Oracle jdbc获取元数据过程优化

作者: hemny | 来源:发表于2018-11-09 15:51 被阅读40次

一、背景

因业务需要，需要使用java程序自动获取oracle数据库的元数据信息（包括表、字段、索引、约束。。。）。
在个别客户环境中，获取元数据信息的效率低下，获取速度低至每分钟6个表（还是4线程同时在工作，换算为单线程，平均每个数据表的元数据需要接近40s），在如此慢的效率下，如果客户单个数据库有20万个表，全部获取完成需要消耗时间：200 000（张表） * 单个线程32秒每张表 / 4线程 = 1600000 秒 = 444.44 小时 = 18.52 天。
仅仅获取全库20W的元数据就要消耗18天，如此效率会影响到其他业务或者工作的开展。

二、原因分析

因客户无法接受这么慢的处理效率，配合我们分析慢的原因，采集了一份元数据扫描处理过程中的Oracle AWR 报告，供我们分析原因和解决问题。

一份完整的AWR报告，包含oracle数据库中大部分处理信息

image.png

分析SQL统计 —— SQL Statistics

image.png

分析SQL执行耗时—— SQL ordered by Elapsed Time

image.png

这里可以看到最耗时的一个SQL，一个小时内执行了450次，执行一次平均需要29秒。
查看详细的SQL：

image.png

SELECT NULL AS TABLE_CAT, T.OWNER AS TABLE_SCHEM, T.TABLE_NAME AS TABLE_NAME, T.COLUMN_NAME AS COLUMN_NAME, DECODE( (SELECT A.TYPECODE FROM ALL_TYPES A WHERE A.TYPE_NAME = T.DATA_TYPE), 'OBJECT', 2002, 'COLLECTION', 2003, DECODE(SUBSTR(T.DATA_TYPE, 1, 9), 'TIMESTAMP', DECODE(SUBSTR(T.DATA_TYPE, 10, 1), '(', DECODE(SUBSTR(T.DATA_TYPE, 19, 5), 'LOCAL', -102, 'TIME ', -101, 93), DECODE(SUBSTR(T.DATA_TYPE, 16, 5), 'LOCAL', -102, 'TIME ', -101, 93)), 'INTERVAL ', DECODE(SUBSTR(T.DATA_TYPE, 10, 3), 'DAY', -104, 'YEA', -103), DECODE(T.DATA_TYPE, 'BINARY_DOUBLE', 101, 'BINARY_FLOAT', 100, 'BFILE', -13, 'BLOB', 2004, 'CHAR', 1, 'CLOB', 2005, 'COLLECTION', 2003, 'DATE', 93, 'FLOAT', 6, 'LONG', -1, 'LONG RAW', -4, 'NCHAR', -15, 'NCLOB', 2011, 'NUMBER', 2, 'NVARCHAR', -9, 'NVARCHAR2', -9, 'OBJECT', 2002, 'OPAQUE/XMLTYPE', 2009, 'RAW', -3, 'REF', 2006, 'ROWID', -8, 'SQLXML', 2009, 'UROWID', -8, 'VARCHAR2', 12, 'VARRAY', 2003, 'XMLTYPE', 2009, 1111))) AS DATA_TYPE, T.DATA_TYPE AS TYPE_NAME, DECODE (T.DATA_PRECISION, NULL, DECODE(T.DATA_TYPE, 'NUMBER', DECODE(T.DATA_SCALE, NULL, 0 , 38), DECODE (T.DATA_TYPE, 'CHAR', T.CHAR_LENGTH, 'VARCHAR', T.CHAR_LENGTH, 'VARCHAR2', T.CHAR_LENGTH, 'NVARCHAR2', T.CHAR_LENGTH, 'NCHAR', T.CHAR_LENGTH, 'NUMBER', 0, T.DATA_LENGTH) ), T.DATA_PRECISION) AS COLUMN_SIZE, 0 AS BUFFER_LENGTH, DECODE (T.DATA_TYPE, 'NUMBER', DECODE(T.DATA_PRECISION , NULL, DECODE(T.DATA_SCALE, NULL, -127 , T.DATA_SCALE), T.DATA_SCALE), T.DATA_SCALE) AS DECIMAL_DIGITS, 10 AS NUM_PREC_RADIX, DECODE (T.NULLABLE, 'N', 0, 1) AS NULLABLE, C.COMMENTS AS REMARKS, T.DATA_DEFAULT AS COLUMN_DEF, 0 AS SQL_DATA_TYPE, 0 AS SQL_DATETIME_SUB, T.DATA_LENGTH AS CHAR_OCTET_LENGTH, T.COLUMN_ID AS ORDINAL_POSITION, DECODE (T.NULLABLE, 'N', 'NO', 'YES') AS IS_NULLABLE, NULL AS SCOPE_CATALOG, NULL AS SCOPE_SCHEMA, NULL AS SCOPE_TABLE, NULL AS SOURCE_DATA_TYPE, 'NO' AS IS_AUTOINCREMENT, NULL AS IS_GENERATEDCOLUMN FROM ALL_TAB_COLUMNS T, ALL_COL_COMMENTS C WHERE T.OWNER LIKE :B3 ESCAPE '/' AND T.TABLE_NAME LIKE :B2 ESCAPE '/' AND T.COLUMN_NAME LIKE :B1 ESCAPE '/' AND T.OWNER = C.OWNER (+) AND T.TABLE_NAME = C.TABLE_NAME (+) AND T.COLUMN_NAME = C.COLUMN_NAME (+) ORDER BY TABLE_SCHEM, TABLE_NAME, ORDINAL_POSITION

