三种批量删除PLSQL写法效率的比对
我们有一个重要的旧系统，最近夜维出现了一些问题，夜间执行5小时未完成，为了不影响业务，只能早上高峰期之前，DBA手工kill夜维进程。
这一个夜维程序采用了PLSQL写的存储过程，通过数据库job定时启动执行。存储过程我很少使用，借着这次机会，补习了下，这个存储过程中的逻辑比较简单，依次删除若干张业务表，每张表删除的逻辑相同，为了便于说明，模拟了下删除一张表的逻辑，示例如下，
TBL_CUSS表三个字段，第一个字段是NUMBER类型，第二个字段是VARCHAR2类型，第三个字段是DATE类型，
这个存储过程接受一个参数，表示删除几天前的数据，删除DELETE语句按照一个时间字段和这个参数比较得出符合条件的记录集，同时使用rownum限制每次执行DELETE-COMMIT事务的条数，循环执行，直至出现ORA-1403无记录的提示，退出此逻辑。这个存储过程最优的地方，是使用了批量提交，不是执行一次DELETE删除所有记录COMMIT，如果这么执行，可能会占用大量的UNDO回滚段，进而可能出现回滚段空间不足的报错，也可能出现ORA-1555的错误。毕竟UNDO中记录的是SQL语句的逆向，对于DELETE语句，逆向就是INSERT，即会存储删除的整条记录。
可能有朋友一眼就看出这个存储过程的逻辑有一些问题，比如对于这种批量删除，未使用游标，相当于每次要检索tbl_cuss表符合insert_time < trunc(SYSDATE)-:1条件的记录，可每次仅删除其中的rownum限制的条数，如果使用游标，检索只需要一次执行，不考虑是否有索引，执行语句次数的降低，可以带来性能的一定提升。
针对此问题，写了第二个存储过程，
接受删除天数的参数，使用了游标，执行一次SELECT，读取出的则是符合insert_time < trunc(SYSDATE)-:1条件的所有结果集记录的rowid信息，遍历游标的时候使用BULK批量的方式，设置了一次性执行的条数限制MAX_ROW_SIZE，并且删除语句是根据上面游标获取的rowid为条件进行的DELETE，如果各位了解rowid，可以知道他代表了这条记录的物理位置，通过换算可以得出这条记录存储于的文件、块和行上，即可以快速定位这条记录的物理位置，在RBO模式下，他的成本优先级是最优的，高于索引。
继续写了第三个存储过程，
这和第二个存储过程，基本一致，唯一不同就是第二个存储过程中使用了for循环，第三个存储过程则用forall循环。for循环会执行其中的每条SQL语句，forall则会将其中所有SQL批量发送SQL引擎执行。当然可能有其他的写法，比如使用游标，但不使用BULK，按照rowid删除，这种写法执行SQL语句的次数和结果集数据量一致，效率可能还不如原始procedure。
从原理上说，使用BULK比单条语句执行，减少PLSQL和SQL引擎之间的切换频率，也可以减少redo和undo的产生量。针对循环内执行的DELETE，适合于使用集合，放入forall。
这篇文章的实验说明了forall的一些适用场景，
http://blog.csdn.net/renfengjun/article/details/8334733#
delete和insert都可以从forall上面得到巨大的性能提升。但是对于update来说opcode没有相关操作，提升应该不会那么明显。
接下来我们会对这三个存储过程进行一些比对实验，通过一些数据，说明各自的适用场景，首先创建测试数据集，制造了1300万测试数据，
每天50万数据，一共26天，
第一个存储过程名称为clear_without_fetch。
第二个存储过程名称为clear_all_fetch。
第三个存储过程名称为clear_fetch。
实验有以下几类，(以下执行基本采用第二次执行的结果避免第一次刷缓存)
(1) 一次性删除1万条记录，insert_time不是索引，删除两天的数据(即100万)，
clear_without_fetch用时01:16.31
clear_all_fetch用时00:40.50
clear_fetch用时00:21.73
clear_fetch胜出，clear_without_fetch最慢，说明TABLE ACCESS FULL下的SQL语句，一次性删除1万条记录，使用游标和BULK效率要高些，使用forall比for效率要高些。
(2) 一次性删除5万条记录，insert_time不是索引，删除两天的数据(即100万)，
clear_without_fetch用时00:26.98
clear_all_fetch用时00:39.80
clear_fetch用时00:22.24
clear_fetch胜出，但一次性删除5万条记录，TABLE ACCESS FULL下的SQL语句由于执行次数减小为原来的5倍，效率上有提升，clear_all_fetch基本一致，是因为无论什么方式，其执行SQL语句的次数，和结果集一致，即100万次SQL。
(3) 一次性删除100万条记录，insert_time不是索引，删除两天的数据(即100万)，
clear_without_fetch用时00:21.92
clear_all_fetch用时01:22.00
clear_fetch用时00:25.95
clear_without_fetch胜出，TABLE ACCESS FULL下的SQL语句执行一次，clear_fetch虽然仍是批量一次发送SQL，性能上的优势不很明显。
(4) 一次性删除1万条记录，insert_time是索引，删除两天的数据(即100万)，
clear_without_fetch用时00:31.01
clear_all_fetch用时01:09.02
clear_fetch用时00:37.39
clear_without_fetch胜出，索引扫描执行效率提升，相比TABLE ACCESS FULL要明显一些。
