`
mikixiyou
  • 浏览: 1098433 次
  • 性别: Icon_minigender_1
  • 来自: 南京
博客专栏
C3c8d188-c0ab-3396-821d-b68331e21226
Oracle管理和开发
浏览量:352966
社区版块
存档分类
最新评论

Oracle的pipelined函数实现高性能大数据处理

阅读更多

在plsql开发中,会涉及到一些大数据量表的数据处理,如将某记录数超亿的表的记录经过处理转换插入到另外一张或几张表。

常规的操作方法固然可以实现,但时间、磁盘IO、redo日志等等都非常大。Oracle 提供了一种高级函数,可以将这种数据处理的性能提升到极限。这种函数称为管道函数。

在实际项目中,管道函数会和表函数、数据流函数(即表函数和CURSOR结合)、数据集合、并行度一起使用,达到大数据处理的性能顶峰。

 

(miki西游 @mikixiyou 原文链接: http://mikixiyou.iteye.com/blog/1673672 )

 

下面是一个例子,将表t_ss_normal的记录插入到表t_target中,插入过程中有部分转换操作。

我分成四个方法来实现这个数据处理操作。

 

第一个方法,也是最常规的方法,代码如下:

 

create table T_SS_NORMAL
(
  owner          VARCHAR2(30),
  object_name    VARCHAR2(128),
  subobject_name VARCHAR2(30),
  object_id      NUMBER,
  data_object_id NUMBER,
  object_type    VARCHAR2(19),
  created        DATE,
  last_ddl_time  DATE,
  timestamp      VARCHAR2(19),
  status         VARCHAR2(7),
  temporary      VARCHAR2(1),
  generated      VARCHAR2(1),
  secondary      VARCHAR2(1)
);
/

create table T_TARGET
(
  owner       VARCHAR2(30),
  object_name VARCHAR2(128),
  comm        VARCHAR2(10)
);
 

这是源表和目标表的表结构。现在源表有200W条,其数据来自dba_objects视图。

 

create or replace package pkg_test is
  procedure load_target_normal;
end pkg_test;

create or replace package body pkg_test is
  procedure load_target_normal is
  begin  
    insert into t_target (owner, object_name, comm)
      select owner, object_name, 'xxx' from t_ss_normal;  
    commit;  
  end;
begin
  null;
end pkg_test; 
 

 

一个insert into select语句搞定这个数据处理,简单。

 

第二方法,采用管道函数实现这个数据处理。

 

create type obj_target as object(
owner VARCHAR2(30), object_name VARCHAR2(128), comm varchar2(10)
);
/
create or replace type typ_array_target as table of obj_target;
/

create or replace package pkg_test is

  function pipe_target(p_source_data in sys_refcursor) return typ_array_target
    pipelined;

  procedure load_target;
end pkg_test;

 

首先创建两个自定义的类型。obj_target的定义和t_target的表结构一致,用于存储每一条目标表记录。typ_array_target用于管道函数的返回值。

接着定义一个管道函数。

普通函数的结尾加一个pipelined关键字,就是管道函数。这个函数的返回参数类型为集合,这是为了使其能作为表函数使用。表函数就是在from子句中以table(v_resultset)调用的,v_resultset就是一个集合类型的参数。

最后定义一个调用存储过程。

 

在包体中定义该管道函数和调用存储过程。管道函数pipe_target的传入参数一个sys_refcursor类型。这是一个游标,可以理解为使用select * from table才能得到的结果集。

你也可以不用这个传入的游标,取而代之,在函数中定义一个游标,也一样使用。

 

  function pipe_target(p_source_data in sys_refcursor) return typ_array_target
    pipelined is
    r_target_data obj_target := obj_target(null, null, null);
    r_source_data t_ss%rowtype;

 begin
  
    loop
      fetch p_source_data
        into r_source_data;
      exit when p_source_data%notfound;    
      
      r_target_data.owner       := r_source_data.owner;
      r_target_data.object_name := r_source_data.object_name;
      r_target_data.comm        := 'xxx';    
      pipe row(r_target_data);
    
    end loop;
  
    close p_source_data;
    return;
  
  end;

  procedure load_target is
  begin  
    insert into t_target
      (owner, object_name, comm)
      select owner, object_name, comm
        from table(pipe_target(cursor(select * from t_ss_normal)));  
    commit;  
  end;
 
 

关键字 pipe row 的作用是将obj_target插入到typ_array_target类型的数组中,管道函数自动返回这些数据。

 

因为源表的数据量会非常大,所以在fetch取值时会使用bulk collect ,实现批量取值。这样做可以减少plsql引擎和sql引擎的控制转换次数。这种转换称为上下文切换。

 