格式化之后

SELECT NULL AS TABLE_CAT, T.OWNER AS TABLE_SCHEM, T.TABLE_NAME AS TABLE_NAME, T.COLUMN_NAME AS COLUMN_NAME, DECODE( (SELECT A.TYPECODE FROM ALL_TYPES A WHERE A.TYPE_NAME = T.DATA_TYPE), 'OBJECT', 2002, 'COLLECTION', 2003, 
         DECODE(SUBSTR(T.DATA_TYPE, 1, 9), 'TIMESTAMP', DECODE(SUBSTR(T.DATA_TYPE, 10, 1), '(', DECODE(SUBSTR(T.DATA_TYPE, 19, 5), 'LOCAL', -102, 'TIME ', -101, 93), 
         DECODE(SUBSTR(T.DATA_TYPE, 16, 5), 'LOCAL', -102, 'TIME ', -101, 93)), 'INTERVAL ', DECODE(SUBSTR(T.DATA_TYPE, 10, 3), 'DAY', -104, 'YEA', -103), 
         DECODE(T.DATA_TYPE, 'BINARY_DOUBLE', 101, 'BINARY_FLOAT', 100, 'BFILE', -13, 'BLOB', 2004, 'CHAR', 1, 'CLOB', 2005, 'COLLECTION', 2003, 'DATE', 93, 'FLOAT', 6, 'LONG', -1, 'LONG RAW', -4, 'NCHAR', -15, 'NCLOB', 2011, 'NUMBER', 2, 'NVARCHAR', -9, 'NVARCHAR2', -9, 'OBJECT', 2002, 'OPAQUE/XMLTYPE', 2009, 'RAW', -3, 'REF', 2006, 'ROWID', -8, 'SQLXML', 2009, 'UROWID', -8, 'VARCHAR2', 12, 'VARRAY', 2003, 'XMLTYPE', 2009, 1111))) AS DATA_TYPE, T.DATA_TYPE AS TYPE_NAME, 
         DECODE (T.DATA_PRECISION, NULL, DECODE(T.DATA_TYPE, 'NUMBER', DECODE(T.DATA_SCALE, NULL, 0 , 38), DECODE (T.DATA_TYPE, 'CHAR', T.CHAR_LENGTH, 'VARCHAR', T.CHAR_LENGTH, 'VARCHAR2', T.CHAR_LENGTH, 'NVARCHAR2', T.CHAR_LENGTH, 'NCHAR', T.CHAR_LENGTH, 'NUMBER', 0, T.DATA_LENGTH) ), T.DATA_PRECISION) AS COLUMN_SIZE, 0 AS BUFFER_LENGTH, 
         DECODE (T.DATA_TYPE, 'NUMBER', DECODE(T.DATA_PRECISION , NULL, 
         DECODE(T.DATA_SCALE, NULL, -127 , T.DATA_SCALE), T.DATA_SCALE), T.DATA_SCALE) AS DECIMAL_DIGITS, 10 AS NUM_PREC_RADIX, DECODE (T.NULLABLE, 'N', 0, 1) AS NULLABLE, C.COMMENTS AS REMARKS, T.DATA_DEFAULT AS COLUMN_DEF, 0 AS SQL_DATA_TYPE, 0 AS SQL_DATETIME_SUB, T.DATA_LENGTH AS CHAR_OCTET_LENGTH, T.COLUMN_ID AS ORDINAL_POSITION, DECODE (T.NULLABLE, 'N', 'NO', 'YES') AS IS_NULLABLE, NULL AS SCOPE_CATALOG, NULL AS SCOPE_SCHEMA, NULL AS SCOPE_TABLE, NULL AS SOURCE_DATA_TYPE, 'NO' AS IS_AUTOINCREMENT, NULL AS IS_GENERATEDCOLUMN 
FROM ALL_TAB_COLUMNS T, ALL_COL_COMMENTS C 
WHERE T.OWNER LIKE :B3 ESCAPE '/' AND T.TABLE_NAME LIKE :B2 ESCAPE '/'  AND T.COLUMN_NAME LIKE :B1 ESCAPE '/' AND T.OWNER = C.OWNER (+) AND T.TABLE_NAME = C.TABLE_NAME (+) AND T.COLUMN_NAME = C.COLUMN_NAME (+) 
ORDER BY TABLE_SCHEM, TABLE_NAME, ORDINAL_POSITION;

