數(shù)據(jù)庫訪問性能優(yōu)化

在網(wǎng)上有很多文章介紹數(shù)據(jù)庫優(yōu)化知識，但是大部份文章只是對某個(gè)一個(gè)方面進(jìn)行說明，而對于我們程序員來說這種介紹并不能很好的掌握優(yōu)化知識，因?yàn)楹芏嘟榻B只是對一些特定的場景優(yōu)化的，所以反而有時(shí)會產(chǎn)生誤導(dǎo)或讓程序員感覺不明白其中的奧妙而對數(shù)據(jù)庫優(yōu)化感覺很神秘。
很多程序員總是問如何學(xué)習(xí)數(shù)據(jù)庫優(yōu)化，有沒有好的教材之類的問題。在書店也看到了許多數(shù)據(jù)庫優(yōu)化的專業(yè)書籍，但是感覺更多是面向DBA或者是PL/SQL開發(fā)方面的知識，個(gè)人感覺不太適合普通程序員。而要想做到數(shù)據(jù)庫優(yōu)化的高手，不是花幾周，幾個(gè)月就能達(dá)到的，這并不是因?yàn)閿?shù)據(jù)庫優(yōu)化有多高深，而是因?yàn)橐龊脙?yōu)化一方面需要有非常好的技術(shù)功底，對操作系統(tǒng)、存儲硬件網(wǎng)絡(luò)、數(shù)據(jù)庫原理等方面有比較扎實(shí)的基礎(chǔ)知識，另一方面是需要花大量時(shí)間對特定的數(shù)據(jù)庫進(jìn)行實(shí)踐測試與總結(jié)。
作為一個(gè)程序員，我們也許不清楚線上正式的服務(wù)器硬件配置，我們不可能像DBA那樣專業(yè)的對數(shù)據(jù)庫進(jìn)行各種實(shí)踐測試與總結(jié)，但我們都應(yīng)該非常了解我們SQL的業(yè)務(wù)邏輯，我們清楚SQL中訪問表及字段的數(shù)據(jù)情況，我們其實(shí)只關(guān)心我們的SQL是否能盡快返回結(jié)果。那程序員如何利用已知的知識進(jìn)行數(shù)據(jù)庫優(yōu)化？如何能快速定位SQL性能問題并找到正確的優(yōu)化方向？
面對這些問題，筆者總結(jié)了一些面向程序員的基本優(yōu)化法則，本文將結(jié)合實(shí)例來坦述數(shù)據(jù)庫開發(fā)的優(yōu)化知識。
一、數(shù)據(jù)庫訪問優(yōu)化法則簡介
要正確的優(yōu)化SQL，我們需要快速定位能性的瓶頸點(diǎn)，也就是說快速找到我們SQL主要的開銷在哪里？而大多數(shù)情況性能最慢的設(shè)備會是瓶頸點(diǎn)，如下載時(shí)網(wǎng)絡(luò)速度可能會是瓶頸點(diǎn)，本地復(fù)制文件時(shí)硬盤可能會是瓶頸點(diǎn)，為什么這些一般的工作我們能快速確認(rèn)瓶頸點(diǎn)呢，因?yàn)槲覀儗@些慢速設(shè)備的性能數(shù)據(jù)有一些基本的認(rèn)識，如網(wǎng)絡(luò)帶寬是2Mbps，硬盤是每分鐘7200轉(zhuǎn)等等。因此，為了快速找到SQL的性能瓶頸點(diǎn)，我們也需要了解我們計(jì)算機(jī)系統(tǒng)的硬件基本性能指標(biāo)，下圖展示的當(dāng)前主流計(jì)算機(jī)性能指標(biāo)數(shù)據(jù)。

從圖上可以看到基本上每種設(shè)備都有兩個(gè)指標(biāo)：
延時(shí)（響應(yīng)時(shí)間）：表示硬件的突發(fā)處理能力；
帶寬（吞吐量）：代表硬件持續(xù)處理能力。

從上圖可以看出，計(jì)算機(jī)系統(tǒng)硬件性能從高到代依次為：
CPU——Cache(L1-L2-L3)——內(nèi)存——SSD硬盤——網(wǎng)絡(luò)——硬盤
由于SSD硬盤還處于快速發(fā)展階段，所以本文的內(nèi)容不涉及SSD相關(guān)應(yīng)用系統(tǒng)。
根據(jù)數(shù)據(jù)庫知識，我們可以列出每種硬件主要的工作內(nèi)容：
CPU及內(nèi)存：緩存數(shù)據(jù)訪問、比較、排序、事務(wù)檢測、SQL解析、函數(shù)或邏輯運(yùn)算；
網(wǎng)絡(luò)：結(jié)果數(shù)據(jù)傳輸、SQL請求、遠(yuǎn)程數(shù)據(jù)庫訪問（dblink）；
硬盤：數(shù)據(jù)訪問、數(shù)據(jù)寫入、日志記錄、大數(shù)據(jù)量排序、大表連接。

根據(jù)當(dāng)前計(jì)算機(jī)硬件的基本性能指標(biāo)及其在數(shù)據(jù)庫中主要操作內(nèi)容，可以整理出如下圖所示的性能基本優(yōu)化法則：

這個(gè)優(yōu)化法則歸納為5個(gè)層次：
1、 減少數(shù)據(jù)訪問（減少磁盤訪問）
2、 返回更少數(shù)據(jù)（減少網(wǎng)絡(luò)傳輸或磁盤訪問）
3、 減少交互次數(shù)（減少網(wǎng)絡(luò)傳輸）
4、 減少服務(wù)器CPU開銷（減少CPU及內(nèi)存開銷）
5、 利用更多資源（增加資源）
由于每一層優(yōu)化法則都是解決其對應(yīng)硬件的性能問題，所以帶來的性能提升比例也不一樣。傳統(tǒng)數(shù)據(jù)庫系統(tǒng)設(shè)計(jì)是也是盡可能對低速設(shè)備提供優(yōu)化方法，因此針對低速設(shè)備問題的可優(yōu)化手段也更多，優(yōu)化成本也更低。我們?nèi)魏我粋€(gè)SQL的性能優(yōu)化都應(yīng)該按這個(gè)規(guī)則由上到下來診斷問題并提出解決方案，而不應(yīng)該首先想到的是增加資源解決問題。
以下是每個(gè)優(yōu)化法則層級對應(yīng)優(yōu)化效果及成本經(jīng)驗(yàn)參考：

