Oracle数据库性能优化
oracle优化方法总结
千里之行，始于足下。
oracle优化方法总结Oracle优化是提高数据库性能和响应能力的重要步骤。
本文总结了一些常见的Oracle优化方法。
1. 使用索引：索引是提高查询性能的主要方法。
通过在表中创建适当的索引，可以加快查询速度，并减少数据访问的开销。
但是要注意不要过度使用索引，因为过多的索引会增加写操作的开销。
2. 优化查询语句：查询语句的效率直接影响数据库的性能。
可以通过合理地编写查询语句来提高性能。
例如，使用JOIN来替代子查询，尽量避免使用通配符查询，使用LIMIT来限制结果集的大小等。
3. 优化表结构：表的设计和结构对数据库的性能也有很大的影响。
合理的表设计可以减少数据冗余和不必要的数据存储，提高查询速度。
例如，适当地使用主键、外键和约束，避免过多的数据类型和字段等。
4. 优化数据库参数设置：Oracle有很多参数可以用来调整数据库的性能。
根据具体的应用场景和需求，可以根据情况调整参数的值。
例如，调整SGA和PGA的大小，设置合适的缓冲区大小，调整日志写入方式等。
5. 使用分区表：当表的数据量很大时，可以考虑将表分成多个分区。
分区表可以加速查询和维护操作，提高数据库的性能。
可以按照时间、地域、业务等来进行分区。
6. 优化存储管理：Oracle提供了多种存储管理选项，如表空间和数据文件管理。
合理地分配存储空间和管理数据文件可以提高数据库的性能。
例如，定期清理无用的数据文件，使用自动扩展表空间等。
第1页/共2页锲而不舍，金石可镂。
7. 数据压缩：对于大量重复数据或者冷数据，可以考虑使用Oracle的数据压缩功能。
数据压缩可以减少磁盘空间的使用，提高IO性能。
8. 使用并行处理：对于大型计算或者批处理任务，可以考虑使用Oracle的并行处理功能。
并行处理可以将任务分成多个子任务，并行执行，提高处理能力和效率。
9. 数据库分区：对于大型数据库，可以考虑将数据库分成多个独立的分区。
数据库分区可以提高数据的并行处理能力，减少锁竞争和冲突，提高数据库的性能。
ORACLE数据库性能优化
（三）（三）优化 I/O 操作 I/O 优化被安排在内存优化之后，通过内存的优化，可以是 I/O 冲突减少，在此情况下， 可以通过一些调整以使 I/O 性能进一步提高。 对于新系统，应自顶向下分析 I/O 需求，确定所需要的资源。而对于已存在的系统应采 用自底向上的方法： 1．1．了解系统的磁盘数量。 2．2．了解 ORACLE 使用的磁盘数量。 3．3．了解应用系统的 I/O 类型。 4．4．了解 I/O 操作是针对文件系统还是原始设备。 5．5．了解对象在磁盘上的分布。 可以通过如下方法检查 I/O 问题： 检查系统 I/O 的使用：可以使用操作系统提供的工具来监视整个系统对磁盘 文件的访问，可以将大量访问磁盘的应用与 ORACLE 的相关文件分别存放。在 UNIX 系统中可以通过 sar –d 来获得有关数据。在 WINDOWS NT 中 可 通 过 性 能监视器查看。 检查 ORACLE 的 I/O 的使用：对于 ORACLE ，可以通过下列视图来获得相 关的信息： File Type Where to Find Statistics Database Files V$FILESTAT Log Files V$SYSSTAT, V$SYSTEM_EVENT, V$SESSION_EVENT Archive Files V$SYSTEM_EVENT, V$SESSION_EVENT Control Files V$SYSTEM_EVENT, V$SESSION_EVENT 可以通过如下的方法来解决 I/O 问题： 减少磁盘竞争： 磁盘竞争：当多个进程同时访问同一个磁盘时就会产生磁盘竞争。要减 少高负荷磁盘的访问，可以将高访问量的文件移到低负荷的磁盘上。 分离 Redo 日志文件和数据文件：ORACLE 总是经常的访问 Redo 日志 文件和数据文件，将二者放在一起，可能会增加磁盘冲突。 条带化表数据：条带化，就是将一个大表的数据分布到不同磁盘的不同 数据文件中，这样也可以减少磁盘冲突。 分离表和索引：这并不是必须的，由于索引和表的读取是串行的，也可 以做到将表和索引放在一起而不发生磁盘冲突。 磁盘条带化：就是将一个大表的数据分布到不同磁盘的不同数据文件中，条 带化允许不同的进程同时访问一个表的不同部分。 这尤其对随机访问一个表的多行 很有帮助。条带化可以是磁盘的 I/O 负载平衡。有两种条带化方法。 手动方法：利用表空间以及分区表的方式。
Oracle数据库参数优化
千里之行，始于足下。
Oracle数据库参数优化Oracle数据库参数优化是指通过调整数据库的配置参数，提高数据库的性能和稳定性。
下面是一些常见的Oracle数据库参数优化技巧：1. SGA参数优化：- 调整sga_target参数以控制SGA的大小。
SGA包括数据库缓冲区、共享池、重做日志缓冲区等，适当调整SGA的大小可以减少IO操作，提高数据库性能。
- 调整db_cache_size参数以增大数据库缓冲区的大小，提高数据块的访问速度。
- 调整shared_pool_size参数以增大共享池的大小，提高SQL语句的解析和执行效率。