SQL性能分析：

两个视图之间外关联
子查询
模糊查询
大量调用 oracle的DECODE函数
3个字段的排序

SQL出处
分析SQL查询结果，是为了查询一个表的字段信息，但是并非我们代码中写的SQL。
回归程序，找到获取oracle表字段信息的代码：

...
    /**
     * 获取字段拓展信息
     * 
     * @param catalog
     *            数据库名
     * @param schema
     *            用户名
     * @param table
     *            表名
     * @return 字段拓展信息map对象
     */
    protected Map<String, Map> getColumnExt(Connection conn, String catalog, String schema, String tabname) {
        Map<String, Map> m_ext = new HashMap<String, Map>();
        String sql = "select column_name colname,data_type coltype,data_precision prec,data_scale scale,virtual_column virtualcolumn,data_length,char_length,char_used"
                + " from all_tab_cols where HIDDEN_COLUMN='NO' and owner=? and table_name=?";
        String colname, coltype, virtualCol, charUsed;
        long charLength, dataLength;
        boolean isPrecNull, isScaleNull;
        try (PreparedStatement pstmt = conn.prepareStatement(sql)) {
            pstmt.setFetchSize(FETCH_SIZE);
            pstmt.setString(1, schema);
            pstmt.setString(2, tabname);
            try (ResultSet rs = pstmt.executeQuery()) {
                while (rs.next()) {
                    ...
                }
            }
        } catch (SQLException ex) {
            ...
            throw new RuntimeException(ex);
        }
        return m_ext;
    }

    // 获取表中的所有字段以及定义信息
    protected List<Document> getColumns(Connection conn, DatabaseMetaData metadata, String catalog, String schemaname, String tabname, String tabid, String dbcharset) {
        ...
        ResultSet rs = null;
        try {
            ...
            Map<String, Map> m_ext = this.getColumnExt(conn, catalog, schemaname, tabname);

            ...
            rs = metadata.getColumns(catalog, schema_tmp, table_tmp, null);
            rs.setFetchSize(1);
            ...
            while (rs.next()) {
                ...
            }
        } catch (SQLException e) {
            ...
            throw new RuntimeException(e);
        } finally {
            if (rs != null) { // 关闭结果集
                try {
                    rs.close();
                } catch (SQLException e) {
                    logger.error("Resultset close failed with " + e.getMessage(), e);
                }
            }
        }
        return cols;
    }
...

刚才那个执行耗时最多的SQL，是以下命令发出的，jdbc驱动内部的SQL。

rs = metadata.getColumns(catalog, schema_tmp, table_tmp, null);

原来获取一个表的信息执行了这个SQL外，还要执行以下SQL。

select column_name colname,data_type coltype,data_precision prec,data_scale scale,virtual_column virtualcolumn,data_length,char_length,char_used from all_tab_cols where HIDDEN_COLUMN='NO' and owner=? and table_name=?