接下來，我們針對5種優(yōu)化法則列舉常用的優(yōu)化手段并結(jié)合實(shí)例分析。

二、Oracle數(shù)據(jù)庫兩個(gè)基本概念
數(shù)據(jù)塊(Block)
數(shù)據(jù)塊是數(shù)據(jù)庫中數(shù)據(jù)在磁盤中存儲的最小單位，也是一次IO訪問的最小單位，一個(gè)數(shù)據(jù)塊通?？梢源鎯Χ鄺l記錄，數(shù)據(jù)塊大小是DBA在創(chuàng)建數(shù)據(jù)庫或表空間時(shí)指定，可指定為2K、4K、8K、16K或32K字節(jié)。下圖是一個(gè)Oracle數(shù)據(jù)庫典型的物理結(jié)構(gòu)，一個(gè)數(shù)據(jù)庫可以包括多個(gè)數(shù)據(jù)文件，一個(gè)數(shù)據(jù)文件內(nèi)又包含多個(gè)數(shù)據(jù)塊；

ROWID
ROWID是每條記錄在數(shù)據(jù)庫中的唯一標(biāo)識，通過ROWID可以直接定位記錄到對應(yīng)的文件號及數(shù)據(jù)塊位置。ROWID內(nèi)容包括文件號、對像號、數(shù)據(jù)塊號、記錄槽號，如下圖所示：

三、數(shù)據(jù)庫訪問優(yōu)化法則詳解
1、減少數(shù)據(jù)訪問
1.1、創(chuàng)建并使用正確的索引
數(shù)據(jù)庫索引的原理非常簡單，但在復(fù)雜的表中真正能正確使用索引的人很少，即使是專業(yè)的DBA也不一定能完全做到最優(yōu)。
索引會大大增加表記錄的DML(INSERT,UPDATE,DELETE)開銷，正確的索引可以讓性能提升100，1000倍以上，不合理的索引也可能會讓性能下降100倍，因此在一個(gè)表中創(chuàng)建什么樣的索引需要平衡各種業(yè)務(wù)需求。
索引常見問題：
索引有哪些種類？
常見的索引有B-TREE索引、位圖索引、全文索引，位圖索引一般用于數(shù)據(jù)倉庫應(yīng)用，全文索引由于使用較少，這里不深入介紹。B-TREE索引包括很多擴(kuò)展類型，如組合索引、反向索引、函數(shù)索引等等，以下是B-TREE索引的簡單介紹：
B-TREE索引也稱為平衡樹索引(Balance Tree)，它是一種按字段排好序的樹形目錄結(jié)構(gòu)，主要用于提升查詢性能和唯一約束支持。B-TREE索引的內(nèi)容包括根節(jié)點(diǎn)、分支節(jié)點(diǎn)、葉子節(jié)點(diǎn)。
葉子節(jié)點(diǎn)內(nèi)容：索引字段內(nèi)容+表記錄ROWID
根節(jié)點(diǎn)，分支節(jié)點(diǎn)內(nèi)容：當(dāng)一個(gè)數(shù)據(jù)塊中不能放下所有索引字段數(shù)據(jù)時(shí)，就會形成樹形的根節(jié)點(diǎn)或分支節(jié)點(diǎn)，根節(jié)點(diǎn)與分支節(jié)點(diǎn)保存了索引樹的順序及各層級間的引用關(guān)系。
一個(gè)普通的BTREE索引結(jié)構(gòu)示意圖如下所示：

如果我們把一個(gè)表的內(nèi)容認(rèn)為是一本字典，那索引就相當(dāng)于字典的目錄，如下圖所示：

圖中是一個(gè)字典按部首+筆劃數(shù)的目錄，相當(dāng)于給字典建了一個(gè)按部首+筆劃的組合索引。
一個(gè)表中可以建多個(gè)索引，就如一本字典可以建多個(gè)目錄一樣（按拼音、筆劃、部首等等）。
一個(gè)索引也可以由多個(gè)字段組成，稱為組合索引，如上圖就是一個(gè)按部首+筆劃的組合目錄。
SQL什么條件會使用索引？
當(dāng)字段上建有索引時(shí)，通常以下情況會使用索引：
INDEX_COLUMN = ?
INDEX_COLUMN > ?
INDEX_COLUMN >= ?
INDEX_COLUMN ?
INDEX_COLUMN = ?
INDEX_COLUMN between ? and ?
INDEX_COLUMN in (?,?,...,?)
INDEX_COLUMN like ?||'%'（后導(dǎo)模糊查詢）
T1. INDEX_COLUMN=T2. COLUMN1（兩個(gè)表通過索引字段關(guān)聯(lián)）

SQL什么條件不會使用索引？

我們一般在什么字段上建索引？
這是一個(gè)非常復(fù)雜的話題，需要對業(yè)務(wù)及數(shù)據(jù)充分分析后再能得出結(jié)果。主鍵及外鍵通常都要有索引，其它需要建索引的字段應(yīng)滿足以下條件：
1、字段出現(xiàn)在查詢條件中，并且查詢條件可以使用索引；
2、語句執(zhí)行頻率高，一天會有幾千次以上；
3、通過字段條件可篩選的記錄集很小，那數(shù)據(jù)篩選比例是多少才適合？
這個(gè)沒有固定值，需要根據(jù)表數(shù)據(jù)量來評估，以下是經(jīng)驗(yàn)公式，可用于快速評估：
小表(記錄數(shù)小于10000行的表)：篩選比例10%；
大表：(篩選返回記錄數(shù))(表總記錄數(shù)*單條記錄長度)/10000/16
單條記錄長度≈字段平均內(nèi)容長度之和+字段數(shù)*2
以下是一些字段是否需要建B-TREE索引的經(jīng)驗(yàn)分類：

如何知道SQL是否使用了正確的索引？
簡單SQL可以根據(jù)索引使用語法規(guī)則判斷，復(fù)雜的SQL不好辦，判斷SQL的響應(yīng)時(shí)間是一種策略，但是這會受到數(shù)據(jù)量、主機(jī)負(fù)載及緩存等因素的影響，有時(shí)數(shù)據(jù)全在緩存里，可能全表訪問的時(shí)間比索引訪問時(shí)間還少。要準(zhǔn)確知道索引是否正確使用，需要到數(shù)據(jù)庫中查看SQL真實(shí)的執(zhí)行計(jì)劃，這個(gè)話題比較復(fù)雜，詳見SQL執(zhí)行計(jì)劃專題介紹。

索引對DML(INSERT,UPDATE,DELETE)附加的開銷有多少？
這個(gè)沒有固定的比例，與每個(gè)表記錄的大小及索引字段大小密切相關(guān)，以下是一個(gè)普通表測試數(shù)據(jù)，僅供參考：
索引對于Insert性能降低56%
索引對于Update性能降低47%
索引對于Delete性能降低29%
因此對于寫IO壓力比較大的系統(tǒng)，表的索引需要仔細(xì)評估必要性，另外索引也會占用一定的存儲空間。

