2008年12月9日星期二

日期数据应该以什么数据类型存储

日期类型应该存储成什么数据一直是很多人容易弄错的问题。总的来说,在各种数据库中日期类型都应该存储成date类型。对于mysql和postgresql来说,存储成日期类型是没有问题的;对于ORACLE数据库来说,日期类型有其特殊的问题。因为ORACLE数据库的date数据类型的精度是到秒,因此如果只是需要精确到天的话,处理起来要麻烦一点。
mysql和pgsql可以使用如下语句进行查询:

select * from emp where birth_day=a date;

但是ORACLE里就不能这么写查询,必须写成:

select * from emp where birth_day between to_date(datestr||' 00:00:00','yyyy/mm/dd hh24:mi:ss') and to_date(datestr||'23:59:59','yyyy/mm/dd hh24:mi:ss') ;

注意不要用这种写法:

select * from emp where birth_day>=to_date(datestr||' 00:00:00','yyyy/mm/dd hh24:mi:ss') and birth_day<= to_date(datestr||'23:59:59','yyyy/mm/dd hh24:mi:ss') ;

这种写法有其本身的问题。

在这种情况下很多人会直接这样写查询(因为between写起来麻烦一点):

select * from where datestr=to_char(birth_day,'yyyy/mm/dd');

熟悉数据库的人都知道这么写会给数据库带来多大的影响,即使加fbi。

因此很多人为了省事,就直接在数据库中把日期型数据存储成为字符型或者数字型(高丽棒子就常这么做),比如:

create table t1 (tid number,birth_day date);
create table t2 (tid number,birth_day char(8));
create table t3 (tid number,birth_day number(8));

insert into t1 select rownum,sysdate-rownum from all_objects where rownum<=365*3;
insert into t2 select rownum,to_char(sysdate-rownum,'yyyymmdd') from all_objects where rownum<=365*3;
insert into t3 select rownum,to_number(to_char(sysdate-rownum,'yyyymmdd')) from all_objects where rownum<=365*3;

commit;

create index t1_bd_idx on t1(birth_day);
create index t2_bd_idx on t2(birth_day);
create index t3_bd_idx on t3(birth_day);

set autot traceonly explain

执行以下查询:

select * from t1 where birth_day between to_date('20070101','yyyymmdd') and to_date('20071231','yyyymmdd');
因为有三分之一的数据会命中,所以ORACLE肯定会使用全表扫描,执行计划中基数是365,成本是3。

select * from t2 where birth_day between '20070101' and '20071231';
这个查询其实应该和上一个查询命中同样多的数据,有同样的执行计划。但是很遗憾,ORACLE执行了索引范围扫描,然后通过ROWID再拿到数据。整个查询中基数是43,成本是3,(这只是优化器估算出来的成本,实际的成本应该是26)。

select * from t3 where birth_day between 20070101 and 20071231;
这个查询跟上一个查询有同样的执行计划。

很显然后两个查询的执行计划是有问题的。这个问题就是由于错误的数据类型导致ORACLE在估算数据的范围的时候出了差错,比如第三个查询数据库的估算方法是:
(20071231-20070101)--条件里范围差
/(20081210-20051210) --实际数据的范围差
*1095(表里的行数)
最后的出来的基数是42。字符类型的计算也与此类似。
当然如果在表上建立了直方图的话,情况会好一些,成本估算所得的基数与实际基数近似。

由此可见将日期类型存储成字符或者数值类型会有很大问题,虽然程序员在处理问题时方便了一点,但是数据库的性能确会遭到影响(程序员都喜欢这么设计数据库表)。
另外由于pgsql和mysql的优化查询算法是不完全与ORACLE类似,因此这种设计表的方法在这两种数据库上运行的如何有待继续研究。

有问题欢迎与我联系。

JAVA语言学校的危险性

转自CSDN,原文请看这里

下面的文章是More Joel on Software一书的第8篇。

我觉得翻译难度很大,整整两个工作日,每天8小时以上,才译出了5000字。除了Joel大量使用俚语,另一个原因是原文涉及“编程原理”,好多东西我根本不懂。希望懂的朋友帮我看看,译文有没有错误,包括我写的注解。

====================
JAVA语言学校的危险性
作者:Joel Spolsky
译者:阮一峰
原文: http://www.joelonsoftware.com/articles/ThePerilsofJavaSchools.html
发表日期 2005年12月29日,星期四


如今的孩子变懒了。
多吃一点苦,又会怎么样呢?

