文章出自: http://blog.sina.com.cn/s/blog_53a1165e0100nisg.html
v$sql和v$sqlarea视图:
v$sqlarea和v$sql两个视图的不同之处在于,v$sql中为每一条SQL保留一个条目,而v$sqlarea中根据sql_text进行group by,通过version_count计算子指针的个数。下面对这个问题进行一点延伸探讨。
首先介绍一下v$sql视图,v$sql视图列举了共享SQL区(Shared SQL Area)中的SQL统计信息,这个视图中的信息未经分组,每个SQL指针都包含一条独立的记录。这个视图的主要字段如下:
Column |
Datatype |
Descrption |
SQL_TEXT |
VARCHAR2(1000) |
当前SQL指针的前1000个字符(也就是说这里记录的SQL是不完整的) |
EXECUTIONS |
NUMBER |
执行次数 |
DISK_READS |
NUMBER |
这个子指针Disk Read的次数 |
BUFFER_GETS |
NUMBER |
这个子指针的Buffer Gets数量 |
OPTIMIZER_MODE |
VARCHAR2(10) |
SQL执行的优化器模式 |
OPTIMIZER_COST |
NUMBER |
SQL执行成本 |
HASH_VALUE |
NUMBER |
在Library Cache中父指针的Hash Value值 |
用前文应用的例子进行进一步说明,假定数据库中存在一个用户TQ,用户下存在一张EMP表(以下测试来自Oracle 10gR2数据库环境):
tq@NEI> create table emp as select * from scott.emp;
Table created.
tq@NEI> set autotrace on
tq@NEI> select count(*) from emp;
COUNT(*)
----------
14
Execution Plan
----------------------------------------------------------
Plan hash value: 2083865914
-------------------------------------------------------------------
| Id | Operation | Name | Rows | Cost (%CPU)| Time |
-------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 1 | 3 (0)| 00:00:01 |
| 1 | SORT AGGREGATE | | 1 | | |
| 2 | TABLE ACCESS FULL| EMP | 14 | 3 (0)| 00:00:01 |
-------------------------------------------------------------------
Note
-----
- dynamic sampling used for this statement
Statistics
----------------------------------------------------------
5 recursive calls
0 db block gets
7 consistent gets
5 physical reads
0 redo size
411 bytes sent via SQL*Net to client
385 bytes received via SQL*Net from client
2 SQL*Net roundtrips to/from client
0 sorts (memory)
0 sorts (disk)
1 rows processed
这个查询的统计信息显示,执行了5个物理读,7个Consistent Gets,来看一下v$sql中记录的统计数据:
sys@NEI> select sql_text,executions,disk_reads,optimizer_mode,buffer_gets,hash_value
2 from v$sql where sql_text='select count(*) from emp';
SQL_TEXT EXECUTIONS DISK_READS OPTIMIZER_ BUFFER_GETS HASH_VALUE
------------------------------ ---------- ---------- ---------- ----------- ----------
