方法 1：在事實表與三個維度表之間定義適當的參照完整性約束在 DB2 中，可以定義主鍵和外鍵約束，以答應數據庫治理器對數據實施參照完整性約束。外鍵等參照約束還有助于提高性能。例如，假如修改 清單 2 中的查詢中的子表達式 TMP1，去掉 PRODUCT_DIM 表上的本地謂詞，那么，假如在 SALES_FACT.PRODUCT_ID 上創(chuàng)建一個外鍵約束，則優(yōu)化器會消除 SALES_FACT 和 PRODUCT_DIM 之間的連接。假如創(chuàng)建了外鍵約束，則那樣的連接被認為是無損的（lossless），可以從查詢中移除，因為查詢需要從 PRODUCT_DIM 中讀取的數據在 SALES_FACT 表中都有，在 PRODUCT_DIM 與 SALES_FACT 的連接中，只引用到 PRODUCT_DIM 的主鍵，而沒有引用 PRODUCT_DIM 的其它列。在 星型模式布局 小節(jié)中描述的星型模式中，維度中存在的每個 DATE_ID、PRODUCT_ID 和 STORE_ID 在事實表中也必須存在。每個 ID 在維度表中都是惟一的，由為每個維度表創(chuàng)建的主鍵約束標識。因此，事實表保存產品被售出時的歷史數據（定量）。下面的表描述了在這種模式中應該創(chuàng)建的主鍵和外鍵。維度中的每個惟一性 ID 在事實表中都有一個相應的外鍵約束。表 列 PK/FK 目標表（列） DATE_DIMDATE_IDPK無PRODUCT_DIMPRODUCT_IDPK無STORE_DIMSTORE_IDPK無SALES_FACTDATE_IDFKDATE_DIM (DATE_ID)SALES_FACTPRODUCT_IDFKPRODUCT_DIM (PRODUCT_ID)SALES_FACTSTORE_IDFKSTORE_DIM (STORE_ID)步驟 1A：對事實表執(zhí)行 ALTER 操作，創(chuàng)建它與維度表之間的適當的 FK 關系。通過上面的表查看事實表與維度表之間的關系。再創(chuàng)建 SALES_FACT 列（DATE_ID,STORE_ID）上的一個索引，以便與 方法 3 中描述的 MDC 方法進行比較，方法 3 使用 (DATE_ID,STORE_ID) 上的一個塊索引。清單 23. 在 SALES_FACT 表中創(chuàng)建外鍵約束和索引db2 -tvf alter_sales_fact.txt -z alter_sales_fact.log清單 24.alter_sales_fact.txt 文件的內容CONNECT TO DSS_DB;ALTER TABLE SKAPOOR.SALES_FACT ADD CONSTRAINT DATE_DIM_FK FOREIGN KEY(DATE_ID) REFERENCES DATE_DIM;ALTER TABLE SKAPOOR.SALES_FACT ADD CONSTRAINT STORE_DIM_FK FOREIGN KEY(STORE_ID) REFERENCES STORE_DIM;ALTER TABLE SKAPOOR.SALES_FACT ADD CONSTRAINT PRODUCT_DIM_FK FOREIGN KEY(PRODUCT_ID) REFERENCES PRODUCT_DIM;CREATE INDEX SKAPOOR.IND_DATE_STORE ON SKAPOOR.SALES_FACT (DATE_ID, STORE_ID);CONNECT RESET;步驟 1B：收集關于所有表的統(tǒng)計信息：優(yōu)化器根據統(tǒng)計信息適當地計算備選查詢執(zhí)行計劃（QEP）的成本，并選擇最佳計劃。在繼續(xù)下一步驟之前，我們需要收集一些統(tǒng)計信息。清單 25. 收集關于所有表的統(tǒng)計信息db2 -tvf runstats.ddl -z runstats.log清單 26. runstats.ddl 的內容CONNECT TO DSS_DB;RUNSTATS ON TABLE SKAPOOR.DATE_DIM WITH DISTRIBUTION AND INDEXES ALL;RUNSTATS ON TABLE SKAPOOR.STORE_DIM WITH DISTRIBUTION AND INDEXES ALL;RUNSTATS ON TABLE SKAPOOR.PRODUCT_DIM WITH DISTRIBUTION AND INDEXES ALL;RUNSTATS ON TABLE SKAPOOR.SALES_FACT WITH DISTRIBUTION AND INDEXES ALL;CONNECT RESET;創(chuàng)建了外鍵之后，可以看看 DB2 優(yōu)化器如何利用參照完整性來消除連接。步驟 1C：解釋查詢：清單 27. 含無損連接的查詢SELECTD.MONTH AS MONTH,S.STORE_ID AS STORE_ID,S.DISTRICT AS DISTRICT,S.REGION AS REGION,SUM(F1.QUANTITY * F1.PRICE) AS AMOUNT　FROMSKAPOOR.SALES_FACT F1,SKAPOOR.DATE_DIM D,SKAPOOR.PRODUCT_DIM P,SKAPOOR.STORE_DIM S　WHEREF1.DATE_ID=D.DATE_ID ANDF1.PRODUCT_ID=P.PRODUCT_ID ANDF1.STORE_ID=S.STORE_ID ANDF1.DATE_ID BETWEEN '2006-01-01' AND '2006-01-31' ANDF1.STORE_ID IN (29, 30, 42, 55, 67, 72, 82, 99, 123, 199) ANDD.MONTH = 1　GROUP BYS.STORE_ID,S.DISTRICT,S.REGION,D.MONTH)下面顯示了解釋此查詢的方法之一：db2 connect to dss_dbdb2 set current explain mode explaindb2 -tvf JOIN_ELIM_QUERY.SQL -z JOIN_ELIM_QUERY.logdb2 set current explain mode nodb2 connect reset其中 JOIN_ELIM_QUERY.SQL 的內容只包括 清單 27 中的查詢，以分號結尾。可以使用 db2exfmt 工具查看查詢執(zhí)行計劃：db2exfmt -d dss_db -g TIC -w -1 -n % -s % -# 0 -o join_elim.txt輸出在 join_elim.txt 中。要獲得關于 db2exfmt 工具的具體信息，可以使用 -h 選項。請打開 下載 小節(jié)中的 JOIN_ELIM 文件，看看查詢優(yōu)化器生成的一個訪問計劃，其中與 PRODUCT_DIM 的連接已經被消除。可以查看 db2exfmt 輸出中的 "Optimized Statement" 部分，注重 PRODUCT_DIM 表已從查詢中移除。注重：使用外鍵之類的參照約束時，插入、刪除和更新操作可能無法正常執(zhí)行。假如性能對于這些操作來說非常要害，但是連接排除優(yōu)化在查詢中也比較有用，那么可以將外鍵約束定義為純信息型（informational） 的。這個方法后面的練習就是針對這一選項的。步驟 1D：解釋和運行整個查詢。為了解釋查詢，采用與步驟 1C 中相同的步驟：db2 connect to dss_dbdb2 set current explain mode explaindb2 -tvf QUERY1.SQL -z QUERY1.logdb2 set current explain mode nodb2 connect reset其中，QUERY1.SQL 的內容只包括 清單 2 中的查詢，以分號結尾。可以使用 db2exfmt 工具查看查詢執(zhí)行計劃：db2exfmt -d dss_db -g TIC -w -1 -n % -s % -# 0 -o test1.txt查詢執(zhí)行計劃應該類似于 下載 小節(jié)中的 Test 1 所提供的查詢執(zhí)行計劃。為了運行查詢，要使用 db2batch 工具來評測性能。在此之前，應該讓 db2 實例經過一個再循環(huán)過程，以便對每種方法進行公平比較，避免其它因素影響性能（例如，后面測試的方法可能受益于之前留下的緩沖池，從而歪曲了評測結果）。