本文根据dbaplus社群第93期线上分享整理而成。
讲师介绍
丁俊
新炬网络首席性能优化专家
sql审核产品经理
dbaplus社群联合发起人，《剑破冰山-oracle开发艺术》副主编。
oracle acea，itpub开发版资深版主，十年电信行业从业经验。
本次分享大纲：
cbo优化器存在哪些坑
cbo优化器坑的解决之道
加强sql审核，将性能问题扼杀于襁褓之中
分享现场faq
cbo( cost based optimizer)优化器是目前oracle广泛使用的优化器，其使用统计信息、查询转换等计算各种可能的访问路径成本，并生成多种备选执行计划，最终oracle会选择成本最低的作为最优执行计划。与“远古”时代的rbo(rule based optimizer)相比，显然更加符合数据库实际情况，能够适应更多的应用场景。但是，由于其自身非常复杂，cbo并未解决的实际问题以及存在的bug非常多，在日常优化过程中，你可能会遇到一些，不管怎么收集统计信息，都无法走正确执行计划的情形，这时候，你可能踩坑cbo了。
本次分享，主要以日常常见优化器问题作为引子，一起探讨cbo的那些坑的解决之道。
一、cbo优化器存在哪些坑
先来看一下，cbo优化器的组件：
从上图可以看出，一条sql进入oracle中，实际上经过解析会将各部分进行分离，每个分离的部分独立成为一个查询块(query blocks)，比如子查询会成为一个查询块，外部查询又是一个查询块，那么oracle优化器要做的工作就是各查询块内部走什么样的访问路径更好（走索引、全表、分区？），其次就是各查询块之间应该走什么样的join方式以及join顺序，最终计算出那种执行计划更好。
优化器的核心就是查询转换器、成本估算器以及执行计划生成器。
transformer(查询转换器)：
从图上可以看出，优化器的第一核心装置就是查询转换器，查询转换器的主要作用就是研究各种查询块之间的关系，并从语法上甚至语义上给予sql等价重写，重写后的sql更容易被核心装置成本估算器和执行计划生成器处理，从而利用统计信息生成最优执行计划。
查询转换器在优化器中有两种方式：启发式查询转换(基于规则)和基于cost的查询转换。启发式查询转换的一般是比较简单的语句，基于成本的一般比较复杂，也就是说，符合基于规则的oracle不管什么情况下都会进行查询转换，不符合的oracle可能考虑基于成本的查询转换。启发式查询转换历史悠久，问题较少，一般查询转换过的效率比不经过查询转换的要高，而基于成本的查询转换，因其与cbo优化器紧密关联，在10g引入，内部非常复杂，所以bug也比较多，在日常优化过程中，各种疑难sql，往往就出现在查询转换失败中，因为查询转换一旦失败，oracle就不能将原始sql转换成结构更良好的sql（更易于被优化器处理），显然可选择的执行路径就要少很多，比如子查询不能unnest,那么，往往就是灾难的开始。其实，查询转换中oracle做的最多的就是将各种查询转换成join方式，这样就可以利用各种高效的join方法了，比如hash join。
查询转换共有30种以上的方式，下面列出一些常见启发式和基于cost的查询转换。
启发式查询转换（一系列的rule）：
很多启发式查询转换在rbo情况下就已经存在。常见的有：
simple view merge (简单视图合并)、su (subquery unnest 子查询展开)、ojppd (old style join predicate push-down 旧的连接谓词推入方式)、fpd (filter push-down 过滤谓词推入)、or expansion (or扩展)、obye（order by elimination 排序消除)、je （join elimination 连接消除或连接中的表消除）、transitive predicate (谓词传递）等技术。
基于cost的查询转换（通过cost计算）：
针对复杂的语句进行基于cost的查询转换，常见的有：
cvm (complex view merging 复杂视图合并）、jppd (join predicate push-down 关联谓词推入）、dp (distinct placement）、gbp（group by placement）等技术。
通过一系列查询转换技术，将原始sql转为优化器更容易理解和分析的sql，从而能够使用更多的谓词、连接条件等，达到获得最佳计划的目的。查询转换的过程，可以通过10053获取详细信息。查询转换是否能够成功和版本、优化器限制、隐含参数、补丁等有关。
随便在mos上搜索一下查询转换，就会出现一堆bug：