select count(*) from emp 1 5 ALL_ROWS 7 2295140356
记录的信息和AUTOTRACE显示的信息完全一致。在第一次执行时,这个SQL的HASH_VALUE被计算出来为2295140356,并且随之,这个SQL的父指针(Parent Cursor)在内存中被创建,一个子指针同时创建。父指针可以被认为是Hash Value的相关信息,子指针可以被认为是SQL的元数据。
再次执行这个查询,统计信息中的物理读(DISK_READS)不再增加,因为数据已经在Buffer中存在,而BUFFER_GETS继续增加。执行次数也变为2次:
tq@NEI> select count(*) from emp;
COUNT(*)
----------
14
Execution Plan
----------------------------------------------------------
Plan hash value: 2083865914
-------------------------------------------------------------------
| Id | Operation | Name | Rows | Cost (%CPU)| Time |
-------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 1 | 3 (0)| 00:00:01 |
| 1 | SORT AGGREGATE | | 1 | | |
| 2 | TABLE ACCESS FULL| EMP | 14 | 3 (0)| 00:00:01 |
-------------------------------------------------------------------
Note
-----
- dynamic sampling used for this statement
Statistics
----------------------------------------------------------
0 recursive calls
0 db block gets
3 consistent gets
0 physical reads
0 redo size
411 bytes sent via SQL*Net to client
385 bytes received via SQL*Net from client
2 SQL*Net roundtrips to/from client
0 sorts (memory)
0 sorts (disk)
1 rows processed
sys@NEI> select sql_text,executions,disk_reads,optimizer_mode,buffer_gets,hash_value
2 from v$sql where sql_text='select count(*) from emp';
SQL_TEXT EXECUTIONS DISK_READS OPTIMIZER_ BUFFER_GETS HASH_VALUE
------------------------------ ---------- ---------- ---------- ----------- ----------
select count(*) from emp 2 5 ALL_ROWS 10 2295140356
v$sqlarea视图也是非常重要的一个视图,在Oracle 9iR2的文档中,Oracle这样定义这个视图:v$sqlarea列出了共享SQL区(Shared SQL Area)中的SQL统计信息,这些SQL按照SQL文本的不同,每条会记录一行统计数据。注意这里所说的是“按照SQL文本”来进行区分,也就是说这个视图的信息可以看作是根据SQL_TEXT进行的一次汇总统计。
v$sqlarea视图的主要字段如下:
Column |
Datatype |
Description |
SQL_TEXT |
VARCHAR2(1000) |
当前指针的前1000个字符 |
VERSION_COUNT |
NUMBER |
Cache中这个父指针下存在的子指针的数量 |
EXECUTIONS |
NUMBER |
总的执行次数,包含所有子指针执行次数的汇总 |
DISK_READS |
NUMBER |
所有子指针的Disk Reads总和 |
BUFFER_GETS |
NUMBER |
所有子指针的Buffer Gets总和 |
