Bind variables 和 bind variable peeking

在我们具体阐述问题之前,先建立一个测试用例:一张表test,列status存在2个值,有数据倾斜,在列status上有索引。
CREATE TABLE test
AS
SELECT ROWNUM id,
       DBMS_RANDOM.STRING('A', 12) name,
       DECODE(MOD(ROWNUM, 500), 0, 'Inactive', 'Active') status
  FROM all_objects
 WHERE ROWNUM <= 50000;


CREATE INDEX test_id_ind ON test(status);
EXEC dbms_stats.gather_table_stats(user, 'test', method_opt => 'for columns status size 254', cascade => true);


SELECT COUNT (*) cnt, status
  FROM test
GROUP BY status
/


       CNT STATUS
---------- ----------------
     14820 Active
        29 Inactive

我们可以很清楚的看到,列status存在两个唯一值,列上有倾斜,大部分的status为Active,只有少量的status为Inactive。
接着我们执行三条语句:
select name from test where id = 1
/                
select name from test where id = 2
/                
select name from test where id = 3
/

每次执行这个语句的时候,ORACLE会将它转换为ASCII然后采用一个HASH算法对这个ASCII进行HASH,然后根据HASH值检查这个SQL是否已经在共享池中,ORACLE检查共享池的时候,会做精准的匹配检查,如果这个语句在共享池中,ORACLE将重用这个SQL的游标(软解析),如果这个语句不在共享池,ORACLE将会做硬解析,硬解析是非常昂贵的操作,因为它会消耗很多的CPU资源,需要获得LATCH和访问、占用一些共享内存结构。可能学过其他一些数据库的同学会问,为什么ORACLE需要一个共享池的组建?为什么ORACLE需要做软解析?而MYSQL,MONGODB等一些数据库都是硬解析。主要的原因还是ORACLE的优化器算法非常复杂,不像MYSQL这些数据库。由于优化器算法过于复杂,导致硬解析要消耗更多的CPU,而像MYSQL这些数据库,优化器相对来说比较弱,硬解析代价不高,也就不需要缓存SQL执行计划,每次都做硬解析也不会产生过高的代价。
我们看下上面执行的3个SQL在共享池里是否被缓存了。

SELECT sql_text, hash_value, executions
  FROM v$sql
 WHERE sql_text LIKE 'select name from test%'

SQL_TEXT                                                     HASH_VALUE EXECUTIONS
------------------------------------------------------------ ---------- ----------
select name from test where id = 1                           2165441778          1
select name from test where id = 3                           3138738168          1
select name from test where id = 2                           2203286382          1


我们可以看到刚才执行的三个SQL,仅仅变量值不一样,就在共享池里占用了3个条目,每一个SQL的SQL文本经过HASH之后的HASH VALUE都不一样。为了解决这个问题,避免硬解析,让ORACLE重用存在的解析计划,我们需要使用绑定变量来做到这一点。

可以将:
select name from test where id = 1
写为:
select name from test where id = :a;

经过这样转换之后,ORACLE计算HASH VALUE都是基于select name from test where id = :a来计算,因此不管:a是何值都会共享之前产生的执行计划。
alter system flush shared_pool;
var a number
exec :a :=1

select name from test where id = :a;


NAME
-------------------------------------------------------
cuzgctDUzWVk


exec :a :=2


PL/SQL procedure successfully completed.


select name from test where id = :a;


NAME
-------------------------------------------------------
EwNouklMnqQt


exec :a :=3


PL/SQL procedure successfully completed.


select name from test where id = :a;


NAME
-------------------------------------------------------
IvwZVtQeHkWB

SELECT sql_text, hash_value, executions
  FROM v$sql
 WHERE sql_text LIKE 'select name from test%'
    
SQL_TEXT                                                     HASH_VALUE EXECUTIONS
------------------------------------------------------------ ---------- ----------
select name from test where id = :a                          3111269909          3