竟然还是wrong result（错误的结果），遇到这种bug不是性能问题了，而是严重的数据正确性问题，当然，在mos里随便可以找到一堆这样的bug，但是，在实际应用中，我相信，你可能碰到的较少，如果有一天，你看到一条sql查询的结果可能不对，那你也得大胆质疑，对于oracle这种庞然大物来说，遇到问题，质疑是非常正确的思考方式，这种wrong result问题，在数据库大版本升级过程中可能见到，主要有两类问题：
原来结果正确，现在结果错误。--遇到新版本bug
现在结果正确，原来结果错误。--新版本修复了老版本bug
第一种情况很正常，第二种情况也可能存在，我就看到过一客户质疑升级后的结果不正确，结果经过查证之后，竟然是老版本执行计划就是错的，新版本执行计划是正确的，也就是错误了很多年，都没有发现，结果升级后是正确的，却以为是错了。
遇到错误结果，如果不是非核心功能，真的可能被深埋很多年。
estimator(估算器)：
很显然，估算器会利用统计信息（表、索引、列、分区等）来估算对应执行计划操作中的选择性，从而计算出对应操作的cardinality，生成对应操作的cost，并最终计算整个计划的cost。对于估算器来说，很重要的就是其估算模型的准确性以及统计信息存储的准确性，估算的模型越科学，统计信息能反应实际的数据分布情况，能够覆盖更多的特殊数据，那么生成的cost则更加准确。
然而，这是不可能的情况，估算器模型以及统计信息中存在诸多问题，比如针对字符串计算选择性，oracle内部会将字符串转换为raw类型，在将raw类型转换成数字，然后左起round 15位，这样会出现可能字符串相差很大的，由于转换成数字后超过15位，那么内部转换后可能结果相近，最终导致计算的选择性不准确。
plan generator(计划生成器)：
计划生成器也就是分析各种访问路径、join方法、join顺序，从而生产不同执行计划。那么如果这个部分出现问题，也就是对应的部分可能算法不够完善或者存在限制。比如join的表很多，那么各种访问顺序的选择成几何级数增长，oracle内部有限制值，也就是事实不可能全部计算一遍。
比如hash join算法是普遍做大数据处理的首选算法，但是由于hash join天生存在一种限制：hash碰撞，一旦遇到hash碰撞，必然导致效率大减。
cbo优化器存在很多限制，详细可以参考mos：limitations of the oracle cost based optimizer (文档 id 212809.1)。
二、cbo优化器坑的解决之道
本部分主要分享下日常常见优化器问题案例，有的问题不仅限于cbo优化器，由于cbo是目前广泛使用的优化器，因此，一律纳入cbo问题。
1 filter性能杀手问题
filter操作是执行计划中常见的操作，这种操作有两种情况：
只有一个子节点，那么就是简单过滤操作。
有多个子节点，那么就是类似nested loops操作，只不过与nested loops差别在于，filter内部会构建hash表，对于重复匹配的，不会再次进行循环查找，而是利用已有结果，提高效率。但是一旦重复匹配的较少，循环次数多，那么，filter操作将是严重影响性能的操作，可能你的sql几天都执行不完了。
下面看看各种情况下的filter操作：
单子节点：
很显然id=1的filter操作只有一个子节点id=2，这种情况下的filter操作也就是单纯的过滤操作。
多子节点：
filter多子节点往往就是性能杀手，主要出现在子查询无法unnest查询转换，经常遇到的情况就是not in子查询、子查询和or连用、复杂子查询等情况。
（1）not in子查询中的filter
先来看下not in情况：
针对上面的not in子查询，如果子查询object_id有null存在，则整个查询都不会有结果，在11g之前，如果主表和子表的object_id未同时有not null约束，或都未加is not null限制，则oracle会走filter。11g有新的anti na（null aware）优化，可以对子查询进行unnest，从而提高效率。
对于未unnest的子查询，走了filter，有至少2个子节点，执行计划还有个特点就是predicate谓词部分有：b1这种类似绑定变量的东西，内部操作走类似nested loops操作。
11g有null aware专门针对not in问题进行优化，如下所示：
通过null aware操作，对无法unnest的not in子查询可以转换成join形式，这样效率就大幅度提升了。如果在11g之前，遇到not in无法unnest，那该怎么做呢？
将not in部分的匹配条件，针对本例就是anti_test1.object_id和anti_test2.object_id均设为not null约束。
不改not null约束，则需要两个object_id均增加is not null条件。
改为not exists。
