Oracle study之--HASH Cluster特点

   Hash Cluster Table是Cluster Table的一种(另一种是Index Cluster Table)。在Hash Cluster Table中，Oracle会为每行数据按Hash键计算一个Hash值，拥有同样Hash值的记录在Hash Table中会物理上存放在一起,oracle为Hash Key计算所得到的Hash Value会对应到确定的数据库块地址，这样，应用在访问Hash Cluster Table时就可以根据Hash Value快速定位到要访问的数据，也就是说，在Hash Cluster Table中，数据本身就是索引。

    在创建Hash Cluster Table时，有两个参数很重要，它们是SIZE和HASHKEYS参数。SIZE参数指定用来保存相同键值记录的空间大小。HASHKEYS参数指定Hash键的个数。该值要求是一个质数，若用户指定的值不是质数，则数据库会取与用户指定值最接近的质数。

本文试图通过测试验证关于Hash Cluster Table的以下问题：

1.  在提高应用访问性能方面，Hash Cluster Table与索引的区别；

2.  不同SIZE和HASHKEYS参数值对Hash Cluster Table的存储和查询性能有何影响；

3.  Hash Cluster Table的适用场景，使用上有什么限制。

测试如下：

表test_hash_cluster有100万条记录，占用空间为55M,其表结构如下：

1. SQL> select count(*) from test_hash_cluster;
   

2.   COUNT(*)
   

3. ----------
   

4.    1000000
   

5.  
   

6. SQL> select bytes/1024/1024 from user_segments where segment_name=\'TEST_HASH_CLUSTER\';
   

7. BYTES/1024/1024
   

8. ---------------
   

9.              55
   

SQL> desc TEST_HASH_CLUSTER                              
 Name                        Null?    Type               
 --------------------------- -------- ------------------ 
 TABLE_NAME                           VARCHAR2(30)       
 NDA_ID                               NUMBER(38)         
 AGI_ID                               NUMBER(38)         
 CHUNK_DATE                           DATE               
 COMMIT_SCN                           NUMBER(22)    

假设我们的应用对test_hash_cluster表的访问方式比较固定，具体查询语句如下：

1. select * from test_hash_cluster where table_name=:B1 and NDA_ID=:B2 and AGI_ID=:B3 and CHUNK_DATE=:B4;

若要求以上查询有个快速响应结果，通常我们会怎么做呢？

一般来说，我们都会考虑在(TABLE_NAME,NDA_ID,AGI_ID,CHUNK_DATE)列上创建组合索引，或者我们将TEST_HASH_CLUSTER表创建为索引组织表(IOT).其实我们还可以考虑Hash Cluster Table.

首先，我们还是为TEST_HASH_CLUSTER表创建索引，以与后面的Hash Cluster Table作性能上的比较。

1. create index ind_test_hash_cluster on test_hash_cluster (table_name, nda_id, agi_id, chunk_date);
   

2.  
   

3. SQL> select bytes/1024/1024 from user_segments where segment_name=\'IND_TEST_HASH_CLUSTER\';
   

4.  
   

5. BYTES/1024/1024
   

6. ---------------
   

7.              54
   

8.  
   

9. exec DBMS_STATS.GATHER_TABLE_STATS(\'SCOTT\',\'TAB_HASH_CLUSTER\',estimate_percent=>100);
   

10.  
    

11. SQL> select BLEVEL from user_indexes where index_name=\'IND_TEST_HASH_CLUSTER\';
    

12.  
    

13.     BLEVEL
    

14. ----------
    

15.          2

索引ind_test_hash_cluster占用54MB的空间，其BLEVEL值为2，当我们查询TEST_HASH_CLUSTER表中的一条记录时，理论上我们需要访问三个索引数据块(root block, branch block, leaf block)+一个表数据块，即在没有数据缓存的情况下，我们需要作4次Physical Reads.下面的结果验证了上面的猜测：

1. select * from test_hash_cluster where table_name=\'NTS_OPEN_FUND_UNIT_TS\' and NDA_ID=1213871 and AGI_ID=2560 and CHUNK_DATE=to_date(\'20050101\',\'yyyymmdd\');
   

2.  
   

