数据恢复|【错综复杂】一个执行计划异常变更的案例（中）

2017年12月21日

刘晨

1897

前文回顾：

一个执行计划异常变更的案例（上）

上篇文章我们说了，绑定变量实际是一些占位符，可以让仅查询条件不同的SQL语句可以重用解析树和执行计划，避免硬解析。绑定变量窥探则是第一次执行SQL硬解析时，会窥探使用的绑定变量值，根据该值的分布特征，选择更合适的执行计划，

其缺点在于如果绑定变量列值分布不均匀，由于只有第一次硬解析才会窥探，所以可能接下来的SQL执行会选择错误的执行计划。

有时可能我们需要查看某条SQL使用了什么绑定变量值，导致执行计划未用我们认为最佳的一种。

方法一：10046

使用level=4的10046事件，查看生成的trace文件：

可以看出绑定变量值是’Z’。

方法二：v$sql_bind_capture

首先找出SQL对应的sql_id：

从v$sql_bind_capture可以看出两个绑定变量占位符以及对应的值

这里有一点值得注意的就是，DATATYPE_STRING列的描述是“绑定变量数据类型的文本表示”，开始我认为就是绑定变量字段的数据类型，但实际看来不是，DATATYPE_STRING列只是来告诉你绑定变量列是字符型，还是数值型。

我们此时换一下绑定变量值，发现v$sql_bind_capture信息未变，dbsnake的书中曾说过当SQL执行硬解析时绑定变量值被捕获，并可从视图v$sql_bind_capture中查询。

常理上认为，既然使用了绑定变量，在值分布均匀的情况下，只需要SQL执行第一次硬解析时窥探一下，后续执行的SQL执行计划应该比较稳定。对于执行软解析/软软解析的SQL，默认情况下间隔15分钟才能被捕获，为了避免频繁捕获绑定变量值带来的系统性能开销，只要能比较实时地查看第一次绑定变量值即可。间隔15分钟受隐藏参数_cursor_bind_capture_interval控制，默认值是900s。

我们尝试将捕获绑定变量的间隔时间调短，该参数不支持session级别修改，

执行alter system级别操作

等大约一分钟，此时可以从v$sql_bind_capture查询刚使用的绑定变量值，

方法三：AWR信息

(1) DBA_HIST_SQLBIND视图包含了v$sql_bind_capture的快照。

因此对应的SQL语句，和v$sql_bind_capture很像，

select name,datatype_string,value_string,datatypefrom DBA_HIST_SQLBIND where sql_id='...'

(2) 另一个视图，DBA_HIST_SQLSTAT记录了SQL统计信息的历史信息，他是基于一些标准，捕获来自于V$SQL的统计信息。可以使用如下SQL，

select
snap_id,
dbms_sqltune.extract_bind(bind_data,1).value_string bind1,
dbms_sqltune.extract_bind(bind_data,2).value_string bind2,
dbms_sqltune.extract_bind(bind_data,3).value_string bind3
fromdba_hist_sqlstat
wheresql_id = '...'
order bysnap_id;

其中dbms_sqltune.extract_bind(bind_data,1).value_string取决于SQL中绑定变量的数量。

第一次执行这两条SQL时，并未有任何结果返回，我猜测可能是这条SQL不符合AWR采集的标准。从MOS中查到这篇文章：《How to Control the Set of Top SQLs Captured During AWR SnapshotGeneration (文档 ID 554831.1)》，用其中的方法修改下AWR采集topnsql参数，

默认值是

含义是

此时重新执行SQL，默认AWR会一小时采集一次，此时可以手工采集AWR快照，

此时再次查询DBA_HIST_SQLBIND

再次查询DBA_HIST_SQLSTAT，

绑定变量值可以使用很多方法获取，这里只是列举了三种最常见的方法。

接下来我们通过实例分析一下：

有一条SQL，使用了绑定变量，查看V$SQLAREA发现version_count是2

查看V$SQL，发现有两条记录，分别对应了0和1两个child cursor：

再查看这两个child cursor对应的执行计划：
child cursor：0

child cursor：1

发现除了成本代价略有不同，其他访问路径完全一致。应用保证使用的相同用户执行这条SQL语句，绑定变量窥探关闭。问题就来了，为何同一条SQL有两个child cursor，且执行计划一致？

再抛一下，通过V$SQL_SHARED_CURSOR视图可以查看游标失效的原因，对比这两个cursor，不同之一就是这个ROLL_INVALID_MISMATCH字段的值，0号cursor值为N，1号cursor值为Y，

另外，REASON字段，0号cursor显示了内容，1号cursor该字段值为空。

RollingInvalidate Window Exceeded(3)

这个问题通过Rolling Cursor Invalidations with DBMS_STATS.AUTO_INVALIDATE (文档 ID 557661.1)这篇文章能够很好地解释。

大体意思是在10g之前，使用dbms_stats采集对象统计信息，除非no_invalidate设为TRUE，否则所有缓存在Library Cache中的游标都会失效，下次执行时需要做硬解析。

