分組是數(shù)據(jù)庫的常見運(yùn)算，無論數(shù)據(jù)如何準(zhǔn)備，通常都需要將所有數(shù)據(jù)遍歷。建立索引這時(shí)是不起作用的，存儲(chǔ)格式才是決定遍歷效率的主要因素。數(shù)據(jù)庫中數(shù)據(jù)的存放雖然是二進(jìn)制格式的，但普遍IO性能差，庫內(nèi)遍歷快，外部取數(shù)都很慢。

下面用Oracle來舉個(gè)例子，數(shù)據(jù)如下：

ORDERID CLIENT SELLERID AMOUNT ORDERDATE NOTE

1 287 47 5825 2013-05-31 gafcaghafdgie f ci…

2 89 22 8681 2013-05-04 gafcaghafdgie f ci…

3 47 67 7702 2009-11-22 gafcaghafdgie f ci…

4 76 85 8717 2011-12-13 gafcaghafdgie f ci…

5 307 81 8003 2008-06-01 gafcaghafdgie f ci…

6 366 39 6948 2009-09-25 gafcaghafdgie f ci…

7 295 8 1419 2013-11-11 gafcaghafdgie f ci…

8 496 35 6018 2011-02-18 gafcaghafdgie f ci…

9 273 37 9255 2011-05-04 gafcaghafdgie f ci…

10 212 0 2155 2009-03-22 gafcaghafdgie f ci…

…

實(shí)際數(shù)據(jù)量已經(jīng)超過了數(shù)據(jù)庫的最大內(nèi)存（數(shù)據(jù)總量為 25G，Oracle 可用的最大內(nèi)存為 12G）。使用Oracle的Parallel Execution來完成分組匯總，SQL大概這樣：

select /*+ Parallel(8) */ client,sellerid,count(orderid),sum(amount) from orders group by client,sellerid

這個(gè)SQL執(zhí)行耗時(shí)：210秒。

同樣的環(huán)境、同樣的數(shù)據(jù)，用集算器來處理，耗時(shí)約65秒，代碼如下：

后者速度快是因?yàn)槭褂昧思闫骷募?#xff08;二進(jìn)制文件）作為數(shù)據(jù)存儲(chǔ)，正如之前提到的數(shù)據(jù)存儲(chǔ)格式直接影響遍歷的性能，關(guān)于存儲(chǔ)格式、特點(diǎn)、性能排名如下表：

存儲(chǔ)格式特點(diǎn)性能排名二進(jìn)制占用空間最小，解析最快1文本文本的好處是通用，但性能不好2數(shù)據(jù)庫也是二進(jìn)制，但普遍IO性能差，庫內(nèi)遍歷快，外部取數(shù)都很慢3

處理大量數(shù)據(jù)時(shí)，性能優(yōu)化的第一步，往往是挑選合適的存儲(chǔ)格式。數(shù)據(jù)庫的存儲(chǔ)十分寶貴，為了節(jié)約存儲(chǔ)，提高運(yùn)算性能，可將單純用作OLAP場景的那些數(shù)據(jù)搬到數(shù)據(jù)庫外部，使用更高性能的存儲(chǔ)格式存放數(shù)據(jù)。感興趣可以參考：性能優(yōu)化教案—遍歷

集算器還很容易嵌入到Java應(yīng)用程序中，Java如何調(diào)用SPL腳本有使用和獲得它的方法。

關(guān)于集算器安裝使用、獲得免費(fèi)授權(quán)和相關(guān)技術(shù)資料，可以參見如何使用集算器。

總結(jié)

以上是生活随笔為你收集整理的oracle 分组_大数据分组怎样才会更快的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。