多塊讀的場景
Full Table Scan --全表掃描
Index Fast Full Scans --索引快速全掃描

單塊讀的場景
Rowid Scans --直接透過Rowid獲取
Index Unique Scans --索引唯一掃描
Index Range Scans --索引區域性掃描
Index Skip Scans --索引跳躍掃描
Index Full Scans --索引全掃描

全表掃描（Full Table Scans FTS）
為實現全表掃描，Oracle 讀取表中所有行，並檢查每一行是否滿足語句的WHERE 限制條件，全表掃描時一次I/O 能讀取多個資料庫塊(db_file_multiblock_read_count引數設定)，而不是隻讀取一個資料塊，即多塊讀，這極大的減少了I/O 總次數，提高了系統的吞吐量。

索引掃描（Index Scan或index lookup）
我們先透過index 查詢到資料對應的rowid 值（對於非唯一索引可能返回多個rowid 值），然後根據rowid 直接從表中得到具體的資料，這種查詢方式稱為索引掃描或索引查詢（indexlookup）。
一個rowid 唯一的表示一行資料，該行對應的資料塊是透過一次I/0 得到的，在此情況下該次i/o 只會讀取一個資料庫塊，即單塊讀。

在索引中，除了儲存每個索引的值外，索引還儲存具有此值的行對應的ROWID 值。
索引掃描可以由2 步組成：
1 掃描索引得到對應的rowid 值。
2 透過找到的rowid 從表中讀出具體的資料。
每步都是單獨的一次I/O，但是對於索引，由於經常使用，絕大多數都已經CACHE 到記憶體中，所以第1 步的I/O 經常是邏輯I/O，即資料可以從記憶體中得到。但是對於第2 步來說，如果表比較大，則其資料不可能全在記憶體中，所以其I/O 很有可能是物理I/O，這是一個機械操作，相對邏輯I/O 來說，是極其費時間的。

為什麼多塊讀比單塊讀快，即為什麼有時全表掃描比索引掃描還快
因為邏輯讀物理讀單位是次塊（一次讀取相同或不同塊數情況下，看讀取了多少次，當然邏輯讀沒有IO，只有物理讀有IO）,資料總塊數一樣的情況下，多塊讀的話，讀取次數就少，邏輯讀或物理讀就少了，而全表掃描就是多塊讀。
個人理解：一個IO就是一個IO，不管多塊，還是單塊，都是一個次IO。
就好比你花1塊錢買了1顆糖，有人1塊能買10顆糖，消耗的成本其實都是1塊錢。
再比如一秒內要讀完10個塊，單塊讀的話1次讀一個塊，需要10次，多塊讀的話假如1次讀10個塊，需要1次。雖然兩者產生的IO吞吐量都是一樣的，但是前者的IOPS是10，後者的IOPS是1，而一次IO的開啟和結束是要消耗作業系統很多資源的。

案例1
假定多塊讀，一次讀取5個資料庫塊，一張大表10000個資料庫塊，100個索引塊，如果要取出的資料大於總量的20%，使用索引掃描，因為兩步的每一步都是單獨的一次I/O,且每一次I/O都是單塊讀只能讀取一個資料庫塊，所以要掃描的次數=索引塊的數量+全部資料塊的20%的數量=100+10000*20%=2100次，如果都是物理讀那麼其中IO次數就是2100；使用全表掃描，一次就讀取5個資料塊，所以要掃描的次數=全部資料庫/5=10000/5=2000，如果都是物理讀那麼IO次數就是2000。

案例2
假設一張表含有10萬行資料--------100000行
我們要讀取其中20%(2萬)行資料----20000行
這張表一共有10000個資料塊--------10000塊(一個塊10行，每行800位元組)
透過索引讀取20000行資料 = 約20000個table access by rowid = 需要處理20000個塊來執行這個查詢，但是，整個表只有10000個塊，所以：如果按照索引讀取全部的資料的20%相當於將整張表平均讀取了2次。

當然也不能說索引讀取行數大於整表的塊數，那都是全表掃描了，還要考慮讀取的塊是邏輯讀還是物理讀。
如果都是邏輯讀，肯定是索引掃描次數大於全表掃描次數
如果都是物理讀，不CLUSTERING_FACTOR極端的情況下，肯定是索引掃描小於全表掃描
--比如上面案例2索引掃描雖然要處理20000個塊，但是這20000個塊，肯定不是都是物理讀，其中物理讀IO正常情況下大概也就2000個塊(佔整表塊的20%)，全表掃描的話如果都是物理讀那麼IO是10000個塊。
當然如果這20%的資料分佈極端雜湊，分佈在了表的所有塊上，也就是10000個塊上，如果索引掃描和全表掃描都是物理讀，那麼索引掃描的IO=100+10000，全表掃描的IO=10000

所以如果較大表進行索引掃描，取出的資料如果大於總量的5%—10%，使用索引掃描可能效果還不如全表掃描

索引掃描可能不如全表掃描的場景的理解__純粹資料量而言，不涉及CLUSTERING_FACTOR

相關文章