我一定是变老了,才会这样喋喋不休地抱怨和感叹“如今的孩子”。为什么他们不再愿意、或者说不再能够做艰苦的工作呢。
当我还是孩子的时候,学习编程需要用到穿孔卡片(punched cards)。那时可没有任何类似“退格”键(Backspace key)这样的现代化功能,如果你出错了,就没有办法更正,只好扔掉出错的卡片,从头再来。

回想1991年,我开始面试程序员的时候。我一般会出一些编程题,允许用任何编程语言解题。在99%的情况下,面试者选择C语言。

如今,面试者一般会选择Java语言。

说到这里,不要误会我的意思。Java语言本身作为一种开发工具,并没有什么错。、

等一等,我要做个更正。我只是在本篇特定的文章中,不会提到Java语言作为一种开发工具,有什么不好的地方。事实上,它有许许多多不好的地方,不过这些只有另找时间来谈了。

我在这篇文章中,真正想要说的是,总的来看,Java不是一种非常难的编程语言,无法用来区分优秀程序员和普通程序员。它可能很适合用来完成工作,但是这个不是今天的主题。我甚至想说,Java语言不够难,其实是它的特色,不能算缺点。但是不管怎样,它就是有这个问题。

如果我听上去像是妄下论断,那么我想说一点我自己的微不足道的经历。大学计算机系的课程里,传统上有两个知识点,许多人从来都没有真正搞懂过的,那就是指针(pointers)和递归(recursion)。

你进大学后,一开始总要上一门“数据结构”课(data structure), 然后会有线性链表(linkedlist)、哈希表(hashtable),以及其他诸如此类的课程。这些课会大量使用“指针”。它们经常起到一种优胜劣汰的作用。因为这些课程非常难,那些学不会的人,就表明他们的能力不足以达到计算机科学学士学位的要求,只能选择放弃这个专业。这是一件好事,因为如果你连指针很觉得很难,那么等学到后面,要你证明不动点定理(fixed point theory)的时候,你该怎么办呢?

有些孩子读高中的时候,就能用BASIC语言在AppleII型个人电脑上,写出漂亮的乒乓球游戏。等他们进了大学,都会去选修计算机科学101课程,那门课讲的就是数据结构。当他们接触到指针那些玩意以后,就一下子完全傻眼了,后面的事情你都可以想像,他们就去改学政治学,因为看上去法学院是一个更好的出路[1]。关于计算机系的淘汰率,我见过各式各样的数字,通常在40%到70%之间。校方一般会觉得,学生拿不到学位很可惜,我则视其为必要的筛选,淘汰那些没有兴趣编程或者没有能力编程的人。

对于许多计算机系的青年学生来说,另一门有难度的课程是有关函数式编程(functionalprogramming)的课程,其中就包括递归程序设计(recursiveprogramming)。MIT将这些课程的标准提得很高,还专门设立了一门必修课(课程代号6.001[2]),它的教材(Structureand Interpretation of Computer Programs,作者为Harold Abelson和Gerald JaySussmanAbelson,MIT出版社1996年版)被几十所、甚至几百所著名高校的计算系机采用,充当事实上的计算机科学导论课程。(你能在网上找到这本教材的旧版本,应该读一下。)

这些课程难得惊人。在第一堂课,你就要学完Scheme语言[3]的几乎所有内容,你还会遇到一个不动点函数(fixed- pointfunction),它的自变量本身就是另一个函数。我读的这门导论课,是宾夕法尼亚大学的CSE121课程,真是读得苦不堪言。我注意到很多学生,也许是大部分的学生,都无法完成这门课。课程的内容实在太难了。我给教授写了一封长长的声泪俱下的Email,控诉这门课不是给人学的。宾夕法尼亚大学里一定有人听到了我的呼声(或者听到了其他抱怨者的呼声),因为如今这门课讲授的计算机语言是Java。