2. PGA参数优化：- 调整pga_aggregate_target参数以控制PGA的大小。
PGA是用于处理SQL查询和排序的内存区域，适当调整PGA的大小可以减少磁盘IO操作，提高查询和排序的性能。
3. Redo日志参数优化：- 调整log_buffer参数以增大重做日志缓冲区的大小，减少频繁的重做日志刷新操作，提高数据库的写入性能。
- 调整log_checkpoint_timeout参数以控制重做日志刷新的频率，避免过于频繁的刷新。
4. 并行处理参数优化：- 调整parallel_max_servers参数以增大并行处理的资源限制，提高并行查询和并行DML操作的性能。
第1页/共2页锲而不舍，金石可镂。
- 调整parallel_min_servers参数以设置最小的并行处理资源数，避免并行操作的启动延迟。
5. SQL优化：- 使用合适的索引和优化的SQL语句，优化查询的执行计划。
- 使用绑定变量而不是直接将参数传递到SQL语句中，避免SQL重解析，提高性能。
6. 服务器参数优化：- 调整processes参数以增加数据库的并发连接数。
- 调整sessions参数以控制数据库的最大会话数。
- 调整open_cursors参数以增大打开游标的数量，避免游标溢出。
以上是一些常见的Oracle数据库参数优化技巧，但具体的优化策略需要根据实际情况进行调整，可以参考Oracle官方文档和专业的DBA建议。
Oracle的性能优化
千里之行，始于足下。
Oracle的性能优化Oracle数据库性能优化是提高数据库性能的关键步骤之一。
通过对数据库的优化，可以提高查询速度、降低系统负载、提升系统稳定性，从而提高用户的体验。
下面将介绍一些常见的Oracle数据库性能优化策略。
1. 索引优化：索引是提高查询效率的重要手段，可以极大地减少查询时的磁盘I/O操作。
优化索引包括以下几个方面：- 选择合适的索引类型，如B树索引、位图索引等。
根据具体业务场景选择适当的索引类型。
- 考虑创建复合索引，将多个列放在同一个索引内，可以减少索引的数量，提高查询效率。
- 避免创建过多的索引，过多的索引会增大数据插入和更新的成本。
- 定时对索引进行统计信息收集，使优化器能够更好地选择索引执行计划。
2. 查询优化：- 避免使用SELECT *查询，只查询需要的列，减少数据传输量。
- 使用合理的JOIN语句，避免嵌套循环连接或者全表扫描。
- 使用EXISTS或IN替代NOT EXISTS或NOT IN，后者在数据量大时性能较差。
- 避免使用函数或者表达式作为WHERE条件，这会导致索引失效。
- 使用分页查询时，尽量使用ROWNUM而不是OFFSET/FETCH，后者性能较差。
3. 表结构优化：- 合理设计表结构，尽量避免冗余数据和重复字段。
- 使用正确的数据类型，减少存储空间的浪费。
第1页/共3页锲而不舍，金石可镂。
- 选择合适的表空间和存储策略，避免表空间的碎片化和数据文件的扩展问题。
- 定期清理无用数据，避免数据库膨胀过快。
4. 系统参数优化：- 调整SGA参数和PGA参数的大小，根据实际情况合理分配内存。
- 调整日志参数，如redo日志大小和checkpoint间隔，减少写入磁盘的次数。
- 调整并发参数，如并行度和数据库连接数，提高系统的并发性能。
5. 存储优化：- 使用合理的存储结构，如表空间、数据文件、表和索引的分布策略。
- 使用合适的存储介质，如固态硬盘(SSD)、闪存阵列等，提高存储性能。
oracle性能优化面试题
oracle性能优化面试题一、概述Oracle性能优化是数据库管理中的重要环节，通过合理的调整和优化，可以提升数据库的运行效率和响应速度，提高系统的稳定性和可用性。
在面试中，常常会涉及到Oracle性能优化相关的问题，下面是一些常见的Oracle性能优化面试题。
二、索引优化1. 请说明什么是索引？索引是一种特殊的数据库对象，它能够加快数据库的查询速度。
索引由一个或多个列组成，它们的值会按照一定的顺序进行排序，并建立索引数据结构以支持快速查找。
2. 如何确定何时创建索引？创建索引需要权衡查询的速度和更新的效率。
一般来说，当查询的频率远远大于更新的频率时，可以考虑创建索引。
同时也需要考虑查询的字段是否经常被使用，以及查询的覆盖度等因素。
3. 请说明常见的索引类型？常见的索引类型包括唯一索引、非唯一索引、主键索引、聚簇索引和非聚簇索引等。
4. 如何选择合适的索引？选择合适的索引需要考虑查询的频率、更新的频率、查询的覆盖度等因素。
同时还需要考虑索引的大小以及对于查询的影响。
三、SQL优化1. 请说明常见的SQL调优手段？常见的SQL调优手段包括使用合适的索引、优化SQL语句的写法、使用合适的连接方式、减少数据库的访问次数等。
2. 如何使用执行计划进行SQL优化？执行计划是Oracle数据库为了优化查询语句而生成的查询执行计划，其中包含了查询的操作步骤、连接方式、访问路径等信息。
可以通过查看执行计划来判断查询是否需要进行优化，并通过优化查询的方式来提升性能。
3. 如何优化大表查询？优化大表查询可以通过分页查询、增加条件过滤、创建合适的索引等方式来进行。
同时也可以考虑对大表进行分区或者分表的方式来提高查询效率。
四、资源优化1. 如何优化内存资源？优化内存资源可以通过调整SGA和PGA的大小来实现。