改为anti join形式。
以上四种方式，大部分情况下均能达到让优化器走join的目的。
以上写法执行计划都是一样的，如下所示：
说白了，unnest subquery就是转换成join形式，如果能转换成join就可以利用高效join特性来提高操作效率，不能转换就走filter，可能影响效率，11g的null aware从执行计划里可以看出，还是有点区别，没有走index full scan扫描，因为没有条件让oracle知道object_id可能存在null，所以也就走不了索引了。
ok，现在来说一个数据库升级过程中碰到的案例，背景是11.2.0.2升级到11.2.0.4后下面sql出现性能问题：
执行计划如下：
这里的id=4和id=8两个filter均有2个子节点，很显然是not in子查询无法unnest导致的。上面说了在11g oracle cbo可以将not in转换成null aware anti join，并且在11.2.0.2上是可以转换的，到11.2.0.4上就不行了。两个filter操作的危害到底有多大呢，可以通过查询实际执行计划来看：
使用alter session set statistics_level=all;截取2分25s的记录查看实际情况，id=9步骤的card=141行就需要2分25s,实际此步骤有：27w行
也就是这条sql要运行10天以上了，简直太恐怖了。
针对此问题的分析如下：
查询和null aware anti join相关的隐含参数是否有效
收集统计信息是否有效
是否是新版本bug或者升级中修改了参数导致的
针对第一种情况：
参数是true，显然没有问题。
针对第二种情况：
收集统计信息发现无效。
那么此时，只能寄希望于第三种情况：可能是bug或者升级过程中修改了其它参数影响了无法走null aware anti join。oracle bug和参数那么多，那么我们怎么快速找到问题根源导致是哪个bug或者参数导致的呢？这里给大家分享一个神器sqlt，全称（sqltxplain），这是oracle内部性能部门开发的工具，可以在mos上下载，功能非常强劲。
此工具详细用法不做赘述，针对此工具，apress也出了一本书籍，感兴趣的可以学习一下：
回归正题，现在要找出是不是新版本bug或者修改了某个参数导致问题产生，那么就要用到sqlt的高级方法：xplore。xplore会针对oracle中的各种参数不停打开、关闭，来输出执行计划，最终我们可以通过生成的报告，找到匹配的执行计划来判断是bug问题还是参数设置问题。
使用很简单，参考readme.txt将需要测试的sql单独编辑一个文件，一般，我们测试都使用xplain方法，调用explain plan for进行测试，这样保证测试效率。
sqlt找出问题根源：
最终通过sqlt xplore找出问题根源在于新版本关闭了_optimier_squ_bottomup参数（和子查询相关）。从这点上也可以看出来，很多查询转换能够成功，不光是一个参数起作用，可能多个参数共同作用。因此，关闭默认参数，除非有强大的理由，否则，不可轻易修改其默认值。至此，此问题在sqlt的帮助下，快速得以解决，如果不使用sqlt，那么解决问题的过程显然更为曲折，一般情况下，估计是让开发先修改sql了。
思考一下，原来的sql是不是还可以更优化呢？
很显然，如果要进一步优化，要彻底对sql进行重写，通过观察，2个子查询部分有相同点，经过分析语义：查找表dt_mby_test_log在指定insert_time范围内的，按照每个tbill_id取最小的insert_time，并且id不在子查询中，然后结果按照insert_time排序，最后取top 199。
原sql使用自连接、两个子查询，冗余繁杂。自然想到用分析函数进行改写，避免自连接，从而提高效率。改写后的sql如下：
执行计划：
至此，这条sql从原来的走filter需要耗时10天，到找出问题根源可以走null aware anti join需要耗时7秒多，最后通过彻底改写耗时3.8s。
（2） or子查询中的filter
再来看下常见的or与子查询连用情况，在实际优化过程中，遇到or与子查询连用，一般都不能unnest subquery了，可能会导致严重性能问题，or与子查询连用有两种可能：
condition or subquery
subquery内部包含or,如in (select … from tab where condition1 or condition 2)
还是通过一个具体案例，分享下对于or子查询优化的处理方式，在某库11g r2中碰到如下sql，几个小时都没有执行完：
先来看下执行计划：
怎么通过看到这个执行计划，一眼定位性能慢的原因呢？主要通过下列几点来分析定位：