小结
获取一个表的字段信息，需要查询两次数据库，并且有一个查询的效率非常低，平均耗时接近30秒。

三、优化过程

分解目标：

取消模糊查询：一般情况下，oracle的模糊查询需要全表扫描+模糊匹配，耗时非常大
取消子查询：子查询效率低
取消 DECODE 函数：尽量减少函数调用，减轻数据库处理消耗
减少oracle数据库数据排序
尽量减少表间关联查询
减少查询次数

最终目标：

减少字段信息获取的时间及资源开销，提升处理效率

但是这个SQL是oracle jdbc驱动内部实现jdbc元数据接口的函数，为了优化SQL提升性能，首先就要放弃使用jdbc标准的元数据接口。

以下两个查询：

#查询1
select column_name colname,data_type coltype,data_precision prec,data_scale scale,virtual_column virtualcolumn,data_length,char_length,char_used from all_tab_cols where HIDDEN_COLUMN='NO' and owner=? and table_name=? ;

#查询2
SELECT NULL AS TABLE_CAT, T.OWNER AS TABLE_SCHEM, T.TABLE_NAME AS TABLE_NAME, T.COLUMN_NAME AS COLUMN_NAME, DECODE( (SELECT A.TYPECODE FROM ALL_TYPES A WHERE A.TYPE_NAME = T.DATA_TYPE), 'OBJECT', 2002, 'COLLECTION', 2003, 
         DECODE(SUBSTR(T.DATA_TYPE, 1, 9), 'TIMESTAMP', DECODE(SUBSTR(T.DATA_TYPE, 10, 1), '(', DECODE(SUBSTR(T.DATA_TYPE, 19, 5), 'LOCAL', -102, 'TIME ', -101, 93), 
         DECODE(SUBSTR(T.DATA_TYPE, 16, 5), 'LOCAL', -102, 'TIME ', -101, 93)), 'INTERVAL ', DECODE(SUBSTR(T.DATA_TYPE, 10, 3), 'DAY', -104, 'YEA', -103), 
         DECODE(T.DATA_TYPE, 'BINARY_DOUBLE', 101, 'BINARY_FLOAT', 100, 'BFILE', -13, 'BLOB', 2004, 'CHAR', 1, 'CLOB', 2005, 'COLLECTION', 2003, 'DATE', 93, 'FLOAT', 6, 'LONG', -1, 'LONG RAW', -4, 'NCHAR', -15, 'NCLOB', 2011, 'NUMBER', 2, 'NVARCHAR', -9, 'NVARCHAR2', -9, 'OBJECT', 2002, 'OPAQUE/XMLTYPE', 2009, 'RAW', -3, 'REF', 2006, 'ROWID', -8, 'SQLXML', 2009, 'UROWID', -8, 'VARCHAR2', 12, 'VARRAY', 2003, 'XMLTYPE', 2009, 1111))) AS DATA_TYPE, T.DATA_TYPE AS TYPE_NAME, 
         DECODE (T.DATA_PRECISION, NULL, DECODE(T.DATA_TYPE, 'NUMBER', DECODE(T.DATA_SCALE, NULL, 0 , 38), DECODE (T.DATA_TYPE, 'CHAR', T.CHAR_LENGTH, 'VARCHAR', T.CHAR_LENGTH, 'VARCHAR2', T.CHAR_LENGTH, 'NVARCHAR2', T.CHAR_LENGTH, 'NCHAR', T.CHAR_LENGTH, 'NUMBER', 0, T.DATA_LENGTH) ), T.DATA_PRECISION) AS COLUMN_SIZE, 0 AS BUFFER_LENGTH, 
         DECODE (T.DATA_TYPE, 'NUMBER', DECODE(T.DATA_PRECISION , NULL, 
         DECODE(T.DATA_SCALE, NULL, -127 , T.DATA_SCALE), T.DATA_SCALE), T.DATA_SCALE) AS DECIMAL_DIGITS, 10 AS NUM_PREC_RADIX, DECODE (T.NULLABLE, 'N', 0, 1) AS NULLABLE, C.COMMENTS AS REMARKS, T.DATA_DEFAULT AS COLUMN_DEF, 0 AS SQL_DATA_TYPE, 0 AS SQL_DATETIME_SUB, T.DATA_LENGTH AS CHAR_OCTET_LENGTH, T.COLUMN_ID AS ORDINAL_POSITION, DECODE (T.NULLABLE, 'N', 'NO', 'YES') AS IS_NULLABLE, NULL AS SCOPE_CATALOG, NULL AS SCOPE_SCHEMA, NULL AS SCOPE_TABLE, NULL AS SOURCE_DATA_TYPE, 'NO' AS IS_AUTOINCREMENT, NULL AS IS_GENERATEDCOLUMN 
FROM ALL_TAB_COLUMNS T, ALL_COL_COMMENTS C 
WHERE T.OWNER LIKE :B3 ESCAPE '/' AND T.TABLE_NAME LIKE :B2 ESCAPE '/'  AND T.COLUMN_NAME LIKE :B1 ESCAPE '/' AND T.OWNER = C.OWNER (+) AND T.TABLE_NAME = C.TABLE_NAME (+) AND T.COLUMN_NAME = C.COLUMN_NAME (+) 
ORDER BY TABLE_SCHEM, TABLE_NAME, ORDINAL_POSITION;