SGA包括共享池、数据库缓存和重做日志缓冲等，可以通过调整参数来合理分配内存。
PGA是为每个会话分配的私有内存区域，可以通过调整PGA_AGGREGATE_TARGET参数来优化。
34种Oracle性能优化的方法
34种Oracle性能优化的方法1、选择最有效率的表名顺序(只在基于规则的优化器中有效)：ORACLE的解析器按照从右到左的顺序处理FROM子句中的表名，FROM子句中写在最后的表(基础表driving table)将被最先处理，在FROM子句中包含多个表的情况下,你必须选择记录条数最少的表作为基础表。
如果有3个以上的表连接查询, 那就需要选择交叉表(intersection table)作为基础表, 交叉表是指那个被其他表所引用的表.2、WHERE子句中的连接顺序：ORACLE采用自下而上的顺序解析WHERE子句,根据这个原理,表之间的连接必须写在其他WHERE条件之前, 那些可以过滤掉最大数量记录的条件必须写在WHERE子句的末尾.3、SELECT子句中避免使用‘ * ‘：ORACLE在解析的过程中, 会将'*' 依次转换成所有的列名, 这个工作是通过查询数据字典完成的, 这意味着将耗费更多的时间4、减少访问数据库的次数：ORACLE在内部执行了许多工作: 解析SQL语句, 估算索引的利用率, 绑定变量 , 读数据块等；5、在SQL*Plus , SQL*Forms和Pro*C中重新设置ARRAYSIZE 参数, 可以增加每次数据库访问的检索数据量 ,建议值为2006、使用DECODE函数来减少处理时间：使用DECODE函数可以避免重复扫描相同记录或重复连接相同的表.7、整合简单,无关联的数据库访问：如果你有几个简单的数据库查询语句,你可以把它们整合到一个查询中(即使它们之间没有关系)8、删除重复记录：最高效的删除重复记录方法 ( 因为使用了ROWID)例子：DELETE FROM EMP E WHERE E.ROWID > (SELECT MIN(X.ROWID)FROM EMP X WHERE X.EMP_NO = E.EMP_NO);9、用TRUNCATE替代DELETE：当删除表中的记录时,在通常情况下, 回滚段(rollback segments ) 用来存放可以被恢复的信息. 如果你没有COMMIT事务,ORACLE会将数据恢复到删除之前的状态(准确地说是恢复到执行删除命令之前的状况) 而当运用TRUNCATE时, 回滚段不再存放任何可被恢复的信息.当命令运行后,数据不能被恢复.因此很少的资源被调用,执行时间也会很短. (译者按: TRUNCATE只在删除全表适用,TRUNCATE是DDL不是DML)10、尽量多使用COMMIT：只要有可能,在程序中尽量多使用COMMIT, 这样程序的性能得到提高,需求也会因为COMMIT所释放的资源而减少:COMMIT所释放的资源:a. 回滚段上用于恢复数据的信息.b. 被程序语句获得的锁c. redo log buffer 中的空间d. ORACLE为管理上述3种资源中的内部花费11、用Where子句替换HAVING子句：避免使用HAVING子句, HAVING 只会在检索出所有记录之后才对结果集进行过滤. 这个处理需要排序,总计等操作. 如果能通过WHERE子句限制记录的数目,那就能减少这方面的开销. (非oracle中)on、where、having这三个都可以加条件的子句中，on是最先执行，where次之，having最后，因为on是先把不符合条件的记录过滤后才进行统计，它就可以减少中间运算要处理的数据，按理说应该速度是最快的，where也应该比having快点的，因为它过滤数据后才进行sum，在两个表联接时才用on的，所以在一个表的时候，就剩下where跟having比较了。
Oracle数据库性能优化分析
千里之行，始于足下。
Oracle数据库性能优化分析Oracle数据库性能优化分析是指对Oracle数据库进行综合性能分析和优化的过程。
通过分析数据库的运行状况、识别潜在的性能瓶颈、确定解决方案并实施优化措施，可以提高数据库的性能和效率。
以下是Oracle数据库性能优化分析的一般步骤：1. 收集性能数据：通过Oracle的性能监控工具，如AWR报告、统计信息收集等，收集数据库的性能数据，包括CPU利用率、I/O响应时间、锁定情况等。
2. 确定性能瓶颈：通过分析性能数据，确定数据库中存在的性能瓶颈，如高CPU使用率、高IO等待、长时间的锁等待等。
3. 优化SQL语句：分析执行频次较高的SQL语句，通过重写SQL语句、调整索引和统计信息等方式，优化SQL语句的执行计划，减少IO开销和CPU消耗。
4. 优化数据库结构：根据应用的需求和查询模式，调整表结构、分区策略、索引设计等，以提高查询性能和数据访问效率。
5. 优化数据库配置参数：调整数据库的配置参数，包括缓冲区大小、日志大小、并发连接数等，以最大限度地利用硬件资源，提高数据库的吞吐量和响应时间。
6. 确保数据完整性和一致性：通过使用合适的约束和触发器，确保数据的完整性和一致性，防止数据错误和冲突对性能造成负面影响。
第1页/共2页锲而不舍，金石可镂。
7. 监控和调优：定期监控数据库的性能指标，如响应时间、吞吐量等，及时识别和解决潜在的性能问题，保持数据库的高可用性和性能稳定性。
