CBO参数之一“_sort_elimination_cost_ratio”

本文详细解读了SQL查询优化中的_sort_elimination_cost_ratio参数,通过实例展示了如何利用此参数调整查询执行计划,从而优化查询效率。重点分析了参数设置对执行计划的影响,包括成本计算和排序策略的改变。

参数“_sort_elimination_cost_ratio”含义如下(转自http://space.itpub.net/22034023/viewspace-716217):

create table t1 as select * from dba_objects where object_id is not null;
alter table t1 add constraint t1_pk primary key(object_id);
create index t1_ind on t1(object_type);
alter session set optimizer_mode=first_rows;
alter session set "_sort_elimination_cost_ratio" = 0;

以上脚本创建了一张表,表的主键是object_id,表上有一个普通索引object_type.

set autotrace traceonly
select        *
  2  from       t1
  3  where      object_type = 'TABLE'
  4  order by
  5     object_id
  6  ;

2060 rows selected.

Execution Plan
----------------------------------------------------------
   0      SELECT STATEMENT ptimizer=FIRST_ROWS (Cost=276 Card=423 Bytes=36378)
   1    0   TABLE ACCESS (BY INDEX ROWID) OF 'T1' (Cost=276 Card=423 Bytes=36378)
   2    1     INDEX (FULL SCAN) OF 'T1_PK' (UNIQUE) (Cost=23 Card=10986)

我们看到默认的执行计划走了主键索引的index full scan.算出来的cost是276.

select        /*+ no_index(t1,t1_pk) */
  2  *
  3  from       t1
  4  where      object_type = 'TABLE'
  5  order by
  6     object_id
  7  ;

2060 rows selected.


Execution Plan
----------------------------------------------------------
   0      SELECT STATEMENT ptimizer=FIRST_ROWS (Cost=46 Card=423 Bytes=36378)
   1    0   SORT (ORDER BY) (Cost=46 Card=423 Bytes=36378)
   2    1     TABLE ACCESS (BY INDEX ROWID) OF 'T1' (Cost=32 Card=423Bytes=36378)
   3    2       INDEX (RANGE SCAN) OF 'T1_IND' (NON-UNIQUE) (Cost=1 Card=423)

通过为语句增加hint的方式,查询计划走了index RANGE scan.这个时候的cost是46.

select 276/46 from dual;

    276/46
----------
         6
默认的查询计划(INDEX pk full scan)的cost是走object_type索引查询计划的6倍。
我们通过设置_sort_elimination_cost_ratio的值小于6,准确点说,小于6大于0的整数都可以。

alter session set "_sort_elimination_cost_ratio" =5;

Session altered.

select
  2  *
  3  from       t1
  4  where      object_type = 'TABLE'
  5  order by
  6     object_id
  7  ;

2060 rows selected.


Execution Plan
----------------------------------------------------------
   0      SELECT STATEMENT ptimizer=FIRST_ROWS (Cost=46 Card=423 Bytes=36378)
   1    0   SORT (ORDER BY) (Cost=46 Card=423 Bytes=36378)
   2    1     TABLE ACCESS (BY INDEX ROWID) OF 'T1' (Cost=32 Card=423Bytes=36378)
   3    2       INDEX (RANGE SCAN) OF 'T1_IND' (NON-UNIQUE) (Cost=1 Card=423)

可以看到默认的执行计划已经走到了object_type索引的range scan.

如果设置参数_sort_elimination_cost_ratio的值大于6,那么查询计划依然会走主键列的index full scan.

alter session set "_sort_elimination_cost_ratio" =6/7(只要大等于6);

Session altered.

select
*
 from  t1
where   object_type = 'TABLE'
order by
        object_id
;

2060 rows selected.


Execution Plan
----------------------------------------------------------
   0      SELECT STATEMENT ptimizer=FIRST_ROWS (Cost=276 Card=423 Bytes=36378)
   1    0   TABLE ACCESS (BY INDEX ROWID) OF 'T1' (Cost=276 Card=423 Bytes=36378)
   2    1     INDEX (FULL SCAN) OF 'T1_PK' (UNIQUE) (Cost=23 Card=10986)

可以看到 _sort_elimination_cost_ratio 的含义。
如果不走排序的成本/走排序的成本 >  _sort_elimination_cost_ratio.那么执行计划会走排序。
如果不走排序的成本/走排序的成本 <  _sort_elimination_cost_ratio.那么执行计划不会走排序。
_sort_elimination_cost_ratio=0是一个比较特殊的值,代表任何时候都要消减排序,即使排序的成本的是无穷大。
如果想取消这个特性,那么就把这个参数值设置成1。

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值