oracle sql 執行原理

oracle sql 執行原理

select 的工做原理：
1：Parse，語法分析階段
2：Execute，執行
3：Fetch，提取數據階段

一：先在Library Cache找這條命令，看執行計劃，
二：若是沒有，就語法分析
三：若是語法經過，就對象分析，經過數據字典
       好比表存不存在，表列存不存在，表列若是是*，就翻譯成所有列名
四：得到對象解析鎖，鎖住表，列這個對象，目的是防止別的用戶來改變表，列結構。
五：檢查權限對象，看用戶能不能訪問這個對象。好比表，視圖。
六：服務器生成執行計劃，裝載到Library Cache中
七：檢查 數據庫高速緩存區(Data buffer)中，有沒有內容，即看能不能找到對象(表，視圖)的數據塊(block)，若是有，就返回
八：若是不存在，由服務器進程，把表塊讀取到Data Buffer中
九：把Data Buffer中的數據提取出來.

 

update語句分析：
1：Parse階段
2：Execute階段

一：先在Library Cache找這條命令，看執行計劃，
二：若是沒有，就語法分析
三：若是語法經過，就對象分析，經過數據字典
       好比表存不存在，表列存不存在
四：得到對象解析鎖，鎖住表，列這個對象，目的是防止別的用戶來改變表，列結構。
五：檢查權限對象，看用戶能不能訪問這個對象。好比表，視圖。
六：服務器生成執行計劃，裝載到Library Cache中

七：檢查數據庫高速緩存區(Data buffer)中，要修改的內容的行(數據塊)存不存在，若是存在，就修改
八：若是不存在，由服務器進程，把表塊讀取到Data Buffer中
九：給被修改的行加鎖，以防止其它用戶對對象(表)的結構進行修改。
十：舊數據放到Undo buffer(回滾段)中，新數據寫時去，這個改變狀態記錄到Redo Logo中(Redo 日誌/重作日誌)

刪除(DELETE)
1.Oracle讀Block到Buffer Cache(若是該Block在Buffer中不存在)
2.在redo log buffer中記錄delete操做的細節
3.在相應回滾段段頭的事務表中建立一個undo條目
4.把將要刪除的記錄建立前鏡像,存放到Undo Block中
5.在Buffer Cache中的相應數據塊上刪除記錄，而且標記相應的數據塊爲Dirty


提交(COMMIT)
1.Oracle產生一個SCN
2.在回滾段事務表中標記該事務狀態爲commited
3.LGWR Flush Log Buffer到日誌文件
3.若是此時數據塊仍然在Buffer Cache中，那麼SCN將被記錄到Block Header上，這被稱爲快速提交(fast commit)
4.若是dirty block已經被寫回到磁盤，那麼下一個訪問這個block的進程將會自回滾段中獲取該事務的狀態，確認該事務被提交。而後這個進程得到提交SCN並寫回到Block Header上。這被稱爲延遲塊清除(delayed block cleanout)。

 

 

我的疑惑待解決問題：

　　對於insert into table1 （id） values（select max(id)+1 from table2） 這種sql，併發會不會引發id重複？？？

 

 

合併鏈接（Sort Merge Join， SMJ）：
　　a） 對於非等值鏈接，這種鏈接方式的效率是比較高的。
　　b） 若是在關聯的列上都有索引，效果更好。
　　c） 對於將2個較大的row source作鏈接，該鏈接方法比NL鏈接要好一些。
　　d） 可是若是sort merge返回的row source過大，則又會致使使用過多的rowid在表中查詢數據時，數據庫性能降低，由於過多的I/O.

　　嵌套循環（Nested Loops， NL）：
　　a） 若是driving row source（外部表）比較小，而且在inner row source（內部表）上有惟一索引，或有高選擇性非惟一索引時，使用這種方法能夠獲得較好的效率。
　　b） NESTED LOOPS有其它鏈接方法沒有的的一個優勢是：能夠先返回已經鏈接的行，而沒必要等待全部的鏈接操做處理完才返回數據，這能夠實現快速的響應時間。

　　哈希鏈接（Hash Join， HJ）：
　　a） 這種方法是在oracle7後來引入的，使用了比較先進的鏈接理論，通常來講，其效率應該好於其它2種鏈接，可是這種鏈接只能用在CBO優化器中，並且須要設置合適的hash_area_size參數，才能取得較好的性能。
　　b） 在2個較大的row source之間鏈接時會取得相對較好的效率，在一個row source較小時則能取得更好的效率。
　　c） 只能用於等值鏈接中