Oracle数据库性能优化碎片整理

analyzetableSA_CM_WORKING_DATEanalyzetableSA_CM_WORKING_DATEanalyzetableSA_CM_IN_MARKET_SALES_CUanalyzetableSA_DASH_SFEanalyzetableSA_CPA_TERRanalyzetableIDX_SA_CUSTanalyzetableSA_REF_EMP_TERRanalyzetableSA_CM_IN_MARKET_SALES_OCM1系统问题XX公司BI系统上线运行以来，客户反映系统目前存在着下面的几个问题，涉及到数据库和ETL.问题一：表空间增长太快，每个月需增加3—5G空间。问题二：ETLJOB会经常导致数据库产生表空间不足错误。2系统优化分析分析思路要解决表空间的问题，我们必须搞清楚下面几个问题：思路一：真正每个月数据仓库增量是多少空间？目的：得出一个正确的月表空间增长量。思路二：目前的数据仓库表空间是是如何分布的。目的：找出那些对象是最占空间，分析其合理性。分析过程要得到真实的数据分布必须对表进行分析，首先需要对数据仓库的oracle数据库进行表分析，。执行下面脚本可以对数据库进行表分析。

脚本一analyzetableSA_IMS_PRODUCT_GROUPanalyzetableSA_CONSUMP_ACT_DELanalyzetableSA_FINANCE_ACTanalyzetableSA_CONSUMP_TGT_DELanalyzetableSA_FACT_ISanalyzetableSA_CPAanalyzetableSA_REF_TERR_ALIGNMENT_DELanalyzetableSA_IMS_MTHLC_BKanalyzetableSA_IMS_CHPAanalyzetableSA_FINANCE_PNLanalyzetableSA_CUST_TARG_SEGanalyzetableSA_CONSUMP_ACTanalyzetableSA_FINANCE_BSanalyzetableSA_FINANCE_BGT_QTYanalyzetableSA_CONSUMP_ACT0423analyzetableSA_CALLSanalyzetableSA_COMPANY_DAILY_SALES_ALLanalyzetableSA_IMS_MTHLCanalyzetableSA_IMS_MTHUSanalyzetableSA_CONSUMP_TGTanalyzetableTEST_TABLEanalyzetableSA_DOCTOR_CYCLE_EXTRACTanalyzetableSA_EXCHANGE_ACTanalyzetableSA_IMS_MTHSTanalyzetableSA_FINANCE_CONCUR_DETAILanalyzetableWK_SA_CPAanalyzetableSA_REF_TERR_ALIGNMENTanalyzetableSA_CONSUMP_TGT0316analyzetableSA_CUSTOMERanalyzetableSA_CUSTanalyzetableSA_HKAPIanalyzetableSA_CONSUMP_TGT_AMTanalyzetableSA_CUST0423computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;analyzetableSA_COMPANY_MONTHLY_SALESanalyzetableSA_MAP_YEARMONTH_RATEanalyzetableSA_FINANCE_ACT_BPCS_TESTanalyzetableSA_REF_EMP_TERR0413analyzetableSA_FINANCE_ACT_BPCSanalyzetableIDX$$_143D0001analyzetableSA_COMPANY_DAILY_SALES_ALL_23computestatistics;analyzetableSA_COMMUNITY_TGT_AMTanalyzetableSA_DASH_MONTHLY_MAT_SALESanalyzetableSA_DASH_ATTRITIONanalyzetableSA_DASH_MARKET_SHAREanalyzetableSA_CORPanalyzetableSA_COMMUNITY_ACTanalyzetableSA_CM_IN_MARKET_SALES_CU_DELanalyzetableWK_SA_COMPETITOR_PRODUCTanalyzetableSA_IMS_ANTI_HYPER_TESTanalyzetableSA_TERRITORYanalyzetableTEST_CUSTOMER_TGTanalyzetableSA_COMPETITOR_PRODUCTanalyzetableSA_CM_IN_MARKET_SALES_OCM_DELcomputestatistics;analyzetableSA_COMPANY_DAILY_SALESanalyzetableSA_REF_MR_CORPanalyzetableSA_IS_MATERIALanalyzetableSA_IS_KEY_MESSAGEanalyzetableSA_DRIVER_REASONanalyzetableSA_REF_MR_CUSTanalyzetableSA_BARRIER_REASONanalyzetableSA_ACCOUNTanalyzetableSA_REF_MR_PRODanalyzetableSA_REF_VENDOR_EMPanalyzetableSA_FINANCE_ACT_ADJUSTMENTanalyzetableSA_RANKING_MESSAGEanalyzetableSA_TCanalyzetableSA_CUST_PARENTanalyzetableSA_EXCHANGE_RATE_ACT_MTHanalyzetableSA_EXCHANGE_RATEanalyzetableSA_DASH_GROWTH_BUBBLEanalyzetableSA_COST_CENTERanalyzetablePM_KEYanalyzetableSA_CM_REF_TERR_OCManalyzetableSA_CM_REF_TERR_CUanalyzetableSA_BPCS_TO_ISMIanalyzetablePRODUCTanalyzetableSA_SHIFT_LEVEL

computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;analyzetableSA_PRODUCTanalyzetableSA_PATIENT_TYPE_ENanalyzetableSA_MR_KEY_PRODUCTanalyzetableSA_MAP_TEAM_BRANDanalyzetableSA_MAP_CUSTOMERanalyzetableSA_MAP_AGGRanalyzetableSA_LOCATIONanalyzetableSA_INCREMENTAL_SHIFTanalyzetableSA_IMS_CITYanalyzetableSA_TGT_FREQanalyzetableSA_TGT_CALLSanalyzetableSA_FINANCE_ANPanalyzetableSA_COMPANY_DAILY_SALES_23analyzetableSA_GEOGRAPHY computestatistics;analyzetableSA_MAP_PONUMBER_BPCSTERRCODEcomputestatistics;analyzetablePK_SA_MAP_PONUMBER_BPCSTERRCODcomputestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;computestatistics;BLOCK数，EMPTYanalyzetableSTAGEPLANanalyzetableSA_SPLIT_HOSPTIALanalyzetableSA_USAGE_LEVELanalyzetableTEST_CUSTOMER我们可以得到数据仓库中每个表的记录行数，analyzetableSA_NEW_USAGE_LEVELanalyzetableSA_PROD_GROUP_NEW通过表分析我们可以得到数据仓库中每个表的记录行数，BLOCKS数等等关键的数据分布数据，分析后，这些数据会存放在系统表，USER_TABLES和USER_SEGMENTS中。通过对这些系统查询，我们可以得到整个数据库的数据分布情况，从而为分析问题原因提供充足基础。执行下面的脚本，可以得到一个数据库的数据分布报告：脚本二SELECTSEGMENT_NAMETABLE_NAME,SEGMENT_TYPE,GREATEST(ROUND(100 * (NVL(HWM -AVG_USED_BLOCKS,0)/GREATEST(NVL(HWM,1),1)),2),0)WASTE_PER,ROUND(BYTES/1024,2)TABLE_KB,NUM_ROWS,BLOCKS,EMPTY_BLOCKS,HWMHIGHWATER_MARK,AVG_USED_BLOCKS,CHAIN_PER,EXTENTS,MAX_EXTENTS,ALLO_EXTENT_PER,DECODE(GREATEST(MAX_FREE_SPACE-NEXT_EXTENT,0), 0,'N','Y')CAN_EXTEND_SPACE,NEXT_EXTENT,MAX_FREE_SPACE,O_TABLESPACE_NAMETABLESPACE_NAMEFROM(SELECTA.SEGMENT_NAME,A.SEGMENT_TYPE,A.BYTES,B.NUM_ROWS,A.BLOCKSBLOCKS,B.EMPTY_BLOCKSEMPTY_BLOCKS,A.BLOCKS-B.EMPTY_BLOCKS-1HWM,DECODE(ROUND((B.AVG_ROW_LEN*NUM_ROWS* (1 +(PCT_FREE/100)))/C.BLOCK_SIZE,0),0,1,ROUND((B.AVG_ROW_LEN*NUM_ROWS*(1+(PCT_FREE/100)))/C.BLOCK_SIZE,0))+2AVG_USED_BLOCKS,ROUND(100*(NVL(B.CHAIN_CNT,0)/GREATEST(NVL(B.NUM_ROWS,1),1)),2)CHAIN_PER,ROUND(100*(A.EXTENTS/A.MAX_EXTENTS),2)ALLO_EXTENT_PER,A.EXTENTSEXTENTS,A.MAX_EXTENTSMAX_EXTENTS,B.NEXT_EXTENTNEXT_EXTENT,B.TABLESPACE_NAMEO_TABLESPACE_NAMEFROMUSER_SEGMENTSA,USER_TABLESB,user_tablespacesCWHERESEGMENT_NAME=TABLE_NAMEandSEGMENT_TYPE='TABLE'ANDB.TABLESPACE_NAME=C.TABLESPACE_NAMEUNIONALLSELECTSEGMENT_NAME||'.'||B.PARTITION_NAME,SEGMENT_TYPE,BYTES,B.NUM_ROWS,A.BLOCKSBLOCKS,B.EMPTY_BLOCKSEMPTY_BLOCKS,A.BLOCKS-B.EMPTY_BLOCKS-1HWM,DECODE(ROUND((B.AVG_ROW_LEN*B.NUM_ROWS* (1 +(B.PCT_FREE/100)))/C.BLOCK_SIZE,0),0,1,ROUND((B.AVG_ROW_LEN*B.NUM_ROWS*(1+(B.PCT_FREE/100)))/C.BLOCK_SIZE,0))+2AVG_USED_BLOCKS,ROUND(100*(NVL(B.CHAIN_CNT,0)/GREATEST(NVL(B.NUM_ROWS,1),1)),2)CHAIN_PER,ROUND(100*(A.EXTENTS/A.MAX_EXTENTS),2)ALLO_EXTENT_PER,A.EXTENTSEXTENTS,A.MAX_EXTENTSMAX_EXTENTS,B.NEXT_EXTENT,B.TABLESPACE_NAMEO_TABLESPACE_NAMEFROMUSER_SEGMENTSA,USER_TAB_PARTITIONSB,USER_TABLESPACESC,USER_TABLESDWHERESEGMENT_NAME=B.TABLE_NAMEandSEGMENT_TYPE='TABLEPARTITION'ANDB.TABLESPACE_NAME=C.TABLESPACE_NAMEANDD.TABLE_NAME=B.TABLE_NAMEANDA.PARTITION_NAME=B.PARTITION_NAME),(SELECTTABLESPACE_NAMEF_TABLESPACE_NAME,MAX(BYTES)MAX_FREE_SPACEFROMUSER_FREE_SPACEGROUPBYTABLESPACE_NAME)WHEREF_TABLESPACE_NAME=O_TABLESPACE_NAMEANDGREATEST(ROUND(100*(NVL(HWM-AVG_USED_BLOCKS,0)/GREATEST(NVL(HWM,1),1)),2),0)>2ANDBLOCKS>1ORDERBY4DESC,3DESC,2ASC;运行脚本二后，我们以生产环境的STAGESCHEMA为例。得到报告如下：报告的各列含义如下：WASTE_PER：空间浪费比率，实际用到的数据块/分配给该表的数据块。TABLE_KB：表占空间大小，以KB为单位。NUM_ROWS:表中记录行数。BLOCKS：分配给该表的数据块数。EMPTY_BLOCKS：已分配给该表但尚未使用的数据块。HIGHWATER_MARK：表的高水位标志。AVG_USED_BLOCKS：实际有数据的数据块数。CHAIN_PER：发生数据行迁移的记录数。各列有如下关系：BLOCKS=EMPTY_BLOCKS+HIGHWATER_MARK+1WASTE_PER=(HIGHWATER_MARK-AVG_USED_BLOCKS)/HIGHWATER_MARK用下面的一个图可以直观了解他们之间的关系：