我现在觉得,他们还不如没有听见呢。

这就是争议所在。许多年来,像当年的我一样懒惰的计算机系本科生不停地抱怨,再加上计算机业界也在抱怨毕业生不够用,这一切终于造成了重大恶果。过去十年中,大量本来堪称完美的好学校,都百分之百转向了Java语言的怀抱。这真是好得没话说了,那些用“grep”命令[4]过滤简历的企业招聘主管,大概会很喜欢这样。最妙不可言的是,Java语言中没有什么太难的地方,不会真的淘汰什么人,你搞不懂指针或者递归也没关系。所以,计算系的淘汰率就降低了,学生人数上升了,经费预算变大了,可谓皆大欢喜。

学习Java语言的孩子是幸运的,因为当他们用到以指针为基础的哈希表时,他们永远也不会遇到古怪的“段错误”[5] (segfault)。他们永远不会因为无法将数据塞进有限的内存空间,而急得发疯。他们也永远不用苦苦思索,为什么在一个纯函数的程序中,一个变量的值一会保持不变,一会又变个不停!多么自相矛盾啊!

他们不需要怎么动脑筋,就可以在专业上得到4.0的绩点。

我是不是有点太苛刻了?就像电视里的“四个约克郡男人”[6](Four Yorkshiremen)那样,成了老古板?就在这里吹嘘我是多么刻苦,完成了所有那些高难度的课程?

我再告诉你一件事。1900年的时候,拉丁语和希腊语都是大学里的必修课,原因不是因为它们有什么特别的作用,而是因为它们有点被看成是受过高等教育的人士的标志。在某种程度上,我的观点同拉丁语支持者的观点没有不同(下面的四点理由都是如此):“(拉丁语)训练你的思维,锻炼你的记忆。分析拉丁语的句法结构,是思考能力的最佳练习,是真正对智力的挑战,能够很好地培养逻辑能力。”以上出自Scott Barker之口(http://www.promotelatin.org/whylatin.htm)。但是,今天我找不到一所大学,还把拉丁语作为必修课。指针和递归不正像计算机科学中的拉丁语和希腊语吗?

说到这里,我坦率地承认,当今的软件代码中90%都不需要使用指针。事实上,如果在正式产品中使用指针,这将是十分危险的。好的,这一点没有异议。与此同时,函数式编程在实际开发中用到的也不多。这一点我也同意。

但是,对于某些最激动人心的编程任务来说,指针仍然是非常重要的。比如说,如果不用指针,你根本没办法开发Linux的内核。如果你不是真正地理解了指针,你连一行Linux的代码也看不懂,说实话,任何操作系统的代码你都看不懂。

如果你不懂函数式编程,你就无法创造出MapReduce[7],正是这种算法使得Google的可扩展性(scalable)达到如此巨大的规模。单词“Map”(映射)和“Reduce”(化简)分别来自Lisp语言和函数式编程。回想起来,在类似6.001这样的编程课程中,都有提到纯粹的函数式编程没有副作用,因此可以直接用于并行计算(parallelizable)。任何人只要还记得这些内容,那么MapRuduce对他来说就是显而易见的。发明MapReduce的公司是Google,而不是微软,这个简单的事实说出了原因,为什么微软至今还在追赶,还在试图提供最基本的搜索服务,而Google已经转向了下一个阶段,开发世界上最大的并行式超级计算机——Skynet[8]的H次方的H次方的H次方的H次方的H次方的H次方。我觉得,微软并没有完全明白,在这一波竞争中它落后多远。

除了上面那些直接就能想到的重要性,指针和递归的真正价值,在于那种你在学习它们的过程中,所得到的思维深度,以及你因为害怕在这些课程中被淘汰,所产生的心理抗压能力,它们都是在建造大型系统的过程中必不可少的。指针和递归要求一定水平的推理能力、抽象思考能力,以及最重要的,在若干个不同的抽象层次上,同时审视同一个问题的能力。因此,是否真正理解指针和递归,与是否是一个优秀程序员直接相关。

