oracle dba优化好优化吗

Oracle有很多值得学习的地方，这里我们主要介绍Oracle优化，包括介绍可变参数的Oracle优化等方面。数据库系统和 *** 作系统一样，在计算机上安装成功后，还需要进一步配置和优化，从而使其具有更强大的功能和运行在最佳状态。如果在设计阶段因为各种因素没有进行较为合理的配置和计划，那么就需要在后期对数据库系统进行优化。

数据库系统性能的优化，除了在设计阶段对其逻辑存储结构和物理存储结构设计进行优化，使之在满足需求条件下，时空开销性能最佳外，还可在运行阶段，采取一些优化措施，使系统性能最佳。本专题所讨论的性能优化主要指运行阶段的性能优化，即讨论如何使用Oracle所提供的优化手段来提高系统性能。大多数性能问题并不是一种孤立的症状，而是系统设计的结果，因此性能优化就集中在那些导致不可接受特征的同一的、固定的和潜在的问题上。优化是数据库设计中“计划”、 “设计”、“监视”和“优化”四大步骤的最后一步。除了用Oracle优化器来优化数据库的性能外，DBA还可通过Oracle优化的参数设置等手段来优化数据库的性能，对参数的细微优化便能影响系统整体性能。

在SQL查询中，为了提高查询的效率，我们常常采取一些措施对查询语句进行SQL性能优化。本文我们总结了一些优化措施，接下来我们就一一介绍。

1查询的模糊匹配

尽量避免在一个复杂查询里面使用 LIKE '%parm1%'—— 红色标识位置的百分号会导致相关列的索引无法使用，最好不要用。

解决办法:

其实只需要对该脚本略做改进，查询速度便会提高近百倍。改进方法如下：

a、修改前台程序——把查询条件的供应商名称一栏由原来的文本输入改为下拉列表，用户模糊输入供应商名称时，直接在前台就帮忙定位到具体的供应商，这样在调用后台程序时，这列就可以直接用等于来关联了。

b、直接修改后台——根据输入条件，先查出符合条件的供应商，并把相关记录保存在一个临时表里头，然后再用临时表去做复杂关联。

2索引问题

在做性能跟踪分析过程中，经常发现有不少后台程序的性能问题是因为缺少合适索引造成的，有些表甚至一个索引都没有。这种情况往往都是因为在设计表时，没去定义索引，而开发初期，由于表记录很少，索引创建与否，可能对性能没啥影响，开发人员因此也未多加重视。然一旦程序发布到生产环境，随着时间的推移，表记录越来越多。这时缺少索引，对性能的影响便会越来越大了。

法则：不要在建立的索引的数据列上进行下列 *** 作:

避免对索引字段进行计算 *** 作

避免在索引字段上使用not，<>，!=

避免在索引列上使用IS NULL和IS NOT NULL

避免在索引列上出现数据类型转换

避免在索引字段上使用函数

避免建立索引的列中使用空值

3复杂 *** 作

部分UPDATE、SELECT 语句 写得很复杂（经常嵌套多级子查询）——可以考虑适当拆成几步，先生成一些临时数据表，再进行关联 *** 作。

4update

同一个表的修改在一个过程里出现好几十次，如：

update table1 set col1= where col2=; update table1 set col1= where col2=

这类脚本其实可以很简单就整合在一个UPDATE语句来完成（前些时候在协助xxx项目做性能问题分析时就发现存在这种情况）

5在可以使用UNION ALL的语句里，使用了UNION

UNION 因为会将各查询子集的记录做比较，故比起UNION ALL ，通常速度都会慢上许多。一般来说，如果使用UNION ALL能满足要求的话，务必使用UNION ALL。还有一种情况大家可能会忽略掉，就是虽然要求几个子集的并集需要过滤掉重复记录，但由于脚本的特殊性，不可能存在重复记录，这时便应该使用 UNION ALL，如xx模块的某个查询程序就曾经存在这种情况，见，由于语句的特殊性，在这个脚本中几个子集的记录绝对不可能重复，故可以改用UNION ALL）。

6在WHERE 语句中，尽量避免对索引字段进行计算 *** 作

这个常识相信绝大部分开发人员都应该知道，但仍有不少人这么使用，我想其中一个最主要的原因可能是为了编写写简单而损害了性能，那就不可取了。9月份在对XX系统做性能分析时发现，有大量的后台程序存在类似用法，如：where trunc(create_date)=trunc(:date1)，虽然已对create_date 字段建了索引，但由于加了TRUNC，使得索引无法用上。此处正确的写法应该是where create_date>=trunc(:date1) and create_date< pre=""><>或者是where create_date between trunc(:date1) and trunc(:date1)+1-1/(246060)。