1.2、只通過索引訪問數(shù)據(jù)
有些時(shí)候，我們只是訪問表中的幾個(gè)字段，并且字段內(nèi)容較少，我們可以為這幾個(gè)字段單獨(dú)建立一個(gè)組合索引，這樣就可以直接只通過訪問索引就能得到數(shù)據(jù)，一般索引占用的磁盤空間比表小很多，所以這種方式可以大大減少磁盤IO開銷。
如：select id,name from company where type='2';
如果這個(gè)SQL經(jīng)常使用，我們可以在type,id,name上創(chuàng)建組合索引
create index my_comb_index on company(type,id,name);
有了這個(gè)組合索引后，SQL就可以直接通過my_comb_index索引返回?cái)?shù)據(jù)，不需要訪問company表。
還是拿字典舉例：有一個(gè)需求，需要查詢一本漢語字典中所有漢字的個(gè)數(shù)，如果我們的字典沒有目錄索引，那我們只能從字典內(nèi)容里一個(gè)一個(gè)字計(jì)數(shù)，最后返回結(jié)果。如果我們有一個(gè)拼音目錄，那就可以只訪問拼音目錄的漢字進(jìn)行計(jì)數(shù)。如果一本字典有1000頁，拼音目錄有20頁，那我們的數(shù)據(jù)訪問成本相當(dāng)于全表訪問的50分之一。
切記，性能優(yōu)化是無止境的，當(dāng)性能可以滿足需求時(shí)即可，不要過度優(yōu)化。在實(shí)際數(shù)據(jù)庫中我們不可能把每個(gè)SQL請求的字段都建在索引里，所以這種只通過索引訪問數(shù)據(jù)的方法一般只用于核心應(yīng)用，也就是那種對核心表訪問量最高且查詢字段數(shù)據(jù)量很少的查詢。
1.3、優(yōu)化SQL執(zhí)行計(jì)劃
SQL執(zhí)行計(jì)劃是關(guān)系型數(shù)據(jù)庫最核心的技術(shù)之一，它表示SQL執(zhí)行時(shí)的數(shù)據(jù)訪問算法。由于業(yè)務(wù)需求越來越復(fù)雜，表數(shù)據(jù)量也越來越大，程序員越來越懶惰，SQL也需要支持非常復(fù)雜的業(yè)務(wù)邏輯，但SQL的性能還需要提高，因此，優(yōu)秀的關(guān)系型數(shù)據(jù)庫除了需要支持復(fù)雜的SQL語法及更多函數(shù)外，還需要有一套優(yōu)秀的算法庫來提高SQL性能。
目前ORACLE有SQL執(zhí)行計(jì)劃的算法約300種，而且一直在增加，所以SQL執(zhí)行計(jì)劃是一個(gè)非常復(fù)雜的課題，一個(gè)普通DBA能掌握50種就很不錯(cuò)了，就算是資深DBA也不可能把每個(gè)執(zhí)行計(jì)劃的算法描述清楚。雖然有這么多種算法，但并不表示我們無法優(yōu)化執(zhí)行計(jì)劃，因?yàn)槲覀兂Ｓ玫腟QL執(zhí)行計(jì)劃算法也就十幾個(gè)，如果一個(gè)程序員能把這十幾個(gè)算法搞清楚，那就掌握了80%的SQL執(zhí)行計(jì)劃調(diào)優(yōu)知識。
由于篇幅的原因，SQL執(zhí)行計(jì)劃需要專題介紹，在這里就不多說了。

2、返回更少的數(shù)據(jù)
2.1、數(shù)據(jù)分頁處理
一般數(shù)據(jù)分頁方式有：
2.1.1、客戶端(應(yīng)用程序或?yàn)g覽器)分頁
將數(shù)據(jù)從應(yīng)用服務(wù)器全部下載到本地應(yīng)用程序或?yàn)g覽器，在應(yīng)用程序或?yàn)g覽器內(nèi)部通過本地代碼進(jìn)行分頁處理
優(yōu)點(diǎn)：編碼簡單，減少客戶端與應(yīng)用服務(wù)器網(wǎng)絡(luò)交互次數(shù)
缺點(diǎn)：首次交互時(shí)間長，占用客戶端內(nèi)存
適應(yīng)場景：客戶端與應(yīng)用服務(wù)器網(wǎng)絡(luò)延時(shí)較大，但要求后續(xù)操作流暢，如手機(jī)GPRS，超遠(yuǎn)程訪問（跨國）等等。
2.1.2、應(yīng)用服務(wù)器分頁
將數(shù)據(jù)從數(shù)據(jù)庫服務(wù)器全部下載到應(yīng)用服務(wù)器，在應(yīng)用服務(wù)器內(nèi)部再進(jìn)行數(shù)據(jù)篩選。以下是一個(gè)應(yīng)用服務(wù)器端Java程序分頁的示例：
List list=executeQuery(“select * from employee order by id”);
Int count= list.size();
List subList= list.subList(10, 20);

優(yōu)點(diǎn)：編碼簡單，只需要一次SQL交互，總數(shù)據(jù)與分頁數(shù)據(jù)差不多時(shí)性能較好。
缺點(diǎn)：總數(shù)據(jù)量較多時(shí)性能較差。
適應(yīng)場景：數(shù)據(jù)庫系統(tǒng)不支持分頁處理，數(shù)據(jù)量較小并且可控。

2.1.3、數(shù)據(jù)庫SQL分頁
采用數(shù)據(jù)庫SQL分頁需要兩次SQL完成
一個(gè)SQL計(jì)算總數(shù)量
一個(gè)SQL返回分頁后的數(shù)據(jù)
優(yōu)點(diǎn)：性能好
缺點(diǎn)：編碼復(fù)雜，各種數(shù)據(jù)庫語法不同，需要兩次SQL交互。

oracle數(shù)據(jù)庫一般采用rownum來進(jìn)行分頁，常用分頁語法有如下兩種：

直接通過rownum分頁：

select * from (
select a.*,rownum rn from
(select * from product a where company_id=? order by status) a
where rownum=20)
where rn>10;

數(shù)據(jù)訪問開銷=索引IO+索引全部記錄結(jié)果對應(yīng)的表數(shù)據(jù)IO

采用rowid分頁語法
優(yōu)化原理是通過純索引找出分頁記錄的ROWID，再通過ROWID回表返回?cái)?shù)據(jù)，要求內(nèi)層查詢和排序字段全在索引里。

create index myindex on product(company_id,status);

select b.* from (
select * from (
select a.*,rownum rn from
(select rowid rid,status from product a where company_id=? order by status) a
where rownum=20)
where rn>10) a, product b
where a.rid=b.rowid;