3. -----------------------------------------------------------------------------------------------------
   

4. | Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |
   

5. -----------------------------------------------------------------------------------------------------
   

6. | 0 | SELECT STATEMENT | | 1 | 45 | 4 (0)| 00:00:01 |
   

7. | 1 | TABLE ACCESS BY INDEX ROWID| TEST_HASH_CLUSTER | 1 | 45 | 4 (0)| 00:00:01 |
   

8. |* 2 | INDEX RANGE SCAN | IND_TEST_HASH_CLUSTER | 1 | | 3 (0)| 00:00:01 |
   

9. -----------------------------------------------------------------------------------------------------
   

10. Statistics
    

11. ----------------------------------------------------------
    

12.           0 recursive calls
    

13.           0 db block gets
    

14.           5 consistent gets
    

15.           4 physical reads
    

16.           0 redo size
    

17.         857 bytes sent via SQL*Net to client
    

18.         523 bytes received via SQL*Net from client
    

19.           2 SQL*Net roundtrips to/from client
    

20.           0 sorts (memory)
    

21.           0 sorts (disk)
    

22.           1 rows processed

接下来，我们看看Hash Cluster Table的表现：

1. CREATE CLUSTER HASH_CLUSTER (
   

2.         TABLE_NAME VARCHAR2(30),
   

3.         NDA_ID NUMBER(38,0),
   

4.         AGI_ID NUMBER(38,0),
   

5.         CHUNK_DATE DATE )
   

6. SIZE 128
   

7. HASHKEYS 1000003
   

8. STORAGE(INITIAL 1048576 NEXT 1048576);
   

9.  
   

10. SQL> select bytes/1024/1024 from user_segments where segment_name=\'HASH_CLUSTER\';
    

11.  
    

12. BYTES/1024/1024
    

13. ---------------
    

14.              128
    

15. 
    

16. CREATE TABLE TAB_HASH_CLUSTER
    

17.    ( TABLE_NAME VARCHAR2(30),
    

18.         NDA_ID NUMBER(38,0),
    

19.         AGI_ID NUMBER(38,0),
    

20.         CHUNK_DATE DATE,
    

21.         COMMIT_SCN NUMBER(22,0)
    

22.    )
    

23. CLUSTER HASH_CLUSTER (TABLE_NAME, NDA_ID, AGI_ID, CHUNK_DATE) ;
    

24.  
    

25. SQL> insert into TAB_HASH_CLUSTER select * from TEST_HASH_CLUSTER;
    

26.  
    

27. 1000000 rows created.
    

28.  
    

29. SQL>commit;
    

30.  
    

31. SQL> alter system flush buffer_cache;
    

32.  
    

33. SQL> select * from TAB_HASH_CLUSTER where table_name=\'NTS_OPEN_FUND_UNIT_TS\' and NDA_ID=1213871 and AGI_ID=2560 and CHUNK_DATE=to_date(\'20050101\',\'yyyymmdd\');
    

34. ----------------------------------------------------------------------------
    

35. | Id | Operation | Name | Rows | Bytes | Cost (%CPU)|
    

36. ----------------------------------------------------------------------------
    

37. | 0 | SELECT STATEMENT | | 1 | 65 | 0 (0)|
    

38. |* 1 | TABLE ACCESS HASH| TAB_HASH_CLUSTER | 1 | 65 | |
    

39. ----------------------------------------------------------------------------
    

40. Statistics
    

41. ----------------------------------------------------------
    

42.           0 recursive calls
    

43.           0 db block gets
    

44.           2 consistent gets
    

45.           1 physical reads
    

46.           0 redo size
    

47.         853 bytes sent via SQL*Net to client
    

48.         523 bytes received via SQL*Net from client
    

49.           2 SQL*Net roundtrips to/from client
    

50.           0 sorts (memory)
    

51.           0 sorts (disk)
    