注重：在運行這些測試時，我們的測試系統(tǒng)是空閑的，沒有其他活動在運行。使用 db2stop force 停止 db2，再使用 db2start 重新啟動它。使用 db2batch 獲得所用時間的信息，如下所示：db2batch -d DSS_DB -f QUERY1.SQL -i complete -iso CS -o p 5 o 5 r 0 -r test1.results.txt文件 test1.results.txt 將包含編譯和運行查詢所用的時間，如下所示：* Prepare Time is:　 7.278206 seconds* Execute Time is: 107.729436 seconds* Fetch Time is: 0.000102 seconds* Elapsed Time is: 115.007744 seconds (complete)練習：在步驟 1A 中，在 SALES_FACT 表上創(chuàng)建了外鍵約束，但是，它們可能會影響插入、更新和刪除操作，因為數據庫治理器必須實施參照完整性。假如這些操作的性能很要害，并且參照完整性可由其它方法來實施，那么可以創(chuàng)建信息型約束，以繼續(xù)利用連接排除。否則，提供信息型約束會導致不正確的結果。信息型約束與參照約束的定義類似，只是最后加上了 not enforced 要害字，例如：ALTER TABLE SKAPOOR.SALES_FACT ADD CONSTRAINT DATE_DIM_FK FOREIGN KEY (DATE_ID) REFERENCES DATE_DIM NOT ENFORCED;接下來，為了完成該練習，還需撤銷在 SALES_FACT 表上創(chuàng)建的外鍵約束，并使用信息約束重復步驟 1A 至 1D。方法 2：復制維度表上的物化查詢表這里的測試使用的查詢和表與方法 1 相同，但是該方法還重復創(chuàng)建維度表上的 MQT。在方法 1 中，維度表在不同的分區(qū)中，必須在分區(qū)之間傳送數據。可以使用 MQT 將維度表復制到其它分區(qū)，以支持合并連接，避免在分區(qū)之間發(fā)送數據，從而提高查詢執(zhí)行性能。步驟 2A：創(chuàng)建重復的 MQT：db2 -tvf replicated.ddl清單 28. replicated.ddl 文件的內容connect to dss_db;drop table skapoor.store_dim_rep;drop table skapoor.product_dim_rep;drop table skapoor.date_dim_rep;create table skapoor.store_dim_rep as (select * from skapoor.store_dim)data initially deferred refresh deferred in FACT_SMS replicated;create table skapoor.product_dim_rep as (select * from skapoor.product_dim)data initially deferred refresh deferred in FACT_SMS replicated;create table skapoor.date_dim_rep as (select * from skapoor.date_dim)data initially deferred refresh deferred in FACT_SMS replicated;refresh table skapoor.store_dim_rep;refresh table skapoor.product_dim_rep;refresh table skapoor.date_dim_rep;create index skapoor.store_dim_id_rep on skapoor.store_dim_rep (store_id);create index skapoor.product_dim_id_rep on skapoor.product_dim_rep (product_id);create index skapoor.date_dim_id_rep on skapoor.date_dim_rep (date_id);runstats on table skapoor.store_dim_rep with distribution and indexes all;runstats on table skapoor.product_dim_rep with distribution and indexes all;runstats on table skapoor.date_dim_rep with distribution and indexes all;connect reset;為了確保可以實現這種合并，重復的維度必須與事實表位于同一數據庫分區(qū)組中。為簡單起見，我們使用和事實表一樣的表空間，但是，只要是共用相同的數據庫分區(qū)組，也可以使用不同的表空間。而且，為了使優(yōu)化器在計算不同備選訪問計劃的成本時，重復的表與底層表一致，重復的表應該有與底層表一樣的索引，并且應該收集相同的統(tǒng)計信息。由于不能在 MQT 上創(chuàng)建惟一的索引，所以在底層表的主鍵上創(chuàng)建常規(guī)索引。復制維度表會產生該表的一個額外的副本。在 DB2 9 中，新增了行壓縮功能，以節(jié)省存儲空間。為了減少維度表的額外副本的開銷，可以對其進行壓縮。當決定使用那樣的技術時，建議也壓縮重復的 MQT。否則，優(yōu)化器可能會決定執(zhí)行與底層維度表的非合并連接，因為它們被壓縮過，在規(guī)模上小于重復的 MQT。步驟 2B：更新數據庫 DSS_DB 的數據庫配置，將 dft_refresh_age 設置為 "ANY"，以便優(yōu)化器選擇重復的 MQT：清單 29. 更新數據庫配置db2_all db2 update db cfg for DSS_DB using dft_refresh_age anydb2 terminate步驟 2C：和 方法 1 中的步驟 1C 一樣，生成主查詢的 db2exfmt 輸出。查看訪問計劃，看重復的 MQT 是否被訪問（也就是說，是否選擇了 date_dim_rep、product_dim_rep 和 store_dim_rep）。打開 下載 小節(jié)中的 Test 2，看看這個訪問計劃的一個例子。在上述訪問計劃中，不存在方法 1 中那樣的連接之間的表隊列（TQ）操作符，因為優(yōu)化器選擇使用重復的維度表，從而答應合并連接。步驟 2D：確認訪問計劃中會訪問 MQT 之后，像 方法 1 中的步驟 1D 那樣，使用 db2batch 工具評測性能。在運行 db2batch 之前，應確保 db2 實例經過再循環(huán)過程。然后，記錄下結果。注重：對于該方法，要將數據庫配置參數 DFT_REFRESH_AGE 設置為 ANY on all Database Partitions。假如想再次運行方法 1 中的測試，則需要將 DFT_REFRESH_AGE 數據庫配置參數更新為 "0"。否則，就會使用重復的 MQT，而不是使用基本維度表。練習1、使用行壓縮來壓縮基本維度表 STORE_DIM、PRODUCT_DIM 和 DATE_DIM。您將需要重新收集所有這三個維度表的統(tǒng)計信息。重新收集好統(tǒng)計信息后，重復步驟 2C 至 2D。2、假如優(yōu)化器沒有選擇訪問第一個練習中的重復 MQT，則重復這個練習，并壓縮重復的 MQT。方法 3：使用重復的維度上的 MQT 的 MDC 事實表這個測試類似于 方法 2，但是用一個 MDC 事實表替代了 SALES_FACT 表。MDC 提供了自動集群表中多個維上的數據的自動化方法，假如選擇了適當的維度列和 EXTENTSIZE 大小，可以顯著提供查詢性能。步驟 3A：計算 EXTENTSIZE 大小。這里為表空間選擇 12 作為 EXTENTSIZE 大小，計算方法如下：請參閱 Info Center 中的指南，獲得 MDC 表維度方面的幫助，這里選擇 (date_id,store_id) 列作為 MDC 表的維度。下面的查詢用于計算 sales_fact 表中 (date_id, store_id) 的惟一組合的數量：清單 30. 