摘  要: HWM(High Water Mark)是表中已經使用過的存儲空間與未使用過的存儲空間之間的分界線，HWM對全表掃描的性能有非常大的影響。當全表掃描時，Oracle會讀取HWM下所有的塊，即使這些塊中有很多是空塊，空塊的存在，也即是表中碎片的存在，必將增加全表掃描額外的物理I/O開銷及CPU開銷，嚴重降低訪問Oracle數據表的性能。通過對Oracle中關于表中HWM的原理及性能優化問題的討論，針對HWM下的碎片問題提出相關的優化策略，并對其空間重組前后進行性能對比測試。
關鍵詞: Oracle; HWM; 性能優化

    Web2.0與Web3.0的發展都離不開后臺支持數據庫，數據庫運行的好壞、快慢，直接影響到使用者的應用，因而本文將重點研究信息資源建設中后臺數據庫的優化策略。Oracle 數據庫是具有高可靠性、高安全性、高兼容性的大型關系型數據庫，是信息化建設的重要基礎平臺。網絡中的信息資源數據庫具有異構、數據量大、多媒體內容多、查詢頻繁等特點，伴隨網絡不斷深入的應用，其存儲在數據庫中的數據量越來越多，而傳統的數據庫設計方法使得數據庫隨著訪問數據量的增大其性能明顯地降低[1]。Oracle的邏輯空間管理是Oracle管理和優化的重要部分，ASSM段空間自動管理下的HWM問題對Oracle的存儲管理和性能優化有重大影響。本文在探討Oracle 10g邏輯存儲管理的基礎上,針對HWM下的碎片問題提出了相關的優化策略，并對其空間重組前后進行了性能測試。
1 Oracle存儲管理
1.1 Oracle邏輯存儲管理
    Oracle在邏輯存儲上分4個粒度,如圖1所示。

    (1) Block(塊)：粒度最小的存儲單位，標準默認大小是8 KB，Oracle每一次I/O操作都是按Block來進行的。
    (2) Extent(區)：由一系列相鄰的Block組成，是Oracle空間分配的基本單位[2]，Oracle是以Extent為單位進行擴展的。
    (3) Segment(段)：由一系列的Extents所組成[2]，當創建一個對象時(表或索引)，就會分配一個Segment給這個對象。
    (4) Tablespace(表空間):包括Segment、Extent和Block，Tablespace的數據物理上存儲在其所在的數據文件中，一個數據庫最少要有一個Tablespace。
1.2 HWM
    高水標記HWM(High-Water Mark)這個概念在Segment的存儲內容中是比較重要的。簡單來說，HWM代表一個表使用的最大(top limit)塊(如圖2所示)，就是一個Segment中已使用和未來使用的Block的分界線[3]。圖2顯示了HWM首先位于新創建表的第一個塊中，隨著數據的插入和更新，使用了越來越多的塊，當現有空間不足而進行空間擴展時HWM會隨之向上移。如果刪除一部分行數據，可能會有許多塊不再包含數據，但HWM不會往下移，被占用的最高空間稱為HWM。

