Dans l’exemple qui suit, nous allons illustrer que le SQL Tuning Advisor ne descend pas dans le détail de comment les statistiques sont capturées. Cet exemple a été réalisé avec Oracle 10.2.0.3 sur Windows.
Dans un premier temps, nous allons créer une table demo#3 avec le script ci-dessous :
- La table demo#3 a des statistiques a jour puisque prise après le remplissage de la table. En revanche la stratégie par défaut ne prend pas d’histogramme sur les colonnes à moins qu’elles aient été préalablement utilisées dans une clause WHERE.
- Les données de la colonne COL1 sont indexées. Elles sont distribuées de manière non homogène puisque la valeur 1 représente en fréquence la moitié des valeurs de la colonne.
SQL> create table demo#3 (id number primary key,
col1 number,
col2 varchar2(4000));
create index demo#3_col1_idx on demo#3(col1);
begin
for i in 1..50000 loop
insert into demo#3 values (i,1,
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’);
insert into demo#3 values (50000+i,1+i,
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’||
‘AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA’);
end loop;
commit;
end;
/
exec dbms_stats.gather_table_stats(USER, ‘DEMO#3’ –
, cascade=>true, method_opt=>’FOR ALL COLUMNS SIZE AUTO’);
SQL*Tuning Advisor
Nous allons utiliser le SQL Tuning Advisor pour voir si la requête « select count(col2) from demo#3 where col1=1 » peut être améliorée.
SQL> variable gg varchar2(100)
SQL> exec :gg := DBMS_SQLTUNE.CREATE_TUNING_TASK( -
sql_text => 'select count(col2) from demo#3 where col1=1', -
user_name => 'SYSTEM', -
scope => 'COMPREHENSIVE', -
time_limit => 30, -
task_name => 'DEMO#3', -
description => 'Tuning d''un accès simple à la table DEMO#3');
SQL> exec dbms_sqltune.execute_tuning_task( task_name => 'DEMO#3' );
Pour affichez le résultat du SQL Tuning Advisor, tapez :
SQL > set long 10000
SQL > set longchunksize 10000
SQL > set lines 100
SQL > select dbms_sqltune.report_tuning_task('DEMO#3')
from dual;
DBMS_SQLTUNE.REPORT_TUNING_TASK('DEMO#3')
----------------------------------------------------------
GENERAL INFORMATION SECTION
----------------------------------------------------------
Tuning Task Name : DEMO#3
Tuning Task Owner : SYSTEM
Scope : COMPREHENSIVE
Time Limit(seconds): 30
Completion Status : COMPLETED
Started at : 02/03/2007 16:18:25
Completed at : 02/03/2007 16:18:27
----------------------------------------------------------
Schema Name: SYSTEM
SQL ID : 2s4vfqtcpcw5v
SQL Text : select count(col2) from demo#3 where col1=1
----------------------------------------------------------
There are no recommendations to improve the statement.
----------------------------------------------------------
SQL> exec DBMS_SQLTUNE.DROP_TUNING_TASK('DEMO#3');
Il n’y a pas de recommandation et pourtant, si on exécute la requête, on s’aperçoit qu’elle passe par l’index alors qu’il serait plus efficace d’effectuer un FULL TABLE SCAN. J’aime bien l’idée selon laquelle un index n’est pas toujours utile et même contre-productif.
SQL> set autotrace on
SQL>
COUNT(COL2)
———–
50000
EcoulÚ : 00 :00 :31.18
Plan d’exÚcution
———————————————————-
Plan hash value: 2470349637
————————————————————————
| Id | Operation | Name | Rows | Bytes |
————————————————————————
| 0 | SELECT STATEMENT | | 1 | 1005 |
| 1 | SORT AGGREGATE | | 1 | 1005 |
| 2 | TABLE ACCESS BY INDEX ROWID| DEMO#3 | 29 | 29145 |
|* 3 | INDEX RANGE SCAN | DEMO#3_COL1_IDX | 29 | |
————————————————————————
Predicate Information (identified by operation id):
—————————————————
3 – access(« COL1″=1)
Statistiques
———————————————————-
1 recursive calls
0 db block gets
21745 consistent gets
5723 physical reads
524724 redo size
422 bytes sent via SQL*Net to client
396 bytes received via SQL*Net from client
2 SQL*Net roundtrips to/from client
0 sorts (memory)
0 sorts (disk)
1 rows processed
Améliorer les plans grâce à la stratégie par défaut de prise de statistiques
tabname => ‘DEMO#2’, –
estimate_percent => DBMS_STATS.AUTO_SAMPLE_SIZE, –
method_opt => ‘FOR ALL COLUMNS SIZE AUTO’, –
cascade => TRUE);
SQL> set autotrace on
SQL> select count(col2)
from demo#2
where col1=1;
COUNT(COL2)
-----------
50000
Plan d'exécution
----------------------------------------------------------
Plan hash value: 559471190
-----------------------------------------------------------------------------
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |
-----------------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 1 | 1005 | 3149 (1)| 00:00:38 |
| 1 | SORT AGGREGATE | | 1 | 1005 | | |
|* 2 | TABLE ACCESS FULL| DEMO#2 | 49606 | 47M| 3149 (1)| 00:00:38 |
-----------------------------------------------------------------------------
Predicate Information (identified by operation id):
---------------------------------------------------
2 - filter("COL1"=1)
Statistiques
----------------------------------------------------------
1 recursive calls
0 db block gets
14297 consistent gets
7422 physical reads
0 redo size
422 bytes sent via SQL*Net to client
396 bytes received via SQL*Net from client
2 SQL*Net roundtrips to/from client
0 sorts (memory)
0 sorts (disk)
1 rows processed
La raison de ce changement est que que la distribution des données dans la colonne COL1 est désormais enregistrée et visible grâce la la vue DBA_HISTOGRAMS comme le montre la requête ci-dessus :
SQL> select ENDPOINT_NUMBER, ENDPOINT_VALUE
from dba_histograms
where OWNER=USER and TABLE_NAME=’DEMO#3′ and COLUMN_NAME=’COL1′;
ENDPOINT_NUMBER ENDPOINT_VALUE
--------------- --------------
0 1
1 49999
GarK!