52.           1 rows processed

从测试结果可以看到，同样的查询语句，当底层表是Hash Cluster Table时，我们只需要作一次Physical Reads，读取一个数据块即可得到需要的数据了。

这是如何实现的呢？

在TAB_HASH_CLUSTER表的底层，oracle根据每条记录的(TABLE_NAME,NDA_ID,AGI_ID,CHUNK_DATE)列作hash计算，得到了一个Hash Value,这些Hash Value会对应到该记录在Cluster中具体的块地址。当应用在查询数据时，如果查询的where条件中提供了具体的(TABLE_NAME,NDA_ID,AGI_ID,CHUNK_DATE)值，Oracle会为查询的条件用同样的Hash算法计算Hash Value,这样，查询时就可以根据该Hash Value直接找到具体的数据块了。

接下来，我们看看SIZE和HASHKEYS参数对Hash表的影响：

前面，我们在创建Cluster HASH_CLUSTER时指定的HASHKEYS值为1000003，表TAB_HASH_CLUSTER的记录数为1000000，HASHKEYS值大于数据记录数，也就是有足够的HASHKEYS来保证HASHKEYS与数据之间是一一对应的。

那么，如果我们指定一个相对较小的HASHKEYS值会怎么样呢？

1. CREATE CLUSTER HASH_CLUSTER2 (
   

2.         TABLE_NAME VARCHAR2(30),
   

3.         NDA_ID NUMBER(38,0),
   

4.         AGI_ID NUMBER(38,0),
   

5.         CHUNK_DATE DATE )
   

6. SIZE 128
   

7. HASHKEYS 10007;
   

8. 
   

9. CREATE TABLE TAB_HASH_CLUSTER2
   

10.    ( TABLE_NAME VARCHAR2(30),
    

11.         NDA_ID NUMBER(38,0),
    

12.         AGI_ID NUMBER(38,0),
    

13.         CHUNK_DATE DATE,
    

14.         COMMIT_SCN NUMBER(22,0)
    

15.    )
    

16. CLUSTER HASH_CLUSTER2 (TABLE_NAME, NDA_ID, AGI_ID, CHUNK_DATE);

表中有1,000,000条记录，但Hashkeys值只有10007个，这样，一个hash值就需要对应多条记录，也就是在读取数据时，一个Hash Value会对应到多个数据块上，也就是需要访问多个数据块，如下：

1. alter system flush buffer_cache;
   

2. 
   

3. SQL> select * from TAB_HASH_CLUSTER2 where table_name=\'NTS_OPEN_FUND_UNIT_TS\' and NDA_ID=1213871 and AGI_ID=2560 and CHUNK_DATE=to_date(\'20050101\',\'yyyymmdd\');
   

4. ----------------------------------------------------------------------------
   

5. | Id | Operation | Name | Rows | Bytes | Cost (%CPU)|
   

6. ----------------------------------------------------------------------------
   

7. | 0 | SELECT STATEMENT | | 1 | 65 | 0 (0)|
   

8. |* 1 | TABLE ACCESS HASH| TAB_HASH_CLUSTER2 | 1 | 65 | |
   

9. ----------------------------------------------------------------------------
   

10. Statistics
    

11. ----------------------------------------------------------
    

12.           0 recursive calls
    

13.           0 db block gets
    

14.          64 consistent gets
    

15.          63 physical reads
    

16.           0 redo size
    

17.         853 bytes sent via SQL*Net to client
    

18.         523 bytes received via SQL*Net from client
    

19.           2 SQL*Net roundtrips to/from client
    

20.           0 sorts (memory)
    

21.           0 sorts (disk)
    

22.           1 rows processed

除了Hashkeys参数，影响Hash Cluster Table的另一个重要参数是Size. 拥有相同键值的记录保存在由Size参数指定的同一空间中，或者说同一数据块中。在上面的例子中，10,007个Hash Value对应1,000,000条记录，平均一个Hash Value对应大约100条记录，但从统计信息看来，只访问了63个数据块，而不是100左右，其中重要原因就是Size参数，这里我们设置的是128字节，该Size可能可以存储多于一条的记录，这样100条记录就不一定是在100个不同块中，所以实际访问的数据块只有63。按此逻辑，如果我们将Size参数设置得更大，就可以保证更多拥有相同Hash Value的记录在物理上聚集在一起存放，比如，这里测试将Size设置为1024 byte.