如果计算机系的课程都与Java语言有关,那么对于那些在智力上无法应付复杂概念的学生,就没有东西可以真的淘汰他们。作为一个雇主,我发现那些100%Java教学的计算机系,已经培养出了相当一大批毕业生,这些学生只能勉强完成难度日益降低的课程作业,只会用Java语言编写简单的记账程序,如果你让他们编写一个更难的东西,他们就束手无策了。他们的智力不足以成为程序员。这些学生永远也通不过MIT的6.001课程,或者耶鲁大学的 CS323课程。坦率地说,为什么在一个雇主的心目中,MIT或者耶鲁大学计算机系的学位的份量,要重于杜克大学,这就是原因之一。因为杜克大学最近已经全部转为用Java语言教学。宾夕法尼亚大学的情况也很类似,当初CSE121课程中的Scheme语言和ML语言,几乎将我和我的同学折磨至死,如今已经全部被Java语言替代。我的意思不是说,我不想雇佣来自杜克大学或者宾夕法尼亚大学的聪明学生,我真的愿意雇佣他们,只是对于我来说,确定他们是否真的聪明,如今变得难多了。以前,我能够分辨出谁是聪明学生,因为他们可以在一分钟内看懂一个递归算法,或者可以迅速在计算机上实现一个线性链表操作函数,所用的时间同黑板上写一遍差不多。但是对于Java语言学校的毕业生,看着他们面对上述问题苦苦思索、做不出来的样子,我分辨不出这到底是因为学校里没教,还是因为他们不具备编写优秀软件作品的素质。PaulGraham将这一类程序员称为“Blub程序员”[9](www.paulgraham.com/avg.html)。

Java语言学校无法淘汰那些永远也成不了优秀程序员的学生,这已经是很糟糕的事情了。但是,学校可以无可厚非地辩解,这不是校方的错。整个软件行业,或者说至少是其中那些使用grep命令过滤简历的招聘经理,确实是在一直叫嚷,要求学校使用Java语言教学。

但是,即使如此,Java语言学校的教学也还是失败的,因为学校没有成功训练好学生的头脑,没有使他们变得足够熟练、敏捷、灵活,能够做出高质量的软件设计(我不是指面向对象式的“设计”,那种编程只不过是要求你花上无数个小时,重写你的代码,使它们能够满足面向对象编程的等级制继承式结构,或者说要求你思考到底对象之间是“has-a”从属关系,还是“is-a”继承关系,这种“伪问题”将你搞得烦躁不安)。你需要的是那种能够在多个抽象层次上,同时思考问题的训练。这种思考能力正是设计出优秀软件架构所必需的。

你也许想知道,在教学中,面向对象编程(object-orientedprogramming,缩写OOP)是否是指针和递归的优质替代品,是不是也能起到淘汰作用。简单的回答是:“不”。我在这里不讨论OOP的优点,我只指出OOP不够难,无法淘汰平庸的程序员。大多数时候,OOP教学的主要内容就是记住一堆专有名词,比如“封装”(encapsulation)和“继承”(inheritance)”,然后再做一堆多选题小测验,考你是不是明白“多态”(polymorphism)和“重载”(overloading)的区别。这同历史课上,要求你记住重要的日期和人名,难度差不多。OOP不构成对智力的太大挑战,吓不跑一年级新生。据说,如果你没学好OOP,你的程序依然可以运行,只是维护起来有点难。但是如果你没学好指针,你的程序就会输出一行段错误信息,而且你对什么地方出错了毫无想法,然后你只好停下来,深吸一口气,真正开始努力在两个不同的抽象层次上,同时思考你的程序是如何运行的。

顺便说一句,我有充分理由在这里说,那些使用grep命令过滤简历的招聘经理真是荒谬可笑。我从来没有见过哪个能用Scheme语言、 Haskell语言和C语言中的指针编程的人,竟然不能在二天里面学会Java语言,并且写出的Java程序,质量竟然不能胜过那些有5年Java编程经验的人士。不过,人力资源部里那些平庸的懒汉,是无法指望他们听进去这些话的。
再说,计算机系承担的发扬光大计算机科学的使命该怎么办呢?计算机系毕竟不是职业学校啊!训练学生如何在这个行业里工作,不应该是计算机系的任务。这应该是社区高校和政府就业培训计划的任务,那些地方会教给你工作技能。计算机系给予学生的,理应是他们日后生活所需要的基础知识,而不是为学生第一周上班做准备。对不对?

