高并发操作和查询的数据采集和查询系统的oracle数据库设计建议

（1） 使用分布式垂直切分。由于已经使用了Oracle RAC 提供分布式的集群服务。所以对于产生大数据和高并发的表，可以采用数据库垂直分片(比如1-500号集中器的数据采集到数据库A、500-1000到B)。数据分片，是将整体数据分摊在多个存储设备上，这样每个存储设备的数据量相对就会小很多，以此满足系统的性能需求。分区可以提高可管理性、性能与可用性，从而给各种各样的应用程序带来极大的好处。当然一个合理的分片策略是最关键的。不当的分片策略有可能反而带来性能的下降。

（2） 使用主从表。主从复制、读写分离，减少生产系统压力。也就是说，对应需要频繁进行写操作的数据表，为该表设置从表。每5分钟将主表数据同步到从表。所有查询的操作都对从表进行。这样写操作针对主数据库表，读则是从“从数据库”。虽然读操作略有延迟，因为集中器本身就是20分钟提交一次数据，所以只要同步时间在20分钟以内，对数据的实时性并不会产生大的影响。但是这样大大提高了检索的效率。

（3） 使用分区表。避免一个表过大，当期数据与历史数据分离，提升存储和处理效率。

虽然Oracle单张表的最大记录条数十3.6E+17。但一个表一旦数据量达到一定规模。性能方面一定会出现问题。通过使用分区表，将当期数据与历史数据分离，这样是可以大大提高检索和操作的效率的。

在分区表的基础上进行数据存档是对过期的数据进行分开存储，当然存储的时间根据实际需求制定。这需要对数据以及应用程序对数据的使用情况，有非常充分的了解。比如电子商务公司的大数据处理只将3个月内的数据存入活跃数据库，而旧订单则被存入单独的存储。这个途径同样可以运用于抄表系统的数据仓库。当然可以存储更多的近期数据用于报告和查询，使用频度少的数据可以被存入单独的存储设备。

（4） 定期进行数据清除。有时候我们一直忙于收集数据而不清楚究竟需要保存多少数据，如果你存储了非常多用不到的数据，那么这将毫无疑问的降低你有效数据的处理速度。在业务需求的基础上审查数据是否可以被删除，从中分析出需要储存数据的类型，不仅会节省存储空间，同样会提升有效数据的分析速度。主要的方法是给数据仓库建立附加列，比如created_date、created_by、update_date及updated_by。通过这些附加列可以对数据进行阶段性的访问统计，这样就可以清楚数据的有效周期。这里需要着重对待的是数据清除的逻辑。比较好的是Oracle自身就具备了强大的归档能力，执行alter database archivelog;即可将数据库设置成archive log mode，Oracle将会自动归档。

（5） 使用memcached缓存系统。Memcached是一个通用的分布式内存缓存系统,主要用于减少动态应用的数据库负载，提升访问数据库的速度，它具有高性能和分布式等优点。。由于Memcached可以有效减少Web站点数据库的负载，它已经成为目前主流的互联网网站所采用的缓存解决方案。Memcached已经是一种非常成熟的缓存解决方案产品，它被广泛应用于负载大、并行程度高的网站之上，许多著名的网站，如Facebook、Sina、豆瓣等都在其网站实现中或多或少的使用了Memcached产品。通过使用Memcached缓存系统可以大大提高服务器的响应速度。在用户数据也都比较复杂、用户数据之间的关联度也比较高、而且需要对数据库进行频繁的更新或检索操作，采用Memcached机制正好可以很好的解决这些问题。

（6） 使用物化视图。Oracle的物化视图提供了强大的功能，可以用于预先计算并保存表连接或聚集等耗时较多的操作的结果，这样，在执行查询时，就可以避免进行这些耗时的操作，而从快速的得到结果。增加和删除物化视图不会影响应用程序中SQL语句的正确性和有效性；物化视图需要占用存储空间；当基表发生变化时，物化视图也应当刷新。

（7） 使用数据冗余化设计。通过数据库字段的冗余化设计，减少表间连接查询。

在插入数据的时候，在多个表内生成同种字段的数据，从而使得在查询时，减少表连接的格式，从而能够提高查询的效率，减轻数据库的查询负荷。

（8） 合理使用索引。支持混合索引机制，集成Bitmap和B-Tree技术。通过索引的合理设置，可以大大提高查询效率。比如Bitmap索引比较适合决策支持系统，因为它虽然更新比较耗时。但对静态数据查询效率非常高。而B-tree 索引很适合 OLTP 应用程序，因为OLTP 系统经常更新和删除。

（9） SQL优化。查询时，避免子查询，少用模糊匹配，少用*，不要union等；操作时，避免长事务，长锁，用行锁定替代页锁定等。