計算 (date_id, store_id) 惟一組合的數量的查詢WITH TMP (DATE_ID, STORE_ID) AS　(SELECT DISTINCT DATE_ID, STORE_ID FROM SALES_FACT)SELECT COUNT(*) AS CELL_COUNT FROM TMP;CELL_COUNT-----------　73097下面的查詢計算平均每單元行數（RPC）、最小每單元行數以及最大每單元行數。清單 31. 確定評價行數WITH CELL_TABLE(DATE_ID,STORE_ID,RPC) AS(　 SELECT DISTINCT DATE_ID,STORE_ID, COUNT(*) FROM SALES_FACT　 GROUP BY DATE_ID,STORE_ID)SELECTAVG(RPC) AS RPC, MIN(RPC) AS MINRPC, MAX(RPC) AS MAXRPCFROM CELL_TABLE;RPC MINRPC　MAXRPC----------- ----------- -----------298　 1 380　1 record(s) selected.為了計算每個單元的間距，我們使用 DB2 9 治理指南中 Space requirements for user table data 小節(jié)中的以下公式。數據庫中用于每個用戶表的 4KB 頁面的數量可以這樣來估計。首先，確定平均行長度。在我們的例子中，列采用固定數據類型，因此可以將每個列的長度相加，得到行的長度。可以使用下面的 DESCRIBE 語句獲得列長度：清單 32. DESCRIBE 語句DB2 DESCRIBE SELECT * FROM SALES_FACTSQLDA Informationsqldaid : SQLDA sqldabc: 896　sqln: 20　sqld: 6Column Informationsqltype　 sqllen　sqlname.datasqlname.length--------------------　------　------------------------------　--------------385　 DATE10　DATE_ID　7497　 INTEGER　4　PRODUCT_ID　10497　 INTEGER　4　STORE_ID 8497　 INTEGER　4　QUANTITY 8497　 INTEGER　4　PRICE5453　 CHARACTER　100　TRANSACTION_DETAILS 8在 DESCRIBE 語句的結果中，"sqllen" 列表明每個列的長度。計算每頁平均記錄數量的公式為：RECORDS_PER_PAGE = ROUND DOWN( 4028 / (AVG ROW SIZE + 10))在我們的例子中，AVG ROW SIZE = 126 字節(jié)（列長度的總和：10+4+4+4+4+100）。因此，RECORDS_PER_PAGE = ROUND DOWN (4028 / (126+10)) = 29。RECORDS_PER_PAGE 公式中額外的 10 個字節(jié)用于開銷。存儲 298 條記錄（清單 31 中的 RPC）所需的 4K 頁面的數量可以這樣計算：NUMBER_OF_PAGES = (NUMBER_OF_RECORDS / RECORDS_PER_PAGE) * 1.1 where NUMBER_OF_RECORDS = RPC=298NUMBER_OF_PAGES = ( 298 records / 29 records per page ) * 1.1 = 11.3 ~ 12 4K pages因此，EXTENTSIZE 為 12。步驟 3B：創(chuàng)建 EXTENTSIZE 大小為 12 的 MDC 表空間：清單 33. 創(chuàng)建 MDC 表空間db2 -tvf mdc_tablespace.ddl -z mdc_tablespace.log清單 34. mdc_tablespace.ddl 的內容CREATE REGULAR TABLESPACE FACT_SMS_MDC_EX IN DATABASE PARTITION GROUPFACT_GROUP PAGESIZE 4096 MANAGED BY SYSTEMUSING ('d:databasefact_tbsp_mdc_EX120') ON DBPARTITIONNUMS (0)USING ('d:databasefact_tbsp_mdc_EX121') ON DBPARTITIONNUMS (1)USING ('d:databasefact_tbsp_mdc_EX122') ON DBPARTITIONNUMS (2)USING ('d:databasefact_tbsp_mdc_EX123') ON DBPARTITIONNUMS (3) EXTENTSIZE 12 PREFETCHSIZE 24 BUFFERPOOL IBMDEFAULTBP OVERHEAD 7.500000 TRANSFERRATE 0.060000 NO FILE SYSTEM CACHING　 DROPPED TABLE RECOVERY ON;步驟 3C：創(chuàng)建 MDC 表清單 35. 創(chuàng)建 MDC 表db2 -tvf sales_fact_mdc.ddl -z sales_fact_mdc.log清單 36. sales_fact_mdc.ddl 文件的內容CONNECT TO DSS_DB;----------------------------------------------------------- DDL Statements for table "SKAPOOR "."SALES_FACT_MDC_1"---------------------------------------------------------CREATE TABLE "SKAPOOR "."SALES_FACT_MDC_1"　(　"DATE_ID" DATE ,　"PRODUCT_ID" INTEGER ,　"STORE_ID" INTEGER ,　"QUANTITY" INTEGER ,　"PRICE" INTEGER ,　"RESERVE" CHAR(100) )　 DISTRIBUTE BY HASH("DATE_ID")　　 IN "FACT_SMS_MDC_EX"　 ORGANIZE BY (　( "DATE_ID" ) ,　( "STORE_ID" ) ) ;COMMIT WORK;CONNECT RESET;注重：用于 MDC 表的塊索引是在事實表維列（date_id, store_id）上自動創(chuàng)建的。步驟 3D：將數據插入 MDC 表。在我們的測試環(huán)境中，將數據插入 MDC 表大約花了 4 個小時。清單 37. 將數據插入 MDC 表db2 -tvf sales_fact_mdc_insert_alter.ddl -z sales_fact_mdc_insert.log清單 38. sales_fact_mdc_insert_alter.ddl 的內容CONNECT TO DSS_DB;VALUES(CURRENT TIMESTAMP);------------------------------------- SET OPTLEVEL 0 TO FAVOUR INDEX ACCESS TO IMPROVE PERFORMANCE OF INSERT.SET CURRENT QUERY OPTIMIZATION 0;------------------------------------- INSERTING THE DATA IN THE ORDER OF THE MDC COLUMNS IMPROVES-- THE PERFORMANCE OF THE INSERT.INSERT INTO SKAPOOR.SALES_FACT_MDC_1 SELECT *FROM SKAPOOR.SALES_FACT ORDER BY DATE_ID,STORE_ID;ALTER TABLE SKAPOOR.SALES_FACT_MDC_1ADD CONSTRAINT DATE_DIM_FK FOREIGN KEY (DATE_ID) REFERENCES SKAPOOR.DATE_DIM;ALTER TABLE SKAPOOR.SALES_FACT_MDC_1ADD CONSTRAINT STORE_DIM_FK FOREIGN KEY (STORE_ID) REFERENCES SKAPOOR.STORE_DIM;ALTER TABLE SKAPOOR.SALES_FACT_MDC_1ADD CONSTRAINT PRODUCT_DIM_FK FOREIGN KEY (PRODUCT_ID)REFERENCES SKAPOOR.PRODUCT_DIM;VALUES(CURRENT TIMESTAMP);RUNSTATS ON TABLE SKAPOOR.SALES_FACT_MDC_1 WITH DISTRIBUTION AND INDEXES ALL;步驟 3E：修改 清單 2 中的查詢，將表名從 "SALES_FACT" 改為 "SALES_FACT_MDC_1"，以測試 MDC 的優(yōu)點。