Oracle SQL优化

ORACLE SQL 优化

1.访问 Table 的方式

  Oracle 采用两种访问表中记录的方式
  A 全表扫描
     就是按顺序的访问表中每一条记录 。oralce 采用一次读取多个数据库的方式优化全表扫描

  B: 通过ROWID访问表
     你可以采用基于ROWID的访问方式,提高访问标的效率,因为ROWID是包含表中记录的物理位置信息,Oralce采用索引Index实现了数据和存储数据的物理位置。


2.清空共享池
  alter system flush buffer_cache


3.选择最有效率的表名顺序(只在基于规则的优化器中有效)
   alter system set optimizer_model=RULE

ORALCE解析是从右边到左边的顺序处理 ,写在 oralce子句中最后的表是最先被处理。因此我们选记录条数最少的表作为基础表。


4.WHERE 子句中的连接顺序

  Oralce采用自上而下的顺序解析WHERE子句,因此我们要讲能够过滤掉最大记录的条件要放在WHERE子句的末尾


5. Select中子句的避免使用 “*”

ORACLE 在解析过程中会将* 依次转换成所有的列名,这个工作是通过数据库字典完成的。 
所以我们要将 “*” 转换成主键列(因为它一般都有索引)


6.记录条数的

   也尽量不要使用 “*”  应该使用主键列 (因为它一般都有索引)


7.用WHERE子句替换Having

 避免使用 having 子句,having只会在检索出所有记录结果后才对结果进行过滤,这个处理需要排序,统计等操作。如果能通过where子句限制记录数目,就使用where


8.使用表的别名 Alias

当SQL语句中连接多个表时,请使用个表的别名,兵把表的别名用户每个Column上,这样可以避免多个表中同名列发送的歧义和语法错误。


9.使用extists/not exists  代替 in/not in

1.设置基于成本的优化器
 alter system set optimizer_mode=ALL_ROWS   效率差不多

2.基于规则的优化器
 alter system set optimizer_mode=RULE   

效率高
select * from  ids_emp e where exists/not exists  (select * from ids_dept d where e.deptno=d.deptno and loc='a') 

select * from ids_emp where deptno in/not in (select deptno from ids_depts where loc='a')


9.使用表连接替换exists和not exists

select * from ids_emp e,ids_detp d where e.deptno=d.deptno and d.loc='a'
替换
select * from ids_emp e where exists,not (select * from ids_depts where e.deptno=d.deptno and d.loc='a')


10,使用 exists 代替 DISTINCT

select distinct d.deptno,d.dname from ids_emp e,ids_deptno d where e.deptno=d.deptno

select d.deptno,d.dname from ids_deptno d where exists (select * from ids_emp e where e.deptno=d.deptno);


11.常量的计算在语句被优化时候一次性完成。

select * from emp where sal > 2400/12
select * from emp where sal > 1200
sleect * from emp where sal *1 2 > 2400 (sal不会使用索引没有办法优化)


12,in or 子句常会使用个工作表,是索引失效

如果不产生大量重复值,可以考虑把子句拆开,拆开的子句应该包含索引。


13.消除大型表数据的顺序存取

多层嵌套查询
笛卡尔集: select * from ids_emp e where e.deptno In (select deptno from deptno where dname='销售部')应该在 deptno 上建立索引

1.select * from ids_emp where (deptno=10 and dept=20) or empno=300;
这个还是使用的是 顺序检索
应该使用下面sql
select * from ids_emp where deptno=10 an deptno=20 union select * from ids_emp where empno=300


14 避免相关子查询: 一个列的标签同时在主查询和WHERE子句中的查询中出现,那么很可能当主查询中的列值改变之后,子查询必须重新查询一次。查询嵌套层次越多,效率越低,因此应当尽量避免子查询。如果子查询不可避免,那么要在子查询中过滤掉尽可能多的行。
本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性与丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节: - 面部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测:设定更严格的状态持续时间与闭合程度双重标准,准确识别长时间闭眼行为 - 实时处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 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!
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