执行计划中的rows，也就是每个步骤返回的cardinality很少，都是几行，在分析表也不是太大，那么怎么可能导致运行几个小时都执行不完呢？很大原因可能就在于统计信息不准，导致cbo优化器估算错误，错误的统计信息导致错误的执行计划，这是第一点。
看id=15到18部分，它们是id=1 filter操作的第二子节点，第一子节点是id=2部分，很显然，如果id=2部分估算的cardinality错误，实际情况很大的话，那么对id=15到18部分四个表全扫描次数将会巨大，那么也就导致灾难产生。
很显然，id=2部分的一堆nested loops也是很可疑的，找到id=2操作的入口在id=6部分，全表扫描dealrec_err_201608，估算返回1行，很显然，这是导致nested loops操作的根源，因此，需要检验其准确性。
主表dealrec_err_201608在id=6查询条件中经查要返回2000w行，计划中估算只有1行，因此，会导致nested loops次数实际执行千万次，导致效率低下，应该走hash join，需要更新统计信息。
另外id=1是filter,它的子节点是id=2和id=15、16、17、18，同样的id 15-18也被驱动千万次。
找出问题根源后，逐步解决。首先要解决id=6部分针对dealrec_err_201608表按照查询条件substr(other_class, 1, 3) not in (‘147’,‘151’, …)获得的cardinality的准确性，也就是要收集统计信息。
然而发现使用size auto,size repeat,对other_class收集直方图均无效果，执行计划中对other_class的查询条件返回行估算还是1（实际2000w行）。
再次执行后的执行计划如下：
dealrec_err_201608与b_dealing_done_type原来走nl的现在正确走hash join。build table是小结果集，probe table是err表大结果集，正确。
但是id=2与id=11到14，也就是与tmi_no_infos的or子查询，还是filter,驱动数千万次子节点查询，下一步优化要解决的问题。
性能从12小时到2小时。
现在要解决的就是filter问题，对子查询有or条件的，简单条件如果能够查询转换，一般会转为一个union all view后再进行semi join、anti join（转换成union all view,如果谓词类型不同，则sql可能会报错）。对于这种复杂的，优化器就无法查询转换了，因此，改写是唯一可行的方法。分析sql，原来查询的是同一张表，而且条件类似，只是取的长度不同，那么就好办了！
如何让带or的子查询执行计划从filter变成join。两种方法：
1）改为union all/union
2）语义改写.前面已经使用语义改写，内部转为了类似union的操作，如果要继续减少表的访问，则只能彻改写or条件，避免转换为union操作。
再来分析下原始or条件：
上面含义是err表的tmisid截取前8,9,10,11位与tmi_no_infos.billid_head匹配，对应匹配billid_head长度正好为8,9,10,11。很显然，语义上可以这样改写：
err表与tmi_no_infos表关联，err.tmisid前8位与itmi_no_infos.billid_head长度在8-11之间的前8位完全匹配，在此前提下，tmisid like ‘billid_head %’。
现在就动手彻底改变多个or子查询，让sql更加精简，效率更高。改写如下：
1）现在的执行计划终于变的更短，更易读，通过逻辑改写走了hash join，最终一条返回300多万行数据的sql原先需要12小时运行的sql，现在3分钟就执行完了。
2）思考：结构良好，语义清晰的sql编写，有助于优化器选择更合理的执行计划，所以说，写好sql也是门技术活。
通过这个案例，希望能给大家一些启发，写sql如何能够自己充当查询转换器，编写的sql能够减少表、索引、分区等的访问，能够让oracle更易使用一些高效算法进行运算，从而提高sql执行效率。
其实，or子查询也不一定就完全不能unnest，只是绝大多数情况下无法unnest而已，请看下例：
不可unnest的查询：
可以unnest的查询：
这2条sql的差别也就是将条件or id3 = id2-1000转换成or id3-1000 = id2，前者不可以unnest,后者可以unnest，通过分析10053可以得知：
不可unnest的出现：
su: unnesting query blocks in query block sel$1 (#1) that are valid to unnest.