下面的清單 39 描述了新的查詢。像方法 1 的步驟 1C 一樣，以解釋模式編譯該查詢，并生成主查詢的 db2exfmt 輸出。檢查訪問計劃是否使用了 MDC 索引，并且看上去像 下載 小節(jié)中的 Test 3。清單 39. MDC 查詢WITH TMP1 (MONTH_1,STORE,REGION,DISTRICT,AMOUNT_1) AS( SELECTD.MONTH AS MONTH,S.STORE_ID AS STORE_ID,S.DISTRICT AS DISTRICT,S.REGION AS REGION,SUM(F1.QUANTITY * F1.PRICE) AS AMOUNT　FROMSKAPOOR.SALES_FACT_MDC_1 F1,SKAPOOR.DATE_DIM D,SKAPOOR.PRODUCT_DIM P,SKAPOOR.STORE_DIM S　WHEREP.MODEL LIKE '%model%' ANDF1.DATE_ID=D.DATE_ID ANDF1.PRODUCT_ID=P.PRODUCT_ID ANDF1.STORE_ID=S.STORE_ID ANDF1.DATE_ID BETWEEN '2006-01-01' AND '2006-01-31' ANDF1.STORE_ID IN (29, 30, 42, 55, 67, 72, 82, 99, 123, 199) ANDD.MONTH = 1　GROUP BYS.STORE_ID,S.DISTRICT,S.REGION,D.MONTH) ,TMP2 (MONTH_11,STORE,REGION,DISTRICT,AMOUNT_11) AS(SELECTD1.MONTH AS MONTH,S1.STORE_ID AS STORE_ID,S1.DISTRICT AS DISTRICT,S1.REGION AS REGION,SUM(F2.QUANTITY * F2.PRICE) AS AMOUNTFROMSKAPOOR.SALES_FACT_MDC_1 F2,SKAPOOR.DATE_DIM D1,SKAPOOR.PRODUCT_DIM P1,SKAPOOR.STORE_DIM S1WHEREP1.MODEL LIKE '%model%' ANDF2.DATE_ID=D1.DATE_ID ANDF2.PRODUCT_ID=P1.PRODUCT_ID ANDF2.STORE_ID=S1.STORE_ID ANDF2.DATE_ID BETWEEN '2006-11-01' AND '2006-11-30' ANDF2.STORE_ID IN (29, 30, 42, 55, 67, 72, 82, 99, 123, 199) ANDD1.MONTH=11GROUP BYS1.STORE_ID,S1.DISTRICT,S1.REGION,D1.MONTH)SELECTA.*,B.*FROMTMP1 A LEFT OUTER JOIN TMP2 B ON　(A.STORE=B.STORE AND A.REGION=B.REGION AND A.DISTRICT=B.DISTRICT)ORDER BY A.AMOUNT_1 DESC, B.AMOUNT_11 DESC;步驟 3F：像 方法 1 中的步驟 1D 那樣，將實例再循環(huán)，然后使用 db2batch 工具評測性能。注重：QUERY1.SQL 文件中的查詢被更改，以反映 清單 39 中的查詢。記錄下結果。方法 4：表分區(qū)和重復的維度上的 MQT這個測試類似于 方法 2，但是用一個表分區(qū)事實表替代了 SALES_FACT 表。表分區(qū)是 DB2 9 中的新功能。它是一種數據組織模式，按照這種模式，根據一個或多個表列中的值，表數據被劃分到多個被稱作數據分區(qū)的存儲對象中。每個數據分區(qū)是一個單獨的物理實體，可以在不同的表空間中，也可以在相同的表空間中，或者兩者相結合。這種模式對于 BI 環(huán)境中非常大的表比較有益，它可以簡化數據的轉入（roll-in）和轉出（roll-out），根據應用的謂詞避免掃描不需要訪問的分區(qū)，從而提高查詢執(zhí)行效率。步驟 4A：創(chuàng)建分區(qū)表第一步是確定適當的分區(qū)范圍。日期經常用于作為分區(qū)范圍，因此我們將根據 SALES_FACT 的 DATE_ID 列對表進行分區(qū)。Info Center 提供了關于定義分區(qū)表范圍的更多具體信息。 由于 SALES_FACT 表由全年的事務組成，而我們的查詢是比較各個月份的銷售量，因此每個范圍由一個月的數據組成。為了演示分區(qū)表對數據轉入的簡化作用，先從包含一月份這個范圍的分區(qū)表開始，然后附加表示接下來每個月的分區(qū)：清單 40. 創(chuàng)建分區(qū) SALES_FACT 表db2 -tvf tablepart.ddl -z tablepart.log清單 41. tablepart.ddl 的內容CONNECT TO DSS_DB;CREATE REGULAR TABLESPACE FACT_TPART_SMS IN DATABASE PARTITION GROUP FACT_GROUPPAGESIZE 4096 MANAGED BY SYSTEM USING ('d:databasefact_tpart_tbsp0') ON DBPARTITIONNUMS (0) USING ('d:databasefact_tpart_tbsp1') ON DBPARTITIONNUMS (1) USING ('d:databasefact_tpart_tbsp2') ON DBPARTITIONNUMS (2) USING ('d:databasefact_tpart_tbsp3') ON DBPARTITIONNUMS (3) EXTENTSIZE 32 PREFETCHSIZE AUTOMATIC BUFFERPOOL IBMDEFAULTBP OVERHEAD 7.500000 TRANSFERRATE 0.060000 NO FILE SYSTEM CACHING;-- CREATE THE SALES_FACT TABLE PARTITIONED ON DATE_ID-- WITH A SINGLE PARTITION TO START WITH, CONTAINING-- ALL SALES FROM JANUARYCREATE TABLE "SKAPOOR "."SALES_FACT_TPART"　(　"DATE_ID" DATE ,　"PRODUCT_ID" INTEGER ,　"STORE_ID" INTEGER ,　"QUANTITY" INTEGER ,　"PRICE" INTEGER ,　"TRANSACTION_DETAILS" CHAR(100) ) DISTRIBUTE BY HASH("DATE_ID")　　 IN "FACT_TPART_SMS" PARTITION BY ("DATE_ID")(PART Jan STARTING ('1/1/2006') ENDING ('1/31/2006'))VALUES (CURRENT TIMESTAMP);-- POPULATE THE SALES FROM JANINSERT INTO "SKAPOOR"."SALES_FACT_TPART"SELECT * FROM "SKAPOOR"."SALES_FACT"WHERE DATE_ID BETWEEN '1/1/2006' AND '1/31/2006';commit work;VALUES (CURRENT TIMESTAMP);-- CREATE TABLES FOR SALES FROM EACH MONTH-- WHICH WILL THEN BE ATTACHED TO SALES_FACT_TPART