涉及的表或试图：

all_tab_cols
ALL_TAB_COLUMNS
ALL_COL_COMMENTS
ALL_TYPES （子查询）

目标逐个实现：

1. 取消模糊查询

根据业务需要，对复杂SQL调整，取消模糊查询

...
WHERE T.OWNER LIKE :B3 ESCAPE '/' AND T.TABLE_NAME LIKE :B2 ESCAPE '/'  AND T.COLUMN_NAME LIKE :B1 ESCAPE '/' AND T.OWNER = C.OWNER (+) AND T.TABLE_NAME = C.TABLE_NAME (+) AND T.COLUMN_NAME = C.COLUMN_NAME (+) 
...
改为
...
WHERE T.OWNER = :B3 AND T.TABLE_NAME = :B2 AND T.OWNER = C.OWNER (+) AND T.TABLE_NAME = C.TABLE_NAME (+) AND T.COLUMN_NAME = C.COLUMN_NAME (+) 
...

2. 取消子查询，同时取消 DECODE 函数

在复杂SQL中，存在以下子查询，并使用很多decode函数。

DECODE( (SELECT A.TYPECODE FROM ALL_TYPES A WHERE A.TYPE_NAME = T.DATA_TYPE), 'OBJECT', 2002, 'COLLECTION', 2003, 
         DECODE(SUBSTR(T.DATA_TYPE, 1, 9), 'TIMESTAMP', DECODE(SUBSTR(T.DATA_TYPE, 10, 1), '(', DECODE(SUBSTR(T.DATA_TYPE, 19, 5), 'LOCAL', -102, 'TIME ', -101, 93), 
         DECODE(SUBSTR(T.DATA_TYPE, 16, 5), 'LOCAL', -102, 'TIME ', -101, 93)), 'INTERVAL ', DECODE(SUBSTR(T.DATA_TYPE, 10, 3), 'DAY', -104, 'YEA', -103), 
         DECODE(T.DATA_TYPE, 'BINARY_DOUBLE', 101, 'BINARY_FLOAT', 100, 'BFILE', -13, 'BLOB', 2004, 'CHAR', 1, 'CLOB', 2005, 'COLLECTION', 2003, 'DATE', 93, 'FLOAT', 6, 'LONG', -1, 'LONG RAW', -4, 'NCHAR', -15, 'NCLOB', 2011, 'NUMBER', 2, 'NVARCHAR', -9, 'NVARCHAR2', -9, 'OBJECT', 2002, 'OPAQUE/XMLTYPE', 2009, 'RAW', -3, 'REF', 2006, 'ROWID', -8, 'SQLXML', 2009, 'UROWID', -8, 'VARCHAR2', 12, 'VARRAY', 2003, 'XMLTYPE', 2009, 1111))) AS DATA_TYPE

分析：
子查询涉及表ALL_TYPES ，这是oracle的类型表，然后使用多层decode函数对DATA_TYPE、TYPECODE的值进行分支判断，返回jdbc对应的DATA_TYPE。

优化方案：

对应DECODE函数，采用java函数处理代替oracle decode函数。
对应ALL_TYPES表采用缓存，避免对其关联查询找出额外的数据库资源开销。

3. 减少oracle数据库数据排序

目前是每次获取一个表

ORDER BY TABLE_SCHEM, TABLE_NAME, ORDINAL_POSITION;