OPTIMIZER_MODE |
VARCHAR2(10) |
SQL执行的优化器模 |
HASH_VALUE |
NUMBER |
父指针的Hash Value |
通过前文可以知道,文本相同的SQL语句,在数据库中的意义可能完全不同。比如数据库中存在两个用户TQ和DBTAN,两个用户各拥有一张数据表EMP。
那么当两个用户发出一个查询select count(*) from emp时,这个查询访问的对象,返回的结果可能完全不同,TQ的查询访问的是TQ.EMP表,而DBTAN用户访问的则是DBTAN.EMP表。但是单从SQL_TEXT上来说,这两个SQL没有任何区别。
继续前面的测试,再来简单看一下以下的输出:
dbtan@NEI> create table emp as select * from scott.emp where rownum <9;
Table created.
dbtan@NEI> set autotrace on
dbtan@NEI> select count(*) from emp;
COUNT(*)
----------
8
Execution Plan
----------------------------------------------------------
Plan hash value: 2083865914
-------------------------------------------------------------------
| Id | Operation | Name | Rows | Cost (%CPU)| Time |
-------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 1 | 3 (0)| 00:00:01 |
| 1 | SORT AGGREGATE | | 1 | | |
| 2 | TABLE ACCESS FULL| EMP | 8 | 3 (0)| 00:00:01 |
-------------------------------------------------------------------
Note
-----
- dynamic sampling used for this statement
Statistics
----------------------------------------------------------
5 recursive calls
0 db block gets
7 consistent gets
5 physical reads
0 redo size
411 bytes sent via SQL*Net to client
385 bytes received via SQL*Net from client
2 SQL*Net roundtrips to/from client
0 sorts (memory)
0 sorts (disk)
1 rows processed
现在v$sql中应该有了两条完全一样的SQL,但是各自查询的物理对象却是截然不同:
sys@NEI> select sql_text,executions,disk_reads,optimizer_mode,buffer_gets,hash_value
2 from v$sql where sql_text='select count(*) from emp';
SQL_TEXT EXECUTIONS DISK_READS OPTIMIZER_ BUFFER_GETS HASH_VALUE
------------------------------ ---------- ---------- ---------- ----------- ----------
select count(*) from emp 3 5 ALL_ROWS 13 2295140356
select count(*) from emp 1 5 ALL_ROWS 7 2295140356
现在再来查询v$sqlarea视图,就可以看到这两个视图的不同:
sys@NEI> select sql_text,executions,disk_reads,buffer_gets,hash_value,version_count
2 from v$sqlarea where sql_text='select count(*) from emp';
SQL_TEXT EXECUTIONS DISK_READS BUFFER_GETS HASH_VALUE VERSION_COUNT