TABLECREATE TABLE "SKAPOOR"."SALES_FEB" (　"DATE_ID" DATE ,　"PRODUCT_ID" INTEGER ,　"STORE_ID" INTEGER ,　"QUANTITY" INTEGER ,　"PRICE" INTEGER ,　"TRANSACTION_DETAILS" CHAR(100) ) DISTRIBUTE BY HASH("DATE_ID")　 IN "FACT_TPART_SMS";CREATE TABLE "SKAPOOR"."SALES_MAR" (　"DATE_ID" DATE ,　"PRODUCT_ID" INTEGER ,　"STORE_ID" INTEGER ,　"QUANTITY" INTEGER ,　"PRICE" INTEGER ,　"TRANSACTION_DETAILS" CHAR(100) ) DISTRIBUTE BY HASH("DATE_ID")　 IN "FACT_TPART_SMS";CREATE TABLE "SKAPOOR"."SALES_APR" (　"DATE_ID" DATE ,　"PRODUCT_ID" INTEGER ,　"STORE_ID" INTEGER ,　"QUANTITY" INTEGER ,　"PRICE" INTEGER ,　"TRANSACTION_DETAILS" CHAR(100) ) DISTRIBUTE BY HASH("DATE_ID")　 IN "FACT_TPART_SMS";CREATE TABLE "SKAPOOR"."SALES_MAY" (　"DATE_ID" DATE ,　"PRODUCT_ID" INTEGER ,　"STORE_ID" INTEGER ,　"QUANTITY" INTEGER ,　"PRICE" INTEGER ,　"TRANSACTION_DETAILS" CHAR(100) ) DISTRIBUTE BY HASH("DATE_ID")　 IN "FACT_TPART_SMS";CREATE TABLE "SKAPOOR"."SALES_JUN" (　"DATE_ID" DATE ,　"PRODUCT_ID" INTEGER ,　"STORE_ID" INTEGER ,　"QUANTITY" INTEGER ,　"PRICE" INTEGER ,　"TRANSACTION_DETAILS" CHAR(100) ) DISTRIBUTE BY HASH("DATE_ID")　 IN "FACT_TPART_SMS";CREATE TABLE "SKAPOOR"."SALES_JUL" (　"DATE_ID" DATE ,　"PRODUCT_ID" INTEGER ,　"STORE_ID" INTEGER ,　"QUANTITY" INTEGER ,　"PRICE" INTEGER ,　"TRANSACTION_DETAILS" CHAR(100) ) DISTRIBUTE BY HASH("DATE_ID")　 IN "FACT_TPART_SMS";CREATE TABLE "SKAPOOR"."SALES_AUG" (　"DATE_ID" DATE ,　"PRODUCT_ID" INTEGER ,　"STORE_ID" INTEGER ,　"QUANTITY" INTEGER ,　"PRICE" INTEGER ,　"TRANSACTION_DETAILS" CHAR(100) ) DISTRIBUTE BY HASH("DATE_ID")　 IN "FACT_TPART_SMS";CREATE TABLE "SKAPOOR"."SALES_SEP" (　"DATE_ID" DATE ,　"PRODUCT_ID" INTEGER ,　"STORE_ID" INTEGER ,　"QUANTITY" INTEGER ,　"PRICE" INTEGER ,　"TRANSACTION_DETAILS" CHAR(100) ) DISTRIBUTE BY HASH("DATE_ID")　 IN "FACT_TPART_SMS";CREATE TABLE "SKAPOOR"."SALES_OCT" (　"DATE_ID" DATE ,　"PRODUCT_ID" INTEGER ,　"STORE_ID" INTEGER ,　"QUANTITY" INTEGER ,　"PRICE" INTEGER ,　"TRANSACTION_DETAILS" CHAR(100) ) DISTRIBUTE BY HASH("DATE_ID")　 IN "FACT_TPART_SMS";CREATE TABLE "SKAPOOR"."SALES_NOV" (　"DATE_ID" DATE ,　"PRODUCT_ID" INTEGER ,　"STORE_ID" INTEGER ,　"QUANTITY" INTEGER ,　"PRICE" INTEGER ,　"TRANSACTION_DETAILS" CHAR(100) ) DISTRIBUTE BY HASH("DATE_ID")　 IN "FACT_TPART_SMS";CREATE TABLE "SKAPOOR"."SALES_DEC" (　"DATE_ID" DATE ,　"PRODUCT_ID" INTEGER ,　"STORE_ID" INTEGER ,　"QUANTITY" INTEGER ,　"PRICE" INTEGER ,　"TRANSACTION_DETAILS" CHAR(100) ) DISTRIBUTE BY HASH("DATE_ID")　 IN "FACT_TPART_SMS";VALUES (CURRENT TIMESTAMP);-- POPULATE EACH TABLE WITH SALES FOR THE CORRESPONDING MONTHINSERT INTO "SKAPOOR"."SALES_FEB"SELECT * FROM "SKAPOOR"."SALES_FACT"WHERE DATE_ID BETWEEN '2/1/2006' AND '2/28/2006';commit work;INSERT INTO "SKAPOOR"."SALES_MAR"SELECT * FROM "SKAPOOR"."SALES_FACT"WHERE DATE_ID BETWEEN '3/1/2006' AND '3/31/2006';commit work;INSERT INTO "SKAPOOR"."SALES_APR"SELECT * FROM "SKAPOOR"."SALES_FACT"WHERE DATE_ID BETWEEN '4/1/2006' AND '4/30/2006';commit work;INSERT INTO "SKAPOOR"."SALES_MAY"SELECT * FROM "SKAPOOR"."SALES_FACT"WHERE DATE_ID BETWEEN '5/1/2006' AND '5/31/2006';commit work;INSERT INTO "SKAPOOR"."SALES_JUN"SELECT * FROM "SKAPOOR"."SALES_FACT"WHERE DATE_ID BETWEEN '6/1/2006' AND '6/30/2006';commit work;INSERT INTO "SKAPOOR"."SALES_JUL"SELECT * FROM "SKAPOOR"."SALES_FACT"WHERE DATE_ID BETWEEN '7/1/2006' AND '7/31/2006';commit work;INSERT INTO "SKAPOOR"."SALES_AUG"SELECT * FROM "SKAPOOR"."SALES_FACT"WHERE DATE_ID BETWEEN '8/1/2006' AND '8/31/2006';commit work;INSERT INTO "SKAPOOR"."SALES_SEP"SELECT * FROM "SKAPOOR"."SALES_FACT"WHERE DATE_ID BETWEEN '9/1/2006' AND '9/30/2006';commit work;INSERT INTO "SKAPOOR"."SALES_OCT"SELECT * FROM "SKAPOOR"."SALES_FACT"WHERE DATE_ID BETWEEN '10/1/2006' AND '10/31/2006';commit work;INSERT