还有,计算机科学是由证明(递归)、算法(递归)、语言(λ演算[10])、操作系统(指针)、编译器(λ演算)所组成的。所以,这就是说那些不教C语言、不教Scheme语言、只教Java语言的学校,实际上根本不是在教授计算机科学。虽然对于真实世界来说,有些概念可能毫无用处,比如函数的科里化(functioncurrying)[11],但是这些知识显然是进入计算机科学研究生院的前提。我不明白,计算机系课程设置委员会中的教授为什么会同意,将课程的难度下降到如此低的地步,以至于他们既无法培养出合格的程序员,甚至也无法培养出合格的能够得到哲学博士PhD学位[12]、进而能够申请教职、与他们竞争工作岗位的研究生。噢,且慢,我说错了。也许我明白原因了。

实际上,如果你回顾和研究学术界在“Java大迁移”(Great Java Shift)中的争论,你会注意到,最大的议题是Java语言是否还不够简单,不适合作为一种教学语言。

我的老天啊,我心里说,他们还在设法让课程变得更简单。为什么不用匙子,干脆把所有东西一勺勺都喂到学生嘴里呢?让我们再请助教帮他们接管考试,这样一来就没有学生会改学“美国研究”[13](Americanstudies)了。如果课程被精心设计,使得所有内容都比原有内容更容易,那么怎么可能期望任何人从这个地方学到任何东西呢?看上去似乎有一个工作小组(Java taskforce)正在开展工作,创造出一个简化的Java的子集,以便在课堂上教学[14]。这些人的目标是生成一个简化的文档,小心地不让学生纤弱的思想,接触到任何EJB/J2EE的脏东西[15]。这样一来,学生的小脑袋就不会因为遇到有点难度的课程,而感到烦恼了,除非那门课里只要求做一些空前简单的计算机习题。

计算机系如此积极地降低课程难度,有一个理由可以得到最多的赞同,那就是节省出更多的时间,教授真正的属于计算机科学的概念。但是,前提是不能花费整整两节课,向学生讲解诸如Java语言中int和Integer有何区别[16]。好的,如果真是这样,课程6.001就是你的完美选择。你可以先讲Scheme语言,这种教学语言简单到聪明学生大约只用10分钟,就能全部学会。然后,你将这个学期剩下的时间,都用来讲解不动点。

唉。

说了半天,我还是在说要学1和0。

(你学到了1?真幸运啊!我们那时所有人学到的都是0。)

================
注解:
[1] 在美国,法学院的入学者都必须具有本科学位。通常来说,主修政治学的学生升入法学院的机会最大。
[2] 在麻省理工学院,计算机系的课程代码都是以6开头的,6.001表明这是计算机系的最基础课程。
[3] Scheme语言是LISP语言的一个变种,诞生于1975年的MIT,以其对函数式编程的支持而闻名。这种语言在商业领域的应用很少,但是在计算机教育领域内有着广泛影响。
[4] grep是Unix/Linux环境中用于搜索或者过滤内容的命令。这里指的是,某些招聘人员仅仅根据一些关键词来过滤简历,比如本文中的Java。
[5] 段错误(segfault)是segmentation fault的缩写,指的是软件中的一类特定的错误,通常发生在程序试图读取不允许读取的内存地址、或者以非法方式读取内存的时候。
[6] 《四个约克郡男人》(Four Yorkshiremen),是英国电视系列喜剧At Last the 1948 Show中的一部,与上个世纪70年代问世。内容是四个约克郡男人竞相吹嘘,各自的童年是多么困苦,由于内容太夸张,所以显得非常可笑。
[7] MapReduce是一种由Google引入使用的软件框架,用于支持计算机集群环境下,海量数据(PB级别)的并行计算。
[8] Skynet是美国系列电影《终结者》(Terminator)中一个控制一切、与人类为敌的超级计算机系统的名称,通常将其看作虚构的人工智能的代表。
[9] Blub程序员(Blub programmers)指的是那些企图用一种语言,解决所有问题的程序员。Blub是Paul Graham假设的一种高级编程语言。
[10] λ演算(lambda calculus)是一套用于研究函数定义、函数应用和递归的形式系统,在递归理论和函数式编程中有着广泛的应用。
[11] 函数的科里化(function currying)指的是一种多元函数的消元技巧,将其变为一系列只有一元的链式函数。它最早是由美国数学家哈斯格尔·科里(Haskell Curry)提出的,因此而得名。
[12] 在美国,所有基础理论的学科,一律授予的都是哲学博士学位(Doctor of Philosophy),计算机科学系亦是如此。
[13] 美国研究(American studies)是对美国社会的经济、历史、文化等各个方面进行研究的一门学科。这里指的是,计算机系学生不会因为课程太难被淘汰,所以就不用改学相对容易的“美国研究”。
[14] 参见http://www.sigcse.org/topics/javataskforce/java-task-force.pdf。
[15] J2EE是Java2平台企业版(Java 2 Platform,EnterpriseEdition),指的是一整套企业级开发架构。EJB(EnterpriseJavaBean)属于J2EE的一部分,是一个基于组件的企业级开发规范。它们通常被认为是Java中相对较难的部分。
[16] 在Java语言中,int是一种数据类型,表示整数,而Integer是一个适用于面向对象编程的类,表示整数对象。两者的涵义和性质都不一样。
(完)

