RBO AND CBO (二)

本文详细介绍了Oracle数据库中SQL优化器的不同模式,包括CHOOSE、RULE、ALL_ROWS等,并解释了这些模式如何影响SQL语句的执行计划选择。特别关注了CBO与RBO优化器之间的区别以及它们在不同条件下的行为。

1OPTIMIZER_MODE选项如下:

* ALL_ROWS

* FIRST_ROWS_n

* FIRST_ROWS

* CHOOSE

* RULE

1CHOOSE

仅在9i及之前版本中被支持,10g已经废除。8i9i中为默认值。

这个值表示SQL语句既可以使用RBO优化器也可以使用CBO优化器,而决定该SQL到底使用哪个优化器的唯一因素是,所访问的对象是否存在统计信息。

如果所访问的全部对象都存在统计信息,则使用CBO优化器优化SQL

如果只有部分对象存在统计信息,也仍然使用CBO优化器优化SQL,优化器会为不存在统计信息对象依据一些内在信息(如分配给该对象的数据块)来生成统计信息,只是这样生成的统计信息可能不准确,而导致产生不理想的执行计划;

如果全部对象都无统计信息,则使用RBO来优化该SQL语句。

2RULE

仅在9i及之前版本中被支持,10g已经废除。

不论是否存在统计信息,都将使用RBO优化器来优化SQL

3ALL_ROWS

10g中为默认值。

不论是否存在统计信息,都使用CBO优化器,且把CBO的优化目标设定为“最小的成本”。

RBO ,CBO判断依据,就是看COST,card(rows),BYTES是否为空,为空是RBO,不为空则是CBO

[@more@]

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/22934571/viewspace-1044190/,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/22934571/viewspace-1044190/

基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
### RBO公式的定义与用法 #### 1. 定义 规则基优化器(Rule-Based Optimizer, RBO)是 Oracle 数据库早期的一种查询优化方法。RBO 根据一组预定义的规则来决定 SQL 查询的执行计划,而不考虑具体的成本或统计信息。这些规则通常基于数据库设计的最佳实践经验法则[^1]。 #### 2. 计算方法 RBO 的计算方法依赖于固定的优先级规则列表。以下是一些常见的规则: - **索引优先**:如果存在索引,则优先使用索引访问路径。 - **表顺序**:按照表名的字母顺序进行连接操作。 - **过滤条件**:优先应用过滤条件以减少中间结果集的大小。 - **连接类型**:默认使用嵌套循环连接(Nested Loops Join)。 RBO 不会根据数据分布、表大小或其他统计信息动态调整执行计划。因此,其性能可能不如基于成本的优化器(Cost-Based Optimizer, CBO)灵活[^2]。 #### 3. 用途 RBO 主要用于以下场景: - 数据库版本较旧,尚未支持 CBO。 - 系统中缺乏有效的统计信息,无法为 CBO 提供准确的成本估算。 - 某些特定查询对规则化处理有明确需求,且不依赖统计信息。 #### 4. 示例 假设有一张员工表 `EMPLOYEE` 一张部门表 `DEPARTMENT`,需要查询所有属于“销售”部门的员工信息。以下是使用 RBO 的示例: ```sql SELECT e.name, d.department_name FROM EMPLOYEE e, DEPARTMENT d WHERE e.department_id = d.department_id AND d.department_name = 'Sales'; ``` 在 RBO 模式下: - 数据库会优先选择 `DEPARTMENT` 表中的索引(如果有)。 - 按照字母顺序,`DEPARTMENT` 表会被先处理,然后与 `EMPLOYEE` 表进行嵌套循环连接。 #### 5. RBOCBO 的对比 | 特性 | RBO | CBO | |-------------------|---------------------------------------|---------------------------------------| | 决策依据 | 固定规则 | 成本估算(基于统计信息) | | 灵活性 | 较低 | 较高 | | 性能优化能力 | 受限于规则 | 动态调整以适应不同查询 | 尽管 RBO 在早期版本中广泛使用,但随着 CBO 的发展,RBO 已逐渐被淘汰。现代 Oracle 数据库默认使用 CBO,并通过参数 `optimizer_mode` 控制优化器行为[^3]。 ### 注意事项 - RBO 的规则固定,无法适应复杂的查询场景。 - 在实际生产环境中,建议尽量使用 CBO 并维护好统计信息以获得更优的查询性能。
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