INTO "SKAPOOR"."SALES_NOV"SELECT * FROM "SKAPOOR"."SALES_FACT"WHERE DATE_ID BETWEEN '11/1/2006' AND '11/30/2006';commit work;INSERT INTO "SKAPOOR"."SALES_DEC"SELECT * FROM "SKAPOOR"."SALES_FACT"WHERE DATE_ID BETWEEN '12/1/2006' AND '12/31/2006';commit work;VALUES (CURRENT TIMESTAMP);-- Attach SALES from February and MarchALTER TABLE "SKAPOOR"."SALES_FACT_TPART"　ATTACH PARTITION Feb STARTING FROM '2/1/2006' ENDING AT '2/28/2006'　FROM "SKAPOOR"."SALES_FEB";ALTER TABLE "SKAPOOR"."SALES_FACT_TPART"　ATTACH PARTITION Mar STARTING FROM '3/1/2006' ENDING AT '3/31/2006'　FROM "SKAPOOR"."SALES_MAR";-- Make the partitions visibleSET INTEGRITY FOR "SKAPOOR"."SALES_FACT_TPART"IMMEDIATE CHECKED;commit work;-- Attach SALES from April to JuneALTER TABLE "SKAPOOR"."SALES_FACT_TPART"　ATTACH PARTITION Apr STARTING FROM '4/1/2006' ENDING AT '4/30/2006'　FROM "SKAPOOR"."SALES_APR";ALTER TABLE "SKAPOOR"."SALES_FACT_TPART"　ATTACH PARTITION May STARTING FROM '5/1/2006' ENDING AT '5/31/2006'　FROM "SKAPOOR"."SALES_MAY";ALTER TABLE "SKAPOOR"."SALES_FACT_TPART"　ATTACH PARTITION Jun STARTING FROM '6/1/2006' ENDING AT '6/30/2006'　FROM "SKAPOOR"."SALES_JUN";SET INTEGRITY FOR "SKAPOOR"."SALES_FACT_TPART"IMMEDIATE CHECKED;commit work;-- Attach SALES from July to DecALTER TABLE "SKAPOOR"."SALES_FACT_TPART"　ATTACH PARTITION Jul STARTING FROM '7/1/2006' ENDING AT '7/31/2006'　FROM "SKAPOOR"."SALES_JUL";ALTER TABLE "SKAPOOR"."SALES_FACT_TPART"　ATTACH PARTITION Aug STARTING FROM '8/1/2006' ENDING AT '8/31/2006'　FROM "SKAPOOR"."SALES_AUG";ALTER TABLE "SKAPOOR"."SALES_FACT_TPART"　ATTACH PARTITION Sep STARTING FROM '9/1/2006' ENDING AT '9/30/2006'　FROM "SKAPOOR"."SALES_SEP";ALTER TABLE "SKAPOOR"."SALES_FACT_TPART"　ATTACH PARTITION Oct STARTING FROM '10/1/2006' ENDING AT '10/31/2006'　FROM "SKAPOOR"."SALES_OCT";ALTER TABLE "SKAPOOR"."SALES_FACT_TPART"　ATTACH PARTITION Nov STARTING FROM '11/1/2006' ENDING AT '11/30/2006'　FROM "SKAPOOR"."SALES_NOV";ALTER TABLE "SKAPOOR"."SALES_FACT_TPART"　ATTACH PARTITION Dec STARTING FROM '12/1/2006' ENDING AT '12/31/2006'　FROM "SKAPOOR"."SALES_DEC";SET INTEGRITY FOR "SKAPOOR"."SALES_FACT_TPART"IMMEDIATE CHECKED;yocommit work;VALUES(CURRENT TIMESTAMP);RUNSTATS ON TABLE SKAPOOR.SALES_FACT_TPART WITH DISTRIBUTION;commit work;CONNECT RESET;在我們的測試環(huán)境中，填充所有分區(qū)花了大約 3 個小時。而將表附加（attach）到每個分區(qū)則比較快。表一旦被附加到分區(qū)之后，它就成為 SALES_FACT_TPART 表的一個物理實體，不能再將其當作單獨的表來查詢。假如想那樣做的話，必須將表與 SALES_FACT_TPART 表分離開來。步驟 4B：修改 清單 2 中的查詢，將表名從 "SALES_FACT" 改為 "SALES_FACT_TPART"，以測試分區(qū)消除的優(yōu)點。下面的清單 42 描述了這個新的查詢。像 方法 1 的步驟 1C 那樣，以解釋模式編譯該查詢，并生成主查詢的 db2exfmt 輸出。檢查訪問計劃是否使用了分區(qū)表，這就像 下載 小節(jié)中的 TPART。清單 42. 分區(qū)表查詢WITH TMP1 (MONTH_1,STORE,REGION,DISTRICT,AMOUNT_1) AS( SELECTD.MONTH AS MONTH,S.STORE_ID AS STORE_ID,S.DISTRICT AS DISTRICT,S.REGION AS REGION,SUM(F1.QUANTITY * F1.PRICE) AS AMOUNT　FROMSKAPOOR.SALES_FACT_TPART F1,SKAPOOR.DATE_DIM D,SKAPOOR.PRODUCT_DIM P,SKAPOOR.STORE_DIM S　WHEREP.MODEL LIKE '%model%' ANDF1.DATE_ID=D.DATE_ID ANDF1.PRODUCT_ID=P.PRODUCT_ID ANDF1.STORE_ID=S.STORE_ID ANDF1.DATE_ID BETWEEN '2006-01-01' AND '2006-01-31' ANDF1.STORE_ID IN (29, 30, 42, 55, 67, 72, 82, 99, 123, 199) ANDD.MONTH = 1　GROUP BYS.STORE_ID,S.DISTRICT,S.REGION,D.MONTH) ,TMP2 (MONTH_11,STORE,REGION,DISTRICT,AMOUNT_11) AS(SELECTD1.MONTH AS MONTH,S1.STORE_ID AS STORE_ID,S1.DISTRICT AS DISTRICT,S1.REGION AS REGION,SUM(F2.QUANTITY * F2.PRICE) AS AMOUNTFROMSKAPOOR.SALES_FACT_TPART F2,SKAPOOR.DATE_DIM D1,SKAPOOR.PRODUCT_DIM P1,SKAPOOR.STORE_DIM S1WHEREP1.MODEL LIKE '%model%' ANDF2.DATE_ID=D1.DATE_ID ANDF2.PRODUCT_ID=P1.PRODUCT_ID ANDF2.STORE_ID=S1.STORE_ID ANDF2.DATE_ID BETWEEN '2006-11-01' AND '2006-11-30' ANDF2.STORE_ID IN (29, 30, 42, 55, 67, 72, 82, 99, 123, 199) ANDD1.MONTH=11GROUP BYS1.STORE_ID,S1.DISTRICT,S1.REGION,D1.MONTH)SELECTA.