BLOCKSE.MPTY_BLOCKSHIGHWATERMARKAVG_LSED_BLOCKS图中红色块表示在HIGHWATER_MARK下已分配但未被使用的块，形成空洞。（该报告以表大小倒序排序）TABLE_NAMEWASTE_PERTABLE_KBNUM_ROWSBLOCKSEMPTY_BLOCKSHIGHWATER_MARKAVG_USED_BLOCKSCHAIN_PERSA_FINANCE_BGT_AMT99.838330249128747912804791278360SA_IMS_PRODUCT_GROUP96.1289350412927513616880361687142360SA_CONSUMP_ACT_DEL73.923296007722904291200657290542757040SA_FINANCE_ACT98.92323072249938290384029038332240SA_CONSUMP_TGT_D10.2210222.3E+0726276222621612354330

EL 72 84SA_FACT_IS55.21918784192707323984802398471073880SA_CPA94.81329152452886166144016614385770SA_REF_TERR_ALIGNMENT_DEL31.811069441.3E+07138368537137830939840SA_IMS_MTHLC_BK5.27455680365250056960156055399524800SA_IMS_CHPA95.94034562354905043205043120890SA_FINANCE_PNL10033414480641768041767140SA_CUST_TARG_SEG58.61843209608042304002303995490SA_CONSUMP_ACT24180224151310122528675015777119890SA_FINANCE_BS1001673601802092002091950SA_FINANCE_BGT_QTY99.9167360335820920020919260SA_CONSUMP_ACT04231001310720163844611592230SA_CALLS63.61175043342411468801468753430SA_COMPANY_DAILY_SALES_ALL98.711078421619138480138471820SA_IMS_MTHLC14.1102464110663312808012807109980SA_IMS_M14.91011105127012735108410

THUS 88 765 368SA_CONSUMP_TGT13.8911361224797113921321125997050TEST_TABLE93.387040110880108344530SA_EXCHANGE_ACT10083968331049601049530SA_DOCTOR_CYCLE_EXTRACT58.7838402316771048001047943260SA_IMS_MTHST17.377632110672797040970380270SA_FINANCE_CONCUR_DETAIL9.05563203635867040112692763000WK_SA_CPA5.6512003344086400166623358840SA_REF_TERR_ALIGNMENT25.935840736393448072440732650SA_CONSUMP_TGT03165.7348164942584352196415539180SA_CUSTOMER5.97317441105823968128383936100SA_CUST5.49235521181532944994194918420SA_HKAPI95.7164487655205602055890SA_CONSUMP_TGT_AMT13.815360449502192096182315710SA_CUST04237.13143361130771792121167015510SA_COMMUNITY_TGT7.121331240858166413543092870SA_CM_WORKING_D8612672629821584015832220

ATESA_CM_IN_MARKET_SALES_CU90.111200290981400013991390SA_DASH_SFE99.791524611440114330SA_CPA_TERR14.660806085876007596480SA_REF_EMP_TERR15.8409639120512105014220SA_CM_IN_MARKET_SALES_OCM97.6396819594960495120SA_COMPANY_MONTHLY_SALES83.83264132654080407660SA_MAP_YEARMONTH_RATE99.332003400039930SA_FINANCE_ACT_BPCS_TEST16.7307243568384723112590SA_REF_EMP_TERR04139.63307225484384823012720SA_FINANCE_ACT_BPCS17.123041558028802872380SA_COMMUNITY_TGT_AMT21.6204840858256701851450SA_COMPANY_DAILY_SALES_ALL_2311.1204821024256561991770SA_DASH_ATTRITION97.389629112011130SA_DASH_MARKET_SHARE97.389656112011130SA_DASH_MONTHLY_MAT_SALE95.5896110112011150

SSA_CORP3.45768350096887840SA_CM_IN_MARKET_SALES_CU_DEL32.2704910288087590SA_COMMUNITY_ACT12.77041728588879690WK_SA_COMPETITOR_PRODUCT11.85762585723734300SA_IMS_ANTI_HYPER_TEST18.54488604562827220SA_TERRITORY26.33842887482819140TEST_CUSTOMER_TGT25384634843430SA_CM_IN_MARKET_SALES_OCM_DEL51.6256195932031150SA_FINANCE_ACT_ADJUSTMENT82.61922762402340SA_ACCOUNT82.61922272402340SA_BARRIER_REASON82.6192822402340SA_DRIVER_REASON78.31921102402350SA_IS_KEY_MESSAGE78.31921002402350SA_IS_MATERIAL73.91921252402360SA_REF_MR_PROD69.61923892402370SA_REF_MR_CORP69.61925092402370SA_REF_M65.21924222402380

