【REPOST】db file scattered read

本文详细解析了OLAP系统中dbfilescatteredread等待事件的原理及影响因素,包括多块读取操作的划分、与dbfilesequentialread事件的关系、MBRC因子的设置方法等。
db file scattered read在OLAP系统中是很常见的等待事件,今天就遇到了这个问题,这里转载总结下。
好文章值得收藏:)
  1. 当会话发布一个读入多个数据块的IO请求时提交该事件。ORACLE会话等待多个连续的数据块(由初始参数DB_FILE_MULTIBLOCK_READ_COUNT指定)从磁盘读入到SGA中。
  2. 该事件是在全表扫描或索引快速全局扫描时发生的典型事件。
  3. 初始化参数db_file_multiblock_read_count(MBRC)决定了读取数据块的最大数目,有两种情况会造成多块读取操作被分成几次操作:

>> MBRC因子不能跨越整个区,如果一个区包含10个块,MBRC因子=8,那么多块读取会发布两次读取调用,一次8个数据块,一次2个数据块。

>> 要读取的多块有,有一部分已在CACHE中,这时多块读取操作被分化成几次来完成。

  1. 有时在db file scattered read事件中会夹杂db file sequential read事件,出现的原因是:

>> 区边界:当某个区中的最后一组块只有一个块时,ORALCE使用单块读取调用取出这个块。这通常不是一个问题,除非区尺寸过小。

>> 存在较多的链接的或迁移的行。ORALCE使用单块I/O调用寻求每个链接的或迁移的行。在DBA_TABLES视图中检查表的CHAIN_CNT,如果该值较大,需要重新组织表(导入/导出或alter table move)。

>> 索引条目的创建。如在使用insert into table_A select * from table_B,如果table_A上有一个索引,在执行该语句时,会产生很多db sequential read事件,这是将索引块读入SGA中的结果。

  1. MBRC因子的合理设置方法:

alter session set db_file_multiblock_read_count=1000; -- 设置一个高得离谱的MBRC因子

select /*+ full(a) */ count(*) from big_table a; -- 进行全局扫描

结果:通过捕获10046事件,从生成的Trace文件中获得的P3的值就是最佳MBRC因子,以下是针对出租车系统,看来最佳的MBRC因子是64。

WAIT #1: nam='db file scattered read' ela= 48518 p1=12 p2=10p3=64

WAIT #1: nam='db file scattered read' ela= 42922 p1=12 p2=74p3=64

WAIT #1: nam='db file scattered read' ela= 41369 p1=12 p2=138p3=64

WAIT #1: nam='db file scattered read' ela= 42752 p1=12 p2=202p3=64

  1. 存在该事件并不一定表示存在性能问题,但是如果该事件的等待时间比其他等待时间多得多,则必须调查其原因。当SQL语句访问对象中的大多数行时,使用db file scattered read很有用处。
  2. 当确定了引起该事件剧增的SQL语句后,就检查该SQL语句的执行计划。

>> 该语句是否应该通过全表扫描或索引FFS访问数据?

>> 索引扫描或唯一扫描是否更为有效?

>> 查询是否使用了正确的驱动表?

>> SQL谓词是否适合于散列或合并联接?

>> 如果全表扫描是合适的,并行查询是否可以改进响应时间?

  1. 如果运行良好的应用程序突然在此事件中花费了大量时间,并且没有任何代码改变,可能需要查看是否一个或多个索引已经被删除或不可用。
  2. 如果数据库对象的统计信息不精确,如:统计信息表明该表只有几行,而实际上有上百成行,也会造成优化器选择全表扫描访问路径,这时要使用EXEC SYS.DBMS_STATS.gather_table_stats('RECKON','RCNT_INCOME',estimate_percent => 10)或analyze table RCNT_INCOME estimate STATISTICS来刷新统计。

在ORACLE10g中,表监控默认是启动的。

  1. 有些初始化参数的值可以导致优化器转向全局扫描,如:DB_FILE_MULTIBLOCK_READ_COUNT(MBRC),HASH_AREA_SIZE、OPTIMIZER_INDEX_COST_ADJ。
  2. v$sesstat视图也有当前会话的全表扫描统计信息,但没有时间元素,所以v$session_event是更好的视图。

>> 以v$sesstat视图作为查询对象的示例:

select a.SID, b.name, a.VALUE
from v$sesstat a, v$statname b
where a.STATISTIC# = b.STATISTIC#
and a.VALUE <>0
and b.NAME ='table scan blocks gotten'