*,B.*FROMTMP1 A LEFT OUTER JOIN TMP2 B ON　(A.STORE=B.STORE AND A.REGION=B.REGION AND A.DISTRICT=B.DISTRICT)ORDER BY A.AMOUNT_1 DESC, B.AMOUNT_11 DESC;在 db2exfmt 輸出中，關于分區(qū)表訪問的具體信息表明是否發(fā)生了分區(qū)排除以及訪問了哪些分區(qū)：14) TBSCAN: (Table Scan)Cumulative Total Cost: 15378Cumulative CPU Cost: 8.77067e+008Cumulative I/O Cost: 15213Cumulative Re-Total Cost: 15378Cumulative Re-CPU Cost: 8.77065e+008Cumulative Re-I/O Cost: 15213Cumulative First Row Cost: 8.22883Cumulative Comm Cost:0Cumulative First Comm Cost:0Estimated Bufferpool Buffers: 15213Arguments:---------DPESTFLG: (Number of data partitions accessed are Estimated)FALSEDPLSTPRT: (List of data partitions accessed)10DPNUMPRT: (Number of data partitions accessed)1...DP Elim Predicates:------------------Range 1)Stop　Predicate: (Q10.DATE_ID <= '11/30/2006')Start Predicate: ('11/01/2006' <= Q10.DATE_ID)...DPESTFLG 參數指示是估計分區(qū)消除（TRUE）還是在編譯時精確計算分區(qū)消除（FALSE）。假如已估計，那么在運行時確定實際的分區(qū)消除。在這個例子中，分區(qū)消除是在編譯時計算的。DPLSTPRT 參數指示訪問哪些分區(qū)，DPNUMPRT 指示所訪問的分區(qū)的數量。假如 DPESTFLG 為 TRUE，那么這兩個值由優(yōu)化器估算。在這個例子中，只有一個分區(qū)，即分區(qū) 10 被訪問。其余分區(qū)被忽略。DP Elim Predicates 部分列出了用于確定訪問哪些分區(qū)的謂詞。步驟 4C：像 方法 1 中的步驟 1D 那樣，對實例進行再循環(huán)，并使用 db2batch 工具評測性能。注重：QUERY1.SQL 文件中的查詢被修改，以反映清單 42 中的查詢。記錄下結果。練習1、索引可以幫助提高使用分區(qū)表 SALES_FACT_TPART 的查詢的性能。創(chuàng)建一個或多個可能有用的索引，并重復步驟 4B 和 4C。別忘了收集關于索引的統(tǒng)計信息。2、試著將一個或多個分區(qū)與 SALES_FACT_TPART 表分離開來，感覺一下如何通過使用分區(qū)表輕松而有效地轉出數據。方法 5：表分區(qū)、MDC 和重復的維度上的 MQT這個測試類似于 方法 4，但是用一個分區(qū) MDC 事實表替代了 SALES_FACT_TPART 表。可以將 MDC 和表分區(qū)相結合，進一步提高查詢的性能。與 方法 3 采用了相同的技術，使用 DATE_ID 和 STORE_ID 列作為維列，采用了與方法 4 一樣的范圍和 DATE_ID。步驟 5A：創(chuàng)建分區(qū) MDC 表清單 43. 創(chuàng)建分區(qū) MDC SALES_FACT 表db2 -tvf tablepart_mdc.ddl -z tablepart_mdc.log清單 44. tablepart_mdc.ddl 的內容CONNECT TO DSS_DB;CREATE TABLE "SKAPOOR "."SALES_FACT_TPART_MDC" ( "DATE_ID" DATE ,"PRODUCT_ID" INTEGER ,"STORE_ID" INTEGER ,"QUANTITY" INTEGER ,"PRICE" INTEGER ,"TRANSACTION_DETAILS" CHAR(100))DISTRIBUTE BY HASH("DATE_ID")　　PARTITION BY RANGE("DATE_ID")　(PART "JAN" STARTING('2006-01-01') ENDING('2006-01-31') IN "FACT_TPART_SMS",　 PART "FEB" STARTING('2006-02-01') ENDING('2006-02-28') IN "FACT_TPART_SMS",　 PART "MAR" STARTING('2006-03-01') ENDING('2006-03-31') IN "FACT_TPART_SMS",　 PART "APR" STARTING('2006-04-01') ENDING('2006-04-30') IN "FACT_TPART_SMS",　 PART "MAY" STARTING('2006-05-01') ENDING('2006-05-31') IN "FACT_TPART_SMS",　 PART "JUN" STARTING('2006-06-01') ENDING('2006-06-30') IN "FACT_TPART_SMS",　 PART "JUL" STARTING('2006-07-01') ENDING('2006-07-31') IN "FACT_TPART_SMS",　 PART "AUG" STARTING('2006-08-01') ENDING('2006-08-31') IN "FACT_TPART_SMS",　 PART "SEP" STARTING('2006-09-01') ENDING('2006-09-30') IN "FACT_TPART_SMS",　 PART "OCT" STARTING('2006-10-01') ENDING('2006-10-31') IN "FACT_TPART_SMS",　 PART "NOV" STARTING('2006-11-01') ENDING('2006-11-30') IN "FACT_TPART_SMS",　 PART "DEC" STARTING('2006-12-01') ENDING('2006-12-31') IN "FACT_TPART_SMS")ORGANIZE BY (DATE_ID,STORE_ID)COMMIT WORK ;INSERT INTO SKAPOOR.SALES_FACT_TPART_MDC　SELECT * FROM SKAPOOR.SALES_FACT_MDC_1;COMMIT WORK;RUNSTATS ON TABLE SKAPORR.SALES_FACT_TPART_MDC WITH DISTRIBUTION AND INDEXES ALL;COMMIT WORK;CONNECT RESET;步驟 5B： 修改 清單 2 中的查詢，將表名從 "SALES_FACT" 改為 "SALES_FACT_TPART_MDC"，以測試將 MDC 與分區(qū)消除相結合的優(yōu)點。下面的清單 45 描述了這個新的查詢。像 方法 1 的步驟 1C 那樣，以解釋模式編譯該查詢，并生成主查詢的 db2exfmt 輸出。檢查訪問計劃是否使用了分區(qū)表和塊索引，它看上去像 下載 小節(jié)中的 TPART_MDC 一樣 。清單 45. 