subquery unnesting on query block sel$1 (#1)su: performing unnesting that does not require costing.
su: considering subquery unnest on query block sel$1 (#1).
su: checking validity of unnesting subquery sel$2 (#2)
su: su bypassed: invalid correlated predicates.
su: validity checks failed.
可以unnest的出现：
并且将sql改写为：
最终cbo先查询t3条件，做个union all视图，之后与t2关联。从这里来看，对于or子查询的unnest要求比较严格，从这条语句分析，oracle可进行unnest必须要求对主表列不要进行运算操作，优化器自身并未将+1000条件左移，正因为严格，所以大部分情况下，or子查询也就无法进行unnest了，从而导致各种性能问题。
（3）类filter问题
类filter问题主要体现在update关联更新和标量子查询中，虽然此类sql语句中并未显式出现filter关键字，但是内部操作和filter操作如出一辙。
先看下update关联更新：
这里需要更新14999行，执行计划如下：
id=2部分是where exists选择部分，先把需要更新的条件查询出来，之后执行update关联子查询更新，可以看到id=5部分出现绑定变量：b1，显然update操作就类似于原来的filter，对于选出的每行与子查询表new_tab关联查询，如果id列重复值较少，那么子查询执行的次数就会很多，从而影响效率，也就是id=5的操作要执行很多次。
当然，这里字段id唯一性很强，可以建立unique index，普通index灯，这样第5步就可以走索引了。这里为了举例这种update的优化方式，不建索引，也可以搞定这样的update：mergr和update inline view方式。
merge中直接利用hash join，避免多次访问操作，从而效率大增，再来看看update line view写法：
update
(select a.status astatus,
b.status bstatus
from old_tab a,
new_tab b
where a.id=b.id
and a.id >9000000
)
set astatus=bstatus;
要求b.id是preserved key (唯一索引、唯一约束、主键），11g bypass_ujvc会报错，类似merge操作。
再来看看标量子查询，标量子查询往往也是引发严重性能问题的杀手：
标量子查询的计划和普通计划的执行顺序不同，标量子查询虽然在上面，但是它由下面的customers表结果驱动，每行驱动查询一次标量子查询（有cache例外），同样类似filter操作。
如果对标量子查询进行优化，一般就是改写sql，将标量子查询改为外连接形式（在约束和业务满足的情况下也可改写为普通join）：
通过改写之后效率大增，并且使用hash join算法。下面看一下标量子查询中的cache（filter和update关联更新类似），如果关联的列重复值特别多，那么子查询执行次数就会很少，这时候效率会比较好：
标量子查询和filter一样，有cache，如上面的emp_a有108k的行，但是重复的department_id只有11,这样只查询只扫描11次，扫描子查询表的次数少了，效率会提升。
针对filter性能杀手问题，主要分享这3点，当然，还有很多其它值得注意的地方，这需要我们日常多留心和积累，从而熟悉优化器一些问题的处理方法。
2 table函数8168基数问题
此问题来源于binding in list问题，使用table函数构造传入的逗号分隔的值作为子查询条件，一般前端传入的值都较少，但是实际上走了hash join操作，无法使用t表索引，一旦执行频率高，必然对系统影响较大，为什么oracle不知道table函数传入了很少的值呢？
进一步分析：