需要注意的是，性能优化是一个综合性的工作，需要结合具体的应用场景和需求来进行分析和优化，没有一种通用的解决方案，需要根据实际情况进行定制化的优化措施。
同时，性能优化是一个持续改进的过程，需要定期评估数据库的性能状况，并根据需求进行调整和优化。
常见Oracle数据库优化策略与方法
常见Oracle数据库优化策略与方法
Oracle数据库优化是提高数据库性能的关键步骤，可以采取多种策略。
以下是一些常见的Oracle数据库优化策略：
1.硬件优化：这是最基本的优化方式。
通过升级硬件，比如增加RAM、使用
更快的磁盘、使用更强大的CPU等，可以极大地提升Oracle数据库的性能。
2.网络优化：通过优化网络连接，减少网络延迟，可以提高远程查询的效率。
3.查询优化：对SQL查询进行优化，使其更快地执行。
这包括使用更有效的
查询计划，减少全表扫描，以及使用索引等。
4.表分区：对大表进行分区可以提高查询效率。
分区可以将一个大表分成多
个小表，每个小表可以单独存储和查询。
5.数据库参数优化：调整Oracle数据库的参数设置，使其适应工作负载，可
以提高性能。
例如，调整内存分配，可以提升缓存性能。
6.数据库设计优化：例如，规范化可以减少数据冗余，而反规范化则可以提
升查询性能。
7.索引优化：创建和维护索引是提高查询性能的重要手段。
但过多的索引可
能会降低写操作的性能，因此需要权衡。
8.并行处理：对于大型查询和批量操作，可以使用并行处理来提高性能。
9.日志文件优化：适当调整日志文件的配置，可以提高恢复速度和性能。
10.监控和调优：使用Oracle提供的工具和技术监控数据库性能，定期进行性
能检查和调优。
请注意，这些策略并非一成不变，需要根据实际情况进行调整。
在进行优化时，务必先备份数据和配置，以防万一。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1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：ETL JOB会经常导致数据库产生表空间不足错误。
2系统优化分析2.1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。
2.2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。
v1.0 可编辑可修改脚本一analyze table SA_IMS_PRODUCT_GROUP compute statistics;analyze table SA_CONSUMP_ACT_DEL compute statistics;analyze table SA_FINANCE_ACT compute statistics;analyze table SA_CONSUMP_TGT_DEL compute statistics;analyze table SA_FACT_IS compute statistics;analyze table SA_CPA compute statistics;analyze table SA_REF_TERR_ALIGNMENT_DEL compute statistics;analyze table SA_IMS_MTHLC_BK compute statistics;analyze table SA_IMS_CHPA compute statistics;analyze table SA_FINANCE_PNL compute statistics;analyze table SA_CUST_TARG_SEG compute statistics;analyze table SA_CONSUMP_ACT compute statistics;analyze table SA_FINANCE_BS compute statistics;analyze table SA_FINANCE_BGT_QTY compute statistics;analyze table SA_CONSUMP_ACT0423 compute statistics;analyze table SA_CALLS compute statistics;analyze table SA_COMPANY_DAILY_SALES_ALL compute statistics;analyze table SA_IMS_MTHLC compute statistics;analyze table SA_IMS_MTHUS compute statistics;analyze table SA_CONSUMP_TGT compute statistics;analyze table TEST_TABLE compute statistics;analyze table SA_DOCTOR_CYCLE_EXTRACT compute statistics;analyze table SA_EXCHANGE_ACT compute statistics;analyze table SA_FINANCE_CONCUR_DETAIL compute statistics; analyze table WK_SA_CPA