改为

 ORDER BY ORDINAL_POSITION;

还可以直接取消数据库排序，采用java函数排序。（目前没有做到这点）。

4. 减少查询次数

将上面两个涉及到字段的查询，合成一个查询，避免多次查询数据库。

4. 减少表外关联查询

以上查询涉及表或视图

all_tab_cols
ALL_TAB_COLUMNS
ALL_COL_COMMENTS
ALL_TYPES （子查询，前面已经对其缓存）

为了尽可能减少外关联查询造成的开销，对all_tab_cols 、ALL_TAB_COLUMNS、ALL_COL_COMMENTS 这3个视图进一步了解。其中ALL_TAB_COLUMNS是all_tab_cols 的视图。

CREATE VIEW
    ALL_TAB_COLUMNS
    (
        OWNER,
        TABLE_NAME,
        COLUMN_NAME,
        DATA_TYPE,
        DATA_TYPE_MOD,
        DATA_TYPE_OWNER,
        DATA_LENGTH,
        DATA_PRECISION,
        DATA_SCALE,
        NULLABLE,
        COLUMN_ID,
        DEFAULT_LENGTH,
        DATA_DEFAULT,
        NUM_DISTINCT,
        LOW_VALUE,
        HIGH_VALUE,
        DENSITY,
        NUM_NULLS,
        NUM_BUCKETS,
        LAST_ANALYZED,
        SAMPLE_SIZE,
        CHARACTER_SET_NAME,
        CHAR_COL_DECL_LENGTH,
        GLOBAL_STATS,
        USER_STATS,
        AVG_COL_LEN,
        CHAR_LENGTH,
        CHAR_USED,
        V80_FMT_IMAGE,
        DATA_UPGRADED,
        HISTOGRAM,
        DEFAULT_ON_NULL,
        IDENTITY_COLUMN,
        EVALUATION_EDITION,
        UNUSABLE_BEFORE,
        UNUSABLE_BEGINNING
    ) AS
SELECT
    OWNER,
    TABLE_NAME,
    COLUMN_NAME,
    DATA_TYPE,
    DATA_TYPE_MOD,
    DATA_TYPE_OWNER,
    DATA_LENGTH,
    DATA_PRECISION,
    DATA_SCALE,
    NULLABLE,
    COLUMN_ID,
    DEFAULT_LENGTH,
    DATA_DEFAULT,
    NUM_DISTINCT,
    LOW_VALUE,
    HIGH_VALUE,
    DENSITY,
    NUM_NULLS,
    NUM_BUCKETS,
    LAST_ANALYZED,
    SAMPLE_SIZE,
    CHARACTER_SET_NAME,
    CHAR_COL_DECL_LENGTH,
    GLOBAL_STATS,
    USER_STATS,
    AVG_COL_LEN,
    CHAR_LENGTH,
    CHAR_USED,
    V80_FMT_IMAGE,
    DATA_UPGRADED,
    HISTOGRAM,
    DEFAULT_ON_NULL,
    IDENTITY_COLUMN,
    EVALUATION_EDITION,
    UNUSABLE_BEFORE,
    UNUSABLE_BEGINNING
FROM
    ALL_TAB_COLS
WHERE
    USER_GENERATED = 'YES';

所以，所有查询需要的信息都在all_tab_cols、ALL_COL_COMMENTS 两个视图中，取消对ALL_TAB_COLUMNS的关联，根据业务需要调整SQL：

 SELECT T.DATA_DEFAULT, T.COLUMN_ID,  T.COLUMN_NAME,  T.DATA_TYPE, T.DATA_TYPE_OWNER, T.DATA_LENGTH, T.DATA_PRECISION, T.DATA_SCALE, T.NULLABLE, T.CHAR_LENGTH, T.CHAR_USED, C.COMMENTS, T.VIRTUAL_COLUMN 
 FROM ALL_TAB_COLS T LEFT JOIN ALL_COL_COMMENTS C ON T.OWNER = C.OWNER  AND T.TABLE_NAME = C.TABLE_NAME  AND T.COLUMN_NAME = C.COLUMN_NAME 
 WHERE  T.USER_GENERATED = 'YES' AND  T.OWNER=? AND T.TABLE_NAME=? 
 ORDER BY T.COLUMN_ID ASC