數(shù)據(jù)訪問開銷=索引IO+索引分頁結(jié)果對應(yīng)的表數(shù)據(jù)IO

實(shí)例：
一個(gè)公司產(chǎn)品有1000條記錄，要分頁取其中20個(gè)產(chǎn)品，假設(shè)訪問公司索引需要50個(gè)IO，2條記錄需要1個(gè)表數(shù)據(jù)IO。
那么按第一種ROWNUM分頁寫法，需要550(50+1000/2)個(gè)IO，按第二種ROWID分頁寫法，只需要60個(gè)IO(50+20/2);

2.2、只返回需要的字段
通過去除不必要的返回字段可以提高性能，例：
調(diào)整前：select * from product where company_id=?;
調(diào)整后：select id,name from product where company_id=?;

優(yōu)點(diǎn)：
1、減少數(shù)據(jù)在網(wǎng)絡(luò)上傳輸開銷
2、減少服務(wù)器數(shù)據(jù)處理開銷
3、減少客戶端內(nèi)存占用
4、字段變更時(shí)提前發(fā)現(xiàn)問題，減少程序BUG
5、如果訪問的所有字段剛好在一個(gè)索引里面，則可以使用純索引訪問提高性能。
缺點(diǎn)：增加編碼工作量
由于會增加一些編碼工作量，所以一般需求通過開發(fā)規(guī)范來要求程序員這么做，否則等項(xiàng)目上線后再整改工作量更大。
如果你的查詢表中有大字段或內(nèi)容較多的字段，如備注信息、文件內(nèi)容等等，那在查詢表時(shí)一定要注意這方面的問題，否則可能會帶來嚴(yán)重的性能問題。如果表經(jīng)常要查詢并且請求大內(nèi)容字段的概率很低，我們可以采用分表處理，將一個(gè)大表分拆成兩個(gè)一對一的關(guān)系表，將不常用的大內(nèi)容字段放在一張單獨(dú)的表中。如一張存儲上傳文件的表：
T_FILE（ID,FILE_NAME,FILE_SIZE,FILE_TYPE,FILE_CONTENT）
我們可以分拆成兩張一對一的關(guān)系表：
T_FILE（ID,FILE_NAME,FILE_SIZE,FILE_TYPE）
T_FILECONTENT（ID, FILE_CONTENT）
通過這種分拆，可以大大提少T_FILE表的單條記錄及總大小，這樣在查詢T_FILE時(shí)性能會更好，當(dāng)需要查詢FILE_CONTENT字段內(nèi)容時(shí)再訪問T_FILECONTENT表。

3、減少交互次數(shù)
3.1、batch DML
數(shù)據(jù)庫訪問框架一般都提供了批量提交的接口，jdbc支持batch的提交處理方法，當(dāng)你一次性要往一個(gè)表中插入1000萬條數(shù)據(jù)時(shí)，如果采用普通的executeUpdate處理，那么和服務(wù)器交互次數(shù)為1000萬次，按每秒鐘可以向數(shù)據(jù)庫服務(wù)器提交10000次估算，要完成所有工作需要1000秒。如果采用批量提交模式，1000條提交一次，那么和服務(wù)器交互次數(shù)為1萬次，交互次數(shù)大大減少。采用batch操作一般不會減少很多數(shù)據(jù)庫服務(wù)器的物理IO，但是會大大減少客戶端與服務(wù)端的交互次數(shù)，從而減少了多次發(fā)起的網(wǎng)絡(luò)延時(shí)開銷，同時(shí)也會降低數(shù)據(jù)庫的CPU開銷。

假設(shè)要向一個(gè)普通表插入1000萬數(shù)據(jù)，每條記錄大小為1K字節(jié)，表上沒有任何索引，客戶端與數(shù)據(jù)庫服務(wù)器網(wǎng)絡(luò)是100Mbps，以下是根據(jù)現(xiàn)在一般計(jì)算機(jī)能力估算的各種batch大小性能對比值：

從上可以看出，Insert操作加大Batch可以對性能提高近8倍性能，一般根據(jù)主鍵的Update或Delete操作也可能提高2-3倍性能，但不如Insert明顯，因?yàn)閁pdate及Delete操作可能有比較大的開銷在物理IO訪問。以上僅是理論計(jì)算值，實(shí)際情況需要根據(jù)具體環(huán)境測量。

3.2、In List
很多時(shí)候我們需要按一些ID查詢數(shù)據(jù)庫記錄，我們可以采用一個(gè)ID一個(gè)請求發(fā)給數(shù)據(jù)庫，如下所示：
for :var in ids[] do begin
select * from mytable where id=:var;
end;

我們也可以做一個(gè)小的優(yōu)化， 如下所示，用ID INLIST的這種方式寫SQL：
select * from mytable where id in(:id1,id2,...,idn);

通過這樣處理可以大大減少SQL請求的數(shù)量，從而提高性能。那如果有10000個(gè)ID，那是不是全部放在一條SQL里處理呢？答案肯定是否定的。首先大部份數(shù)據(jù)庫都會有SQL長度和IN里個(gè)數(shù)的限制，如ORACLE的IN里就不允許超過1000個(gè)值。
另外當(dāng)前數(shù)據(jù)庫一般都是采用基于成本的優(yōu)化規(guī)則，當(dāng)IN數(shù)量達(dá)到一定值時(shí)有可能改變SQL執(zhí)行計(jì)劃，從索引訪問變成全表訪問，這將使性能急劇變化。隨著SQL中IN的里面的值個(gè)數(shù)增加，SQL的執(zhí)行計(jì)劃會更復(fù)雜，占用的內(nèi)存將會變大，這將會增加服務(wù)器CPU及內(nèi)存成本。
評估在IN里面一次放多少個(gè)值還需要考慮應(yīng)用服務(wù)器本地內(nèi)存的開銷，有并發(fā)訪問時(shí)要計(jì)算本地?cái)?shù)據(jù)使用周期內(nèi)的并發(fā)上限，否則可能會導(dǎo)致內(nèi)存溢出。
綜合考慮，一般IN里面的值個(gè)數(shù)超過20個(gè)以后性能基本沒什么太大變化，也特別說明不要超過100，超過后可能會引起執(zhí)行計(jì)劃的不穩(wěn)定性及增加數(shù)據(jù)庫CPU及內(nèi)存成本，這個(gè)需要專業(yè)DBA評估。

3.3、設(shè)置Fetch Size
當(dāng)我們采用select從數(shù)據(jù)庫查詢數(shù)據(jù)時(shí)，數(shù)據(jù)默認(rèn)并不是一條一條返回給客戶端的，也不是一次全部返回客戶端的，而是根據(jù)客戶端fetch_size參數(shù)處理，每次只返回fetch_size條記錄，當(dāng)客戶端游標(biāo)遍歷到尾部時(shí)再從服務(wù)端取數(shù)據(jù)，直到最后全部傳送完成。所以如果我們要從服務(wù)端一次取大量數(shù)據(jù)時(shí)，可以加大fetch_size，這樣可以減少結(jié)果數(shù)據(jù)傳輸?shù)慕换ゴ螖?shù)及服務(wù)器數(shù)據(jù)準(zhǔn)備時(shí)間，提高性能。

