sql優化首先了解sql的執行過程
1. sql語句處理過程
open-->parse-->bind-->execute-->fetch-->close
2. sql語句詳細處理過程
dml語句和select查詢語句都會經歷如下過程：
2.1. create a cursor
2.2. parse the statement
2.5. bind aany variables
2.7. run the statement
2.8. close the cursor
可選過程：
2.6. parallelize the statement
select語句，帶有returning的子句的dml語句要求如下處理過程：
2.3. describe results of a query
2.4. define output of a query
2.8. fetch rows of a query
3. 解析
在共享池中是否存在共享的sql，語法檢查，語義檢查，許可權檢查，確定最佳執行計畫。
解析是乙個昂貴的操作，其中生成執行計畫是最耗時的，應該避免重複解析，解析一次，多次執行。
將使用者的sql文字轉換成oracle認識且可執行的語句，這個過程叫做解析過程。
解析分為軟解析和硬解析。
當客戶端發出一條sql語句進入shared pool時，oracle首先將sql文字轉換成ascii字元，然後根據hash函式計算對應的hash_value，然後到library catch中查詢是否存在該sql語句。
如果不存在，進行硬解析，步驟：
（1. 語法檢查。失敗退出解析。
（2. 到資料字典校驗sql語句涉及的物件和列是否都存在。失敗退出解析。
（3. 將物件進行名稱轉換，比如將同名翻譯成實際的物件等。失敗退出解析。
（4. 檢查游標裡使用者是否居有訪問sql語句裡面所引用的物件的許可權。失敗退出解析。
（5. 通過優化器建立最優的執行計畫，這一步是最耗cpu資源的。
（6. 將該游標產生的執行計畫，sql文字等裝載進library cache中。
如果存在，說明該sql以前執行過，於是進行軟解析。軟解析是相對於硬解析而已，如果從硬解析中去掉一些步驟，就是軟解析。軟解析分為三種型別。
(1. 某個sesison發出的sql語句在library catch裡其他session發出的sql語句一致。這是，該解析過程可以將硬解析的5和6步驟去掉，但是仍然要進行硬解析的2，3，4步驟。
（2. 某個sesison發出的sql語句在library catch裡同乙個session發出的sql語句一致。該解析過程可以將硬解析的2，3，5和6步驟去掉，仍然需要4步驟進行許可權檢查，因為可能通過grant改變了該session使用者的許可權。
（3. 當設定了初始化引數session_cached_cursors時，當某個session對相同的cursor進行第三次訪問時，將在該session的pga裡建立乙個標記，並且該游標即使已經關閉也不會從library cache中交換出去。這樣，該session以後再執行相同的sql時，將跳過硬解析的所有步驟。這種情況下是最高效的解析方式，但是將會消耗很大的記憶體。
4. 繫結變數
找到繫結變數，給繫結變數分配值，減少硬解析，從共享執行計畫中獲益。
5. 執行
如果是dml語句，則鎖定修改的行，知道提交和回滾。
如果是查詢語句，則不鎖定任何行。
執行必要的i/o與排序
6. 提取
為查詢和帶有returning子句的dml語句返回行
如果需要，進行排序
使用批量提取改進效能
oracle沒次可以fetch多行，在sql*plus中使用arraysize修改設定。
show arraysize；
set arraysize 100.
一般來講，如果arraysize設定超過100，對效能的改善就沒有任何實際意義了。
Oracle SQL語句處理過程
07年開始，換了一家公司，資料庫使用的是oracle10g，以前一直使用的是informix和msserver，感覺oracle功能還真強大，比informi和msserver都好用多啦，體系結構和管理方式都有了許多變化，但使用兩個月下來，其實資料庫的基本原理是一樣的，現結合以前的工作經驗和學習的資...
USB host處理過程
在usbh core.c中有乙個函式usbh process 這個函式很重要，main 函式每迴圈一次，它就執行一次，它處理所有usb核心狀態的變化，typedef enum host state 根據這個當前狀態 phost gstate 處於以上哪個狀態的不同，做出不同的處理過程。其中最重要的要...
Hadoop map reduce處理過程
1 在hadoop中，每個mapreduce任務都被初始化為乙個job。每個job又可以分成兩個階段 map階段和reduce階段 map函式接受乙個形式的輸入，然後同樣產生乙個形式的中間輸出，hadoop會負責將所有具有相同結果中間key值的value集合到一起傳給reduce函式，reduce函...