R_CUSTSA_RANKING_MESSAGE60.91925842402390SA_TC52.219246324023110SA_REF_VENDOR_EMP5.26192265924419180SA_CUST_PARENT5.26192651724419180SA_SFE_VARIABLES8012841601530SA_SHIFT_LEVEL80128811601530SA_BPCS_TO_ISMI801282131601530SA_PATIENT_TYPE_EN80128251601530SA_MR_KEY_PRODUCT80128381601530SA_CM_REF_TERR_CU80128521601530SA_MAP_TEAM_BRAND80128111601530SA_MAP_CUSTOMER8012861601530SA_LOCATION801281351601530SA_INCREMENTAL_SHIFT80128521601530SA_IMS_CITY80128311601530SA_CM_REF_TERR_OCM80128101601530SA_COMPANY_DAILY_SALES80128311601530SA_EXCHANGERATE8012811601530

_ACT_MTHSA_EXCHANGE_RATE8012841601530SA_DASH_GROWTH_BUBBLE80128111601530SA_COST_CENTER801282281601530SA_TGT_FREQ801283051601530SA_TGT_CALLS80128881601530SA_FINANCE_ANP41.712813201631270SA_MAP_AGGR16.7128365416312100SA_COMPANY_DAILY_SALES_2311.1128744166980SA_DOCTOR_POTENTIAL57.164480730SA_CUST_CATEGORY57.1642780730SA_FINANCE_CONCUR_DETAIL_MTH57.164180730SA_REF_MR_CITY57.164880730SA_PROD_PRICE57.16426580730SA_SPLIT_HOSPTIAL256435583430SA_USAGE_LEVEL2564583430STAGEPLAN2564083430SA_PROD_GROUP_NEW256426983430TEST_CUSTOMER25642183430SAMAPS25645083430

AP_BPCS_SKUSA_MAP_SAP_BPCS_CUST25645283430SA_MAP_PONUMBER_BPCSTERRCODE256411483430SA_NEW_USAGE_LEVEL2564483430分析结论从报告中，目前5工人6£表空间存在以下几个问题:一：数据库表空间浪费比率很高，整个5工人6£数据库表空间总的浪费比率为：73.33%二：很多表记录不多，但占得空间巨大。比如占空间很大的几个表表名表大小浪费比率SA_FINANCE_BGT_AMT3.66（G）99.83SA_IMS_PRODUCT_GROUP2.76（G）96.06SA_CONSUMP_ACT_DEL2.22（G）73.94SA_FINANCE_ACT2.22（G）98.89三：以口£1结尾的几个表，占的空间很大，跟用户访谈得知，这几个表是备份表，不做删除清理，不合理。原因分析从上面的分析可以知道，目前数据库最主要的问题也是表空间浪费很高，造成空间浪费很多。那么造成浪费的原因是什么呢？一般来说，造成浪费的原因有如下几个方面：一：频繁的DEL操作，造成表空间大量的空块，具体表现为表的HWM很高，那么ORACLE在统计剩余空间时，是以HWM水位线上面的空间来计算的。也就是说HWM下面的空间不能被重新分配，尽管可能已经没有数据。那么表空间经常会爆满。Oracle表段中的高水位线HWM在Oracle数据的存储中，可以把存储空间想象为一个水库，数据想象为水库中的水。水库中的水的位置有一条线叫做水位线，在Oracle中，这条线被称为高水位线(High-wartermark,HWM)。在数据库表刚建立的时候，由于没有任何数据，所以这个时候水位线是空的，也就是说HWM为最低值。当插入了数据以后，高水位线就会上涨，但是这里也有一个特性，就是如果你采用delete语句删除数据的话，数据虽然被删除了，但是高水位线却没有降低，还是你刚才删除数据以前那么高的水位。也就是说，这条高水位线在日常的增删操作中只会上涨，不会下跌。二：数据库发生行迁移。行迁移当修改不是行的行时，当修改后的行长度大于修改前的行长度，并且该数据块中的空闲空间已经比较小而不能完全容纳该行的数据时，就会发生行迁移。在这种情况下，Oracle会将整行的数据迁移到一个新的数据块上，而将该行原先的空间只放一个指针，指向该行的新的位置，并且该行原先空间的剩余空间不再被数据库使用，这些剩余的空间我们将其称之为空洞，这就是产生表碎片的主要原因，表碎片基本上也是不可避免的，但是我们可以将其降到一个我们可以接受的程度。从我们上面的分析来看，XX公司数据库发生行迁移的记录很少(CHAIN_PER很低)。所以这个不是造成空间浪费的原因原因。所以，造成空间浪费的真正原因是一：频繁的口£1操作，导致表的HWM被拉高。二：备份表只插入，不做定期清理。下面我们验证一下，删除操作对数据库表空间的影响。我们以SA_IMS_PRODUCT_GROUP这个打表为例，然后创建一个新表，表的记录跟原来是一样多的，然后比较删除记录前跟删除记录后，表空间的情况。创建表：createtableSA_IMS_PRODUCT_GROUP_HHSasselect*fromSA_IMS_PRODUCT_GROUP对表SA_IMS_PRODUCT_GROUP_HHS进行表分析analyzetableSA_IMS_PRODUCT_GROUP_HHScomputestatistics下面是删除操作之前的表的空间情况。可以发现，SA_IMS_PRODUCT_GROUP_HHS这个表比SA_IMS_PRODUCT_GROUP这个表占的空间少了2G多。仅为122M左右，原表