(5) 一次性删除5万条记录，insert_time是索引，删除两天的数据(即100万)，
clear_without_fetch用时00:35.35
clear_all_fetch用时01:03.26
clear_fetch用时00:37.40
clear_without_fetch胜出，clear_all_fetch和clear_fetch基本保持和1万一致。
(6) 一次性删除100万条记录，insert_time是索引，删除两天的数据(即100万)，
clear_without_fetch用时00:23.33
clear_all_fetch用时01:27.80
clear_fetch用时00:33.68
clear_without_fetch胜出，相比1万和5万，效率提升一些，我理解主要是SQL执行次数从100次(1万)->20次(5万)->1次(100万)。
上面的实验中，数据接近的未必是绝对，和环境因素(例如机器配置、数据质量等)可能有关，因此大体方向上可以参考，不同次的实验可能会略有不同，但方向应该比较接近，毕竟原理摆着。
如下是上面六个实验，三个存储过程SQL，各自执行的10046的trace，从中可以看出一些端倪，
clear_without_fetch存储过程各场景trace，
(1) 一次性删除1万条记录，insert_time不是索引，删除两天的数据(即100万)，
可以看出由于使用了绑定变量，解析一次，由于循环逻辑的问题，执行了100+1次。
(2) 一次性删除5万条记录，insert_time不是索引，删除两天的数据(即100万)，
(3) 一次性删除100万条记录，insert_time不是索引，删除两天的数据(即100万)，
从elapsed以及query可以比较(1)-(3)。
(4) 一次性删除1万条记录，insert_time是索引，删除两天的数据(即100万)，
(5) 一次性删除5万条记录，insert_time是索引，删除两天的数据(即100万)，
(6) 一次性删除100万条记录，insert_time是索引，删除两天的数据(即100万)，
由于需要维护索引，相比TABLE ACCESS FULL，会有些消耗。
clear_all_fetch存储过程各场景trace，
(1) 一次性删除1万条记录，insert_time不是索引，删除两天的数据(即100万)，
(2) 一次性删除5万条记录，insert_time不是索引，删除两天的数据(即100万)，
(3) 一次性删除100万条记录，insert_time不是索引，删除两天的数据(即100万)，
无论(1)、(2)、(3)，DELETE语句均执行了100万次，唯一的区别就是SELECT语句和执行的次数。
(4) 一次性删除1万条记录，insert_time是索引，删除两天的数据(即100万)，
(5) 一次性删除5万条记录，insert_time是索引，删除两天的数据(即100万)，
(6) 一次性删除100万条记录，insert_time是索引，删除两天的数据(即100万)，
有索引和无索引相比，有一些需要维护索引的消耗。
clear_fetch存储过程各场景trace，
(SELECT和clear_all_fetch存储过程相近，此处忽略)
(1) 一次性删除1万条记录，insert_time不是索引，删除两天的数据(即100万)，
(2) 一次性删除5万条记录，insert_time不是索引，删除两天的数据(即100万)，
(3) 一次性删除100万条记录，insert_time不是索引，删除两天的数据(即100万)，
(4) 一次性删除1万条记录，insert_time是索引，删除两天的数据(即100万)，
(5) 一次性删除5万条记录，insert_time是索引，删除两天的数据(即100万)，
(6) 一次性删除100万条记录，insert_time是索引，删除两天的数据(即100万)，
可以看见clear_fetch和clear_all_fetch唯一区别就是DELETE语句执行次数，clear_fetch中执行次数和循环次数一样，说明是批量发送的，单条DELETE相同，但执行次数的不同，影响了资源消耗和执行时间。
从实验中可以得出的结论，
(1) SQL使用TABLE ACCESS FULL的执行计划，若SQL执行次数较多时，则BULK+forall的方式，效率较高；若SQL执行次数较少时，很可能使用TABLE ACCESS FULL的执行计划的SQL，效率和BULK+forall接近，甚至有更优的可能。
(2) SQL使用INDEX RANGE SCAN的执行计划，效率会比BULK+forall略高，若SQL执行次数较少时，使用INDEX RANGE SCAN的执行计划的SQL，效率较高；SQL执行次数对于BULK+forall的方式基本一致。
(3) 无论是否用索引，BULK+forall的方式均优于BULK+for。可以使用索引，则用游标和不用游标，效率比较接近，从实验上看，不用游标反而可能略高一些，这和使用游标需要一些解析类的消耗可能有关，但游标可以带来便捷性，比如方便控制结果集，可以更灵活地编辑逻辑，既然效率比较接近，若时间均是可接受范围内，可以根据实际来考虑，选择什么方式。无论什么方式，大表数据的批量删除，这是首要原则。
正文到此结束
热门推荐
相关文章
近期评论
-
文章和留言都翻到11页了 没有OOM
-
-
朋友，翻页到11页，及以后，会出现OOM，无法访问
-
-
搞个gitee的项目
-
-
版本号是多少，你可以下载哪个代码仓库，jdk选1.8 直接跑就行
-
-
-
Loading...
![[HBLOG]公众号](https://www.liuhaihua.cn/img/qrcode_gzh.jpg)