2008年12月8日星期一

抵制


大家又要叫嚣抵制法国了,实在看不出来有什么必要。而且政府取消给法国的大单,看起来风光无限,其实也未必是那么回事。大家也都明白,中国的经济增长主要靠出口,你能制裁别人,别人也能制裁你。我们可以不买空客,但是转手还是得买波音。法国人不从中国买纺织品,也可以从越南,南美一些国家买(这些国家的东西可能更便宜)。到头来可能还是自己的企业吃亏。政府打脸充胖子,自己作孽却要老百姓来承受。

到底该抵制什么?

手把手教你如何抵制法国货

转帖+补充

1.坚决不当法国总统。

2.去爱丽舍宫门口撒尿。

3.坚决不坐国航、南航、东航、海航、厦航、川航。。。。他们居然用法国的空客,靠。以后乘飞机只坐波音,不坐空客。

4.坚决不用中国移动、中国联通、中国电信,他们的基站不知道用了多少法国阿尔卡特的东西,靠。

5. 坚决不看《巴黎圣母院》、《悲惨世界》、《哲学原理》、《哲学通信》、《人间喜剧》、《鼠疫》、《基督山伯爵》、《社会契约论》、《论法的精神》、《茶花女》、《约翰;克利斯朵夫》、《基督山伯爵》、《包法利夫人》、《思想录》、《西方哲学史》、《存在与虚无》、《论美国的民!主》、《忏悔录》、《三个火枪手》、《爱弥儿》、《新爱洛伊丝》、《人间喜剧》、《羊脂球》、《红与黑》、《巨人传》

6.坚决不看吕克贝松,苏菲玛索,阿兰德龙的电影。

7.不准再用直角坐标系,一律改用极坐标系。

今后算极限的时候不准再用罗必塔法则,全部用定义硬算!

发明一种新的数学方法代替傅里叶变换。

不准再用泊松方程和泊松积分,一律用F分布代替泊松分布。

将拉格朗日中值定理,拉格朗日插值多项式,四平方和定理剔除出《高等数学》

坚决不学概率论,

把拉普拉斯方程踢出数学物理方程


8 将法国的绘画,音乐全部从课本中删除,并且雇用百度来屏蔽所有和法国相关的查询。

9 抵制国际歌

10 附带着抵制马克思,恩格斯,以及共产主义。

11 砍光全国的法国梧桐。

.........................

2008年12月7日星期日

ORACLE使用索引的一个小问题

其实从9i以后ORACLE就一直使用CBO,如果说ORACLE要使用索引的话,只有两个条件:

一,查询过滤条件所在字段上有索引

二,使用索引扫描的成本低于表扫描成本

前两天有人举例子讲ORACLE在什么情况下使用索引,举的例子是:

create table t1 (tid number(1),tidc varchar2(1));
insert /*+append* into t1 select rownum,rownum from all_objects where rownum<10;
create index i1 on t1(tid);

这时一共有九行数据,在数据文件里应该不会超过1个数据块。他本来想演示在加函数的情况下,索引会无法使用。但是这时发现即使用以下查询依然不会使用索引:
select * from t1 where tid=1;

