分類: Oracle

Java學習-Java socket應用的幾個小實例

用於本機上的客護端與服務器對話的小程序：

　　客護端：

　　import java.io.BufferedReader;

　　import java.io.BufferedWriter;

　　import java.io.InputStreamReader;

　　import java.io.OutputStreamWriter;

　　import java.net.Socket;

　　public class Client extends Thread

　　{

　　public void Write() throws Exception

　　{

　　Socket s=new Socket(“127.0.0.1″,12345);

　　BufferedWriter bw=new BufferedWriter(new OutputStreamWriter(s.getOutputStream()));

　　BufferedReader br=new BufferedReader(new InputStreamReader(System.in));

　　String message=”客護端說:”;

　　while(!(message.equals(“”)))

　　{

　　message=br.readLine();

　　System.out.println(“客護端說:”+message);

　　bw.write(message+”\n”);

　　bw.flush();

　　}

　　bw.close();

　　s.close();

　　}

　　public void run()

　　{

　　Socket m=null;

　　BufferedReader dr=null;

　　try

　　{

　　m=new Socket(“127.0.0.1″,12345);

　　dr=new BufferedReader(new InputStreamReader(m.getInputStream()));

　　String msg=”服務器說:”;

　　while(!(msg.equals(“”)))

　　{

　　msg=dr.readLine();

　　System.out.println(“服務器說:”+msg);

　　}

　　}

　　catch(Exception e){e.printStackTrace();}

　　finally

　　{

　　try

　　{

　　dr.close();

　　m.close();

　　}

　　catch(Exception e){e.printStackTrace();}

　　}

　　}

　　public static void main(String args[])throws Exception

　　{

　　Client c=new Client();

　　c.start();

　　c.Write();

　　}

　　}

　　服務器：

　　import java.io.BufferedReader;

　　import java.io.BufferedWriter;

　　import java.io.InputStreamReader;

　　import java.io.OutputStreamWriter;

　　import java.net.ServerSocket;

　　import java.net.Socket;

　　public class Server extends Thread

　　{

　　private ServerSocket ss=null;

　　public Server ()throws Exception

　　{

　　ss=new ServerSocket(12345);

　　}

Oracle大量數據插入之性能優化理解

在學習Oracle中，我們使用SQL和ODBC鏈接進行數據插入，單獨插入少量數據時，沒有問題。但是在插入大量數據時，就會出現異常，內存溢出錯誤。

　　如何解決在進行大量數據插入時，java程序能夠有效快速的進行數據處理。這就是數據庫中性能優化的問題。

　　為什麽要進行性能優化。

　　首先，在大量數據處理中 壹般常規的方式會造成程序處理效率和時間低下。達不到產品上線要求。

　　其次，沒有性能優化在產品維護時也會出現很多錯誤，帶來麻煩。

　　如何進行性能優化。

　　壹般軟件都會進行大量數據測試，對性能做個整體評估，然後找出最好的方法來編寫需要的代碼。

　　同時再次進行測試達到最佳的性能點。

　　對於Oracle大量數據插入的性能優化我們采用如下方法進行

　　先采用常規方式編寫代碼，如在放入數據時就直接使用list接口方法進行。

　　插入數據中不進行批處理使用。

　　發現，在插入10萬數據中 內存溢出，而且數據庫使用時間非常長。

　　於是，我們先采用數據庫批處理命令 采用每1000條數據再進行壹次提交

　　使用addBAEACH 方法，和excutbeach 方法來處理

　　代碼為

　　ps.addBatch();

　　if(i!=0&&i%10000==0) {

　　ps.executeBatch();

　　con.commit();

　　ps.clearBatch();

　　}

　　同時也使用預編譯語句進行插入。

　　但是在仍然不能解決虛擬機內存溢出問題

　　於是我們使用

　　String[] fileList = new File(uploadDir).list();

　　ArrayList<String[]> array = new ArrayList<String[]>();

　　array.clear();

　　來解決讀取文件後如何放入數據庫中再使用SQL語句進行插入。

　　經過反復測試。最後找到最優點。在插入100萬數據情況下 每次1萬條數據提交。性能最優。

ORACLE中dbms_stats的使用

dbms_stats能良好地估計統計數據（尤其是針對較大的分區表），並能獲得更好的統計結果，最終制定出速度更快的SQL執行計劃。

　　exec dbms_stats.gather_schema_stats(

　　ownname          => ‘SCOTT’,

　　options          => ‘GATHER AUTO’,

　　estimate_percent => dbms_stats.auto_sample_size,

　　method_opt       => ‘for all columns size repeat’,

　　degree           => 15

　　)       為了充分認識dbms_stats的好處，需要仔細體會每壹條主要的預編譯指令（directive）。下面讓我們研究每壹條指令，並體會如何用它為基於代價的SQL優化器收集最高質量的統計數據。

　　options參數

　　使用4個預設的方法之壹，這個選項能控制Oracle統計的刷新方式：

　　gather——重新分析整個架構（Schema）。

　　gather empty——只分析目前還沒有統計的表。

　　gather stale——只重新分析修改量超過10%的表（這些修改包括插入、更新和刪除）。

　　gather auto——重新分析當前沒有統計的對象，以及統計數據過期（變臟）的對象。註意，使用gather auto類似於組合使用gather stale和gather empty。