------------------------------ ---------- ---------- ----------- ---------- -------------
select count(*) from emp 4 10 20 2295140356 2
在这个视图中,Oracle将v$sql中的sql_text相同的2个子指针合并起来,执行次数等信息也都进行了累计,version_count也显示为2,这就是v$sqlarea的聚合作用。
相关推荐
仅供学习使用
内容概要:本文深入探讨了多种高级格兰杰因果检验方法,包括非线性格兰杰因果检验、分位数格兰杰因果检验、混频格兰杰因果检验以及频域因果检验。每种方法都有其独特之处,适用于不同类型的时间序列数据。非线性格兰杰因果检验分为非参数方法、双变量和多元检验,能够在不假设数据分布的情况下处理复杂的关系。分位数格兰杰因果检验则关注不同分位数下的因果关系,尤其适合经济数据的研究。混频格兰杰因果检验解决了不同频率数据之间的因果关系分析问题,而频域因果检验则专注于不同频率成分下的因果关系。文中还提供了具体的Python和R代码示例,帮助读者理解和应用这些方法。 适合人群:从事时间序列分析、经济学、金融学等领域研究的专业人士,尤其是对非线性因果关系感兴趣的学者和技术人员。 使用场景及目标:①研究复杂非线性时间序列数据中的因果关系;②分析不同分位数下的经济变量因果关系;③处理不同频率数据的因果关系;④识别特定频率成分下的因果关系。通过这些方法,研究人员可以获得更全面、细致的因果关系洞察。 阅读建议:由于涉及较多数学公式和编程代码,建议读者具备一定的统计学和编程基础,特别是对时间序列分析有一定了解。同时,建议结合具体案例进行实践操作,以便更好地掌握这些方法的实际应用。
内容概要:本文详细介绍了直流电机双闭环控制系统的原理及其仿真实现。首先构建了一个DC电机的动力学模型,定义了电枢电阻、电感、转矩常数等参数,并通过Python实现了电机的更新机制。接着引入了双环控制器,外环控制转速,内环控制电流,利用PID控制器进行调节。文中强调了电流环和转速环之间的协调关系,以及调参过程中的一些实用技巧,如先调整内环再调整外环,比例先行积分缓。同时提供了MATLAB/Simulink环境下的具体实现步骤,包括设置合理的采样时间和加入必要的滤波器,确保系统的稳定性。此外,还分享了一些常见的错误案例和解决办法,帮助读者更好地理解和应用这一技术。 适合人群:具有一定自动化控制基础,尤其是对电机控制感兴趣的工程技术人员。 使用场景及目标:适用于需要精确控制电机转速和电流的应用场合,如工业机器人、电动汽车等领域。目标是使读者能够掌握双闭环控制的基本原理,并能够在实际项目中灵活运用。 其他说明:文中不仅提供了详细的代码示例,还有丰富的图表辅助解释,便于读者直观理解各个部分的工作原理。对于初学者来说,建议从简单的单环控制入手,逐步过渡到复杂的双环控制。
微信默认视频来电铃声 phonering.mp3
自然语言处理隐私数据集公开收集
咱们期待已久的V2.3.3测试包来啦!大家可以下载体验,帮忙一起测试测试,有啥问题尽管提,咱们一起把它打磨得更完美~
Photo_250404014522.jpeg
内容概要:本文详细介绍了如何使用Matlab 2013进行单相PWM整流电路的双闭环控制仿真,旨在将输入的220V交流电转换为稳定的250V直流电。文章首先解释了单相PWM整流电路的工作原理及其重要性,接着阐述了双闭环控制策略的具体实现方法,包括电压外环和电流内环的设计。随后,文章详细描述了在Matlab Simulink环境中的建模步骤,涵盖了主电路搭建、双闭环控制模块构建以及PWM信号生成的关键环节。最后,通过仿真结果展示了输入电流与输入电压的同步性和输出直流电压的稳定性,并提供了针对常见问题的解决方案。 适合人群:从事电力电子领域的研究人员和技术人员,尤其是对PWM整流电路和Matlab仿真实验感兴趣的读者。 使用场景及目标:适用于高校实验室、科研机构和企业研发中心,帮助相关人员理解和掌握单相PWM整流电路的工作机制及其控制策略,提升电力电子设备的研发效率和性能。 其他说明:文中提供的代码片段和参数设置有助于读者快速上手并进行实验验证,同时也强调了实际应用中需要注意的问题,如滤波电容的选择、PI调节器参数的调整等。
