簡述Oracle IOT（Index Organized Table）（下）

下面我們討論一下由于數(shù)據(jù)存儲為索引而帶來的Rowid、Secondary Index問題。

6、Logical Rowid & Secondary Index

在IOT的環(huán)境下，我們是不能保證一個固定的物理Rowid的。

堆表（Heap Table）中，一行數(shù)據(jù)被保存在一個物理位置（file no. + block no.）之后，在正常保存行為中，即使發(fā)生行遷移現(xiàn)象，它的rowid是不會發(fā)生變化的。只有在進行數(shù)據(jù)表存儲重構，如move和shrink space的時候才會發(fā)生新的rowid賦予。

堆表rowid的固定給我們帶來一個好處，就是連帶的數(shù)據(jù)表索引葉子節(jié)點上面的的rowid永遠有效的，除非發(fā)生move或者和shrink space操作（此時索引失效）。

但是，IOT存在一些問題。索引葉子節(jié)點的分裂操作是相當頻繁的，我們很難保證一個數(shù)據(jù)行維持在一個rowid不會發(fā)生大的變化。當然，如果我們保證每次訪問數(shù)據(jù)表都是通過主鍵primary key方式，變化的rowid不會有任何影響。問題出在非主鍵的索引，IOT中稱之為“二級索引”Secondary Index上。

對于一般的二級索引，如果葉子節(jié)點上保留數(shù)據(jù)行的rowid，那么失效的rowid意味著所有對應的二級索引非常容易變?yōu)?/SPAN>invalid狀態(tài)。

在很多數(shù)據(jù)庫版本，包括早期的Oracle版本中，對于Secondary Index是不支持的。最近的oracle中，引入了Logical Rowid和Physical Guess的方法，才最終解決了Secondary Index問題。

SQL> select rowid, object_id from t_iot where rownum<5;

ROWID                             OBJECT_ID

------------------------------- -----------

*BABBVmoCwQP+                             2

*BABBVmoCwQT+                             3

*BABBVmoCwQX+                             4

*BABBVmoCwQb+                             5

對IOT而言，rowid基本上是不合乎我們常見的heap table rowid格式的。我們可以對t_iot添加secondary index。

SQL> create index idx_t_iot_name on t_iot(object_name);

Index created

SQL> exec dbms_stats.gather_table_stats(user,'T_IOT',cascade => true);

PL/SQL procedure successfully completed

從數(shù)據(jù)字典中看，索引idx_t_iot_name沒有什么額外的差異，只是對于一般索引來說，clustering factor取值略高。

SQL> select index_Name, index_type, clustering_factor  from dba_indexes where wner='SYS' and index_name='IDX_T_IOT_NAME';

INDEX_NAME                     INDEX_TYPE                  CLUSTERING_FACTOR

------------------------------ --------------------------- -----------------

IDX_T_IOT_NAME                 NORMAL                                  55006

SQL> select count(*) from t_iot;

  COUNT(*)

----------

     72604

SQL> select sum(bytes)/1024/1024, count(*) from dba_extents where wner='SYS' and segment_name='IDX_T_IOT_NAME';

SUM(BYTES)/1024/1024   COUNT(*)

-------------------- ----------

                   4         19

對于一個7萬余條記錄的數(shù)據(jù)表索引，占到了19個分區(qū)，總看空間4M。那么，如果是一般的heap table index呢？空間如何？

SQL> desc t_heap;

Name        Type          Nullable Default Comments

----------- ------------- -------- ------- --------

OBJECT_ID   NUMBER(10)                             

OBJECT_NAME VARCHAR2(100) Y                         

SQL> create index idx_t_heap_name on t_heap(object_name);

Index created

SQL> select count(*) from t_heap;

  COUNT(*)

----------

     72605

SQL> select sum(bytes)/1024/1024, count(*) from dba_extents where wner='SYS' and segment_name='IDX_T_HEAP_NAME';

SUM(BYTES)/1024/1024   COUNT(*)

-------------------- ----------

                   3         18

相同取值，正常index只有3M空間，約占到18個分區(qū)。說明：Secondary Index對比一些其他索引，有很多特殊的信息在其中。

SQL> col object_name for a20;

SQL> select object_id, object_name from dba_objects where object_name in ('IDX_T_HEAP_NAME','IDX_T_IOT_NAME');

 OBJECT_ID OBJECT_NAME

---------- --------------------

     75146 IDX_T_HEAP_NAME

     75143 IDX_T_IOT_NAME

我們嘗試將兩個索引樹dump出來，探索其結構差異。

SQL> select value from v$diag_info where name='Default Trace File';