分區(qū) MDC 表查詢WITH TMP1 (MONTH_1,STORE,REGION,DISTRICT,AMOUNT_1) AS( SELECTD.MONTH AS MONTH,S.STORE_ID AS STORE_ID,S.DISTRICT AS DISTRICT,S.REGION AS REGION,SUM(F1.QUANTITY * F1.PRICE) AS AMOUNT　FROMSKAPOOR.SALES_FACT_TPART_MDC F1,SKAPOOR.DATE_DIM D,SKAPOOR.PRODUCT_DIM P,SKAPOOR.STORE_DIM S　WHEREP.MODEL LIKE '%model%' ANDF1.DATE_ID=D.DATE_ID ANDF1.PRODUCT_ID=P.PRODUCT_ID ANDF1.STORE_ID=S.STORE_ID ANDF1.DATE_ID BETWEEN '2006-01-01' AND '2006-01-31' ANDF1.STORE_ID IN (29, 30, 42, 55, 67, 72, 82, 99, 123, 199) ANDD.MONTH = 1　GROUP BYS.STORE_ID,S.DISTRICT,S.REGION,D.MONTH) ,TMP2 (MONTH_11,STORE,REGION,DISTRICT,AMOUNT_11) AS(SELECTD1.MONTH AS MONTH,S1.STORE_ID AS STORE_ID,S1.DISTRICT AS DISTRICT,S1.REGION AS REGION,SUM(F2.QUANTITY * F2.PRICE) AS AMOUNTFROMSKAPOOR.SALES_FACT_TPART_MDC F2,SKAPOOR.DATE_DIM D1,SKAPOOR.PRODUCT_DIM P1,SKAPOOR.STORE_DIM S1WHEREP1.MODEL LIKE '%model%' ANDF2.DATE_ID=D1.DATE_ID ANDF2.PRODUCT_ID=P1.PRODUCT_ID ANDF2.STORE_ID=S1.STORE_ID ANDF2.DATE_ID BETWEEN '2006-11-01' AND '2006-11-30' ANDF2.STORE_ID IN (29, 30, 42, 55, 67, 72, 82, 99, 123, 199) ANDD1.MONTH=11GROUP BYS1.STORE_ID,S1.DISTRICT,S1.REGION,D1.MONTH)SELECTA.*,B.*FROMTMP1 A LEFT OUTER JOIN TMP2 B ON　(A.STORE=B.STORE AND A.REGION=B.REGION AND A.DISTRICT=B.DISTRICT)ORDER BY A.AMOUNT_1 DESC, B.AMOUNT_11 DESC;步驟 5C：像 方法 1 中的步驟 1D 那樣，將實例再循環(huán)，然后使用 db2batch 工具評測性能。注重：QUERY1.SQL 文件中的查詢被更改，以反映清單 39 中的查詢。記錄下結果。方法 6：使用 MQT 預先計算聚合結果這個測試類似于 方法 1，但是增加 MQT，以便預先計算聚合值。使用 MQT 物化表達為聚合的結果可以顯著提高查詢性能。在 清單 2 中描述的每個查詢中，向外連接的每個分支由相同連接上的一個聚合組成。惟一的不同是應用于事實表的本地謂詞。假如可以在執(zhí)行查詢之前預先計算連接，則可以顯著提高查詢執(zhí)行性能。步驟 6A：創(chuàng)建和刷新 MQT清單 46. 創(chuàng)建 MQT 表db2 -tvf mqt2.ddl -z mqt2.log清單 47. mqt2.ddl 文件的內容CONNECT TO DSS_DB;-------------------------------------------------- DDL STATEMENTS FOR TABLE "SKAPOOR "."MQT2"CREATE TABLE SKAPOOR.MQT2 AS(　SELECT D.MONTH AS MONTH, S.STORE_ID AS STORE_ID, S.DISTRICT AS DISTRICT, S.REGION AS REGION, SUM(F1.QUANTITY * F1.PRICE) AS AMOUNT , F1.DATE_ID　FROM SKAPOOR.SALES_FACT F1, SKAPOOR.DATE_DIM D, SKAPOOR.PRODUCT_DIM P, SKAPOOR.STORE_DIM S　WHERE F1.DATE_ID=D.DATE_ID AND F1.PRODUCT_ID=P.PRODUCT_ID AND F1.STORE_ID=S.STORE_ID AND P.MODEL LIKE '%MODEL%'　GROUP BY S.STORE_ID,S.DISTRICT,S.REGION,D.MONTH, F1.DATE_ID)DATA INITIALLY DEFERRED REFRESH DEFERRED IN FACT_SMS;REFRESH TABLE "SKAPOOR "."MQT2";-- DDL STATEMENTS FOR INDEXES ON TABLE "SKAPOOR "."MQT2"CREATE INDEX "SKAPOOR "."MQT2_IND3" ON "SKAPOOR "."MQT2"("MONTH" ASC, "DATE_ID" ASC)ALLOW REVERSE SCANS;-- DDL STATEMENTS FOR INDEXES ON TABLE "SKAPOOR "."MQT2"CREATE INDEX "SKAPOOR "."MQT2_IND4" ON "SKAPOOR "."MQT2"("DATE_ID" ASC, "STORE_ID" ASC, "DISTRICT" ASC, "REGION" ASC, "MONTH" ASC, "AMOUNT" ASC)ALLOW REVERSE SCANS;清單 41 中創(chuàng)建的兩個索引 MQT2_IND3 和 MQT2_IND4 用于提高從 MQT 訪問數據的性能。步驟 6B： 收集關于 MQT 統(tǒng)計信息，并調整模式，以符合您的環(huán)境：清單 48. 收集關于 MQT 表的統(tǒng)計信息DB2 RUNSTATS ON TABLE SKAPOOR.MQT2 WITH DISTRIBUTION AND INDEXES ALL步驟 6C：像 方法 1 的 STEP 1C 那樣，解釋 清單 2 中的查詢，并生成 db2exfmt 輸出。然后，查看訪問計劃。應該可以看到，訪問計劃選擇 MQT 和 MQT2，并使用一個連接操作符，以完成兩個 MQT 的向外連接。這個訪問計劃看上去應該類似于 下載 小節(jié)中的 Test 6。假如沒有選擇 MQT，則應確保在所有數據庫分區(qū)上的數據庫配置中 DFT_REFRESH_AGE 被設為 "ANY"；否則，優(yōu)化器不會考慮 MQT。STEP 6D: 像 方法 1 中的步驟 1D 那樣，將實例再循環(huán)，并使用 db2batch 工具評測性能。現在，記錄下結果。考察每種方法對查詢執(zhí)行性能的效果注重：所有測試都是在沒有其它其他活動在運行的環(huán)境中執(zhí)行的。下面的表列出了在我們的系統(tǒng)上使用 db2batch 工具測到的每種方法所用的時間（單位為秒）。方法 查詢 所用時間（秒） 1. 參照完整性約束清單 2115.002. 重復的 MQT清單 2103.423. 多維集群和重復的 MQT清單 3938.364. 表分區(qū)和重復的 MQT清單 42197.745. 表分區(qū)、MDC 和重復的 MQT清單 4532.216. 使用 MQT 預先計算聚合結果清單 27.61結果表明，使用 MQT 預先計算聚合結果可以提高查詢性能的效果最為顯著。與 方法 1 中基本的星型模式布局相比，多維集群，以及表分區(qū)與 MDC 的組合，也可以顯著提高查詢性能。在我們的環(huán)境中，重復的維度表可以略微提高性能。這是因為所有 4 個數據庫分區(qū)都是邏輯分區(qū)，是在同一臺物理機器上創(chuàng)建的。假如為數據庫分區(qū)使用多臺物理機器，那么這種方法應該可以顯著提高性能，尤其是當數據庫分區(qū)之間需要大量傳送數據時，這種方法的效果尤為明顯。表分區(qū)本身實際上會使性能變得更糟。我們的測試中未創(chuàng)建任何索引來比較分區(qū)消除。事實表上的附加謂詞進一步過濾向外連接每個分支中訪問的分區(qū)。在表上創(chuàng)建一個或多個索引的另一個優(yōu)點是可以取得更好的性能。這是 方法 4 中留給讀者的一個練習。這些測試表明，使用 DB2 9 中的各種特性可以提高 BI 查詢的性能。結束語本文中討論的這些方法只是提高 BI 環(huán)境中查詢性能的一部分方法。請動手完成下一小節(jié)及本文各處所提供的練習。