　　註意，無論gather stale還是gather auto，都要求進行監視。如果妳執行壹個alter table xxx monitoring命令，Oracle會用dba_tab_modifications視圖來跟蹤發生變動的表。這樣壹來，妳就確切地知道，自從上壹次分析統計數據以來，發生了多少次插入、更新和刪除操作。

　　estimate_percent選項

　　estimate_percent參數是壹種比較新的設計，它允許Oracle的dbms_stats在收集統計數據時，自動估計要采樣的壹個segment的最佳百分比：

　　estimate_percent => dbms_stats.auto_sample_size

　　要驗證自動統計采樣的準確性，妳可檢視dba_tables sample_size列。壹個有趣的地方是，在使用自動采樣時，Oracle會為壹個樣本尺寸選擇5到20的百分比。記住，統計數據質量越好，CBO做出的決定越好。

　　method_opt選項

　　method_opt：for table –只統計表

　　for all indexed columns –只統計有索引的表列

　　for all indexes –只分析統計相關索引

　　for all columns

　　dbms_stats的method_opt參數尤其適合在表和索引數據發生變化時刷新統計數據。method_opt參數也適合用於判斷哪些列需要直方圖（histograms）。

　　某些情況下，索引內的各個值的分布會影響CBO是使用壹個索引還是執行壹次全表掃描的決策。例如，假如在where子句中指定的值的數量不對稱，全表掃描就顯得比索引訪問更經濟。

　　如果妳有壹個高度傾斜的索引（某些值的行數不對稱），就可創建Oracle直方圖統計。但在現實世界中，出現這種情況的機率相當小。使用CBO時，最常見的錯誤之壹就是在CBO統計中不必要地引入直方圖。根據經驗，只有在列值要求必須修改執行計劃時，才應使用直方圖。

　　為了智能地生成直方圖，Oracle為dbms_stats準備了method_opt參數。在method_opt子句中，還有壹些重要的新選項，包括skewonly，repeat和auto：

　　method_opt=>’for all columns size skewonly’

　　method_opt=>’for all columns size repeat’

　　method_opt=>’for all columns size auto’

　　skewonly選項會耗費大量處理時間，因為它要檢查每個索引中的每個列的值的分布情況。

　　假如dbms_stat發現壹個索引的各個列分布得不均勻，就會為那個索引創建直方圖，幫助基於代價的SQL優化器決定是進行索引訪問，還是進行全表掃描訪問。例如，在壹個索引中，假定有壹個列在50%的行中，如清單B所示，那麽為了檢索這些行，全表掃描的速度會快於索引掃描。

　　–*************************************************************

　　– SKEWONLY option—Detailed analysis

　　–

　　– Use this method for a first-time analysis for skewed indexes

　　– This runs a long time because all indexes are examined

　　–*************************************************************

　　begin

　　dbms_stats.gather_schema_stats(

　　ownname          => ‘SCOTT’,

　　estimate_percent => dbms_stats.auto_sample_size,

　　method_opt       => ‘for all columns size skewonly’,

　　degree           => 7

　　);

　　end;

　　重新分析統計數據時，使用repeat選項，重新分析任務所消耗的資源就會少壹些。使用repeat選項（清單C）時，只會為現有的直方圖重新分析索引，不再搜索其他直方圖機會。定期重新分析統計數據時，妳應該采取這種方式。

　　–**************************************************************

　　– REPEAT OPTION – Only reanalyze histograms for indexes

　　– that have histograms

　　–

　　– Following the initial analysis, the weekly analysis

　　– job will use the “repeat” option. The repeat option

　　– tells dbms_stats that no indexes have changed, and

　　– it will only reanalyze histograms for

　　– indexes that have histograms.

　　–**************************************************************

　　begin

　　dbms_stats.gather_schema_stats(

　　ownname          => ‘SCOTT’,

　　estimate_percent => dbms_stats.auto_sample_size,

　　method_opt       => ‘for all columns size repeat’,

　　degree           => 7

　　);

　　end;