看到执行结果跟之前的差异了吗?
我们执行了相同的SQL三次,但是传入了不同的值,在共享池中只存在一个SQL,这是非常好的,正是我们想要的。通过这种方式,我们节约了CPU资源,节约了LATCH的获取等等。
这样看来绑定变量是好的,但是。。
如果优化器能知道文本变量的值,更容易产生更加优秀的执行计划,这意味着使用文本变量更容易产生好的执行计划,而非绑定变量。
当你执行一个SQL的时,如果你使用了绑定变量,这将意味着变量的值对优化器是未知的,优化器只能把它当做一个普通值处理。产生的执行计划就可能不够符合值的特征。
例如:
select * from test where status = ‘Active’
 
和
 
select * from test where status = ‘Inactive’

当执行status为Active时,应该走全表扫描更快,当执行Inactive时,应该走索引扫描更快。(优化器参考直方图来判断)
但是由于你传入的值只是:a,优化器就不能更加智能的做出判断。
test@DLSP>explain plan for
  2  select * from test where status = 'Active';

Explained.

test@DLSP>@display


PLAN_TABLE_OUTPUT
-----------------------------------------------------------------------------------------------------------------------------------------------------------
Plan hash value: 1357081020


--------------------------------------------------------------------------
| Id  | Operation         | Name | Rows  | Bytes | Cost (%CPU)| Time     |
--------------------------------------------------------------------------
|   0 | SELECT STATEMENT  |      | 14820 |   347K|    17   (0)| 00:00:01 |
|*  1 |  TABLE ACCESS FULL| TEST | 14820 |   347K|    17   (0)| 00:00:01 |
--------------------------------------------------------------------------


Predicate Information (identified by operation id):
---------------------------------------------------


   1 - filter("STATUS"='Active')


13 rows selected.


test@DLSP>explain plan for
  2  select * from test where status = 'Inactive';


Explained.


test@DLSP>@display


PLAN_TABLE_OUTPUT
-----------------------------------------------------------------------------------------------------------------------------------------------------------
Plan hash value: 1314416543


-------------------------------------------------------------------------------------------
| Id  | Operation                   | Name        | Rows  | Bytes | Cost (%CPU)| Time     |
-------------------------------------------------------------------------------------------
|   0 | SELECT STATEMENT            |             |    29 |   696 |     2   (0)| 00:00:01 |
|   1 |  TABLE ACCESS BY INDEX ROWID| TEST        |    29 |   696 |     2   (0)| 00:00:01 |
|*  2 |   INDEX RANGE SCAN          | TEST_ID_IND |    29 |       |     1   (0)| 00:00:01 |
-------------------------------------------------------------------------------------------


Predicate Information (identified by operation id):
---------------------------------------------------


   2 - access("STATUS"='Inactive')


14 rows selected.
从上面我们看到当我们执行stats='Active'的时候,优化器选择了全表扫描,这是因为优化器参照列status上的直方图后,知道表里大部分数据都是status为Active的,走全表扫描会更快,当执行status='Inactive'的时候,优化器参照列status上的直方图后,知道Inactive的值非常少,因此选择了索引扫描,走索引更快。
通过如下代码检查直方图是否被创建:
set pagesize 120
set linesize 120
 set num 35
column owner        format a10
column table_name   format a12
column column_name  format a12
column aev          format a12
SELECT owner, table_name, column_name, endpoint_number en, endpoint_value ev,
       endpoint_actual_value aev
  FROM dba_tab_histograms
 WHERE table_name = 'TEST'
/


我们看到我们使用了字符常量后,优化器知道如何根据直方图信息生成优秀的执行计划,那么使用绑定变量会变成什么样呢?这个依赖于ORACLE的版本。
在ORACLE 9i/10g版本,ORACLE会在第一次硬解析的时候,窥探绑定变量的值,然后生成执行计划,后面的SQL都会使用这个执行计划来执行。(引发了很多问题)
在ORACLE 11g版本,ORACLE有一个adaptive cursor sharing的特性,根据不同的绑定值可能产生不同的执行计划,可以解决9i/10g的问题。


oracle 9i/10g:
场景1:
var a varchar2(100)
exec :a :='Active'
select * from test where status=:a;
exec :a :='Inactive'
select * from test where status=:a;

