分享

java为啥使用 preparestatement

 xplq 2011-06-11
JAVA 程序中使用ORACLE 绑定变量( bind variable )

1、为什么要使用绑定变量

1SQL语句硬分析(Hard Parse)太多,严重消耗CPU资源,延长了SQL语句总的执行时间

SQL语句的执行过程分几个步骤:语法检查、分析、执行、返回结果。其中分析分为硬分析(Hard Parse)和软分析(Soft Parse)。一条SQL语句通过语法检查后,Oracle 会先去shared pool 中找是否有相同的sql,如果找着了,就叫软分析,然后执行SQL语句。硬分析主要是检查该sql所涉及到的所有对象是否有效以及权限等关系,然后根据RBOCBO模式生成执行计划,然后才执行SQL语句。

可以看出,硬分析比软分析多了很多动作,而这里面的关键是“在shared pool 中是否有相同的sql”,而这就取决于是否使用绑定变量。

另:oracle9i引入了soft soft parse,先到pga中的session cursor cache list列表中去查找(session cursor cache list的长度是由session_cache_cursor参数决定的),如果没有找到这条sql,这时候才去检查shard_pool. 对于Oltp系统,很多时候硬分析的代价比执行还要高,这个我们可以通过10046事件跟踪得知。

2)共享池中SQL语句数量太多,重用性极低,加速了SQL语句的老化,导致共享池碎片过多。

共享池中不同的SQL语句数量巨大,根据LRU原则,一些语句逐渐老化,最终被清理出共享池;这样就导致shared_pool_size 里面命中率下降,共享池碎片增多,可用内存空间不足。而为了维护共享池内部结构,需要使用latch,一种内部生命周期很短的lock,这将使用大量的cpu 资源,使得性能急剧下降。

不使用绑定变量违背了oracle shared pool 的设计的原则,违背了这个设计用来共享的思想。

2、怎么查看没有使用绑定变量

select * from v$sql or v$sqlarea 查看是否有很多类似的语句,除了变量不一样,其他的都一样

3、如何使用绑定变量?

编写java 程序时,我们习惯都是定义JAVA 的程序变量,放入SQL 语句中,如

String v_id = 'xxxxx';

String v_sql = 'select name from table_a where id = ' + v_id ;

以上代码,看起来是使用了变量v_id ,但这却是java 的程序变量,而不是oracle 的绑定变量,语句传递到数据库后,此java 的程序变量

已经被替换成具体的常量值,变成:

select * from table_a where name = 'xxxxx' ;

假定这个语句第一次执行,会进行硬分析。后来,同一段java 代码中v_id 值发现变化(v_id = 'yyyyyy'),数据库又接收到这样的语句:

select * from table_a where name = 'yyyyyy' ;

ORACLE 并不认为以上两条语句是相同的语句,因此对第二条语句会又做一次硬分析。这两条语句的执行计划可是一样的!

其实,只需将以上java 代码改成以下这样,就使用了oracle 的绑定变量:

String v_id = 'xxxxx';

String v_sql = 'select name from table_a where id = ? '; //嵌入绑定变量

stmt = con.prepareStatement( v_sql );

stmt.setString(1, v_id ); //为绑定变量赋值

stmt.executeQuery();

Java中,结合使用setXXX 系列方法,可以为不同数据类型的绑定变量进行赋值,从而大大优化了SQL 语句的性能。

4java中应用绑定变量的例子

PreparedStatement stmt = conn.prepareStatement('select a from b where c = ? ');

stmt.setLong(1,123);

stmt.executeQuery()

……

结论:

绑定变量主要适用在Oltp,运行时间很短的系统。如客服系统,时时地进行insert方面的系统。 数据仓库系统不适用,和数据库仓库系统的一条sql运行时间相比,硬分析的代价显然是微不足道的,通过硬分析去选择正确的执行计划才是关键。

简单一句话,在Oltp系统中应用绑定变量,性能会有质的提高。

 

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多