注:以此查询可以粗略知道系统中大约什么会话出现很多的表扫描。


>> 以v$session_event为基础的查询:

select a.sid,
a.event,
a.time_waited,
round(a.time_waited/c.sum_time_waited*100 ,2) ||'%' pct_wait_time,
round((sysdate - b.LOGON_TIME) *24) hours_connected
from v$session_event a,
v$session b,
(select sid,sum(time_waited) sum_time_waited
from v$session_event

where eventnotin ('null event','SQL*Net message to client',
'pmon timer','pipe get','smon timer','jobq slave wait',
'rdbms ipc message','rdbms ipc reply','PX Deq: Join ACK',
'PX Deq: Signal ACK')
havingsum(time_waited) >0-- 对group by 产生结果的挑选
groupby sid) c
where a.sid = b.sid
and a.sid = c.sid
and a.TIME_WAITED >0
and a.EVENT = 'db file scattered read'
orderby hours_connecteddesc, pct_wait_time

  1. 查询当前执行全局扫描的SQL语句,v$sql_plan中是否包含该事件:

select hash_value,
child_number,
lpad(' ',2 * depth) || operation ||' ' || options ||
decode(id,0, substr(optimizer,1,6) ||' Cost=' || to_char(cost)) operation,
object_name object,
cost,
cardinality,
round(bytes / 1024) kbytes
from v$sql_plan
where hash_valuein
(select a.sql_hash_value
from v$session a, v$session_wait b
where a.sid = b.sid
and b.event ='db file scattered read')
orderby hash_value, child_number,id

  1. 参数说明:

事件号:188

事件名:db file scattered read

参数一:读取块的文件号码file#

参数二:起始块号block#

参数三:读取的块总数blocks


由参数P1与P2推得访问的数据对象:

select s.segment_name, s.partition_name
from dba_extents s
where<P2的值>between s.block_idand (s.block_id + s.blocks -1)and s.file_id =<P1的值>


  1. 等待时间:无超时
内容概要:文章以“智能网页数据标注工具”为例,深入探讨了谷歌浏览器扩展在毕业设计中的实战应用。通过开发具备实体识别、情感分类等功能的浏览器扩展,学生能够融合前端开发、自然语言处理(NLP)、本地存储与模型推理等技术,实现高效的网页数据标注系统。文中详细解析了扩展的技术架构,涵盖Manifest V3配置、内容脚本与Service Worker协作、TensorFlow.js模型在浏览器端的轻量化部署与推理流程,并提供了核心代码实现,包括文本选择、标注工具栏动态生成、高亮显示及模型预测功能。同时展望了多模态标注、主动学习与边缘计算协同等未来发展方向。; 适合人群:具备前端开发基础、熟悉JavaScript和浏览器机制,有一定AI模型应用经验的计算机相关专业本科生或研究生,尤其适合将浏览器扩展与人工智能结合进行毕业设计的学生。; 使用场景及目标:①掌握浏览器扩展开发全流程,理解内容脚本、Service Worker与弹出页的通信机制;②实现在浏览器端运行轻量级AI模型(如NER、情感分析)的技术方案;③构建可用于真实场景的数据标注工具,提升标注效率并探索主动学习、协同标注等智能化功能。; 阅读建议:建议结合代码实例搭建开发环境,逐步实现标注功能并集成本地模型推理。重点关注模型轻量化、内存管理与DOM操作的稳定性,在实践中理解浏览器扩展的安全机制与性能优化策略。
基于Gin+GORM+Casbin+Vue.js的权限管理系统是一个采用前后端分离架构的企业级权限管理解决方案,专为软件工程和计算机科学专业的毕业设计项目开发。该系统基于Go语言构建后端服务,结合Vue.js前端框架,实现了完整的权限控制和管理功能,适用于各类需要精细化权限管理的应用场景。 系统后端采用Gin作为Web框架,提供高性能的HTTP服务;使用GORM作为ORM框架,简化数据库操作;集成Casbin实现灵活的权限控制模型。前端基于vue-element-admin模板开发,提供现代化的用户界面和交互体验。系统采用分层架构和模块化设计,确保代码的可维护性和可扩展性。 主要功能包括用户管理、角色管理、权限管理、菜单管理、操作日志等核心模块。用户管理模块支持用户信息的增删改查和状态管理;角色管理模块允许定义不同角色并分配相应权限;权限管理模块基于Casbin实现细粒度的访问控制;菜单管理模块动态生成前端导航菜单;操作日志模块记录系统关键操作,便于审计和追踪。 技术栈方面,后端使用Go语言开发,结合Gin、GORM、Casbin等成熟框架;前端使用Vue.js、Element UI等现代前端技术;数据库支持MySQL、PostgreSQL等主流关系型数据库;采用RESTful API设计规范,确保前后端通信的标准化。系统还应用了单例模式、工厂模式、依赖注入等设计模式,提升代码质量和可测试性。 该权限管理系统适用于企业管理系统、内部办公平台、多租户SaaS应用等需要复杂权限控制的场景。作为毕业设计项目,它提供了完整的源码和论文文档,帮助学生深入理解前后端分离架构、权限控制原理、现代Web开发技术等关键知识点。系统设计规范,代码结构清晰,注释完整,非常适合作为计算机相关专业的毕业设计参考或实际项目开发的基础框架。 资源包含完整的系统源码、数据库设计文档、部署说明和毕
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