场景2(刷新共享池):
var a varchar2(100)
exec :a :='Inactive'
select * from test where status=:a;
exec :a :='Active'
select * from test where status=:a;

场景一中,由于先执行status为Active的,由于是第一次执行要做硬解析,优化器会窥探到绑定变量的值Active,因此执行计划会是全表扫描,然后执行status为Inactive的SQL,由于之前执行的SQL已经被缓存,因此优化器会重用这个CURSOR,称之为软解析。执行计划依然会采用全表扫描。
场景二中,由于先执行status为Inactive的,由于是第一次执行要硬解析,优化器会窥探到绑定变量的值Inactive,因此执行计划会是索引扫描,然后执行status为Active的SQL,由于之前执行的SQL已经被缓存,因此优化器会重用这个CURSOR,,执行计划会继续使用索引扫描。

用实验证明:
场景一:
var a varchar2(100)
exec :a :='Active'
select * from test where status=:a;
select * from table(dbms_xplan.display_cursor('gf7f22fv3f5mg',null));


PLAN_TABLE_OUTPUT
-----------------------------------------------------------------------------------------------------------------------------------------------------------
SQL_ID  gf7f22fv3f5mg, child number 0
-------------------------------------
select * from test where status=:a


Plan hash value: 1357081020


--------------------------------------------------------------------------
| Id  | Operation         | Name | Rows  | Bytes | Cost (%CPU)| Time     |
--------------------------------------------------------------------------
|   0 | SELECT STATEMENT  |      |       |       |    17 (100)|          |
|*  1 |  TABLE ACCESS FULL| TEST | 14820 |   347K|    17   (0)| 00:00:01 |
--------------------------------------------------------------------------


exec :a :='Inactive'
select * from test where status=:a;
select * from table(dbms_xplan.display_cursor('gf7f22fv3f5mg',null));


PLAN_TABLE_OUTPUT
-----------------------------------------------------------------------------------------------------------------------------------------------------------
SQL_ID  gf7f22fv3f5mg, child number 0
-------------------------------------
select * from test where status=:a


Plan hash value: 1357081020


--------------------------------------------------------------------------
| Id  | Operation         | Name | Rows  | Bytes | Cost (%CPU)| Time     |
--------------------------------------------------------------------------
|   0 | SELECT STATEMENT  |      |       |       |    17 (100)|          |
|*  1 |  TABLE ACCESS FULL| TEST | 14820 |   347K|    17   (0)| 00:00:01 |
--------------------------------------------------------------------------



场景二:
alter system flush shared_pool;

exec :a :='Inactive'
select * from test where status=:a;
select * from table(dbms_xplan.display_cursor('gf7f22fv3f5mg',null));


PLAN_TABLE_OUTPUT
-----------------------------------------------------------------------------------------------------------------------------------------------------------
SQL_ID  gf7f22fv3f5mg, child number 0
-------------------------------------
select * from test where status=:a


Plan hash value: 1357081020


--------------------------------------------------------------------------
| Id  | Operation         | Name | Rows  | Bytes | Cost (%CPU)| Time     |
--------------------------------------------------------------------------
|   0 | SELECT STATEMENT  |      |       |       |    17 (100)|          |
|*  1 |  TABLE ACCESS FULL| TEST | 14820 |   347K|    17   (0)| 00:00:01 |
--------------------------------------------------------------------------


exec :a :='Active'
select * from test where status=:a;
select * from table(dbms_xplan.display_cursor('gf7f22fv3f5mg',null));


PLAN_TABLE_OUTPUT
-----------------------------------------------------------------------------------------------------------------------------------------------------------
SQL_ID  gf7f22fv3f5mg, child number 0
-------------------------------------
select * from test where status=:a