为2.7G.TAE.EJW.E5EGKNT_TYPEVTASIE.Pffi眼强EMP-VJLOCK5HG1+SA.FNAHCE.BS -"ABLEqaqp■JU.uL1田部概力盘315凯州尼_断_用 ■-ABLE期即Ud.Lili加懦删£飕!)16SA_O3N3JMPZriM23-ABLE比即Ju.uL匚用&m堀*।SA_IMS_PRODUC\GROUP_H-S■■TABLE 例 1激D 1赛万画 ；11B-ABLE2必W3郡Tmg行SA_OOMPANY_DftLW5_WL-'ABLE3B.ES1伽21E1Sa20SAJLIS.tffflLC-ABLE1--1024&I-侬"腿0接下来，我们删除一些记录，然后看看HWM是否会下降。deletefromSA_IMS_PRODUCT_GROUP_HHSwhereCITY_NAME='CHPA'对表再进行分析，下面是分析结果，可以发现，表记录少了，但表的大小没有降下来，表明表的HWM还是删除前的水位。TABLE州正SE^IEN-JK的SE_ETABL£_ICB_NUM.ROWSELKKSV'F王七:院13SA.COHSUMP^CT …TABLEM』1W1513101况耨刑14SA.-^CE_BS -TABLEccmIM183唯C15队晒假_曰汽叩TABLE时描ITO珊21黑CIfiSA_COHSUfdP_ACW -TABLE网DR■31072D16瑞幅H7SAJ\1S_PROW'JGROU<-HS-TABEI:}m1DW网E113触娜 ■TABLEEIM-1翔湖的眠C19SA_COUPANY_MLY_SALES_ALL-TABLE配用」蜥21613廊C工SA_MS』TY -TABLEK3mvm盟郎C然后我们再把删除的记录插进去，看看表是否变化了。insert into SA_IMS_PRODUCT_GROUP_HHSselect*fromSA_IMS_PRODUCT_GROUPwhereCITY_NAME='CHPA'对表再进行分析，下面是分析结果，可以发现，表记录跟删除前一样多，但表的尺寸变大了，表明表的HWM被拉高了，尽管记录还是一样多。二次E」泌ESKMEMLHPEWE_PER：-3LE_lt：N保LR0胜ELOCKSB1PWCKSHIGFMATE12乳好「碰』EG -_.-iLE据»2那g13Sft_Cffl9JLP_A£l -_.-jLE即m1二二陶同14队二帆而历 -g班1TO81802133ED15乳二脚趾用1」用 -旭E腑IM嫩21册316Sft_Cffl3ULP_AClll423 ---3LE羽普3岷0m眼►11SA.'JS.PROCJC'.GROUP.-HS-TABLEIM1292S1厕3二%w -■.-□LE6设网W1镯8319SA_CCNPANY_DAILY_5AIES她---3LE33.6911跪216191眦a30SAJMSJ.IT-L(TABLE---3咖1脸1?搬0

从上面的验证可以发现，如果我们对表进行反复删除，并且插入新记录，每次操作都会拉高表的HWM,造成表空间的浪费。那么在我们informatica的JOB运行过程，是否存在着删除表记录的操作呢？通过对JOB的检查，确实在ETLJOB中，很多地方在装载数据前，为了避免数据记录的重复装载，每次装载之前都会先进行删除操作。下面我们拿一个J。3来分析，在这个验证中，我们反复运行一个」08,理论上记录是不会增多的，看对表空间的影响如何。我们以下面的ETLJOB为例：瑞瑚-。-I'/Jn-