隐患：对于一个OLTP系统，会产生一次硬解析风暴，消耗大量的CPU、库缓存以及共享池latch的争用，进而影响应用系统的响应时间。

如果设置no_invalidate为FALSE，则现有存储的游标不会使用更新的对象统计信息，仍使用旧有执行计划，直到下次硬解析，要么因为时间太久，导致cursor被刷出，要么手工执行flush刷新了共享池，这两种情况下会重新执行硬解析，根据更新的对象统计信息，生成更新的执行计划。这么做其实还是有可能出现硬解析风暴，特别是OLTP系统，高并发时候，有SQL语句频繁访问。

使用dbms_stats.gather_XXX_stats的时候，有个参数no_invalidate，

默认是AUTO_INVALIDATE，这表示是由Oracle来决定什么时候让依赖的游标失效。10g之后，如果采集对象统计信息使用的no_invalidate参数是auto_invalidate，则Oracle会采用如下操作，来缓解可能的硬解析风暴。

1.执行dbms_stats，所有依赖于这个已分析对象的缓存cursor游标会被标记为rolling invalidation，并且记录此时刻是T0。
2.下次某个session需要解析这个标记为rollinginvalidation的cursor游标时，会设置一个时间戳，其取值为_optimizer_invalidation_period定义的最大值范围内的一个随机数。之所以是随机数，就是为了分散这些 invalidation的游标，防止出现硬解析风暴。参数_optimizer_invalidation_period默认值是18000秒，5小时。记录这次解析时间为T1，时间戳值为Tmax。但此时，仍是重用了已有游标，不会做硬解析，不会使用更新的统计信息来生成一个新的执行计划。
3.接下来这个游标(标记了rollinginvalidation和时间戳)的每次使用时，都会判断当前时刻T2是否超过了时间戳Tmax。如果未超过，则仍使用已存在的cursor。如果Tmax已经超过了，则会让此游标失效，创建一个新的版本(一个新的child cursor子游标)，使用更新的执行计划，并且新的子游标会标记V$SQL_SHARED_CURSOR中ROLL_INVALID_MISMATCH的值。

这些和我上面碰见的情况基本一致。

MOS是附带了一个实验，可以根据实验来体会下这种情况。
1.为了容易观察，设置_optimizer_invalidation_period为1分钟，

2.创建测试表，并采集统计信息，

3.执行一次目标SQL，并查看V$SQL_SHARED_CURSOR信息，

此时查看这条SQL的解析和执行次数都是1

4.再执行一次目标SQL，

select count(*) from X;

查看这条SQL的解析和执行次数是2，

有人曾说过，11g中未必会按照_optimizer_invalidation_period参数定义的时间产生新的子游标，我上面用的环境是11g，确实如此，等了2分钟，执行目标SQL，仍只有一个子游标。这样的好处就是更加的随机。如果严格按照参数设置的时间失效，则有可能频繁使用的游标会在超时后某一时刻集中做硬解析，还是会有资源的影响，只是时间推迟了，因此如果是在超时值基础上又有随机分布，则可能会将硬解析的影响降到最低。

又等了一段时间，再查询V$SQL，

确实产生了两个子游标，这里需要注意FIRST_LOAD_TIME的时间是一样的，因为他是parent父游标的创建时间，显然这两个子游标肯定是对应同一个父游标，不同的就是LAST_LOAD_TIME，这是子游标的使用时间。

再看看V$SQL_SHARED_CURSOR，

两个子游标信息，只有一个R项值有差别，R是ROLL_INVALID_MISMATCH，0号子游标是N，1号子游标是Y，看看官方文档对这个字段的说明，

表示的就是标记为rolling invalidation的游标，已经是超过了时间窗口，此时0号子游标已经过期，1号子游标使用最新的统计信息，来生成最新的执行计划。

这就解释了为何同一条SQL，执行计划一致，但却有两个子游标的情况。

MOS中还描述了一些游标使用的场景

1.如果一个游标被标记为rolling invalidation，但是再不会做解析，则这个游标不会失效，最终还是可能根据LRU被刷出共享池。
2.如果一个游标被标记为rolling invalidation，后面只会解析一次，那么这个游标依然不会失效(仅仅使用时间戳标记)，最终还是可能根据LRU被刷出共享池。
3.频繁使用的游标，在超过时间戳Tmax值后，下次解析时就会被置为失效。
很明显，上面的这些方法是有效的，因为失效标记仅仅适用于这些频繁重用的游标，对于其他场景的游标可以忽略，未有影响。

总结

1.凡事有因果，同一条SQL，执行计划相同，但产生了两个子游标，总会有其的原因，上面游标失效标记可能是一个原因，当然还有可能是其他原因。

2.对于FIRST_LOAD_TIME这些字段的理解，还是要准确些，不能断章取义。

该案例到此还没有结束，但希望你在读的过程中已经有了新的收获。