new concept: dimension and IOT
IOT
IOT：索引组织表，不仅可以存储数据，还可以存储为表建立的索引。索引组织表的数据是根据主键排序后的顺序进行排列的，这样就提高了访问的速度。但是这是由牺牲插入和更新性能为代价的(每次写入和更新后都要重新进行重新排序)。
create table indexTable(
ID varchar2 (10),
NAME varchar2 (20),
constraint pk_id primary key (ID)
) organization index;
索引组织表实际上将所有数据都放入了索引中。
索引组织表的适用情况：
1、 代码查找表。
2、 经常通过主码访问的表。
3、 构建自己的索引结构。
4、 加强数据的共同定位，要数据按特定顺序物理存储。
5、 经常用between…and…对主码或唯一码进行查询。
经常更新的表当然不适合IOT，因为oracle需要不断维护索引，而且由于字段多索引成本就大；如果不是经常使用主键访问表，就不要使用IOT。
IOT提供如下的好处：
·提高缓冲区缓存效率，因为给定查询在缓存中需要的块更少。
·减少缓冲区缓存访问，这会改善可扩缩性。
·获取数据的工作总量更少，因为获取数据更快。
·每个查询完成的物理I/O更少。
Dimension
维度只是一个逻辑结构，主要有三个重要属性，第一level,用于定义一个或者一组列为一个整体；第二hierarchy，定义各个level之间的层次关系；第三attribute,定义level和某个列的1:1关系
维度使用的场所是，当你打开物化视图的查询重写（query rewrite）时,对于包含聚合函数的SQL,可以重新定位到对应的物化视图，而物化视图里面保存的已经有的数据，这样就可以提供查询性能，而当有时不满足物化视图的查询条件时，比如物化视图里面定义的月的聚合情况，而查询条件为查询季的聚合情况时，就不走物化视图，这样性能大大减弱，而维度，就是用来解决这个问题的，他可以表示日、月、季、年
等等之间的层次关系，这样虽然查询的是季的情况，他可以通过月的情况，得到季的情况。
实验后续还是要补的。
（后补实验）
创建一张表：
create table test_sales(trans_date DATE, cust_id varchar(38),sales_amount number);
插入200000行数据：
insert into test_sales select sysdate-rownum, 'CUST'||LPAD(rownum,7,0), rownum from dual connect by level <=100000;
insert into test_sales select sysdate-rownum, 'CUST'||LPAD(rownum,7,0), 100000-rownum from dual connect by level <=100000;
创建索引组织表：
create table time_hierarchy(day primary key,monthy,qtr_yyyy,year) organization index as select distinct to_char(trans_date,'yyyy-mm-dd'),to_char(trans_date,'yyyy-mm'),to_char(trans_date,'Q'),to_char(trans_date,'yyyy') from test_sales;
创建物化视图：
create materialized view mv_sales
build immediate
refresh on demand
enable query rewrite
as
select test_sales.cust_id,time_hierarchy.monthy,sum(test_sales.sales_amount)
from test_sales,time_hierarchy
where to_char(test_sales.trans_date,'yyyy-mm-dd')=time_hierarchy.day
group by test_sales.cust_id,time_hierarchy.monthy;
开启分析统计：
analyze table test_sales compute statistics;
analyze table time_hierarchy compute statistics;
alter session set query_rewrite_enabled=true;
alter session set query_rewrite_integrity=trusted;
查询每月每个用户的销售情况：
select time_hierarchy.monthy,sum(sales_amount) from test_sales,time_hierarchy
where to_char(test_sales.trans_date,'yyyy-mm-dd')=time_hierarchy.day
group by time_hierarchy.monthy ;
执行计划如下：
发现走了视图，速度很快。
按照季度查询：
select time_hierarchy.qtr_yyyy,sum(sales_amount) from test_sales,time_hierarchy
where to_char(test_sales.trans_date,'yyyy-mm-dd')=time_hierarchy.day
group by time_hierarchy.qtr_yyyy;
执行计划如下：
没有走视图。
我们创建dimension。来定义年，季度，月份，日的关系。
create dimension time_hierarchy_dim
level day is time_hierarchy.day
level monthy is time_hierarchy.monthy
level qtr_yyyy is time_hierarchy.qtr_yyyy
level year is time_hierarchy.year
hierarchy time_rollup
(
day child of
monthy child of
qtr_yyyy child of
year
)
attribute monthy
determines monthy;
再次执行季度查询，发现也走了物化视图，优化还是明显的。
PS：今天周董（Jay）生日，新的一首waiting for you，和告白气球一样瞬间点燃了青春的回忆，想起了曾经，那些年，那些事。歌本无意，有趣的是和你一起哼唱的那些人。东风破-七里香-蒲公英里的约定-青花瓷-听妈妈的话-菊花台------点点滴滴，一部成长史，也是一部励志诗，加油Jay。
