MySQL 精度扩展时候的DDL阻塞对比Oracle

曾经我分析过在MySQL数据库上字段扩位是否只是快速更新元数据的

  • 那次是因为是在实际工作中意外遇到的问题,所以做了实验
  • 得出在64以下改变没有问题。64以上的改变也没有问题。但是当从小于64的改到64以上时候则会发生问题。(不是简单的改元数据)
  • 当时这个结论使得我们在日常变更中可以判断影响面。

最近有一个新的场景,精度变更

  • 出于对上次的判断,我觉得这里有一些不确定性。十有八九会有要注意的问题。
  • 事实证明我判断正确的

实际效果

  • 模拟一个100M以上的表

    mysql> select count() from test_data;
    +----------+
    | count(
    ) |
    +----------+
    | 1000000 |
    +----------+
    1 row in set (0.74 sec)

    mysql> desc test_data;
    +-------+---------------+------+-----+---------+----------------+
    | Field | Type | Null | Key | Default | Extra |
    +-------+---------------+------+-----+---------+----------------+
    | id | int | NO | PRI | NULL | auto_increment |
    | m | varchar(30) | YES | | NULL | |
    | n | varchar(80) | YES | | NULL | |
    | x | decimal(12,6) | YES | | NULL | |
    | y | decimal(18,3) | YES | | NULL | |
    +-------+---------------+------+-----+---------+----------------+
    5 rows in set (0.05 sec)

    mysql> alter table test_data add z decimal(10,3);
    Query OK, 0 rows affected (0.13 sec)
    Records: 0 Duplicates: 0 Warnings: 0

    • 可见增加字段是直接元数据变更。

    mysql>
    mysql> alter table test_data modify m varchar(50);
    Query OK, 0 rows affected (0.02 sec)
    Records: 0 Duplicates: 0 Warnings: 0

    • 可见上次结论,64以下到64以上会耗时较长,数据不仅仅是元数据变更
      mysql> alter table test_data modify m varchar(150);
      Query OK, 1000000 rows affected (49.92 sec)
      Records: 1000000 Duplicates: 0 Warnings: 0

    mysql> alter table test_data modify m varchar(160);
    Query OK, 0 rows affected (0.02 sec)
    Records: 0 Duplicates: 0 Warnings: 0

    • 而64以上再次改变是,仅仅元数据变更。

    • 那么数据精度改变。从实际效果而言,耗时较长。数据重新在做组织。

    mysql> alter table test_data modify x decimal(18,6);
    Query OK, 1000000 rows affected (47.20 sec)
    Records: 1000000 Duplicates: 0 Warnings: 0

    mysql> alter table test_data modify y decimal(18,6);
    Query OK, 1000000 rows affected (46.73 sec)
    Records: 1000000 Duplicates: 0 Warnings: 0

结论很明显了。那么我就想在Oracle下如何表现?

复制代码
XXG@xxg> desc test_data;
 名称                                                            是否为空? 类型
 ----------------------------------------------------------------- -------- --------------------------------------------
 M                                                                          VARCHAR2(30)
 N                                                                          VARCHAR2(80)
 X                                                                          NUMBER(12,6)
 Y                                                                          NUMBER(18,3)

XXG@xxg> set timing on;
XXG@xxg> select count(*) from test_data;

  COUNT(*)
----------
   2500000

已用时间:  00: 00: 00.38
XXG@xxg> alter table test_data add z decimal(10,3);

表已更改。

- 在11g(2005年)就实现的增加字段是直接元数据变更,是所有数据库都学习和借鉴的。

已用时间:  00: 00: 01.23
XXG@xxg> alter table test_data modify m varchar(50);

表已更改。

已用时间:  00: 00: 00.19
XXG@xxg>  alter table test_data modify m varchar(150);

表已更改。

已用时间:  00: 00: 00.16
XXG@xxg>  alter table test_data modify m varchar(160);

表已更改。

- 无论如何扩位,都是快速完成。不存在数据重组的问题。

已用时间:  00: 00: 00.15
XXG@xxg> alter table test_data modify x  decimal(18,6);

表已更改。

已用时间:  00: 00: 00.16
XXG@xxg> alter table test_data modify y  decimal(18,6);
alter table test_data modify y  decimal(18,6)
                             *
第 1 行出现错误:
ORA-01440: 要减小精度或标度, 则要修改的列必须为空


已用时间:  00: 00: 00.39
XXG@xxg> alter table test_data modify y  decimal(21,6);

表已更改。

已用时间:  00: 00: 00.05
  • 从最后的结果来说,只要精度扩大给到对应的范围,也是毫秒完成变更,不存在耗时长的问题。

这些后续可以更好的判断DDL时候的阻塞情况

相关推荐
这个DBA有点耶1 天前
MVCC深入:Read View、版本链与快照读——InnoDB并发控制的内核
数据库·mysql·架构
DBA_G1 天前
从地面到云霄:GBase数据库在民航三大场景的落地实践
数据库
自由能燃气设备1 天前
商用全预混低氮冷凝锅炉免费方案vs付费方案对比+选型避坑指南
大数据·数据库·人工智能
科创致远1 天前
科创致远 ESOP 系统核心效能与实战价值展示
大数据·数据库·人工智能·精益工程
2601_962218611 天前
万象生鲜系统称重自动多退少补算法解决生鲜非标品痛点
大数据·数据库·人工智能·python·算法
张洛闻Eren1 天前
k8s云原生【第十课】:水平 Pod 自动扩缩容
运维·数据库·云原生·kubernetes·github
于平安1 天前
MySQL-触发器
数据库·mysql
白远山1 天前
上海24小时自助健身房解决方案实战指南与经验分享
java·数据库·架构·需求分析
Omics Pro1 天前
斯坦福Nature+Science|广义虚拟细胞基础大模型
数据库·人工智能·算法·机器学习·自然语言处理
2603_965148111 天前
AI+API选品:下一代智能商务助手雏形已现
java·大数据·数据库·人工智能·数据挖掘