Plan hash value: 1314416543


-------------------------------------------------------------------------------------------
| Id  | Operation                   | Name        | Rows  | Bytes | Cost (%CPU)| Time     |
-------------------------------------------------------------------------------------------
|   0 | SELECT STATEMENT            |             |       |       |     2 (100)|          |
|   1 |  TABLE ACCESS BY INDEX ROWID| TEST        |    29 |   696 |     2   (0)| 00:00:01 |
|*  2 |   INDEX RANGE SCAN          | TEST_ID_IND |    29 |       |     1   (0)| 00:00:01 |
-------------------------------------------------------------------------------------------
看来绑定变量窥探很可能会导致问题,因为它产生出的执行计划不是对所有值都好,取决于第一次硬解析时窥探的值,而11G出现了adaptive cursor sharing 可以解决这个问题,这个我们留下下一节说。


来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/22034023/viewspace-1218576/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/22034023/viewspace-1218576/

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?.docx 政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题? 立即下载

相关推荐

用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计研究(Matlab代码实现)

内容概要:本文围绕用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计展开研究,深入探讨了卡尔曼滤波在动态系统状态估计中的核心作用。文章系统阐述了卡尔曼滤波的数学基础,包括状态空间模型的建立、先验与后验状态估计、协方差矩阵的递推更新,以及最优增益矩阵的推导过程,确保在高斯白噪声环境下实现对系统状态的最小均方误差估计。结合Matlab代码实现,完整展示了算法从理论建模到仿真实验的全流程,涵盖系统建模、噪声设置、滤波迭代、状态更新与误差分析等环节,并通过仿真实验验证了算法在噪声干扰下对系统真实状态的高精度跟踪能力。该研究为控制工程、导航系统、信号处理及自动化领域中的状态估计问题提供了坚实的理论依据与高效的数值实现方案。; 适合人群:具备一定控制理论、概率统计基础和Matlab编程能力,从事自动化、电子信息、航空航天、机器人、导航定位等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①掌握卡尔曼滤波的基本原理及其在状态估计中的数学推导过程;②学习如何利用Matlab实现卡尔曼滤波算法并进行系统仿真与性能评估;③应用于目标跟踪、传感器融合、惯性导航、故障诊断、时间序列预测等实际工程中的动态状态估计问题。; 阅读建议:建议读者结合文中提供的Matlab代码进行动手实践,通过调整系统模型参数、过程噪声与观测噪声强度,观察滤波效果的变化,深入理解卡尔曼增益的自适应调节机制与MMSE估计的收敛特性。同时可进一步拓展学习扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等非线性滤波方法,以应对更复杂的非线性系统状态估计挑战。

mysql bind variable_Bind Variable Peeking 测试

相关参数SQL> select * from v$version;BANNER---------------------------------------------------------------------------Oracle Database 11g Enterprise Edition Release 11.2.0.3.0 - ProductionPL/SQL Releas...

weixin_42381087的博客 203

镜像电流源与比例电流源:原理、应用与性能优化

本文深入解析了镜像电流源与比例电流源的工作原理、核心应用与性能优化方法。镜像电流源利用匹配晶体管实现电流复制,是集成电路的基础;比例电流源通过发射极电阻实现电流缩放,应用更灵活。文章重点探讨了其作为有源负载提升放大器增益的关键应用,并分析了静态误差、输出阻抗和最小工作电压三大性能指标,最后介绍了威尔逊电流镜等进阶优化技术及实战设计要点。

dd012的博客 570

绑定变量窥测(Bind Variable Peeking)

绑定变量窥测是oracle在进行硬解析生成执行计划的时候会窥探绑定变量的真实值,去评估绑定变量的谓词条件的选择率,影响执行计划是选择访问路径是先走索引扫描进而去访问表还是直接走全表扫描。 没有绑定变量窥测这一特性的时候oracle怎么去评估选择性那,是基于字段统计信息中ndv,ndv接近表的行数的时候,选择性越高,走索引的概率越大,ndv越小,则选择性越差,走全表扫描的概...