以上SQL涵盖我们需要的信息。

让客户做SQL优化对比测试：
schema:ABM
table:ABM_IMP_BILL_LINES

-------优化前--------
SELECT NULL AS TABLE_CAT, T.OWNER AS TABLE_SCHEM, T.TABLE_NAME AS TABLE_NAME, T.COLUMN_NAME AS COLUMN_NAME, DECODE( (SELECT A.TYPECODE FROM ALL_TYPES A WHERE A.TYPE_NAME = T.DATA_TYPE), 'OBJECT', 2002, 'COLLECTION', 2003, 
         DECODE(SUBSTR(T.DATA_TYPE, 1, 9), 'TIMESTAMP', DECODE(SUBSTR(T.DATA_TYPE, 10, 1), '(', DECODE(SUBSTR(T.DATA_TYPE, 19, 5), 'LOCAL', -102, 'TIME ', -101, 93), 
         DECODE(SUBSTR(T.DATA_TYPE, 16, 5), 'LOCAL', -102, 'TIME ', -101, 93)), 'INTERVAL ', DECODE(SUBSTR(T.DATA_TYPE, 10, 3), 'DAY', -104, 'YEA', -103), 
         DECODE(T.DATA_TYPE, 'BINARY_DOUBLE', 101, 'BINARY_FLOAT', 100, 'BFILE', -13, 'BLOB', 2004, 'CHAR', 1, 'CLOB', 2005, 'COLLECTION', 2003, 'DATE', 93, 'FLOAT', 6, 'LONG', -1, 'LONG RAW', -4, 'NCHAR', -15, 'NCLOB', 2011, 'NUMBER', 2, 'NVARCHAR', -9, 'NVARCHAR2', -9, 'OBJECT', 2002, 'OPAQUE/XMLTYPE', 2009, 'RAW', -3, 'REF', 2006, 'ROWID', -8, 'SQLXML', 2009, 'UROWID', -8, 'VARCHAR2', 12, 'VARRAY', 2003, 'XMLTYPE', 2009, 1111))) AS DATA_TYPE, T.DATA_TYPE AS TYPE_NAME, 
         DECODE (T.DATA_PRECISION, NULL, DECODE(T.DATA_TYPE, 'NUMBER', DECODE(T.DATA_SCALE, NULL, 0 , 38), DECODE (T.DATA_TYPE, 'CHAR', T.CHAR_LENGTH, 'VARCHAR', T.CHAR_LENGTH, 'VARCHAR2', T.CHAR_LENGTH, 'NVARCHAR2', T.CHAR_LENGTH, 'NCHAR', T.CHAR_LENGTH, 'NUMBER', 0, T.DATA_LENGTH) ), T.DATA_PRECISION) AS COLUMN_SIZE, 0 AS BUFFER_LENGTH, 
         DECODE (T.DATA_TYPE, 'NUMBER', DECODE(T.DATA_PRECISION , NULL, 
         DECODE(T.DATA_SCALE, NULL, -127 , T.DATA_SCALE), T.DATA_SCALE), T.DATA_SCALE) AS DECIMAL_DIGITS, 10 AS NUM_PREC_RADIX, DECODE (T.NULLABLE, 'N', 0, 1) AS NULLABLE, C.COMMENTS AS REMARKS, T.DATA_DEFAULT AS COLUMN_DEF, 0 AS SQL_DATA_TYPE, 0 AS SQL_DATETIME_SUB, T.DATA_LENGTH AS CHAR_OCTET_LENGTH, T.COLUMN_ID AS ORDINAL_POSITION, DECODE (T.NULLABLE, 'N', 'NO', 'YES') AS IS_NULLABLE, NULL AS SCOPE_CATALOG, NULL AS SCOPE_SCHEMA, NULL AS SCOPE_TABLE, NULL AS SOURCE_DATA_TYPE, 'NO' AS IS_AUTOINCREMENT, NULL AS IS_GENERATEDCOLUMN 
FROM ALL_TAB_COLUMNS T, ALL_COL_COMMENTS C 
WHERE T.OWNER LIKE 'ABM' ESCAPE '/' AND T.TABLE_NAME LIKE 'ABM/_IMP/_BILL/_LINES' ESCAPE '/' AND T.OWNER = C.OWNER (+) AND T.TABLE_NAME = C.TABLE_NAME (+) AND T.COLUMN_NAME = C.COLUMN_NAME (+) 
ORDER BY TABLE_SCHEM, TABLE_NAME, ORDINAL_POSITION;