     Oracle在做全表掃描時會讀取HWM下的所有Blocks，即使其中不包含任何數據，Oracle都會一一讀取，這會大大影響系統的性能，特別是當HWM之下的大多數塊都為空時。
     如果一個OLTP系統(即聯機事務處理，就是常說的關系數據庫，對記錄進行增、刪、改、查)應用頻繁地對某個表里的記錄進行DML(Data Manipulation Language)操作(即數據操縱語言，一種命令使用戶能夠查詢數據庫以及操作已有數據庫中的數據的計算機語言)，會造成Block中數據分布稀疏,導致HWM下存在大量的碎片,浪費大量的空間。當做全表掃描時，Oracle會讀取HWM之下的所有塊，即使其中不包含數據[3]。對于HWM以下表的碎片,做全表訪問時必然增加一致性讀，因而影響到響應時間，降低系統性能。
2 優化策略
    對于增、刪、改操作比較頻繁的表，尤其是刪除操作比較頻繁的表，一般表的高水位HWM值會偏高，也就是表中數據塊碎片高，雖然ASSM的自動空間管理能提高DML操作并發訪問的性能，但是HWM下高碎片的產生會大大影響訪問效率，而減少碎片、降低對象的HWM可提高對象的訪問效率，從而達到性能優化，大大提高數據的訪問效率。表對象可以通過shrink或move方法實現重組、減少碎片、降低HWM，進行性能優化；索引對象可以提供rebuild的方法來實現重組、減少碎片、降低HWM，進行性能優化。當然，在對表及索引進行shrink或move及rebuild操作時，最好選擇在非業務高峰時進行，避免影響業務的正常運轉。
    shrink與move操作有一些不同，但都可以完成表中碎片的整理，在此可做一些比較：
    (1) move的執行效率比shrink高，因為shrink會產生redo log、undo log；
    (2) shrink對數據的移動是從后往前的，所以shrink不需要使用額外的空閑空間，而move是需要額外空閑空間的；
    (3) 對帶有索引的表進行shrink操作時，索引是不需要重建的；而對帶有索引的表進行move操作時，索引是需要rebuild重建的，否則索引不可用；
    (4) 對表進行shrink操作時，必須打開表的行遷移屬性。
    shrink和move都會對操作的表加表級獨占鎖，因此其他session對此表執行 DML操作時，存在鎖等待；當shrink或move操作執行完成，鎖釋放。
    索引的rebuild是可以在線完成的，比較適合在高可用環境下完成。
    另外，shrink是10g的新特性，僅對ASSM管理表空間有效。
    具體命令操作如下：
    shrink命令：
    Alter table XXX enable row movement(打開表XXX的行遷移屬性);
    Alter table XXX shrink space(僅僅對表XXX進行縮小，不對表中的索引進行空間縮小);
    Alter table XXX shrink space cascade(縮表的同時，也對表中的索引進行縮小);
    Alter table XXX disable row movement(縮表完成后，關閉表XXX的行遷移屬性)。
    move命令：
    Alter table XXX move(對表進行move);
    Alter index YYY rebuild(如果表有索引，則需要對表的索引進行重建)。
3 性能優化測試
    對于碎片較多的表，可以通過shrink或move操作降低表中HWM高水位的值來進行性能優化。下面以shrink命令為例子進行測試。
3.1 對TEST表進行分析
     (1) 表大小
    SQL> select segment_name, bytes/1024/1024 表大小MB from dba_segments where segment_name=′TEST′;
    SEGMENT_NAME           表大小MB
    TEST                                5.632
    (2) 表的實際數據大小：2.439 MB
    SQL>select table_name, AVG_ROW_LEN ,NUM_ROWS,AVG_ROW_LEN*NUM_ROWS/1024/1024 表實際大小MB,LAST_ANALYZED from dba_tables where table_name=′TEST′;
TABLE_NAME AVG_ROW_LEN NUM_ROWS 表實際大小MB   LAST_ANALYZED
    TEST  157  16290    2.439     2012-12-01 00:13:12
    (3)根據表實際大小公式可得出該表的碎片率為：56.7%
    (1-表實際數據大小/表大小)×100/%=(1-2.439/5.632)×100%=56.7%碎片率：56.7%
    (4)執行SQL語句:select * from test；
    查詢表test中所有記錄，查詢所需時間為2 s。
    SQL的解釋計劃如下:
    Execution Plan
    |Id|Operation |Name |Rows | Cost (%CPU)| Time|
    |0| SELECT STATEMENT |  |   | 141   (0)|    |
    |1| TABLE ACCESS FULL|TEST|16290|141(0)|00:00:02|
    從以上的SQL解釋計劃來看,SQL采用的是全表掃描讀的方式訪問,SQL將讀取表的高水位HWM以下的所有數據塊。
    由上可知: (1)表TEST的大小為5.632 MB， 但實際數據大小約為2.439 MB，碎片率約為56.7%，表TEST中存在大量的碎片; (2)查詢該表所有記錄所需要的時間為2 s。
3.2 碎片重組  優化處理
    通過shrink方式對表TEST作碎片重組實現對表的優化處理。
    SQL> select segment_name, bytes/1024/1024 表大小MB from dba_segments where segment_name=′TEST′;
    segment_name                表大小MB
        TEST                         5.632
    SQL>alter table test enable row movement;
    SQL>alter table test shrink space;
    SQL>alter table test disable row movement;
    SQL>select segment_name，bytes/1024/1024 表大小MB from dba_segments where segment_name=′TEST′;
    SEGMENT_NAME               表大小MB
        TEST                            3.072
    通過對上對TEST表進行優化處理后可以看到:(1) shrink縮表操作后TEST表的大小從5.632 MB縮小到3.072 MB,縮小了近一半,從而降低了表TEST的HWM值； (2)再次執行全表掃描的查詢SQL:select * from test;查詢時間縮短為1 s，SQL執行速度大大提高。
3.3 測試結論
    在對高碎片表進行全表掃描讀的訪問方式時,碎片增加了不必要的物理讀與內存讀,也就增加了不必要的物理I/O與CPU的消耗，最終降低了對表數據的訪問速度，即影響了SQL語句的響應時間。通過shrink或者move操作對表碎片空間進行重組，可以有效降低表中的HWM值，提高表的訪問效率，進而提高block的命中率，在一定程度上，可以起到系統優化的作用。
    本文針對HWM下碎片問題對性能的影響，探討減少碎片空間的優化策略，通過對碎片空間的重組來減少碎片的產生，以提高訪問效率。
    數據庫性能優化是一項復雜的系統工程，是一個循序漸進的過程，應該針對Oracle運行過程中出現的各種問題，找出性能瓶頸，有針對性地對系統進行調整，保證數據庫高效可靠的運行。
參考文獻
[1] 高敬媛, 趙克寶.校園網數據庫性能優化技術[J].煤炭技術,2011,30(07):226-228.
[2] KYTE T, ORACLE E, Signature edition programming techniques and solutions for Oracle 7.3 through 8.1.7 (Expert One-On-One)[M]. New York: Apress，2010.
[3] KYTE T. Expert Oracle database architecture: 9i and 10g  programming techniques and solutions[M]. 2006，San Bernardino: Macsource press，2006.