内容概要:本文探讨了云计算和边缘计算的协同系统模型,特别是在该模型下使用线形搜索算法寻找最优路径以及通过多线程并行技术提升系统性能的方法。文中详细介绍了线形搜索算法的Matlab实现及其应用场景,如智能工厂的数据传输路径优化。此外,还讨论了如何在边缘设备上应用多线程并行技术,以充分利用CPU多核能力,提高处理效率。文章强调了在实际部署中需要注意的硬件限制和网络动态变化等问题,并提出了相应的解决策略。 适合人群:对云计算、边缘计算及并行计算感兴趣的开发者和技术研究人员。 使用场景及目标:适用于需要优化云边协同系统中数据传输路径和提升系统性能的实际项目。具体目标包括减少数据传输延迟、提高实时性和处理效率。 其他说明:文章提供了具体的Matlab代码示例,帮助读者更好地理解和实现相关算法。同时提醒读者注意硬件资源的限制,在实际应用中进行适当的调整和优化。
内容概要:本文详细介绍了如何在CATIA DMU模块中进行麦弗逊式独立悬架与齿轮齿条转向器的非参数化运动仿真。首先,文章解释了底盘结构及其运动特性,接着逐步展示了如何设置悬架和转向系统的运动副,包括旋转副、滑动副以及齿轮齿条副的具体配置方法。文中还特别强调了仿真过程中需要注意的技术细节,如参数设置、摩擦系数的选择、运动自由度的限制等。此外,作者分享了一些实用技巧,比如通过正弦函数驱动转向输入、利用传感器监测运动状态、导出并修改仿真动画等。 适合人群:从事汽车工程设计、机械仿真的工程师和技术人员,尤其是熟悉CATIA软件的用户。 使用场景及目标:适用于需要进行车辆转向系统和悬架系统联合仿真的场合,帮助工程师更好地理解和优化车辆动态性能,提高设计效率。 其他说明:文章提供了大量具体的VBA代码片段,便于读者直接应用于自己的项目中。同时,文中提到的一些调试经验和常见问题解决方法也非常有价值。
基于Javaweb(servlet+mysql)
内容概要:本文详细介绍了全桥LLC谐振变换器的设计与仿真,特别是针对高压输入(370-405V)和高功率输出(1000W,25V/40A)的应用场景。文章首先解释了全桥LLC谐振变换器的基础结构及其优势,接着展示了如何通过Python代码计算谐振频率,并通过MATLAB/Simulink进行了详细的电压环PI控制仿真。文中特别强调了PI控制器参数的优化,如比例系数(Kp)和积分系数(Ki)的选择,以及抗积分饱和处理的方法。此外,还探讨了轻载情况下的次谐波振荡问题及其解决方案,如频率钳位和动态调整PI参数。最后,通过仿真数据展示了不同输入电压条件下的性能表现,包括输出电压稳定性、恢复时间和效率。 适合人群:从事电力电子设计、电源管理系统的工程师和技术爱好者,尤其关注高效能电源转换和控制系统的人群。 使用场景及目标:适用于需要设计和优化全桥LLC谐振变换器的工程项目,特别是在高压输入和高功率输出的应用场合。目标是确保输出电压稳定,提高系统效率,并减少开关损耗。 其他说明:文中提供的代码和仿真结果仅为示例,实际应用中需要进一步的理论分析和完善的设计。此外,文中还提及了一些实际调试过程中遇到的问题及解决方案,有助于读者更好地理解和应对类似的技术挑战。
内容概要:本文详细介绍了交错并联Boost PFC电路的设计及其在Simulink中的双闭环控制仿真方法。交错并联Boost电路通过两个Boost模块相位差180度的工作方式,有效降低了输入电流纹波,减轻了元器件的压力。文中重点讨论了输出电压外环和电感电流内环的双闭环控制策略,以及具体的PI参数设置和调优技巧。通过合理的参数选择和控制策略,实现了较低的总谐波失真(THD)和稳定的输出电压。此外,还探讨了仿真过程中常见的问题及解决方案,如电流环带宽设置、积分时间调整、PWM相位同步等。 适合人群:从事电力电子设计、电源管理系统的工程师和技术人员,尤其是对PFC电路和Simulink仿真感兴趣的读者。 使用场景及目标:适用于需要进行PFC电路设计和仿真的场合,旨在提高输入电流质量,减少谐波失真,确保输出电压的稳定性。通过学习本文,读者能够掌握交错并联Boost PFC电路的设计思路和仿真技巧,为实际项目提供理论支持和技术指导。 其他说明:文中提供了详细的MATLAB/Simulink代码片段和参数设置建议,帮助读者更好地理解和应用所介绍的技术。同时,强调了仿真过程中需要注意的关键点,避免常见错误,确保仿真结果的有效性和准确性。
炼石图解网络数据安全管理条例及数据安全合规与技术体系2024630页.pdf
内容概要:本文深入探讨了电动车电驱系统中电机控制器的关键技术——主动阻尼控制及其相关技术的应用。文中介绍了主动阻尼控制的基本概念,即通过一系列控制策略使系统有效抵抗振动,特别是通过转矩补偿和加速度反馈来增强系统的稳定性。作者详细展示了如何利用Matlab二质量模型进行系统动态特性的模拟,并通过巴特沃斯高通滤波器提取转速波动来进行转矩补偿。此外,还讨论了加速度反馈的作用,即通过增加电机惯量来减少振动。最后,文章通过实际案例展示了这些技术的有效性,显著提高了电动车电驱系统的稳定性和可靠性。 适合人群:从事电动车电驱系统开发的技术人员、研究人员及高校相关专业师生。 使用场景及目标:适用于电动车电驱系统的设计与优化,旨在提高系统的稳定性和可靠性,减少振动和噪声,改善驾驶体验。同时,该技术有助于延长传动系统的使用寿命,降低故障率。 其他说明:文章不仅提供了详细的理论和技术背景,还包括具体的代码实现和实际应用案例,便于读者理解和实践。此外,文中提供的仿真模型和详实文档为后续研究和项目优化提供了有力支持。