 

  function pipe_target_array(p_source_data in sys_refcursor,
                             p_limit_size  in pls_integer default c_default_limit)
    return typ_array_target
    pipelined is  
    r_target_data obj_target := obj_target(null, null, null); 
     
    type typ_source_data is table of t_ss%rowtype index by pls_integer;
    aa_source_data typ_source_data;
  
  begin
  
    loop
      fetch p_source_data bulk collect
        into aa_source_data;
      exit when aa_source_data.count = 0;
    
      for i in 1 .. aa_source_data.count loop
      
        r_target_data.owner       := aa_source_data(i).owner;
        r_target_data.object_name := aa_source_data(i).object_name;
        r_target_data.comm        := 'xxx';
      
        pipe row(r_target_data);
      
      end loop;
    
    end loop;
  
    close p_source_data;
    return;
  
  end;


  procedure load_target_array is
  begin
    insert into t_target
      (owner, object_name, comm)
      select owner, object_name, comm
        from table(pipe_target_array(cursor (select * from t_ss_normal),
                                     100));  
    commit;  
  end;

 

还可以使用并行度,使得管道函数可以多进程同时执行。并行度还有一个好处,就是将数据插入方式从常规路径转换为直接路径。直接路径可以大量减少redo日志的生成量。

 

 

  function pipe_target_parallel(p_source_data in sys_refcursor,
                                p_limit_size  in pls_integer default c_default_limit)
    return typ_array_target
    pipelined
    parallel_enable(partition p_source_data by any) is
  
    r_target_data obj_target := obj_target(null, null, null);
  
    type typ_source_data is table of t_ss%rowtype index by pls_integer;  
    aa_source_data typ_source_data;
  
  begin  
    loop
      fetch p_source_data bulk collect
        into aa_source_data;
      exit when aa_source_data.count = 0;    
      for i in 1 .. aa_source_data.count loop      
        r_target_data.owner       := aa_source_data(i).owner;
        r_target_data.object_name := aa_source_data(i).object_name;
        r_target_data.comm        := 'xxx';      
        pipe row(r_target_data);      
      end loop;    
    end loop;  
    close p_source_data;
    return;
  
  end;
  

  procedure load_target_parallel is
  begin
    execute immediate 'alter session enable parallel dml';  
    insert /*+parallel(t,4)*/
    into t_target t
      (owner, object_name, comm)
      select owner, object_name, comm
        from table(pipe_target_array(cursor (select /*+parallel(s,4)*/
                                       *
                                        from t_ss_normal s),
                                     100));  
    commit;
  end;
 

 

 

在测试过程中,我测试200W记录的操作,时间从24秒降到到8秒,重做日志也降低更多。

 

 

 

 

在此数据处理操作中,涉及到集合(collection)、表函数、管道函数、流函数、bulk collect、游标等知识点。

PLSQL集合类型的使用总结  

使用bulk collect insert实现大数据快速迁移

Oracle的pipelined函数提升数据输出性能

以前写的这三篇文章,都详细介绍了这些知识点,更多可以去参考oracle官方文档。


 

 

 

分享到:
评论
2 楼 dahai639 2014-05-15  
挺好的,支持一下
1 楼 datawarehouse 2012-09-20  
好多不明白的地方啊

相关推荐

    oracle管道函数用法

    3. **结束标志**:通过一个空的`RETURN`语句表示函数处理完成。 4. **实时性**:适用于需要实时反馈处理进度或数据流的应用场景。 #### 三、创建步骤 ##### 1. 创建类型对象 在创建管道函数之前,首先需要定义一...

    pipeline管道模型python实现

    在Python编程中,"pipeline管道模型"是一种常用的设计模式,尤其在数据处理、机器学习以及网络编程等领域。这种模式允许我们将一系列独立的操作串联起来,形成一个连续的数据处理流程。在这个"pipeline管道模型...

    藏经阁-A stream processing pipeline S.pdf

    事件处理使用 Apache Spark 作为处理引擎,Spark 是一个开源的数据处理框架,提供了高性能的数据处理能力。 Sliding Window Sliding Window 是流处理 pipeline 的关键组件,该组件负责将事件数据分组和聚合,并...

    zeromq的parallel-pipeline并行处理模式的jave实现

    通过这种方式,我们可以利用zeromq的并行管道模式,构建出高性能的分布式数据处理系统。 总结来说,zeromq的并行管道模式是一种强大的工具,尤其适合处理大量数据和分布式计算任务。通过Java和jeromq库,我们可以...

    藏经阁-yR&D To Produvt Pipeline.pdf

    Apache Spark 是一个基于内存的统一数据处理引擎,可以实现在大规模数据集上的高性能数据处理。Apache Spark 的出现填补了 Hadoop 生态系统中的空白,提供了一个高效、灵活、可扩展的数据处理解决方案。 在 Adtech...