注意：因between 的范围是个闭区间（greater than or equal to low value and less than or equal to high value），故严格意义上应该再减去一个趋于0的小数，这里暂且设置成减去1秒（1/(246060)），如果不要求这么精确的话，可以略掉这步。

7对Where 语句的法则

71 避免在WHERE子句中使用in，not in，or 或者having。

可以使用 exist 和not exist代替in和not in。

可以使用表链接代替 exist。Having可以用where代替，如果无法代替可以分两步处理。

例子

SELECT FROM ORDERS WHERE CUSTOMER_NAME NOT IN (SELECT CUSTOMER_NAME FROM CUSTOMER)

优化

SELECT FROM ORDERS WHERE CUSTOMER_NAME not exist (SELECT CUSTOMER_NAME FROM CUSTOMER)

72 不要以字符格式声明数字，要以数字格式声明字符值。（日期同样）否则会使索引无效，产生全表扫描。

例子使用：

SELECT empename, empjob FROM emp WHERE empempno = 7369;

--不要使用：

SELECT empename, empjob FROM emp WHERE empempno = '7369'

8对Select语句的法则

在应用程序、包和过程中限制使用select from table这种方式。看下面例子

--使用

SELECT empno,ename,category FROM emp WHERE empno = '7369'

--而不要使用

SELECT FROM emp WHERE empno = '7369'

9 排序

避免使用耗费资源的 *** 作，带有DISTINCT,UNION,MINUS,INTERSECT,ORDER BY的SQL语句会启动SQL引擎 执行，耗费资源的排序(SORT)功能 DISTINCT需要一次排序 *** 作, 而其他的至少需要执行两次排序。

10临时表

慎重使用临时表可以极大的提高系统性能。

关于SQL性能优化的知识就介绍到这里了

这是一个很大的话题，下面提供一些思路，仅供参考：

使用分区，按照业务场景，使用日期、数据类别等作为表分区的依据；

使用分区压缩；

如果SGA足够大的话，常用的表或索引可以考虑pin到SGA中；

常用的查询考虑使用物化视图；

针对AWR里面的top SQL进行优化；

参考ADDM的建议。

打开数据库之后。会发现左边的“Table”分页中显示了表与视图的表格。而右边的“Data”分页中显示了数据表中的数据。

在“Table”表格中点击另一个表，右边的“Data”也会跟着变换内容。

其实，在“Table”表格中点击时，会自动根据“Table”右侧的下拉框生成SQL语句，并自动点击“Exec”按钮。

你也可以在“SQL”文本框中写好自己的SQL语句，并点击“Exec”（执行）按钮。注意“Exec”左侧的文本框是记录条数限制，若设为0则表示获取全部记录。

oracle数据库优化的话主要有以下几个方面（我接触过的，可能不全面）：

1 查询语句的优化，这个主要是根据语句和数据库索引的情况，结合查询计划的分析结果，对性能较低的查询语句进行重写，在执行查询前执行表分析语句也可以算这里；

2 数据结构优化，这个包括根据实际的应用中业务逻辑，对数据库的结构进行重新设计，或者创建相关索引里提高查询效率；

3 数据库设置优化，这方面主要是调整数据库和数据结构的相关参数提高应用访问系统的效率；

4 存储结构优化，在数据量较大的情况下，可以考虑通过数据库的存储结构进行优化，比如对数据进行partition，将数据存储在磁盘阵列服务器上等。

我的经验有限，以上是部分建议

优化update要根据使用方式决定：

1如果是在线事务系统，那么建立合适的索引非常重要，其次通过分区技术设立合理的分区键也可以大大提升更新前的查找定位效率。

2如果是后台批量数据分析系统，一次需要更新表中数据的大部分，那么可以考虑使用临时表过度，采用insert到临时表再替换原表的方式代替update *** 作，这样效率的提升非常可观，对系统的压力也小很多。也可以使用分区技术，对多个分区并行update *** 作以提升效率，但是系统的压力也会随之增大。

以上就是关于oracle dba优化好优化吗全部的内容，包括:oracle dba优化好优化吗、如何对Oracle sql 进行性能优化的调整、oracle 数据量大怎么优化等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！