内容概要:本文深入探讨了增量电导法(Incremental Conductance, INC)在太阳能光伏发电系统最大功率点跟踪(MPPT)中的应用。首先介绍了增量电导法的基本原理及其相对于扰动观测法的优势,特别是其在光照快速变化时的高效性能。接着展示了MATLAB核心代码实现,详细解释了电导变化率的计算以及占空比调整逻辑。随后讨论了Simulink建模的具体步骤和技术细节,如采样周期设定、PWM模块配置等。此外,针对不同应用场景提出了参数调试建议,包括步长选择、温度对步长的影响、负载电流前馈补偿等。最后分享了一些实用经验和注意事项,如避免数值震荡、处理光照突变等。 适合人群:从事光伏系统设计与开发的工程师,尤其是对MPPT算法感兴趣的科研人员和技术爱好者。 使用场景及目标:适用于希望深入了解并掌握增量电导法MPPT技术的研究人员和工程师。主要目标是通过理论讲解和实例代码帮助读者理解增量电导法的工作原理,并能够在MATLAB/Simulink环境中构建高效的MPPT控制系统。 其他说明:文中提供了详细的代码片段和具体的参数设置指导,有助于读者进行实际操作和实验验证。同时强调了在不同条件下(如光照突变、温度变化)的算法优化策略,使系统更加稳健可靠。
内容概要:本文详细探讨了在光伏系统遭遇局部遮荫情况时,扰动观察法(P&O)和粒子群优化算法(PSO)的表现。文中通过Simulink建模,展示了这两种MPPT算法在多峰P-U曲线下的工作原理及其优缺点。具体来说,P&O算法由于其简单的“爬山”策略,在多峰环境下容易陷入局部最优,导致功率大幅震荡;而PSO算法利用粒子群的并行搜索能力,能够更快地找到全局最大功率点,尽管其初始响应稍慢。此外,文章还讨论了不同算法的应用场景以及参数调整的关键点。 适合人群:从事光伏系统设计、优化的研究人员和技术人员,尤其是关注MPPT算法性能提升的专业人士。 使用场景及目标:适用于评估和选择适合特定光伏系统的MPPT算法,特别是在面对复杂光照条件时,帮助决策者确定哪种算法更适合特定应用场景。目标是在提高系统效率的同时降低成本。 阅读建议:读者可以通过对比两种算法的具体实现细节,深入理解各自的优点和局限性,从而为实际工程项目提供有价值的参考。同时,对于想要进一步改进现有算法的开发者,可以借鉴文中提到的一些关键参数设置方法。
内容概要:本文档为《YRC1000 操作要领书_通用・搬运用途篇_2.pdf》,主要介绍了安川电机的工业机器人控制系统。 适合人群:适用于已经购买或计划购买YRC1000系统的工厂技术人员、工程师以及操作员,尤其是那些从事自动化生产线设计、维护和技术支持的专业人士。 使用场景及目标:①帮助用户熟悉YRC1000的基本操作流程,包括示教编程器的功能和使用方法;②指导用户正确设置和执行各种机器人控制命令,确保机器人按照预定路径和任务要求进行工作;③确保用户了解并遵守所有的安全规定,防止意外事故发生;④提供详细的故障排查指南,以便快速解决可能出现。
基于51单片机protues仿真的汽车状态监测和报警系统(仿真图、源代码、AD原理图) 监控胎压,发动机缸压,变速箱温度,转向系统,制动系统,动力蓄电池电压,电机及控制器温度; 汽车状态检测系统 1、检测内容:监控胎压,发动机缸压,变速箱温度,转向系统,制动系统,动力蓄电池电压,电机及控制器温度 2、设置上下限,测量值过限报警 3、除了温度以外,其他传感器均由电位器代替。
内容概要:本文详细介绍了户外储能电源2KW(最大可达3KW)双向逆变器板的生产资料和技术规格。涵盖了从原理图、PCB文件到源代码的完整资料,包括双向软开关DC-DC、SPWM调制、H桥IGBT模块、过流保护等功能的具体实现。文中还提供了详细的硬件选型指导,如IGBT、变压器、电感等元件的选择和参数设定,以及软件部分的关键代码片段,如过流保护、SPWM生成、上电自检等。此外,文章还提到了一些生产和调试过程中需要注意的问题,如变压器绕制、软件烧录、散热器选择等。 适合人群:从事户外储能电源及相关电子产品开发的技术人员,尤其是有一定硬件和嵌入式开发经验的研发人员。 使用场景及目标:帮助开发者快速掌握双向逆变器板的设计和实现细节,缩短产品研发周期,提升产品质量和性能。适用于需要快速推出市场的户外储能电源产品开发。 其他说明:本文不仅提供了完整的生产资料和技术规范,还包括了许多实用的经验和技巧,有助于避免常见错误,确保产品顺利量产。