compute statistics; analyze table SA_REF_TERR_ALIGNMENT compute statistics; analyze table SA_CONSUMP_TGT0316 compute statistics; analyze table SA_CUSTOMER compute statistics; analyze table SA_CUST compute statistics; analyze table SA_HKAPI compute statistics; analyze table SA_CONSUMP_TGT_AMT compute statistics; analyze table SA_CUST0423 compute statistics; analyze table SA_COMMUNITY_TGT compute statistics; analyze table SA_CM_WORKING_DATE compute statistics; analyze table SA_CM_IN_MARKET_SALES_CU compute statistics; analyze table SA_DASH_SFE compute statistics; analyze table SA_CPA_TERR compute statistics; analyze table IDX_SA_CUST compute statistics; analyze table SA_REF_EMP_TERR compute statistics; analyze table SA_CM_IN_MARKET_SALES_OCM compute statistics; analyze table SA_COMPANY_MONTHLY_SALES compute statistics; analyze table SA_MAP_YEARMONTH_RATE compute statistics; analyze table SA_FINANCE_ACT_BPCS_TEST compute statistics; analyze table SA_REF_EMP_TERR0413 compute statistics; analyze table SA_FINANCE_ACT_BPCS compute statistics; analyze table IDX$$_143D0001 compute statistics; analyze table SA_COMPANY_DAILY_SALES_ALL_23 compute statistics; analyze table SA_COMMUNITY_TGT_AMT compute statistics; analyze table SA_DASH_MONTHLY_MAT_SALES compute statistics;analyze table SA_DASH_MARKET_SHARE compute statistics; analyze table SA_CORP compute statistics; analyze table SA_COMMUNITY_ACT compute statistics; analyze table SA_CM_IN_MARKET_SALES_CU_DEL compute statistics; analyze table WK_SA_COMPETITOR_PRODUCT compute statistics; analyze table SA_IMS_ANTI_HYPER_TEST compute statistics; analyze table SA_TERRITORY compute statistics; analyze table TEST_CUSTOMER_TGT compute statistics; analyze table SA_COMPETITOR_PRODUCT compute statistics; analyze table SA_CM_IN_MARKET_SALES_OCM_DEL compute statistics; analyze table SA_COMPANY_DAILY_SALES compute statistics; analyze table SA_REF_MR_CORP compute statistics; analyze table SA_IS_MATERIAL compute statistics; analyze table SA_IS_KEY_MESSAGE compute statistics; analyze table SA_DRIVER_REASON compute statistics; analyze table SA_REF_MR_CUST compute statistics; analyze table SA_BARRIER_REASON compute statistics; analyze table SA_ACCOUNT compute statistics; analyze table SA_REF_MR_PROD