oracle sql 执行原理

oracle sql 执行原理

select 的工做原理：
1：Parse，语法分析阶段
2：Execute，执行
3：Fetch，提取数据阶段

一：先在Library Cache找这条命令，看执行计划，
二：若是没有，就语法分析
三：若是语法经过，就对象分析，经过数据字典
       好比表存不存在，表列存不存在，表列若是是*，就翻译成所有列名
四：得到对象解析锁，锁住表，列这个对象，目的是防止别的用户来改变表，列结构。
五：检查权限对象，看用户能不能访问这个对象。好比表，视图。
六：服务器生成执行计划，装载到Library Cache中
七：检查 数据库高速缓存区(Data buffer)中，有没有内容，即看能不能找到对象(表，视图)的数据块(block)，若是有，就返回
八：若是不存在，由服务器进程，把表块读取到Data Buffer中
九：把Data Buffer中的数据提取出来.

 

update语句分析：
1：Parse阶段
2：Execute阶段

一：先在Library Cache找这条命令，看执行计划，
二：若是没有，就语法分析
三：若是语法经过，就对象分析，经过数据字典
       好比表存不存在，表列存不存在
四：得到对象解析锁，锁住表，列这个对象，目的是防止别的用户来改变表，列结构。
五：检查权限对象，看用户能不能访问这个对象。好比表，视图。
六：服务器生成执行计划，装载到Library Cache中

七：检查数据库高速缓存区(Data buffer)中，要修改的内容的行(数据块)存不存在，若是存在，就修改
八：若是不存在，由服务器进程，把表块读取到Data Buffer中
九：给被修改的行加锁，以防止其它用户对对象(表)的结构进行修改。
十：旧数据放到Undo buffer(回滚段)中，新数据写时去，这个改变状态记录到Redo Logo中(Redo 日志/重作日志)

删除(DELETE)
1.Oracle读Block到Buffer Cache(若是该Block在Buffer中不存在)
2.在redo log buffer中记录delete操做的细节
3.在相应回滚段段头的事务表中建立一个undo条目
4.把将要删除的记录建立前镜像,存放到Undo Block中
5.在Buffer Cache中的相应数据块上删除记录，而且标记相应的数据块为Dirty


提交(COMMIT)
1.Oracle产生一个SCN
2.在回滚段事务表中标记该事务状态为commited
3.LGWR Flush Log Buffer到日志文件
3.若是此时数据块仍然在Buffer Cache中，那么SCN将被记录到Block Header上，这被称为快速提交(fast commit)
4.若是dirty block已经被写回到磁盘，那么下一个访问这个block的进程将会自回滚段中获取该事务的状态，确认该事务被提交。而后这个进程得到提交SCN并写回到Block Header上。这被称为延迟块清除(delayed block cleanout)。

 

 

我的疑惑待解决问题：

　　对于insert into table1 （id） values（select max(id)+1 from table2） 这种sql，并发会不会引发id重复？？？

 

 

合并链接（Sort Merge Join， SMJ）：
　　a） 对于非等值链接，这种链接方式的效率是比较高的。
　　b） 若是在关联的列上都有索引，效果更好。
　　c） 对于将2个较大的row source作链接，该链接方法比NL链接要好一些。
　　d） 可是若是sort merge返回的row source过大，则又会致使使用过多的rowid在表中查询数据时，数据库性能降低，由于过多的I/O.

　　嵌套循环（Nested Loops， NL）：
　　a） 若是driving row source（外部表）比较小，而且在inner row source（内部表）上有惟一索引，或有高选择性非惟一索引时，使用这种方法能够获得较好的效率。
　　b） NESTED LOOPS有其它链接方法没有的的一个优势是：能够先返回已经链接的行，而没必要等待全部的链接操做处理完才返回数据，这能够实现快速的响应时间。

　　哈希链接（Hash Join， HJ）：
　　a） 这种方法是在oracle7后来引入的，使用了比较先进的链接理论，通常来讲，其效率应该好于其它2种链接，可是这种链接只能用在CBO优化器中，并且须要设置合适的hash_area_size参数，才能取得较好的性能。
　　b） 在2个较大的row source之间链接时会取得相对较好的效率，在一个row source较小时则能取得更好的效率。
　　c） 只能用于等值链接中