使用rowid抽取数据方法以及大数据量游标卡住的应对

平时工作的时候，经常会遇到这种事情，从一个大表A中，抽取字段a在一个相对较小B的表的数据，比如，从一个详单表中，抽取几万个用户号码的话单出来。这种时候，一般来说，

做关联查询：

create table A1 as select A.* from详单表 A，号码表 B wherea.号码 = b.号码

当然这个语句根据情况不一样有很多中写法，但是，不管是哪种写法，这个语句最大的问题是，如果数据量大，你非常纠结他到底能不能跑完，有时候一个事情，要求2个小时干完，现在跑了1个小时，你说到底要不要结束它另外想办法呢？

所以，这种时候，还是让事情可控一点比较好，首先，还是要考虑a字段的特征，如果a字段并集很大，A有上亿，a字段有几百万，这种时候，我们会给a字段建上索引，比如我要抽取1万个号码的详单，这样写其实就很好：

for x in (select号码 from Bwhere B.状态="未处理") loop

insert into A1 select * from A where a.号码=x.号码 ;

update B set B.状态=已处理 where B.号码=x.号码 ;

commit ;

end loop;

这样的好处，第一你可以看到执行了多少，进度可控，第二，你随时可以停了他继续。下次启动时，前面做完的他就不会继续做了。

但是，当a字段的并集，不是那么大，而是比较小的时候，比如只有十万的时候， 就不怎么舒服了，因为这种时候索引就没那么管用了。当然你还是可以按照上面的方式那样去做，只是会很慢很慢。所以，这个时候考虑完全做一次全表扫描,实际比索引字段查询多次还要快（为了贴近实际，我把这个字段叫做文件名跟上面的号码区分）：

for x in (select rowid,文件名 from A)

select count(1) into cc from B where B.文件名=x.文件名 ;

if cc >= 1 then

insert into A1 select * from A where A.rowid=x.rowid;

commit ;

end if ;

end loop;

上面语句中，其实这么写是偷懒的做法，因为要插一条记录去新表A1中，理想的办法当然是在游标中读取所有字段，然后直接insert到A1中，用insert into A1 values这种，如果写成insert into A1 select * from A where A.rowid=x. rowid会增加IO，实际上，rowid定位一行数据是极快的方法（不管你表有多大，都是一样的效率），这种写法根本不会比insert into A1 values慢多少。

再次但是，这种场景下，其实是容易出问题，问题出在这个数据量很大，且记录不怎么连续的时候，当记录不怎么连续时，游标fentch到越后面，就越慢。一个亿的记录，没准在几百万的时候就卡住了。出现问题的原因，还是因为记录不够连续，导致寻址变慢，解决的办法，就是重建这个表（或者对这个表做表分析）。

再次再次但是，上亿的表，做表分析也好，还是重建，都不容易，可能重建个几个小时还是建不出来，而且浪费空间。所以，上面那个是想偷懒少些字段的逻辑，就变成了必然，我们考虑重建表的时候，只需要两个字段：

create table A1的映射 nolloggingas select rowid as rrowid ,文件名 from A ;

for x in (select rrowid,文件名 from A1的映射)

select count(1) into cc from B where B.文件名=x.文件名 ;

if cc >= 1 then

insert into A1 select * from A where A.rowid=x.rrowid;

commit ;

end if ;

end loop;

重建表的时候，只用两个字段，可以大大减少重建的时间(create table其实是获取的数据量越大越慢，还不是线性的，是几何增长的)。然后游标使用新的重建表，读取rowid字段（已经改为了rrowid），在根据获取到的rowid去实际表中获取数据。

要不怎么说，这个世界是懒人推动的呢？