以下是jdbc測試的代碼，采用本地?cái)?shù)據(jù)庫，表緩存在數(shù)據(jù)庫CACHE中，因此沒有網(wǎng)絡(luò)連接及磁盤IO開銷，客戶端只遍歷游標(biāo)，不做任何處理，這樣更能體現(xiàn)fetch參數(shù)的影響：

String vsql ="select * from t_employee";
PreparedStatement pstmt = conn.prepareStatement(vsql,ResultSet.TYPE_FORWARD_ONLY,ResultSet.CONCUR_READ_ONLY);
pstmt.setFetchSize(1000);
ResultSet rs = pstmt.executeQuery(vsql);
int cnt = rs.getMetaData().getColumnCount();
Object o;
while (rs.next()) {
for (int i = 1; i = cnt; i++) {
o = rs.getObject(i);
}
}

測試示例中的employee表有100000條記錄，每條記錄平均長度135字節(jié)

以下是測試結(jié)果，對每種fetchsize測試5次再取平均值：

Oracle jdbc fetchsize默認(rèn)值為10，由上測試可以看出fetchsize對性能影響還是比較大的，但是當(dāng)fetchsize大于100時(shí)就基本上沒有影響了。fetchsize并不會存在一個(gè)最優(yōu)的固定值，因?yàn)檎w性能與記錄集大小及硬件平臺有關(guān)。根據(jù)測試結(jié)果建議當(dāng)一次性要取大量數(shù)據(jù)時(shí)這個(gè)值設(shè)置為100左右，不要小于40。注意，fetchsize不能設(shè)置太大，如果一次取出的數(shù)據(jù)大于JVM的內(nèi)存會導(dǎo)致內(nèi)存溢出，所以建議不要超過1000，太大了也沒什么性能提高，反而可能會增加內(nèi)存溢出的危險(xiǎn)。
注：圖中fetchsize在128以后會有一些小的波動，這并不是測試誤差，而是由于resultset填充到具體對像時(shí)間不同的原因，由于resultset已經(jīng)到本地內(nèi)存里了，所以估計(jì)是由于CPU的L1,L2 Cache命中率變化造成，由于變化不大，所以筆者也未深入分析原因。

iBatis的SqlMapping配置文件可以對每個(gè)SQL語句指定fetchsize大小，如下所示：

select id="getAllProduct" resultMap="HashMap" fetchSize="1000">
select * from employee
/select>

3.4、使用存儲過程
大型數(shù)據(jù)庫一般都支持存儲過程，合理的利用存儲過程也可以提高系統(tǒng)性能。如你有一個(gè)業(yè)務(wù)需要將A表的數(shù)據(jù)做一些加工然后更新到B表中，但是又不可能一條SQL完成，這時(shí)你需要如下3步操作：
a：將A表數(shù)據(jù)全部取出到客戶端；
b：計(jì)算出要更新的數(shù)據(jù)；
c：將計(jì)算結(jié)果更新到B表。

如果采用存儲過程你可以將整個(gè)業(yè)務(wù)邏輯封裝在存儲過程里，然后在客戶端直接調(diào)用存儲過程處理，這樣可以減少網(wǎng)絡(luò)交互的成本。
當(dāng)然，存儲過程也并不是十全十美，存儲過程有以下缺點(diǎn)：
a、不可移植性，每種數(shù)據(jù)庫的內(nèi)部編程語法都不太相同，當(dāng)你的系統(tǒng)需要兼容多種數(shù)據(jù)庫時(shí)最好不要用存儲過程。
b、學(xué)習(xí)成本高，DBA一般都擅長寫存儲過程，但并不是每個(gè)程序員都能寫好存儲過程，除非你的團(tuán)隊(duì)有較多的開發(fā)人員熟悉寫存儲過程，否則后期系統(tǒng)維護(hù)會產(chǎn)生問題。
c、業(yè)務(wù)邏輯多處存在，采用存儲過程后也就意味著你的系統(tǒng)有一些業(yè)務(wù)邏輯不是在應(yīng)用程序里處理，這種架構(gòu)會增加一些系統(tǒng)維護(hù)和調(diào)試成本。
d、存儲過程和常用應(yīng)用程序語言不一樣，它支持的函數(shù)及語法有可能不能滿足需求，有些邏輯就只能通過應(yīng)用程序處理。
e、如果存儲過程中有復(fù)雜運(yùn)算的話，會增加一些數(shù)據(jù)庫服務(wù)端的處理成本，對于集中式數(shù)據(jù)庫可能會導(dǎo)致系統(tǒng)可擴(kuò)展性問題。
f、為了提高性能，數(shù)據(jù)庫會把存儲過程代碼編譯成中間運(yùn)行代碼(類似于java的class文件)，所以更像靜態(tài)語言。當(dāng)存儲過程引用的對像(表、視圖等等)結(jié)構(gòu)改變后，存儲過程需要重新編譯才能生效，在24*7高并發(fā)應(yīng)用場景，一般都是在線變更結(jié)構(gòu)的，所以在變更的瞬間要同時(shí)編譯存儲過程，這可能會導(dǎo)致數(shù)據(jù)庫瞬間壓力上升引起故障(Oracle數(shù)據(jù)庫就存在這樣的問題)。

個(gè)人觀點(diǎn)：普通業(yè)務(wù)邏輯盡量不要使用存儲過程，定時(shí)性的ETL任務(wù)或報(bào)表統(tǒng)計(jì)函數(shù)可以根據(jù)團(tuán)隊(duì)資源情況采用存儲過程處理。

3.5、優(yōu)化業(yè)務(wù)邏輯
要通過優(yōu)化業(yè)務(wù)邏輯來提高性能是比較困難的，這需要程序員對所訪問的數(shù)據(jù)及業(yè)務(wù)流程非常清楚。
舉一個(gè)案例：
某移動公司推出優(yōu)惠套參，活動對像為VIP會員并且2010年1，2，3月平均話費(fèi)20元以上的客戶。
那我們的檢測邏輯為：

select avg(money) as avg_money from bill where phone_no='13988888888' and date between '201001' and '201003';
select vip_flag from member where phone_no='13988888888';
if avg_money>20 and vip_flag=true then
begin
執(zhí)行套參();
end;

如果我們修改業(yè)務(wù)邏輯為:

select avg(money) as avg_money from bill where phone_no='13988888888' and date between '201001' and '201003';
if avg_money>20 then
begin
select vip_flag from member where phone_no='13988888888';
if vip_flag=true then
begin
執(zhí)行套參();
end;
end;