从上面结果看出，table函数的默认行数是8168行(table函数创建的伪表是没有统计信息的)，这个值不小了，一般比实际应用中的行数要多的多，经常导致执行计划走hash join，而不是nested loop。怎么改变这种情况呢?当然可以通过hint提示来改变执行计划了,对where in list，常常使用的hint有：
first_rows，index，cardinality，use_nl等。
这里特别介绍下cardinality(table|alias,n)，这个hint很有用，它可以让cbo优化器认为表的行数是n，这样就可以改变执行计划了。现在改写上面的查询：
加了cardinality(tab,5)自动走cbo优化器了，优化器把表的基数看成5，前面的where in list查询基数默认为8168的时候走的是hash join，现在有了cardinality，赶紧试试：
现在走nested loops操作，子节点可以走index range scan，逻辑读从184变成7，效率提升数十倍。当然，实际应用中，最好不要加hints,可以使用sql profiler绑定。
3 选择性计算不准确问题
oracle内部计算选择性都是以数字格式计算，因此，遇到字符串类型，会将字符串转换成raw类型，再将raw类型转换成数字，并且round到左起15位，这样对于转换后的数字很大，可能原来字符串相差比较大的，内部转换后的数字比较接近，这样就会引起选择性计算不准确问题。如下例：
sql执行计划走tem_id索引，需要运行1小时以上，计划中对应步骤cardinality很少（几十级别），实际很大（百万级别），判断统计信息出错。
为什么走错索引？
由于tem_id是char字符串类型，长度20，cbo内部计算选择性会先将字符串转为raw，然后raw转为数字，左起round 15位。因此，可能字符串值差别大的，转换成数字后值接近（因为超出15位补0），导致选择性计算错误。以ts_tem_info_dead中的tem_id列为例：
而实际根据条件查询出的行数 29737305。因此，索引走错了。
解决方法：
收集tem_id列直方图，由于内部算法有一定限制，导致值不同的字符串，内部计算值可能一致，所以收集直方图后，针对字符串值不同，但是转换成数字后相同的，oracle会将实际值存储到endpoint_actual_value中，用于校验，提高执行计划的准确性。走正确索引gpytm_id后，运行时间从1小时以上到5s内。
4 新特性引发执行出错问题
每个版本都会引入很多新特性，对于新特性，使用不当可能会引发一些严重问题，常见的比如acs、cardinality feedback导致执行计划变动频繁，影响效率，子游标过多等，所以，针对新特性需要谨慎使用，包括前面说的11g null aware anti join也存在很多bug。
今天要分析的案例是10g到11g大版本升级过程中遇到的sql，在10g中正常运行，但是到11g中却执行出错。sql如下：
10g正常，升级11g r2后日期转换出错,temp_value_code存多种格式字符串。正确执行计划lt关联查询先执行，之后与外表关联。错误执行计划是task_spring_values先与外表关联然后分组，作为view再与task_spring_label关联，再次进行分组，这里有2个group by操作，与10g执行计划中只有1个group by操作不同，最终导致报错。
很显然，对于为什么出现两个group by操作，需要进行研究，首选10053：
分析按照10053操作，是否找到非日期格式值：
的确找到非yyyy-mm-dd格式字符串，因此，to_date操作失败。通过10053可以看出，这里使用了group by/distinct placement操作，因此，需要找到对应的控制参数，关闭此查询转换。
关闭gbp隐含参数后正确：_optimizer_group_by_placement。正确执行计划如下：
思考：这个问题的本质在于字段用途设计不合理，其中temp_value_code作为varchar2存储普通字符、数字型字符、日期格式yyyy-mm-dd，程序中有to_number,to_date等转换，非常依赖于执行计划中表连接和条件的先后顺序。所以，良好的设计很重要，特别要保证各关联字段类型的一致性以及字段作用的单一性，符合范式要求。