Elapsed: 00:00:26.14

-------优化后--------
--oracle 10/11g
SELECT T.DATA_DEFAULT, T.COLUMN_ID,  T.COLUMN_NAME,  T.DATA_TYPE, T.DATA_TYPE_OWNER, T.DATA_LENGTH, T.DATA_PRECISION, T.DATA_SCALE, T.NULLABLE, T.CHAR_LENGTH, T.CHAR_USED, C.COMMENTS, T.VIRTUAL_COLUMN 
 FROM ALL_TAB_COLS T 
 LEFT JOIN ALL_COL_COMMENTS C ON T.OWNER = C.OWNER  AND T.TABLE_NAME = C.TABLE_NAME  AND T.COLUMN_NAME = C.COLUMN_NAME 
 WHERE  T.HIDDEN_COLUMN = 'NO' AND  T.OWNER='ABM' AND T.TABLE_NAME='ABM_IMP_BILL_LINES' 
 ORDER BY T.COLUMN_ID ASC ;
 
Elapsed: 00:00:00.16

这里就完成了耗时最多的SQL优化，每个表获取字段信息由原来的耗时 29s 优化为 0.15s

四、其他优化

以上只是最耗时的SQL，因采集AWR报告时，已经屏蔽了其它信息采集，其中有两个相对比较耗时的信息采集：

表数据量
表记录数
在优化和内部测试过程中，发现这两个相对比较耗时，为了提升性能同时保留采集信息完整性。对处理过程进行优化：
在开始采集一个schem的元数据时，一次性把整个schema的表记录数和数据量查出来并缓存。
后面采集过程中，需要表记录数和数据量。就直接在缓存中取。

五、性能提升

对于公司内部测试（oracle 12c 整库20W张表，并使用4线程扫描）：
优化之前每秒扫描6~10个表的元数据
优化后平均每秒扫描54个表的元数据，20万张表在一个小时左右完成

客户环境（HR库，3W+张表）：
优化前耗时（3小时49分）

image.png

优化后耗时（4分35秒）

image.png

五、进一步优化

虽然对客户环境的数据库优化，已经让客户满意，但是根据数据分析，客户环境扫描优化还能进一步优化。

所以，对耗时较多的扫描查询，也采用与表记录数、表数据量相同的优化方案：

check约束
主键约束
外键约束
唯一约束
其他（表其他信息、临时表标志。。。）

对于公司内部测试（oracle 12c 整库20W张表，并使用4线程扫描）：
每秒扫描54张表提升到每秒扫描65张表。

客户环境中（客户oracle 10.2 整个库20W表）：
预计可以将扫描时间降到0.2秒/每表（原来每个表32秒）。

附录：生成AWR的过程：

1、执行两次生成快照的过程，中间需要间隔一定时间

SQL> exec dbms_workload_repository.create_snapshot();

2、执行生成AWR报告的脚本

 @/app/oracle/product/12c/db_1/rdbms/admin/awrrpt.sql

输入报告的类型、报告开始快照id及结束快照id、快照文件名，就会生成相应的报告文件。

具体参考：https://blog.csdn.net/defonds/article/details/52958303

Oracle jdbc获取元数据过程优化

一、背景

二、原因分析

三、优化过程

分解目标：

最终目标：

目标逐个实现：

1. 取消模糊查询

2. 取消子查询，同时取消 DECODE 函数

3. 减少oracle数据库数据排序

4. 减少查询次数

4. 减少表外关联查询

四、其他优化

五、性能提升

五、进一步优化

附录：生成AWR的过程：

相关文章

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读

Oracle jdbc获取元数据过程优化

一、背景

二、原因分析

三、优化过程

分解目标：

最终目标：

目标逐个实现：

1. 取消模糊查询

2. 取消子查询，同时取消 DECODE 函数

3. 减少oracle数据库数据排序

4. 减少查询次数

4. 减少 表外关联查询

四、其他优化

五、性能提升

五、进一步优化

附录：生成AWR的过程：

相关文章

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读

4. 减少表外关联查询