通過這樣可以減少一些判斷vip_flag的開銷，平均話費(fèi)20元以下的用戶就不需要再檢測是否VIP了。

如果程序員分析業(yè)務(wù)，VIP會員比例為1%，平均話費(fèi)20元以上的用戶比例為90%，那我們改成如下：

select vip_flag from member where phone_no='13988888888';
if vip_flag=true then
begin
select avg(money) as avg_money from bill where phone_no='13988888888' and date between '201001' and '201003';
if avg_money>20 then
begin
執(zhí)行套參();
end;
end;

這樣就只有1%的VIP會員才會做檢測平均話費(fèi)，最終大大減少了SQL的交互次數(shù)。

以上只是一個(gè)簡單的示例，實(shí)際的業(yè)務(wù)總是比這復(fù)雜得多，所以一般只是高級程序員更容易做出優(yōu)化的邏輯，但是我們需要有這樣一種成本優(yōu)化的意識。

3.6、使用ResultSet游標(biāo)處理記錄
現(xiàn)在大部分Java框架都是通過jdbc從數(shù)據(jù)庫取出數(shù)據(jù)，然后裝載到一個(gè)list里再處理，list里可能是業(yè)務(wù)Object，也可能是hashmap。
由于JVM內(nèi)存一般都小于4G，所以不可能一次通過sql把大量數(shù)據(jù)裝載到list里。為了完成功能，很多程序員喜歡采用分頁的方法處理，如一次從數(shù)據(jù)庫取1000條記錄，通過多次循環(huán)搞定，保證不會引起JVM Out of memory問題。

以下是實(shí)現(xiàn)此功能的代碼示例，t_employee表有10萬條記錄，設(shè)置分頁大小為1000：

d1 = Calendar.getInstance().getTime();
vsql = "select count(*) cnt from t_employee";
pstmt = conn.prepareStatement(vsql);
ResultSet rs = pstmt.executeQuery();
Integer cnt = 0;
while (rs.next()) {
cnt = rs.getInt("cnt");
}
Integer lastid=0;
Integer pagesize=1000;
System.out.println("cnt:" + cnt);
String vsql = "select count(*) cnt from t_employee";
PreparedStatement pstmt = conn.prepareStatement(vsql);
ResultSet rs = pstmt.executeQuery();
Integer cnt = 0;
while (rs.next()) {
cnt = rs.getInt("cnt");
}
Integer lastid = 0;
Integer pagesize = 1000;
System.out.println("cnt:" + cnt);
for (int i = 0; i = cnt / pagesize; i++) {
vsql = "select * from (select * from t_employee where id>? order by id) where rownum=?";
pstmt = conn.prepareStatement(vsql);
pstmt.setFetchSize(1000);
pstmt.setInt(1, lastid);
pstmt.setInt(2, pagesize);
rs = pstmt.executeQuery();
int col_cnt = rs.getMetaData().getColumnCount();
Object o;
while (rs.next()) {
for (int j = 1; j = col_cnt; j++) {
o = rs.getObject(j);
}
lastid = rs.getInt("id");
}
rs.close();
pstmt.close();
}

以上代碼實(shí)際執(zhí)行時(shí)間為6.516秒

很多持久層框架為了盡量讓程序員使用方便，封裝了jdbc通過statement執(zhí)行數(shù)據(jù)返回到resultset的細(xì)節(jié)，導(dǎo)致程序員會想采用分頁的方式處理問題。實(shí)際上如果我們采用jdbc原始的resultset游標(biāo)處理記錄，在resultset循環(huán)讀取的過程中處理記錄，這樣就可以一次從數(shù)據(jù)庫取出所有記錄。顯著提高性能。
這里需要注意的是，采用resultset游標(biāo)處理記錄時(shí)，應(yīng)該將游標(biāo)的打開方式設(shè)置為FORWARD_READONLY模式(ResultSet.TYPE_FORWARD_ONLY,ResultSet.CONCUR_READ_ONLY)，否則會把結(jié)果緩存在JVM里，造成JVM Out of memory問題。

代碼示例：

String vsql ="select * from t_employee";
PreparedStatement pstmt = conn.prepareStatement(vsql,ResultSet.TYPE_FORWARD_ONLY,ResultSet.CONCUR_READ_ONLY);
pstmt.setFetchSize(100);
ResultSet rs = pstmt.executeQuery(vsql);
int col_cnt = rs.getMetaData().getColumnCount();
Object o;
while (rs.next()) {
for (int j = 1; j = col_cnt; j++) {
o = rs.getObject(j);
}
}

調(diào)整后的代碼實(shí)際執(zhí)行時(shí)間為3.156秒

從測試結(jié)果可以看出性能提高了1倍多，如果采用分頁模式數(shù)據(jù)庫每次還需發(fā)生磁盤IO的話那性能可以提高更多。
iBatis等持久層框架考慮到會有這種需求，所以也有相應(yīng)的解決方案，在iBatis里我們不能采用queryForList的方法，而應(yīng)用該采用queryWithRowHandler加回調(diào)事件的方式處理，如下所示：

MyRowHandler myrh=new MyRowHandler();
sqlmap.queryWithRowHandler("getAllEmployee", myrh);

class MyRowHandler implements RowHandler {
public void handleRow(Object o) {
//todo something
}
}

iBatis的queryWithRowHandler很好的封裝了resultset遍歷的事件處理，效果及性能與resultset遍歷一樣，也不會產(chǎn)生JVM內(nèi)存溢出。

4、減少數(shù)據(jù)庫服務(wù)器CPU運(yùn)算
4.1、使用綁定變量
綁定變量是指SQL中對變化的值采用變量參數(shù)的形式提交，而不是在SQL中直接拼寫對應(yīng)的值。
非綁定變量寫法：Select * from employee where id=1234567
綁定變量寫法：
Select * from employee where id=?
Preparestatement.setInt(1,1234567)

Java中Preparestatement就是為處理綁定變量提供的對像，綁定變量有以下優(yōu)點(diǎn)：
1、防止SQL注入
2、提高SQL可讀性
3、提高SQL解析性能，不使用綁定變更我們一般稱為硬解析，使用綁定變量我們稱為軟解析。
第1和第2點(diǎn)很好理解，做編碼的人應(yīng)該都清楚，這里不詳細(xì)說明。關(guān)于第3點(diǎn)，到底能提高多少性能呢，下面舉一個(gè)例子說明：