weixin_30483697的博客 214

33、Windows Server 2016 系统管理与安全防护指南

本文详细介绍了Windows Server 2016系统中的三大核心管理与安全功能:WSUS补丁管理、Windows Defender反恶意软件配置以及Windows Server Backup数据备份与恢复。涵盖WSUS初始同步、组策略配置客户端、混合环境更新评估流程;Windows Defender的图形化与PowerShell管理方式,以及通过组策略集中管控;Windows Server Backup的安装、单次与计划备份设置、增量备份机制和文件恢复操作。内容适用于企业IT管理员进行系统维护与安全防护

beta5的博客 97

【WorkBuddy专栏58】腾讯为什么要「自己打自己」——7款AI智能体产品全景对比与「赛马」逻辑深度拆解

【WorkBuddy专栏57】你的左侧空间不是「日任务清单」——工作空间才是 WB 变聪明的核心秘密

AI人人懂 693

Oracle 绑定变量窥探(Bind Peeking)与自适应游标共享(ACS) 内部原理、机制介绍和常用SQL

Oracle 绑定变量窥探(Bind Peeking)与自适应游标共享(ACS) 内部原理、机制介绍和常用SQL

chenoracle的博客 1508

【图像超分】论文复现:新手入门必备!Pytorch实现SRGAN!手把手详细教程!代码注释详尽!可用于训练自己的数据集!实时验证模型性能!绘制PSNR曲线图!附训练好的各放大倍数的模型权重文件!

【图像超分】论文精读:SRResNet/SRGAN【图像超分】论文复现:万字长文!Pytorch实现SRResNet代码修改无报错!踩坑全记录!适合各种深度学习新手!帮助你少走弯路!附修改后的代码和PSNR最优的模型权重文件!请配合上述论文精读文章使用,效果更佳!与原论文描述不一样的实现部分,也即可以修改的部分数据集使用:论文中是ImageNet随机选35000张图像,本文是VOC2012数据集16700张图像。数据集预处理:裁剪大小不同,论文是96×96,本文是88×88。

主要更新底层视觉(去噪、超分等)相关的科研内容,形式为【论文精读】+【论文复现】 6856

Oracle 10g 与 11g 绑定变量(Bind Variable) 区别 说明

一. Oracle 11gR2官网的说明 http://download.oracle.com/docs/cd/E11882_01/server.112/e16638/optimops.htm 1.1 Bind Variable Peeking Inbindvariable peeking (also known as bind peeking), the optimizer looksat...

ijavagos 243

2.0 电子凸轮 西门子1500电子凸轮使用研究1

本文研究了S7-1500T电子凸轮同步控制技术,通过仿真实验得出以下结论:1)通过比例系数可调整凸轮曲线形状;2)解除同步需调用从轴其他运动指令;3)详细阐述了凸轮同步的5个实施步骤。重点分析了三种同步类型(主值距离同步、动态参数同步和直接同步)的特点及应用场景,并探讨了缩放系数、偏移量等参数对凸轮曲线的影响。同时介绍了凸轮应用模式及常见异常处理方法,为工程应用提供了重要参考。

qq_34047402的博客 811

TypeError: XGBClassifier.fit() got an unexpected keyword argument ‘early_stopping_rounds‘ 解决方案

本文主要介绍了TypeError: XGBClassifier.fit() got an unexpected keyword argument 'early_stopping_rounds’解决方案,希望能对使用XGBoost的同学们有所帮助。 文章目录 1. 问题描述 2. 解决方案

weixin_43178406的博客 1万+

关于Bind Variables Peeking

关于Bind Variables Peeking,文档上有一段话,说的也不是很清楚。The following query uses a bind variable rather than a literal value for the boundary value in the WHERE clause condition:SELECT * FROM employees WHERE empl

云之彼端 1181

Android Camera驱动开发工程师面试指南:技术深度与实战准备

摘要:上海移远通信招聘Android Camera驱动开发工程师,主要负责Camera传感器驱动开发维护、高通/展锐平台底层开发及技术预研。岗位要求1年以上嵌入式开发经验,精通Camera传感器驱动调试,熟悉高通平台Camera架构及Android HAL框架。具备HAL开发、算法集成或车载/支付行业经验者优先。工作内容以Driver/HAL开发为主,需具备硬件接口评估能力。该职位接受Linux/单片机背景人员转型。

郑伟强dev的专栏 282

Oracle Peeking绑定变量的控制

们知道从Oracle9i开始,Oracle引入了Peeking of User-Defined Bind Variables的特性,这个特性可以用来在存在数据倾斜时对执行计划纠偏。 然而这一特性也可能带来一些副作用,所以Ora...