5 坑爹写法cbo无能为力
结构优良的sql能够更易被cbo理解，从而更好地进行查询转换操作，从而为后续生成最佳执行计划打下基础，然后实际应用过程中，因为不注重sql写法，导致cbo也无能为力。下面以分页写法案例作为探讨。
低效分页写法：
原写法最内层根据use_date等条件查询，然后排序，获取rownum并取别名，最外层使用rn规律。问题在哪？
分页写法如果直接<,<=可在排序后直接rownum获取（两层嵌套），如果需要获取区间值，在最外层获取>,>=（三层嵌套）。
此语句获取<=,而使用三层嵌套，导致无法使用分页查询stopkey算法，因为rownum会阻止谓词推入，导致执行计划中没有stopkey操作。
<=分页只需要2层嵌套，done_date列有索引，根据条件done_date>to_date(‘20150916’,‘yyyymmdd’)和只获取前20行，可高效利用索引和stopkey算法，改写完成后使用索引降序扫描，执行时间从1.72s到0.01s,逻辑io 从42648到59，具体如下：
高效分页写法应该符合规范，并且能够充分利用索引消除排序。
6 cbo bug问题
cbo bug出现比较多的就是在查询转换中，一旦出现bug，可能查找就比较困难，这时候应该通过分析10053或者通过使用sqlt xplore快速找到问题根源。如下例：
这个表的oper_type有索引，并且条件oper_type>’d’ or oper_type<’d’走索引较好，但是实际上oracle却走了全表扫描，通过sqlt xplore快速分析：
其中上面2个是走索引的执行计划，点进去：
很显然，_fix_control=8275054很可疑，通过查询mos：
转换成a<>b，很显然使用不了索引了，可以通过关闭此8275054解决。
7 hash碰撞问题
hashjoin是专门用来做大数据处理的高效算法，并且只能用于等值连接条件，针对表build table（hash table）和probe table构建hash运算，查找满足条件的结果集。
一般格式如下：
hash join
build table
probe table
这里的build table应该选择通过过滤条件过滤后，结果集尺寸较小的表（size不是rows），然后按照连接条件进行hash函数运算，把需要的列和hash函数运算结果存储到hash bucket中，hash bucket自身是链表结构。同样，对于probe table也需要进行hash函数运算，并根据运算结果到build table的hash bucket中去查询，查到满足，查不到丢弃。当然，oracle hash join内部构造还是很复杂的，具体可以参考jonathan lewis的cbo原理书。
hash查找天生存在的问题：
一旦build table的连接条件列选择性不好（也就是重复值特别多），那么某些hash bucket上可能存储大量数据，由于hash bucket自身是链表结构，那么当查询这些hash bucket时，效率会急剧下降，此问题就是hash运算的经典问题hash collision（hash碰撞）。
下面用一个小例子来分析下hash碰撞：
其中a表61w多条记录，b表7w多条记录，此sql结果返回8w多条记录，从执行计划来看，做hash join运算没有什么问题，但是实际此sql执行10多分钟都没有执行完，效率非常低下，cpu使用率突增，远远大于访问两个表的时间。
如果你了解hashjoin，这时候，你应当考虑是不是遇到hash collision了，如果很多bucket上存储大量数据，那么对于这样的hash bucket里的数据查找那就类似于nested loops了，必然效率大减。如下进一步分析：
查找一下大于重复数据大于3000条的值，果然有很多，当然剩下数据也有很多比较大，探测hash join，可以使用event 10104：
可以看到存储100行+的bucket有61个，而且最多的一个bucket中存储了3782条，也就是和我们查询出来的一致。还是回到原始sql：