VALUE

--------------------------------------------------------------------------------

/u01/diag/rdbms/wilson/wilson/trace/wilson_ora_9101.trc

--堆表索引結構

SQL> alter system set events 'immediate trace name treedump level  75146';

System altered

--IOT表索引結構

SQL> alter system set events 'immediate trace name treedump level  75143';

System altered

首先，我們分析一下一般堆表的索引情況。由于篇幅原因，只截取部分內容。

*** ACTION NAME:(Command Window - New) 2012-10-05 02:43:39.561

----- begin tree dump

branch: 0x415c01 4283393 (0: nrow: 2, level: 2)

   branch: 0x415d3b 4283707 (-1: nrow: 312, level: 1)

      leaf: 0x415c02 4283394 (-1: nrow: 184 rrow: 184)

      leaf: 0x415c03 4283395 (0: nrow: 184 rrow: 184)

      leaf: 0x415c04 4283396 (1: nrow: 188 rrow: 188)

      leaf: 0x415c05 4283397 (2: nrow: 190 rrow: 190)

      leaf: 0x415c06 4283398 (3: nrow: 184 rrow: 184)

      leaf: 0x415c07 4283399 (4: nrow: 186 rrow: 186)

      leaf: 0x415c08 4283400 (5: nrow: 185 rrow: 185)

從Dump結果上，我們可以清晰看到IDX_T_HEAP_NAME是一個兩層索引結構。根節(jié)點地址為0x415c01（file=1, block=89089）。

SQL> select to_number('415c01','xxxxxx') from dual;

TO_NUMBER('415C01','XXXXXX')

----------------------------

                     4283393

其中的一個數(shù)據(jù)塊0x415c06進行試驗，轉化為十進制地址為4283398，二進制地址為：10000010101110000000110。根據(jù)rfile解析規(guī)則，最終地址為：file_no=1，block_no=89094。

SQL> alter system dump datafile 1 block 89094;

System altered

Dump文件中葉子節(jié)點的內容為：

row#0[8000] flag: ------, lock: 0, len=32

col 0; len 22; (22):

 2f 31 34 64 63 62 36 32 32 5f 53 79 6e 74 68 4c 61 62 65 6c 55 49

col 1; len 6; (6):  00 41 55 91 00 4b

row#1[7968] flag: ------, lock: 0, len=32

col 0; len 22; (22):

 2f 31 34 64 63 62 36 32 32 5f 53 79 6e 74 68 4c 61 62 65 6c 55 49

col 1; len 6; (6):  00 41 55 91 00 4c

row#2[7928] flag: ------, lock: 0, len=40

col 0; len 30; (30):

 2f 31 34 65 33 63 31 31 32 5f 50 4e 47 45 6e 63 6f 64 65 50 61 72 61 6d 50

 61 6c 65 74 74

col 1; len 6; (6):  00 41 5b 9a 00 9d

從結構上猜測，col0和col1分別表示索引列取值和對應rowid信息。而IOT的secondary index如何呢？

*** 2012-10-05 02:43:55.944

----- begin tree dump

branch: 0x4154b9 4281529 (0: nrow: 2, level: 2)

   branch: 0x415acd 4283085 (-1: nrow: 330, level: 1)

      leaf: 0x4154ba 4281530 (-1: nrow: 160 rrow: 160)

      leaf: 0x4154bb 4281531 (0: nrow: 158 rrow: 158)

      leaf: 0x4154bc 4281532 (1: nrow: 163 rrow: 163)

      leaf: 0x4154bd 4281533 (2: nrow: 162 rrow: 162)

      leaf: 0x4154be 4281534 (3: nrow: 163 rrow: 163)

      leaf: 0x4154bf 4281535 (4: nrow: 160 rrow: 160)

      leaf: 0x4154c0 4281536 (5: nrow: 159 rrow: 159)

      leaf: 0x4154c1 4281537 (6: nrow: 161 rrow: 161)

      leaf: 0x4154c2 4281538 (7: nrow: 160 rrow: 160)

葉子節(jié)點0x4154bc，對應具體的二進制為：10000010101010010111100。分析獲得的位置為：file_no=1，block_no=87228。

我們將該塊dump出。

SQL> alter system dump datafile 1 block 87228;

System altered

row#0[7986] flag: K-----, lock: 0, len=46

col 0; len 30; (30):

