value会对应到该记录在Cluster中具体的块地址。当应用在查询数据时，如果查询的where条件中提供了具体的(TABLE_NAME,NDA_ID,AGI_ID,CHUNK_DATE)值，Oracle会为查询的条件用同样的Hash算法计算Hash Value,这样，查询时就可以根据该Hash Value直接找到具体的数据块了。

接下来，我们看看SIZE和HASHKEYS参数对Hash表的影响：

前面，我们在创建Cluster HASH_CLUSTER时指定的HASHKEYS值为1000003，表TAB_HASH_CLUSTER的记录数为1000000，HASHKEYS值大于数据记录数，也就是有足够的HASHKEYS来保证HASHKEYS与数据之间是一一对应的。

那么，如果我们指定一个相对较小的HASHKEYS值会怎么样呢？

CREATE CLUSTER HASH_CLUSTER2 (
TABLE_NAME VARCHAR2(30),
NDA_ID NUMBER(38,0),
AGI_ID NUMBER(38,0),
CHUNK_DATE DATE )
SIZE 128
HASHKEYS 10007;
CREATE TABLE TAB_HASH_CLUSTER2
( TABLE_NAME VARCHAR2(30),
NDA_ID NUMBER(38,0),
AGI_ID NUMBER(38,0),
CHUNK_DATE DATE,
COMMIT_SCN NUMBER(22,0)
)
CLUSTER HASH_CLUSTER2 (TABLE_NAME, NDA_ID, AGI_ID, CHUNK_DATE);

表中有1,000,000条记录，但Hashkeys值只有10007个，这样，一个hash值就需要对应多条记录，也就是在读取数据时，一个Hash Value会对应到多个数据块上，也就是需要访问多个数据块，如下：

alter system flush buffer_cache;
SQL> select * from TAB_HASH_CLUSTER2 where table_name=\'NTS_OPEN_FUND_UNIT_TS\' and NDA_ID=1213871 and AGI_ID=2560 and CHUNK_DATE=to_date(\'20050101\',\'yyyymmdd\');
----------------------------------------------------------------------------
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)|
----------------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 1 | 65 | 0 (0)|
|* 1 | TABLE ACCESS HASH| TAB_HASH_CLUSTER2 | 1 | 65 | |
----------------------------------------------------------------------------
Statistics
----------------------------------------------------------
0 recursive calls
0 db block gets
64 consistent gets
63 physical reads
0 redo size
853 bytes sent via SQL*Net to client
523 bytes received via SQL*Net from client
2 SQL*Net roundtrips to/from client
0 sorts (memory)
0 sorts (disk)
1 rows processed

除了Hashkeys参数，影响Hash Cluster Table的另一个重要参数是Size. 拥有相同键值的记录保存在由Size参数指定的同一空间中，或者说同一数据块中。在上面的例子中，10,007个Hash Value对应1,000,000条记录，平均一个Hash Value对应大约100条记录，但从统计信息看来，只访问了63个数据块，而不是100左右，其中重要原因就是Size参数，这里我们设置的是128字节，该Size可能可以存储多于一条的记录，这样100条记录就不一定是在100个不同块中，所以实际访问的数据块只有63。按此逻辑，如果我们将Size参数设置得更大，就可以保证更多拥有相同Hash Value的记录在物理上聚集在一起存放，比如，这里测试将Size设置为1024 byte.

CREATE CLUSTER HASH_CLUSTER3 (
TABLE_NAME VARCHAR2(30),
NDA_ID NUMBER(38,0),
AGI_ID NUMBER(38,0),
CHUNK_DATE DATE )
SIZE 1024
HASHKEYS 10007;
CREATE TABLE TAB_HASH_CLUSTER3
( TABLE_NAME VARCHAR2(30),
NDA_ID NUMBER(38,0),
AGI_ID NUMBER(38,0),
CHUNK_DATE DATE,
COMMIT_SCN NUMBER(22,0)
)
CLUSTER HASH_CLUSTER3 (TABLE_NAME, NDA_ID, AGI_ID, CHUNK_DATE);
select * from TAB_HASH_CLUSTER4 where table_name=\'NTS_OPEN_FUND_UNIT_TS\' and NDA_ID=1213871 and AGI_ID=2560 and CHUNK_DATE=to_date(\'20050101\',\'yyyymmdd\');
----------------------------------------------------------------------------
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)|
----------------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 1 | 65 | 0 (0)|
|* 1 | TABLE ACCESS HASH| TAB_HASH_CLUSTER3 | 1 | 65 | |
----------------------------------------------------------------------------
Statistics
----------------------------------------------------------
0 recursive calls
0 db block gets
7 consistent gets
6 physical reads
0 redo size
853 bytes sent via SQL*Net to client
523 bytes received via SQL*Net from client
2 SQL*Net roundtrips to/from client
0 sorts (memory)
0 sorts (disk)
1 rows processed

正如前面所预料的, physical reads 降低了很多, 从63 降到了 6.

总结来说，当我们决定要用Hash Cluster Table来提高应用查询性能，那么选择合适的SIZE和HASHKEYS参数值就显得异常重要。设置合适SIZE和HASHKEYS参数的标准就是在读取数据时需要访问尽量少的数据块。一种方法就是设置HASHKEYS的值比数据记录数更大，或者当HASHKEYS小于总记录数时，保证Size指定的大小能存下所有拥有相同Hash Value的记录。否则，就会发生类似与“行链接”的想象，数据库需要用溢出块来存储多余的数据，并在原块中建立一个链接来指到新的溢出块上，进而影响访问性能。

最后，我们来看看Hash Cluster Table的适用场景及使用限制：

1. Hash Cluster Table适用于查询较频繁，而写操作相对较少的表，因为写数据时需要为每条记录计算Hash 值，并且需要在固定的块上作插入操作；

2. 由于Hash Cluster Table是基于Hash算法创建的，所以查询时必须是等值查询；否则，无从按查询条件计算Hash值；

3. 在我们决定使用Hash Cluster Table之前，我们需要能合理估计Hash Key的数量以及数据的空间大小，从而选择合适的SIZE和HASHKEYS参数,这对表的访问性能至关重要；

4. 与索引相比，Hash Cluster Table有其优势，如前面的测试所示，但也有其劣势，比如不够灵活。还以前面的例子来看，若我们建的是复合索引，则我们在查询时只要查询条件中指定了前面的一个或几个列，就能利用索引作快速查询。但若是Hash Cluster Table，则要求我们在查询条件中包含所有的Hash Key值。

更多相关文章

随机推荐