假設(shè)有這個(gè)這樣的一個(gè)數(shù)據(jù)庫主機(jī)：
2個(gè)4核CPU
100塊磁盤，每個(gè)磁盤支持IOPS為160
業(yè)務(wù)應(yīng)用的SQL如下：
select * from table where pk=?
這個(gè)SQL平均4個(gè)IO（3個(gè)索引IO+1個(gè)數(shù)據(jù)IO）
IO緩存命中率75%（索引全在內(nèi)存中，數(shù)據(jù)需要訪問磁盤）
SQL硬解析CPU消耗：1ms （常用經(jīng)驗(yàn)值）
SQL軟解析CPU消耗：0.02ms（常用經(jīng)驗(yàn)值）

假設(shè)CPU每核性能是線性增長，訪問內(nèi)存Cache中的IO時(shí)間忽略，要求計(jì)算系統(tǒng)對如上應(yīng)用采用硬解析與采用軟解析支持的每秒最大并發(fā)數(shù)：

從以上計(jì)算可以看出，不使用綁定變量的系統(tǒng)當(dāng)并發(fā)達(dá)到8000時(shí)會在CPU上產(chǎn)生瓶頸，當(dāng)使用綁定變量的系統(tǒng)當(dāng)并行達(dá)到16000時(shí)會在磁盤IO上產(chǎn)生瓶頸。所以如果你的系統(tǒng)CPU有瓶頸時(shí)請先檢查是否存在大量的硬解析操作。

使用綁定變量為何會提高SQL解析性能，這個(gè)需要從數(shù)據(jù)庫SQL執(zhí)行原理說明，一條SQL在Oracle數(shù)據(jù)庫中的執(zhí)行過程如下圖所示：

當(dāng)一條SQL發(fā)送給數(shù)據(jù)庫服務(wù)器后，系統(tǒng)首先會將SQL字符串進(jìn)行hash運(yùn)算，得到hash值后再從服務(wù)器內(nèi)存里的SQL緩存區(qū)中進(jìn)行檢索，如果有相同的SQL字符，并且確認(rèn)是同一邏輯的SQL語句，則從共享池緩存中取出SQL對應(yīng)的執(zhí)行計(jì)劃，根據(jù)執(zhí)行計(jì)劃讀取數(shù)據(jù)并返回結(jié)果給客戶端。
如果在共享池中未發(fā)現(xiàn)相同的SQL則根據(jù)SQL邏輯生成一條新的執(zhí)行計(jì)劃并保存在SQL緩存區(qū)中，然后根據(jù)執(zhí)行計(jì)劃讀取數(shù)據(jù)并返回結(jié)果給客戶端。
為了更快的檢索SQL是否在緩存區(qū)中，首先進(jìn)行的是SQL字符串hash值對比，如果未找到則認(rèn)為沒有緩存，如果存在再進(jìn)行下一步的準(zhǔn)確對比，所以要命中SQL緩存區(qū)應(yīng)保證SQL字符是完全一致，中間有大小寫或空格都會認(rèn)為是不同的SQL。
如果我們不采用綁定變量，采用字符串拼接的模式生成SQL,那么每條SQL都會產(chǎn)生執(zhí)行計(jì)劃，這樣會導(dǎo)致共享池耗盡，緩存命中率也很低。

一些不使用綁定變量的場景：
a、數(shù)據(jù)倉庫應(yīng)用，這種應(yīng)用一般并發(fā)不高，但是每個(gè)SQL執(zhí)行時(shí)間很長，SQL解析的時(shí)間相比SQL執(zhí)行時(shí)間比較小，綁定變量對性能提高不明顯。數(shù)據(jù)倉庫一般都是內(nèi)部分析應(yīng)用，所以也不太會發(fā)生SQL注入的安全問題。
b、數(shù)據(jù)分布不均勻的特殊邏輯，如產(chǎn)品表，記錄有1億，有一產(chǎn)品狀態(tài)字段，上面建有索引，有審核中，審核通過，審核未通過3種狀態(tài)，其中審核通過9500萬，審核中1萬，審核不通過499萬。
要做這樣一個(gè)查詢：
select count(*) from product where status=?
采用綁定變量的話，那么只會有一個(gè)執(zhí)行計(jì)劃，如果走索引訪問，那么對于審核中查詢很快，對審核通過和審核不通過會很慢；如果不走索引，那么對于審核中與審核通過和審核不通過時(shí)間基本一樣；
對于這種情況應(yīng)該不使用綁定變量，而直接采用字符拼接的方式生成SQL，這樣可以為每個(gè)SQL生成不同的執(zhí)行計(jì)劃，如下所示。
select count(*) from product where status='approved'; //不使用索引
select count(*) from product where status='tbd'; //不使用索引
select count(*) from product where status='auditing';//使用索引

4.2、合理使用排序
Oracle的排序算法一直在優(yōu)化，但是總體時(shí)間復(fù)雜度約等于nLog(n)。普通OLTP系統(tǒng)排序操作一般都是在內(nèi)存里進(jìn)行的，對于數(shù)據(jù)庫來說是一種CPU的消耗，曾在PC機(jī)做過測試，單核普通CPU在1秒鐘可以完成100萬條記錄的全內(nèi)存排序操作，所以說由于現(xiàn)在CPU的性能增強(qiáng)，對于普通的幾十條或上百條記錄排序?qū)ο到y(tǒng)的影響也不會很大。但是當(dāng)你的記錄集增加到上萬條以上時(shí)，你需要注意是否一定要這么做了，大記錄集排序不僅增加了CPU開銷，而且可能會由于內(nèi)存不足發(fā)生硬盤排序的現(xiàn)象，當(dāng)發(fā)生硬盤排序時(shí)性能會急劇下降，這種需求需要與DBA溝通再決定，取決于你的需求和數(shù)據(jù)，所以只有你自己最清楚，而不要被別人說排序很慢就嚇倒。
以下列出了可能會發(fā)生排序操作的SQL語法：
Order by
Group by
Distinct
Exists子查詢
Not Exists子查詢
In子查詢
Not In子查詢
Union（并集），Union All也是一種并集操作，但是不會發(fā)生排序，如果你確認(rèn)兩個(gè)數(shù)據(jù)集不需要執(zhí)行去除重復(fù)數(shù)據(jù)操作，那請使用Union All 代替Union。
Minus（差集）
Intersect（交集）
Create Index
Merge Join，這是一種兩個(gè)表連接的內(nèi)部算法，執(zhí)行時(shí)會把兩個(gè)表先排序好再連接，應(yīng)用于兩個(gè)大表連接的操作。如果你的兩個(gè)表連接的條件都是等值運(yùn)算，那可以采用Hash Join來提高性能，因?yàn)镠ash Join使用Hash 運(yùn)算來代替排序的操作。具體原理及設(shè)置參考SQL執(zhí)行計(jì)劃優(yōu)化專題。