于是奇怪之,删掉索引,重新建了一个唯一索引,这时数据库才能正常使用索引(在做范围扫描的时候肯定会失效)。

他的查询没有使用索引的原因在于他没有对表进行分析,优化器拿到了错误的信息,因此觉得全表扫描更划算(当然在这种情况下实际上全表扫描更划算一些)。

但是按我的估计,ORACLE在执行这个查询的时候,什么情况下都不该使用索引。因为在只有9行数据(占一个块)的情况下,全表扫描更划算。后来对表做了分析,发现t4表占据了5个数据块(可能是因为元数据的关系,需要查证)(pct_free10,pct_used90),这样的话就可以解释为什么数据库会选择使用索引了。因为全表扫描需要扫描五个块,而索引扫描只需要两个块。

只是我不清楚,ORACLE在计算成本的时候是不是应该将包含表的元数据的数据块抛去不算,这样的话计算才正确一些。

oracle中国家语言支持的索引问题

ORACLE数据库中可以使用国家语言支持,但是好像索引效率有点问题,在估算选择基数的时候会估算错误,甚至有可能会产生错误的执行计划。

create table t1 (v1 nvarchar2(20)) ;
create index i1 on t1(v1);
insert into t1 select lpad(rownum,20,0) from all_objects;
create index i1 on t1()

create table t2 (v1 varchar2(20))
create index i2 on t1(v1);
insert into t2 select lpad(rownum,20,0) from all_objects;

dbms_stats.gather_table_Stats(user,'T1',cascade=>true,method_opt=>'for all columns size 254');

dbms_stats.gather_table_Stats(user,'T2',cascade=>true,method_opt=>'for all columns size 254');

然后:

set autot traceonly explain

select * from t1 where v1='00000000000000000001';

这时得到的成本是3,基数是100

select * from t2 where v1='00000000000000000001';

这时得到的成本是1,基数是1

运行select * from user_tab_histograms where table_name='T1';
select * from user_tab_histograms where table_name='T2';

比较endpoint_actual_value,可以发现对t1和t2的不同,t1只对前16个字符进行了记录。因此在索引扫描的时候会得出错误的选择率。(有99个值满足条件,但是索引有两层,因此基数是100)

测试发现ORACLE只有在使用nchar,nvarchar2这些类型的列时才会出现这种问题。即使把数据库字符集也改成UTF8编码,数据库在处理char,varchar2这些类型的列时,依然不会出错。看来ORACLE是根据列类型来进行判断,而跟数据库字符集没关系。

在过滤条件里,可以看到v1=U'00000000000000000001',可能是ORACLE对这个字符串做了处理,将其转化为UTF8编码。(我没用启动10053事件,不确定ORACLE具体做了什么)

如果所建的索引是唯一索引:

select * from t1 where v1='00000000000000000001';

这时得到的成本是2,基数是1

select * from t2 where v1='00000000000000000001';

这时得到的成本是1,基数是1

这时基数是正确的,但是成本还是高(成本高的原因可能在于字符编码的转化)。

再看以下情况:

create table t3 (v1 varchar2(40));
create index i3 on t1(v1);
insert into t3 select lpad(rownum,40,0) from all_objects;

dbms_stats.gather_table_Stats(user,'T3',cascade=>true,method_opt=>'for all columns size 254');

这时得到的成本是64,基数是38744(整个表里的数据)。如果大概估算的话,可能ORACLE只会对前32b的数据进行统计。

select * from t2 where v1='0000000000...0000000001';

如果建唯一索引的话,就又可以得到成本是2,基数是1。这也是唯一索引的好处,在等值查询时可以唯一扫描。不过我们不能指望唯一索引的这种特性,运行下列查询:


select * from t2 where v1 between '0000000000...0000000001' and '0000000000...0000000010';

这时得到的成本是64,基数是38744。

在建表的时候选择合适的数据类型真的很重要!

Fedora10下VIM的BUG

fedora10已经出来两个礼拜了,今天升级到F10。值得高兴的是ORACLE DB和Postgresql可以继续使用,本来这两个数据库是我最担心的,一直怕从F9升级后不能使用了。升级后发现F10还是很好用,比F9的bug感觉少一些。只是由于我从F9直接升级F10,所以发现了一点VIM的问题。
升级后运行vi/vim/gvim会报以下错误:
vim: error while loading shared libraries: libgpm.so.1: cannot open shared object file: No such file or directory
原因是没有找到libgpm.so.1共享库。
解决方法:
ln /usr/lib/libgpm.so /usr/lib/libgpm.so.1