之前的一篇博客中提到,物化视图的全量刷新也是一种高可用性的体现,但是性能如何呢,下面来简单的测试一下。
首先需要创建一个函数,这个函数会计算当前session下的一些指标信息。比如redo的生成量。
CREATE OR REPLACE FUNCTION "GET_STAT_VAL" (p_name in varchar2)
return number
as
l_val number;
begin
select b.value into l_val from v$statname a,v$mystat b
where a.statistic#=b.statistic#
and a.name=p_name;
return l_val;
end;
/
然后创建一个shell脚本test.sh,这样就可以直接来运行sql语句,马上得到结果了。脚本内容如下:
sqlplus -s xxx/xxxx set echo on
set feedback off
variable redo number
exec :redo :=get_stat_val('redo size');
prompt start to gather redo size ...
set serveroutput on
set timing on
alter system flush buffer_cache;
$1
--prompt finished gather redo size ...
set timing off
exec dbms_output.put_line((get_stat_val('redo size')-:redo)||' bytes of redo generated...');
EOF
exit
首先来创建基表
SQL> create table tab_test tablespace pool_data as select *from dba_objects;
Table created.
SQL> select bytes from dba_segments where segment_name='TAB_TEST';
BYTES
----------
2097152
然后使用Insert into tab_test select *from tab_test;然数据自增。达到24M左右的样子。
SQL> select bytes from user_segments where segment_name='TAB_TEST';
BYTES
----------
24117248
SQL> commit;
Commit complete.
创建物化视图,默认使用全量刷新,可以看到生成的redo和物理段的大小基本一致。
$ ksh test.sh "create materialized view mv_test as select *from tab_test;"
start to gather redo size ...
Elapsed: 00:00:00.11
Elapsed: 00:00:02.87
23327504 bytes of redo generated...
然后创始全量刷新,发现redo量有了极大的增长,一下子达到了100多M. 响应时间从2秒一下子涨到了13秒。
$ ksh test.sh "exec dbms_mview.refresh('MV_TEST','C'); "
start to gather redo size ...
Elapsed: 00:00:00.83
Elapsed: 00:00:13.36
102212976 bytes of redo generated...
是不是所有的场景下全量刷新都会这么慢呢,看下面的例子。先truncate掉,然后再次全量刷新。发现响应时间一下子又恢复了2秒的样子。
$ ksh test.sh "truncate table mv_test;"
start to gather redo size ...
Elapsed: 00:00:25.13
Elapsed: 00:00:00.17
65220 bytes of redo generated...
$ ksh test.sh "exec dbms_mview.refresh('MV_TEST','C');"
start to gather redo size ...
Elapsed: 00:00:15.02
Elapsed: 00:00:01.65
23112468 bytes of redo generated...
如果已经刷新过,再次刷新,redo量又开始达到100M左右,我感觉物化视图刷新的过程中,对已有数据的刷新,又要删除原有数据,又要保证数据的读一致性,可能在实现上性能不够理想。
$ ksh test.sh "exec dbms_mview.refresh('MV_TEST','C');"
start to gather redo size ...
Elapsed: 00:00:14.86
Elapsed: 00:00:11.13
102370296 bytes of redo generated...
$
下面来看看普通表的Insert性能相比物化视图刷新的情况,创建表insert_test。
首先来测试一下表在nologging的时候redo的情况,可以看到redo生成量只有118k左右。
create with nologging
$ ksh test.sh "create table insert_Test tablespace pool_data nologging as select *from tab_test;"
start to gather redo size ...
Elapsed: 00:00:23.48
Elapsed: 00:00:02.88
117892 bytes of redo generated...
毕竟nologging使用的场景有限,在没有确认备份和业务需要的时候,不建议这么做。来看看默认使用Logging的时候。redo生成量和物理段基本一致。
create with logging
$ ksh test.sh "create table insert_test tablespace pool_data as select *from tab_test;"
start to gather redo size ...
Elapsed: 00:00:00.08
Elapsed: 00:00:01.96
23291008 bytes of redo generated...
然后尝试truncate以后,使用insert插入数据。
$ ksh test.sh "truncate table insert_test;"
start to gather redo size ...
Elapsed: 00:00:00.06
Elapsed: 00:00:00.16
62956 bytes of redo generated...
如果使用insert append的方式插入,测试的这个库在archive的模式下,可以看到性能没有什么变化。
$ ksh test.sh "insert into /*+append */ insert_test select *from tab_test;"
start to gather redo size ...
Elapsed: 00:00:03.15
Elapsed: 00:00:01.60
23085680 bytes of redo generated...
使用常规的insert的时候,redo生成量也没有明显的变化。
ksh a.sh "insert into insert_test select *from tab_test;"
start to gather redo size ...
Elapsed: 00:00:00.09
Elapsed: 00:00:01.34
23078764 bytes of redo generated...
这么看materialized view和insert的性能没有明显的差别。
可以考虑使用parallel让性能提升一个层次。
首先设置object级别的parallel
$ ksh a.sh " alter table insert_test parallel 2;"
start to gather redo size ...
Elapsed: 00:00:00.06
Elapsed: 00:00:00.08
2224 bytes of redo generated...
然后开启session级别的parallel,就是在test.sh里面加入一句
alter session enable parallel dml;
然后执行,可以看到redo的生成量才18K的样子,性能确实有了很大的提升。
ksh a.sh "insert into insert_test select *from tab_test;"
start to gather redo size ...
Elapsed: 00:00:00.10
Elapsed: 00:00:00.01
Elapsed: 00:00:04.19
17908 bytes of redo generated...
看到并行的效果这么明显,难道物化视图刷新就没有并行吗,可以的,不过性能也确实没有什么提升,不知道自己设置的参数不够合理还是本来物化视图的实现细节复杂。
ksh a.sh "exec dbms_mview.refresh('MV_TEST','C',PARALLELISM=>2);"
start to gather redo size ...
Elapsed: 00:00:24.23
Elapsed: 00:00:11.30
102474472 bytes of redo generated...
由上可以看到,物化视图的刷新在性能和灵活性上没有普通表那么灵活。生成的Redo量要比普通表多,但是考虑到高可用性的使用,还是不错的选择,毕竟物化视图的优点不在于此,增量刷新和查询重写才是它的亮点所在。