数据库操作：DDL与DML的性能对比

“五件关于性能的事情” 在数据库管理和优化领域，性能是至关重要的。"Five Things Performance" 主题主要关注了如何有效地处理数据操作以及理解 DDL（Data Definition Language）和 DML（Data Manipulation Language）对性能的影响。以下是对这个主题的详细解读： 1. **DML (Data Manipulation Language)**：DML 是 SQL 的一部分，用于插入、更新、删除数据库中的数据。在描述中提到，DML 对于修改少量行（即使不是总行数的小百分比）特别有效，尤其是在在线事务处理（OLTP）系统中。然而，当需要更新大量数据时，DML 可能会导致全表扫描，例如在示例中更新一个百万行表的1%数据，即使这1%的数据分散在整个表中，DML 会读取并修改每个块，这可能极大地影响性能。 2. **DDL (Data Definition Language)**：与 DML 相反，DDL 用于创建、修改或删除数据库结构，如表、索引和视图。在示例中，创建了一个名为 'T' 的表，并使用 DDL 的 `INSERT APPEND` 语句快速地填充了100万行数据。这种方式通常比逐行插入更高效，因为它减少了事务处理和磁盘 I/O。 3. **批量操作与性能**：在填充数据后，通过查询计算每个块的行数，结果显示大部分块包含约990行数据，这表明数据分布均匀。这种情况下，使用 DDL 进行大规模数据插入往往比使用 DML 更快，因为它避免了多次的磁盘访问和事务提交。 4. **统计信息收集**：最后，执行 `DBMS_STATS.GATHER_TABLE_STATS` 存储过程来收集表 'T' 的统计信息。这是数据库优化器为了做出更好的执行计划而需要的关键信息。定期更新这些统计信息可以确保数据库能够准确地估算查询成本，从而提高查询性能。 5. **性能优化策略**：在设计和优化数据库时，考虑 DML 和 DDL 操作的适当平衡至关重要。对于大量数据的操作，可能需要考虑使用批量加载（如 `INSERT APPEND`）或物化视图等技术。同时，了解数据分布和存储结构，以及适时更新统计信息，都是提升性能的关键。 总结来说，"Five Things Performance" 强调了在数据库管理中理解 DML 和 DDL 的不同影响，以及如何利用它们来优化性能。在实际操作中，应根据具体场景选择合适的数据操作方式，并结合统计信息进行有效的性能调优。