    Oracle - In Database Map-Reduce

    通过使用Oracle数据库的Pipeline Table Functions,我们不仅能够实现在数据库内部的Map-Reduce处理,还能够充分利用Oracle数据库的强大功能和性能优势。这种方式不仅可以简化大数据处理的工作流程,还能显著提高处理...

    Doris PipeLine的设计文档.pdf

    Doris PipeLine设计文档还提出了如何对Doris进行PipeLine改造的方案,包括整体执行引擎的框架、Pipeline的调度模块和Work Thread的实现等。该设计文档为Doris执行引擎的改造提供了重要的参考价值。 知识点: 1. ...

    利用PB实现DBF文件到Oracle基表的数据转换.pdf

    它提供高性能、高可用性和安全性,支持复杂的数据处理和事务处理需求。 4. 数据转换:在文中,数据转换是指将DBF文件中的数据迁移到Oracle数据库的过程。这个过程通常涉及到数据清洗、格式匹配、错误处理等步骤,...

    详解oracle管道函数的用法(一行拆为多行)

    如果需要在客户端实时的输出函数执行过程中的一些信息,在oracle9i以后可以使用管道函数(pipeline function)。 关键字PIPELINED表明这是一个oracle管道函数,oracle管道函数的返回值类型必须为集合 --创建一个集合...

    pipeline ADC

    ### Pipeline ADC概述与关键...综上所述,Pipeline ADC是一种结合了高速度与高精度特点的模数转换技术,广泛应用于需要高性能数据采集的场合。通过对其关键技术的理解和掌握,可以帮助我们更好地应对实际工程中的挑战。

    基于Python语言的Spark数据处理分析案例集锦(PySpark).zip

    PySpark的核心是DataFrame,它提供了一种类似SQL的API来操作数据,同时保持了高性能。你可以使用`select()`, `filter()`, `groupBy()`, `join()`, `agg()`等方法对数据进行筛选、分组、聚合等操作。DataFrame还支持...

    pipeline ADC的设计指南

    Pipeline ADC是一种常用的模数转换器架构,它通过将模拟信号分解成多个阶段来实现高精度的数字化。下面我们将详细介绍Pipeline ADC的设计指南。 一、Pipeline ADC的基本原理 Pipeline ADC的工作原理是将模拟信号...

    Spark大数据处理技术 带标签 完整版

    《Spark大数据处理技术》这本书是大数据领域的一部经典之作,主要涵盖了Spark的核心特性和在大数据处理中的应用。Spark作为一个快速、通用且可扩展的数据处理引擎,已经在诸多行业中得到了广泛的应用。下面将对Spark...

    数据处理平台

    文件名称“McsfPipeline”可能是指该数据处理平台的具体实现或模块,其中“Mcsf”可能是项目、团队或技术的缩写,而“Pipeline”直接对应了数据处理流程。这可能是一个核心组件,负责数据的获取、处理和传输,或者是...

    Jenkins高级篇之Pipeline技巧篇-2-如何处理多个参数化变量.rar

    在处理复杂的项目时,往往需要处理多个参数化变量,以便根据不同的环境或需求灵活配置构建过程。本篇文章将深入探讨如何在Jenkins Pipeline中管理多个参数化变量,从而提高自动化构建的灵活性和可维护性。 1. **...

    netty通信框架tcp+oracle

    - **批量处理**: 如果数据量大,可以考虑批量插入,减少与数据库的交互次数,提高效率。 - **错误处理**: 必须处理任何可能的数据库异常,如连接丢失或SQL执行失败,确保系统稳定运行。 5. **性能优化**: - **...

    基于Oracle的数据交换技术研究.pdf

    Spool则是Oracle中的一个缓冲区,用于临时存储输出数据,它可以在数据处理过程中提高性能和效率。 6. 数据交换技术的应用场景 在大庆油田公司的数据管理实践中,从早期的纸质记录到现在的Oracle数据库管理,数据...

    IDL源代码高分遥感影像数据处理源代码

    1. IDL语言基础:IDL具有丰富的数学函数库和图像处理功能,支持向量和数组操作,使得处理大规模遥感数据变得高效。其语法简洁,易于学习,是遥感领域常用的编程工具之一。 2. 遥感影像数据:高分遥感影像通常包含多...

    Hadoop数据迁移--从Oracle向Hadoop.zip

    - **性能优化**:考虑到Oracle和Hadoop的处理机制不同,可能需要对数据处理逻辑进行优化,比如减少不必要的数据传输,合理设置Hadoop集群的参数。 - **数据完整性**:确保在迁移过程中数据的完整性和一致性,避免...

Global site tag (gtag.js) - Google Analytics