Oracle数据库10g：数据仓储前10位的新特征（二）

6、对存储管理的改善

自动存储管理（ASM）是Oracle10g “最酷的新特征”之一，它能减少Oracle数据库管理员的工作量。自动存储管理完全使创建逻辑volume、文件系统以及文件名过程自动化。DBA只需要规定原始磁盘的位置，接下来自动存储管理就会完成其他事情。磁盘的I/O通过块来均匀分布数据，另外ASM将处理disk镜像并创建镜像群或故障群。

ASM能处理由快速扩大数据仓库引起的问题，管理员不再处理吸盘单元、结点以及逻辑族群里的sheer数字，它也是Oracle10g的网格架构的主要特征之一，目的就是为了“虚拟”计算机能力以及目前数据库的特征如处理和存储对自身的有效管理。

更多有关自动存储管理的信息能够在Lannes Morris-Murphy撰写的OTN这篇文章中找到。

7、快速全表扫描

全表扫描在数据仓储环境中很常见，认识到了这一点，Oralce10g中的表格扫描性能得到了改善。Oracle数据库10g 中的代码优化减少了对CPU的占有空间，并且还实行了快速全表扫描（queries受CPU的限制而不受I/O的限制）。和受CPU限制的query比起来速度提高了30-40%。

8、自动调优和维护

自动维护和调优通常是区别Microsoft SQL Server和Oracle10g的主要产品之一，能够满足并和其他产品竞争的特征包含在服务器技术里。调查表明DBA50%以上的时间都用于调优和检测数据库服务器，很重要的任务通常很复杂并且很难做到相当准确。有Oracle数据库10g的帮助，Oracle引进了一系列的构成成分，这些元素在一起使数据库服务器能够检测自己、使配置发生智能变化并在需要进行手工操作的情况下提醒DBA。

在这个范围内首要条件就是Automatic Workload Repository,它用了一个加强版的Statspack，每30分钟收集一次实例statistics，保存周期为七天，七天后自动更新一次。这种增强版的Statspack现在收集了大量的statistics和optimizations，简化了获取高价SQL语句的方法，确保在上一个快照被收集之后只有SQL行为在才能在很大程度上影响其性能。保存在Automatic Workload Repositor里的用法信息就是Oracle数据库10g所有自我管理功能的基础。

其次就是Automatic Maintenance Tasks这一特征，作用于Automatic Workload Repository集聚的statistics的基础之上并执行例如索引重建、更新statistic等任务。在执行这些任务时不需要管理员进行手动操作。计划特征如Unified Scheduler在预定义维护窗口中执行这些命令，将默认值设置为第二天的10：00pm和6：00am，虽然这些时间能设定以便减少对其他任务的影响（如批量下载）。

第三个自我管理框架范围的条件就是服务器告警（Server Generated Alerts），这是一种数据库服务器通过电子邮件将通知发送给管理员的方法——包括关于如何处理这种情况。如果数据库自己不能处理这些例如在磁盘单元里有充足的空间扩展数据文件的情况，通常就会发出警告。

最后，也是自我管理所有因素框架范围最重要的因素，就是自动数据库诊断监视器（Automatic Database Diagnostic Monitor）。它主要分析在Automatic Workload Repository中获取的数据并且在使用了一种人工智能运算法则，和Oracle Expert中找到的一样，都用于分析以下的区域：对锁的争议、CPU瓶颈、I/O使用和争议以及监测点的问题等等。和管理员目前通过分析statspack报告进行的操作方法几乎一样。

9、异步变化数据捕捉

Oracle变化数据捕捉（Change Data Capture，CDC）和Oracle9i是同时引进的，它为表提供了记录变化的能力并将他们保存在变化表中供ETL使用。Oracle9i变化捕捉通过在元数据表上创建触发器同时迁移数据但却创建了一个处理程序，还要求访问元数据表结构。由于触发器对underlying tables的影响，许多数据仓库计划在通常在没有变化数据捕捉的情况下进行或者使用其他方法进行数据捕捉。

Oracle10g引进了异步变化数据捕捉，通过触发器使用数据记录文件捕捉变化并将它们应用于集合表。异步变化数据捕捉因此不需要变换表结构，也不影响数据库性能。

更多关于异步变化数据捕捉的详细信息在OTN上能够找到。

10、Oracle数据挖掘的完善

除了包含Oracle Express多维OLAP引擎外，Oracle9i还包含了数据库数据挖掘功能，这一数据挖掘功能通过Oracle数据库10g 增强。Oracle10g增加了对两种新类型程序的支持，Support Vector Machine（用于从上至下而不是从下至上的计算）和Non-Negative Matrix Factorisation以及对Frequent Itemsets的支持，用于市场购物篮分析（market basket analysis）以及潜在分析（propensity analysis）。