一、高并发操作对B-Tree索引的影响
1. 创建测试表
-- Create table drop table alex_t06 purge; create table alex_t06 (col1 number, name varchar2(100)); drop sequence alex_t06_seq_col1; create sequence alex_t06_seq_col1 minvalue 1 maxvalue 99999999999999999999 start with 1 increment by 1 cache 200; -- Create/Recreate primary, unique and foreign key constraints create index idx_alex_t06_col1 on alex_t06 (col1); --Show table SQL> desc alex_t06 名称 是否为空? 类型 ----------------------------------------- -------- ---------------------------- COL1 NUMBER NAME VARCHAR2(100) SQL> select table_name, index_name, column_name from user_ind_columns where table_name='ALEX_T06'; TABLE_NAME INDEX_NAME COLUMN_NAME -------------------- -------------------- -------------------- ALEX_T06 IDX_ALEX_T06_COL1 COL1
2. 查看索引类型，为普通的B-Tree索引。
SQL> select index_name, index_type from user_indexes where index_name='IDX_ALEX_T06_COL1'; INDEX_NAME INDEX_TYPE -------------------- ------------------------------------------------------ IDX_ALEX_T06_COL1 NORMAL
3. 模拟100路并发，完成100万条数据的Insert操作。
EVENT TOTAL_WAITS -------------------------------------------------- ----------- enq: TX - index contention 1443825
Insert之前记录一下数据库的“enq: TX – index contention”等待事件的数量。
--100路并发Insert Load Loops Proto TPS Response(ms) 100 1000 thin 100882.0 0.0099
EVENT TOTAL_WAITS -------------------------------------------------- ----------- enq: TX - index contention 1465129
再查询一下，计算差值，100路并发Insert的操作过程，导致“enq: TX – index contention”等待21304次。
4. 再分析一下并发Insert后的索引结构。
SQL> analyze index idx_alex_t06_col1 validate structure;
索引已分析
SQL> select height,round((del_lf_rows_len/lf_rows_len)*100,2)||'%' ratio,pct_used from index_stats where name= 'IDX_ALEX_T06_COL1';
HEIGHT RATIO PCT_USED
---------- -------------------- ----------
2 0% 76
SQL> select segment_name,bytes from user_segments where segment_name='IDX_ALEX_T06_COL1';
SEGMENT_NAME BYTES
------------------------------ ----------
IDX_ALEX_T06_COL1 4194304
可以看到，索引的空间使用量（PCT_USED）为76%，索引大小为4M，比之前单session的Insert操作的PCT_USED=100%，索引大小=2M要大了。
5. 小结
（1）高并发Insert会造成较高的“enq: TX – index contention”等待。
（2）此例中，其实有效的索引条目没有增加，但是高并发后，导致了索引结构产生后更多的空洞，叶块利用率不高。
（3）索引在分裂过程中，只有最右侧的叶块是按9:1的比例进行分裂出新叶块的，分裂出新块后，旧块空间利用率就较高，或者说旧块在充盈到一定比例后才会分裂，单进程操作就是如此。
（4）但不是最右侧的叶块分裂的时候，则是按照5:5的比例进行分裂的，高并发单靠最右侧叶块分裂肯定是不够的，要更多的叶块进行分裂，就出现了以上的现象。
索引分裂的进一步分析，以后的BLOG文章再行展开。
二、反键B-Tree索引对高并发的优化
1. 改造普通的B-Tree索引为反键B-Tree索引。
SQL> select index_name, index_type from user_indexes where index_name='IDX_ALEX_T06_COL1'; INDEX_NAME INDEX_TYPE -------------------- ------------------------------------------------------ IDX_ALEX_T06_COL1 NORMAL/REV
2. 模拟100路并发，完成100万条数据的Insert操作。
EVENT TOTAL_WAITS -------------------------------------------------- ----------- enq: TX - index contention 1465129
Insert之前记录一下数据库的“enq: TX – index contention”等待事件的数量。
--100路并发Insert Load Loops Proto TPS Response(ms) 100 1000 thin 101272.0 0.0099
EVENT TOTAL_WAITS -------------------------------------------------- ----------- enq: TX - index contention 1465540
再查询一下，计算差值，100路并发Insert的操作过程，导致“enq: TX – index contention”等待411次，远小于步骤一的情况，该问题解决了。
同时发现Insert过程的TPS较步骤一要高了很多，就是因为解决了“enq: TX – index contention”等待问题。
3. 再分析一下并发Insert后的索引结构。
SQL> analyze index idx_alex_t06_col1 validate structure;
索引已分析
SQL> select height,round((del_lf_rows_len/lf_rows_len)*100,2)||'%' ratio,pct_used from index_stats where name= 'IDX_ALEX_T06_COL1';
HEIGHT RATIO PCT_USED
---------- -------------------- ----------
2 0% 61
SQL> select segment_name,bytes from user_segments where segment_name='IDX_ALEX_T06_COL1';
SEGMENT_NAME BYTES
------------------------------ ----------
IDX_ALEX_T06_COL1 4194304
可以看到，索引的空间使用量（PCT_USED）为61%，索引大小为4M，空间使用量更低了。
4. 再对比一下普通B-Tree索引和反键B-Tree索引的查询性能。
普通B-Tree索引：
SQL> select * from alex_t06 where col1=1;
统计信息
----------------------------------------------------------
300 recursive calls
0 db block gets
61 consistent gets
40 physical reads
0 redo size
2917 bytes sent via SQL*Net to client
481 bytes received via SQL*Net from client
5 SQL*Net roundtrips to/from client
6 sorts (memory)
0 sorts (disk)
50 rows processed
反键B-Tree索引：
SQL> select * from alex_t06 where col1=1;
统计信息
----------------------------------------------------------
701 recursive calls
0 db block gets
127 consistent gets
55 physical reads
0 redo size
2917 bytes sent via SQL*Net to client
481 bytes received via SQL*Net from client
5 SQL*Net roundtrips to/from client
10 sorts (memory)
0 sorts (disk)
50 rows processed
反键B-Tree索引查询物理读和逻辑读较普通B-Tree索引都高了不少。
4. 总结
（1）反键B-Tree索引在高并发过程中，能解决普通索引的“enq: TX – index contention”等待问题。
（2）反键B-Tree索引在高并发过程中，空间使用率更低了，因为其分散了索引列的数据存储分布，在高并发过程中，会有更多索引叶块参与分裂，则空间使用率低了。
（3）反键B-Tree索引虽然能解决高并发Insert的争用等待问题，却是会牺牲查询性能的。
no comment untill now