4.3、減少比較操作
我們SQL的業(yè)務(wù)邏輯經(jīng)常會包含一些比較操作，如a=b，ab之類的操作，對于這些比較操作數(shù)據(jù)庫都體現(xiàn)得很好，但是如果有以下操作，我們需要保持警惕：
Like模糊查詢，如下所示：
a like ‘%abc%'

Like模糊查詢對于數(shù)據(jù)庫來說不是很擅長，特別是你需要模糊檢查的記錄有上萬條以上時(shí)，性能比較糟糕，這種情況一般可以采用專用Search或者采用全文索引方案來提高性能。
不能使用索引定位的大量In List，如下所示：
a in (:1,:2,:3,…,:n) ----n>20
如果這里的a字段不能通過索引比較，那數(shù)據(jù)庫會將字段與in里面的每個(gè)值都進(jìn)行比較運(yùn)算，如果記錄數(shù)有上萬以上，會明顯感覺到SQL的CPU開銷加大，這個(gè)情況有兩種解決方式：
a、 將in列表里面的數(shù)據(jù)放入一張中間小表，采用兩個(gè)表Hash Join關(guān)聯(lián)的方式處理；
b、 采用str2varList方法將字段串列表轉(zhuǎn)換一個(gè)臨時(shí)表處理，關(guān)于str2varList方法可以在網(wǎng)上直接查詢，這里不詳細(xì)介紹。

以上兩種解決方案都需要與中間表Hash Join的方式才能提高性能，如果采用了Nested Loop的連接方式性能會更差。
如果發(fā)現(xiàn)我們的系統(tǒng)IO沒問題但是CPU負(fù)載很高，就有可能是上面的原因，這種情況不太常見，如果遇到了最好能和DBA溝通并確認(rèn)準(zhǔn)確的原因。

4.4、大量復(fù)雜運(yùn)算在客戶端處理
什么是復(fù)雜運(yùn)算，一般我認(rèn)為是一秒鐘CPU只能做10萬次以內(nèi)的運(yùn)算。如含小數(shù)的對數(shù)及指數(shù)運(yùn)算、三角函數(shù)、3DES及BASE64數(shù)據(jù)加密算法等等。
如果有大量這類函數(shù)運(yùn)算，盡量放在客戶端處理，一般CPU每秒中也只能處理1萬-10萬次這樣的函數(shù)運(yùn)算，放在數(shù)據(jù)庫內(nèi)不利于高并發(fā)處理。

5、利用更多的資源
5.1、客戶端多進(jìn)程并行訪問
多進(jìn)程并行訪問是指在客戶端創(chuàng)建多個(gè)進(jìn)程(線程)，每個(gè)進(jìn)程建立一個(gè)與數(shù)據(jù)庫的連接，然后同時(shí)向數(shù)據(jù)庫提交訪問請求。當(dāng)數(shù)據(jù)庫主機(jī)資源有空閑時(shí)，我們可以采用客戶端多進(jìn)程并行訪問的方法來提高性能。如果數(shù)據(jù)庫主機(jī)已經(jīng)很忙時(shí)，采用多進(jìn)程并行訪問性能不會提高，反而可能會更慢。所以使用這種方式最好與DBA或系統(tǒng)管理員進(jìn)行溝通后再決定是否采用。

例如：
我們有10000個(gè)產(chǎn)品ID，現(xiàn)在需要根據(jù)ID取出產(chǎn)品的詳細(xì)信息，如果單線程訪問，按每個(gè)IO要5ms計(jì)算，忽略主機(jī)CPU運(yùn)算及網(wǎng)絡(luò)傳輸時(shí)間，我們需要50s才能完成任務(wù)。如果采用5個(gè)并行訪問，每個(gè)進(jìn)程訪問2000個(gè)ID，那么10s就有可能完成任務(wù)。
那是不是并行數(shù)越多越好呢，開1000個(gè)并行是否只要50ms就搞定，答案肯定是否定的，當(dāng)并行數(shù)超過服務(wù)器主機(jī)資源的上限時(shí)性能就不會再提高，如果再增加反而會增加主機(jī)的進(jìn)程間調(diào)度成本和進(jìn)程沖突機(jī)率。

以下是一些如何設(shè)置并行數(shù)的基本建議：
如果瓶頸在服務(wù)器主機(jī)，但是主機(jī)還有空閑資源，那么最大并行數(shù)取主機(jī)CPU核數(shù)和主機(jī)提供數(shù)據(jù)服務(wù)的磁盤數(shù)兩個(gè)參數(shù)中的最小值，同時(shí)要保證主機(jī)有資源做其它任務(wù)。
如果瓶頸在客戶端處理，但是客戶端還有空閑資源，那建議不要增加SQL的并行，而是用一個(gè)進(jìn)程取回?cái)?shù)據(jù)后在客戶端起多個(gè)進(jìn)程處理即可，進(jìn)程數(shù)根據(jù)客戶端CPU核數(shù)計(jì)算。
如果瓶頸在客戶端網(wǎng)絡(luò)，那建議做數(shù)據(jù)壓縮或者增加多個(gè)客戶端，采用map reduce的架構(gòu)處理。
如果瓶頸在服務(wù)器網(wǎng)絡(luò)，那需要增加服務(wù)器的網(wǎng)絡(luò)帶寬或者在服務(wù)端將數(shù)據(jù)壓縮后再處理了。

5.2、數(shù)據(jù)庫并行處理
數(shù)據(jù)庫并行處理是指客戶端一條SQL的請求，數(shù)據(jù)庫內(nèi)部自動分解成多個(gè)進(jìn)程并行處理，如下圖所示：

并不是所有的SQL都可以使用并行處理，一般只有對表或索引進(jìn)行全部訪問時(shí)才可以使用并行。數(shù)據(jù)庫表默認(rèn)是不打開并行訪問，所以需要指定SQL并行的提示，如下所示：
select /*+parallel(a,4)*/ * from employee;

并行的優(yōu)點(diǎn)：
使用多進(jìn)程處理，充分利用數(shù)據(jù)庫主機(jī)資源（CPU,IO），提高性能。
并行的缺點(diǎn)：
1、單個(gè)會話占用大量資源，影響其它會話，所以只適合在主機(jī)負(fù)載低時(shí)期使用；
2、只能采用直接IO訪問，不能利用緩存數(shù)據(jù)，所以執(zhí)行前會觸發(fā)將臟緩存數(shù)據(jù)寫入磁盤操作。

注：
1、并行處理在OLTP類系統(tǒng)中慎用，使用不當(dāng)會導(dǎo)致一個(gè)會話把主機(jī)資源全部占用，而正常事務(wù)得不到及時(shí)響應(yīng)，所以一般只是用于數(shù)據(jù)倉庫平臺。
2、一般對于百萬級記錄以下的小表采用并行訪問性能并不能提高，反而可能會讓性能更差。