compute statistics; analyze table SA_REF_VENDOR_EMP compute statistics; analyze table SA_FINANCE_ACT_ADJUSTMENT compute statistics; analyze table SA_RANKING_MESSAGE compute statistics; analyze table SA_TC compute statistics; analyze table SA_CUST_PARENT compute statistics; analyze table SA_EXCHANGE_RATE_ACT_MTH compute statistics; analyze table SA_EXCHANGE_RATE compute statistics;analyze table SA_COST_CENTER compute statistics; analyze table PM_KEY compute statistics; analyze table SA_CM_REF_TERR_OCM compute statistics; analyze table SA_CM_REF_TERR_CU compute statistics; analyze table SA_BPCS_TO_ISMI compute statistics; analyze table PRODUCT compute statistics; analyze table SA_SHIFT_LEVEL compute statistics; analyze table SA_SFE_VARIABLES compute statistics; analyze table SA_PRODUCT compute statistics; analyze table SA_PATIENT_TYPE_EN compute statistics; analyze table SA_MR_KEY_PRODUCT compute statistics; analyze table SA_MAP_TEAM_BRAND compute statistics; analyze table SA_MAP_CUSTOMER compute statistics; analyze table SA_MAP_AGGR compute statistics; analyze table SA_LOCATION compute statistics; analyze table SA_INCREMENTAL_SHIFT compute statistics; analyze table SA_IMS_CITY compute statistics; analyze table SA_TGT_FREQ compute statistics; analyze table SA_TGT_CALLS compute statistics; analyze table SA_FINANCE_ANP compute statistics; analyze table SA_COMPANY_DAILY_SALES_23 compute statistics; analyze table SA_GEOGRAPHY compute statistics; analyze table SA_MAP_PONUMBER_BPCSTERRCODE compute statistics; analyze table PK_SA_MAP_PONUMBER_BPCSTERRCOD compute statistics; analyze table SA_MAP_SAP_BPCS_CUST compute statistics; analyze table PK_SA_MAP_SAP_BPCS_CUST compute statistics;v1.0 可编辑可修改analyze table SA_MAP_SAP_BPCS_SKU compute statistics;analyze table PK_SA_MAP_SAP_BPCS_SKU compute statistics;analyze table SA_REF_DAY compute statistics;analyze table STAGEPLAN compute statistics;analyze table SA_SPLIT_HOSPTIAL compute statistics;analyze table SA_USAGE_LEVEL compute statistics;analyze table TEST_CUSTOMER compute statistics;analyze table SA_NEW_USAGE_LEVEL compute statistics;analyze table SA_PROD_GROUP_NEW compute statistics;通过表分析，我们可以得到数据仓库中每个表的记录行数，BLOCK数，EMPTY 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。