oralce为什么选择substr(b.object_name,1,2)来构建hash表呢，如果能将or展开，原始sql改为一个union all形式的，那么hash表可以采用substr(b.object_name,1,2)和b.object_id以及data_object_id来构建，那么必然唯一性很好，那应该可以解决hash collision问题，改写如下：
现在的sql执行时间从原来的10几分钟都没有结果，到4s执行完毕，再来看内部构建的hashtable信息：
最多的一个bucket中只存储6条数据，那肯定性能比前面好很多了。hash碰撞的危害很大，实际应用中，可能比较复杂，如果遇到hash碰撞问题，最好的方式就是进行sql重写，尽量从业务上分析，能不能增加其它选择性比较好的列进行join。
回头来看看，既然我都知道改写成union all后，就采用2个组合列构建比较好的hash表，那么oracle为什么不这样做呢？很简单，我这里只是举例刻意这么做的而已，用以说明hash碰撞的问题，对于这种简单sql，有选择性更好的列，收集下统计信息，oracle就可以将的sql进行or展开了。
三、加强sql审核，解决性能问题于襁褓之中
应用系统sql众多，如果总是作为救火队员角色解决线上问题，显然不能满足当今it系统高速发展的需求，基于数据库的系统，主要性能问题在于sql语句，如果能在开发测试阶段就对sql语句进行审核，找出待优化sql，并给予智能化提示，快速辅助优化，则可以避免众多线上问题。另外，还可以对线上sql语句进行持续监控，及时发现性能存在问题的语句，从而达到sql的全生命周期管理目的。
为此，公司结合多年运维和优化经验，自主研发了sql审核工具，极大提升sql审核优化和性能监控处理效率。
sql审核工具采用四步法则：sql采集—sql分析—sql优化—上线跟踪，sql审核四步法区别传统的sql优化方法，它着眼于系统上线前的sql分析和优化，重点解决sql问题于系统上线前，扼杀性能问题于襁褓之中。如下图所示：
通过sql性能管理平台可解决下列问题：
事前：上线前sql性能审核，扼杀性能问题于襁褓之中；
事中：sql性能监控处理，及时发现上线后sql性能发生的变化，在sql性能变化并且没有引起严重问题时，及时解决；
事后：topsql监控，及时告警处理。
sql性能管理平台实现了sql性能的360度全生命周期管控，并且通过各种智能化提示和处理，将绝大多数本来因sql引发的性能问题，解决在问题发生之前，提高系统稳定度。
下面是sql审核的一个典型案例：
原sql执行1688s。通过sql审核智能优化准确找到优化点—分区列有类型转换。优化后0.86s。
sql审核是新炬数据库性能管理平台dpm的一个模块，想了解更多关于dpm的信息，可加邹德裕大师（微信：carydy）交流探讨。
今天主要和大家分享了一些oracle优化器中存在的问题以及常见问题解决方法，当然，优化器问题不仅限于今天分享的，虽然cbo非常强大，并且在12c中有巨大改进，但是，存在的问题也很多，只有平时多积累和观察，掌握一定的方法，在能在遇到问题事后运筹帷幄，决胜千里。
q&a
q1：hash join是不是有排序，可以简单说说hash join的原理吗？
a1：oracle hash join自身不需要排序，这是区别sortmerge join特点之一。oracle hash join原理比较复杂，可以参考jonathan lewis的cost-based oracle fundamentals的hash join部分，针对hashjoin最重要的是在原理基础上搞清楚什么时候会慢，比如hash_area_size过小，hash table不能完全放到内存中，那么会发生磁盘hash运算，再比如上面讲的hash碰撞发生。
q2：什么时候不走索引？
a2：不走索引情况比较多，首要的原因就是统计信息不准导致的，第二原因就是选择性太低，走索引比走全扫效率更差，还有一个比较常见的就是对索引列进行了运算，导致无法走索引。其它还有很多原因会导致不能走索引，详细参考mos文档：diagnosing why a query is not using an index (文档 id 67522.1)。
原文发布时间为：2017-02-27
本文来自云栖社区合作伙伴dbaplus