技术头条 - 一个快速在微博传播文章的方式     搜索本站
您现在的位置首页 --> 算法 --> 布隆过滤(Bloom Filter)-必须了解的优化器算法

布隆过滤(Bloom Filter)-必须了解的优化器算法

浏览:1960次  出处信息
在最近的一次用户升级中,客户将数据库从11.2.0.1升级到了11.2.0.3版本,虽然只是一个小版本的变化,确引起了严重的性能问题。原本正常的SQL执行计划,因为使用了布隆过滤,导致了百倍的性能衰减。在版本升级中,严格的性能测试必不可少,比对SQL执行计划变化,是测试评估的必要步骤。

    布隆过滤器(Bloom Filter)是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法,缺点是有一定的误识别率和删除困难。

    吴军博士,在《数学之美》一书中,曾经介绍过这个算法,以下内容转引自吴军博士的文章

    假定我们存储一亿个电子邮件地址,我们先建立一个十六亿二进制(比特),即两亿字节的向量,然后将这十六亿个二进制全部设置为零。对于每一个电子邮件地址 X,我们用八个不同的随机数产生器(F1,F2, ...,F8) 产生八个信息指纹(f1, f2, ..., f8)。再用一个随机数产生器 G 把这八个信息指纹映射到 1 到十六亿中的八个自然数 g1, g2, ...,g8。现在我们把这八个位置的二进制全部设置为一。当我们对这一亿个 email 地址都进行这样的处理后。一个针对这些 email 地址的布隆过滤器就建成了。(见下图)

    

    现在,让我们看看如何用布隆过滤器来检测一个可疑的电子邮件地址 Y 是否在黑名单中。我们用相同的八个随机数产生器(F1, F2, ..., F8)对这个地址产生八个信息指纹 s1,s2,...,s8,然后将这八个指纹对应到布隆过滤器的八个二进制位,分别是 t1,t2,...,t8。如果 Y 在黑名单中,显然,t1,t2,..,t8 对应的八个二进制一定是一。这样在遇到任何在黑名单中的电子邮件地址,我们都能准确地发现。

    布隆过滤能够使用极低的存储空间,存储海量数据的映射,从而可以提供快速的过滤机制。

    这一算法在Oracle Database 10gR2中被引入到Oracle数据库中,在类似如下的执行计划中,就可以看到布隆过滤的作用:

    -----------------------------------------------------------------------------------------------

    | Id  | Operation                             | Name      | Pstart| Pstop |IN-OUT| PQ Distrib |

    -----------------------------------------------------------------------------------------------

    |   0 | SELECT STATEMENT                      |           |       |       |      |            |

    |   1 |  PX COORDINATOR                       |           |       |       |      |            |

    |   2 |   PX SEND QC (RANDOM)                 | :TQ10002  |       |       | P->S | QC (RAND)  |

    |*  3 |    FILTER                             |           |       |       | PCWC |            |

    |   4 |     HASH GROUP BY                     |           |       |       | PCWP |            |

    |   5 |      PX RECEIVE                       |           |       |       | PCWP |            |

    |   6 |       PX SEND HASH                    | :TQ10001  |       |       | P->P | HASH       |

    |   7 |        HASH GROUP BY                  |           |       |       | PCWP |            |

    |*  8 |         HASH JOIN                     |           |       |       | PCWP |            |

    |   9 |          PART JOIN FILTER CREATE      | :BF0000   |       |       | PCWP |            |

    |  10 |           PX RECEIVE                  |           |       |       | PCWP |            |

    |  11 |            PX SEND PARTITION (KEY)    | :TQ10000  |       |       | P->P | PART (KEY) |

    |  12 |             PX BLOCK ITERATOR         |           |       |       | PCWC |            |

    |  13 |              TABLE ACCESS FULL        | CUSTOMERS |       |       | PCWP |            |

    |  14 |          PX PARTITION HASH JOIN-FILTER|           |:BF0000|:BF0000| PCWC |            |

    |* 15 |           TABLE ACCESS FULL           | SALES     |:BF0000|:BF0000| PCWP |            |

    -----------------------------------------------------------------------------------------------

    Predicate Information (identified by operation id):

    ---------------------------------------------------

     3 - filter(COUNT(SYS_OP_CSR(SYS_OP_MSR(COUNT(*)),0))>100)

     8 - access("S"."CUST_ID"="C"."CUST_ID")

     15 - filter("S"."TIME_ID"<=TO_DATE(\' 1999-10-01 00:00:00\', \'syyyy-mm-dd hh24:mi:ss\') AND

    "S"."TIME_ID">=TO_DATE(\' 1999-07-01 00:00:00\', \'syyyy-mm-dd hh24:mi:ss\'))

    在以上执行计划中,BF0000 即 Bloom Filter的缩写提示。

    而PART JOIN FILTER CREATE 这个步骤,是创建Bloom Filter的过程,在14,15 PX PARTITION HASH JOIN-FILTER中,过滤器被使用。

    Oracle的很多新特性在最初引入时,都可能带来BUG,影响性能,所以了解Oracle数据库在不同版本中引入的新特性,对于DBA来说非常重要。

    以下两个链接,可以作为参考:

    http://www.acoug.org/wp-content/uploads/2010/04/ACOUG-OracleSortAndBloomFilter-Fuyuncat.pdf

    http://antognini.ch/papers/BloomFilters20080620.pdf

QQ技术交流群:445447336,欢迎加入!
扫一扫订阅我的微信号:IT技术博客大学习
<< 前一篇:聊聊如何检测素数
后一篇:空指针的解引用 >>
© 2009 - 2024 by blogread.cn 微博:@IT技术博客大学习

京ICP备15002552号-1