1. CREATE CLUSTER HASH_CLUSTER3 (
   

2.         TABLE_NAME VARCHAR2(30),
   

3.         NDA_ID NUMBER(38,0),
   

4.         AGI_ID NUMBER(38,0),
   

5.         CHUNK_DATE DATE )
   

6. SIZE 1024
   

7. HASHKEYS 10007;
   

8. 
   

9. CREATE TABLE TAB_HASH_CLUSTER3
   

10.    ( TABLE_NAME VARCHAR2(30),
    

11.         NDA_ID NUMBER(38,0),
    

12.         AGI_ID NUMBER(38,0),
    

13.         CHUNK_DATE DATE,
    

14.         COMMIT_SCN NUMBER(22,0)
    

15.    ) 
    

16. CLUSTER HASH_CLUSTER3 (TABLE_NAME, NDA_ID, AGI_ID, CHUNK_DATE);
    

17. 
    

18. select * from TAB_HASH_CLUSTER4 where table_name=\'NTS_OPEN_FUND_UNIT_TS\' and NDA_ID=1213871 and AGI_ID=2560 and CHUNK_DATE=to_date(\'20050101\',\'yyyymmdd\');
    

19. ----------------------------------------------------------------------------
    

20. | Id | Operation | Name | Rows | Bytes | Cost (%CPU)|
    

21. ----------------------------------------------------------------------------
    

22. | 0 | SELECT STATEMENT | | 1 | 65 | 0 (0)|
    

23. |* 1 | TABLE ACCESS HASH| TAB_HASH_CLUSTER3 | 1 | 65 | |
    

24. ----------------------------------------------------------------------------
    

25. 
    

26. Statistics
    

27. ----------------------------------------------------------
    

28.           0 recursive calls
    

29.           0 db block gets
    

30.           7 consistent gets
    

31.           6 physical reads
    

32.           0 redo size
    

33.         853 bytes sent via SQL*Net to client
    

34.         523 bytes received via SQL*Net from client
    

35.           2 SQL*Net roundtrips to/from client
    

36.           0 sorts (memory)
    

37.           0 sorts (disk)
    

38.           1 rows processed

正如前面所预料的, physical reads 降低了很多, 从63 降到了 6.

总结来说，当我们决定要用Hash Cluster Table来提高应用查询性能，那么选择合适的SIZE和HASHKEYS参数值就显得异常重要。设置合适SIZE和HASHKEYS参数的标准就是在读取数据时需要访问尽量少的数据块。一种方法就是设置HASHKEYS的值比数据记录数更大，或者当HASHKEYS小于总记录数时，保证Size指定的大小能存下所有拥有相同Hash Value的记录。否则，就会发生类似与“行链接”的想象，数据库需要用溢出块来存储多余的数据，并在原块中建立一个链接来指到新的溢出块上，进而影响访问性能。

最后，我们来看看Hash Cluster Table的适用场景及使用限制：

1.  Hash Cluster Table适用于查询较频繁，而写操作相对较少的表，因为写数据时需要为每条记录计算Hash 值，并且需要在固定的块上作插入操作；

2.  由于Hash Cluster Table是基于Hash算法创建的，所以查询时必须是等值查询；否则，无从按查询条件计算Hash值；

3.  在我们决定使用Hash Cluster Table之前，我们需要能合理估计Hash Key的数量以及数据的空间大小，从而选择合适的SIZE和HASHKEYS参数,这对表的访问性能至关重要；

4.  与索引相比，Hash Cluster Table有其优势，如前面的测试所示，但也有其劣势，比如不够灵活。还以前面的例子来看，若我们建的是复合索引，则我们在查询时只要查询条件中指定了前面的一个或几个列，就能利用索引作快速查询。但若是Hash Cluster Table，则要求我们在查询条件中包含所有的Hash Key值。