 2f 31 32 30 66 34 37 30 38 5f 46 75 6c 6c 48 54 4d 4c 44 6f 63 75 6d 65 6e

 74 61 74 69 6f

col 1; len 4; (4):  c3 04 39 24

tl: 8 fb: --H-FL-- lb: 0x0  cc: 1

col  0: [ 4]  00 41 59 3e

row#1[7940] flag: K-----, lock: 0, len=46

col 0; len 30; (30):

 2f 31 32 30 66 64 37 36 64 5f 4f 72 61 63 6c 65 44 61 74 61 62 61 73 65 4d

 65 74 61 44 61

col 1; len 4; (4):  c3 02 50 1a

tl: 8 fb: --H-FL-- lb: 0x0  cc: 1

col  0: [ 4]  00 41 54 a1

row#2[7894] flag: K-----, lock: 0, len=46

col 0; len 30; (30):

 2f 31 32 30 66 64 37 36 64 5f 4f 72 61 63 6c 65 44 61 74 61 62 61 73 65 4d

 65 74 61 44 61

col 1; len 4; (4):  c3 04 4c 1a

tl: 8 fb: --H-FL-- lb: 0x0  cc: 1

col  0: [ 4]  00 41 54 a2

上面標紅的部分是我們看到了和Heap Index的差異，正式由于這部分信息的差異，才讓IOT Secondary Index體積略大。

從概念上，Secondary Index包括三部分葉子節(jié)點內容：索引鍵值、logical rowid和對應數(shù)據(jù)行的主鍵值。在進行檢索的時候，Oracle首先用logical rowid進行初步的試探，看看對應的位置是否可以找到對應數(shù)據(jù)。這個過程我們稱為physical guess。

如果找到了對應數(shù)據(jù)行，那么皆大歡喜。如果沒有，oracle就只能通過數(shù)據(jù)行的主鍵值，進行IOT索引樹定位。這個過程，要重復多讀一個段結構。

具體Secondary Index的分析，留待下次進行更加詳細的說明。

7、IOT的使用

我們已經(jīng)在一個系列中，詳細介紹了IOT的特性，最后我們聊一聊IOT應用的場景?？偟膩碚f，筆者認為IOT在一般系統(tǒng)的應用中，是沒有很廣泛的發(fā)揮場景的。在沒有明確的分析和POC實驗基礎上，我們不要輕易進行IOT決策。具體來說，有如下的幾點：

ü  IOT環(huán)境下，有更多的限制

我們常使用的堆表，雖然有各種問題，但是是目前我們可以得到的適應性最廣，優(yōu)化策略最多的一種表存儲結構。IOT則要受到很多的限制，例如：IOT必須要制定主鍵，也就是定義出核心訪問方式；PCTThreshold參數(shù)如果設置了，但是沒有指定overflew segment，那么超出閾值的數(shù)據(jù)行是不會被接受，要拋出異常。IOT表中分區(qū)和Lob類型不能同時使用。IOT維護工作要更多。

ü  單一讀取，讀多寫少的操作類型

我們定義出IOT后，實際上就是規(guī)定了數(shù)據(jù)表的核心訪問方式。當我們使用主鍵條件時，IOT可以方便的幫助我們定位記錄。但是其他查詢條件應用secondary index的效率就是一個問題。而且secondary index也是不久前才支持的Oracle特性。如果我們的數(shù)據(jù)表應用是一個多種檢索方式并存的操作表，那么IOT不是理想的選擇。

索引操作本身對增加、修改和刪除等DML操作是具有性能影響的。在IOT環(huán)境下，這種影響只會讓其更加劇烈。所以，如果數(shù)據(jù)表不是很少修改的數(shù)據(jù)表，那么使用IOT不是最好的選擇。

ü  主鍵列和列數(shù)目的約束

索引葉子節(jié)點中就能將所有數(shù)據(jù)行列保存在葉子節(jié)點上。而索引葉子節(jié)點是變化分裂頻繁的對象。所以，如果數(shù)據(jù)行列數(shù)很多，或者數(shù)據(jù)主鍵列相對很小，那么IOT的效果是不好的。

8、結論

Heap，IOT和Cluster是數(shù)據(jù)表的三大基本存儲類型。我們在實際中，要把握原則是：以堆表為核心，默認都使用Heap Table。如果在架構分析、性能測試和試運行階段，發(fā)現(xiàn)性能問題，可以考慮使用IOT或者Cluster。但是，在選型的時候，一定要明確兩種表結構的優(yōu)缺點和適用范圍。