141

选课系统进不去?我用 Python 做了个“捡漏挂机”脚本,全自动监控空余名额

频率控制:脚本请求频率不要太高(建议间隔 3-5 秒以上),否则可能被教务系统封 IP,甚至会被教务处请喝茶。仅供学习:本文旨在通过选课场景教学requests和网络抓包原理,请勿用于非法用途或破坏公平性。刷新页面 -> 等待加载 -> 用眼睛看人数 -> 没满?-> 点击选课 -> 确认这个流程最大的瓶颈在于**“等待加载”和“人的反应时间”**。网页加载需要渲染 HTML、CSS、图片,而 Python 脚本只需要请求一个微小的 JSON 数据接口,速度是浏览器的10 倍以上。fill:#333;

BUG猿的博客 297

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

Oracle10g与11g绑定变量(BindVariable)区别说明

原 Oracle 10g 与 11g 绑定变量(Bind Variable) 区别 说明https://blog.youkuaiyun.com/tianlesoftware/article/details/6591222版权声明: https://blog.youkuaiyun.com/tianlesoftware/article/details/6591222 一. Oracle 11gR2官网的说明 http:/...

rede 849

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

pub上比较好的个人精华网址

关于update一个大表的方法:http://www.itpub.net/viewthread.php?tid=1052077&extra=&page=15ROWID的,请看这个 http://www.itpub...

cuichenkai7892的博客 289

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

ORACLE绑定变量BIND PEEKING

ORACLE 在9i之后引入了bind peeking,通过bind peeking,oracle可以在硬解析的时候窥探绑定变量的值,并根据当前绑定变量的值生成执行计划。在oracle 9i之前的版本中,oracle仅仅通过统计信息来生成执行计划。 下面看一下不同版本oracle下绑定变量对执行计划的影响 SQL> alter system flush shared_pool; 系统已更改。

ezbit 2549

绑定变量窥探(bind peeking)--什么使执行计划不准

OLTP中为了解决SQL语句硬解析的问题,使用了绑定变量,在oracle 10g版本中,这样带来一个问题,每次SQL的执行计划可能不是最优的,正式环境和测试环境上的执行计划不一致。       为什么会产生这种问题:在执行含有绑定变量的查询语句时,完成解析和最优化操作之后对绑定变量进行绑定,这以为着在实现最优化操作时无法使用绑定变量列的统计信息。为了解决这个问题,数据库使用了窥探技术,在第一次解

you are my SunShine 774

bind peeking

光有统计信息是不够的,变量的值不同,可能采用的执行计划也不同,所以Oracle引入了bind peeking这个技术。但需要强调的是,即使是bind peeking,也只是发生在硬分析的时候。 SQL> drop table t purge; 表已删除。 SQL> create table t as select 1 id,a.* from all_objects a; 表已创建。 SQ

事后诸葛亮的程序人生(微信:zq9017197) 1812

oracle 绑定变量(bind variable)

 绑定变量 在oracle 中,对于一个提交的sql语句,存在两种可选的解析过程, 一种叫做硬解析,一种叫做软解析.一个硬解析需要经解析,制定执行路径,优化访问计划等许多的步骤.硬解释不仅仅耗费大量的cpu,更重要的是会占据重要的们闩(latch)资源,严重的影响系统的规模的扩大(即限制了系统的并发行), 而且引起的问题不能通过增加内存条和cpu的数量来解决。之所以这样是因为门闩是

xch的专栏 1626
上一篇: ORACLE里的慢查跟踪 Real Time SQL Monitoring 11GR1 新特性
下一篇: 11GR1 新特性 adaptive cursor sharing
cotchte0421
博客等级 码龄12年 5粉丝 110原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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