并行在平时工作中可能不是很注意，因为有时候即使设定了parallel 相关的hint，感觉性能也好不到哪去。这是我以前的感觉。
今天通过一个案例来分享一下通过parallel来使数据加载的速度达到极速提升。
现有一个很让人头疼的表，里面还有clob字段，通过exp/imp来导出导入数据，导出慢还可以接受，导入的速度大概在一秒钟1000条的速度，对于千万，上亿的数据来说，简直就是噩梦。对于数据泵，也测试了各种可能的改进方法。但是效果都不让人满意，首先就是对于undo的消耗极大，还有impdp中parallel选项因为clob无法激活。在测试环境中反复测试，时间大概保持在2个小时的样子（数据量是5千万),而且还得不断的去查看undo的使用率，有一次测试中还报了undo空间不足的错误，整个数据导入得重头再来，而且还使得高水位线受到影响。
个人反复的尝试，最后使用外部表来进行数据的分批导入，这样能够降低undo使用率，对于进度也比较好把握，比如对于大表big_table，我生成了20个外部表，把big_table里的数据分摊到了20个外部表中，这样每个外部表做完insert之后，马上commit，可以减少undo使用竞争。测试环境中测试，时间在40~60分钟左右，刚开始的时候速度很快，一分钟将近160万的数据加载速度，但是到后面速度就开始逐渐降下来了。最后150万的数据基本在5分钟左右。
一方面是外部原因，另一方面和数据库内部的机理也有关联，有些块不会很快的释放。
使用外部表Insert的方式性能要好一些，但是得改进一些地方，尤其是对于大表来说，parallel比想象中的效果要好很多，
首先来看一下一般的数据插入速度。速度在40秒左右。为了保证测试的可评估性，我每次都会换一个数据量基本一致的外部表来插入数据。
SQL> insert into big_table select *from big_table_ext_33;
820374 rows created.
Elapsed: 00:00:40.80
SQL> commit;
尝试使用append方式插入数据，表big_table已经设置为nologging模式，有4个local partitioned 的index,都是logging模式。
速度一下子提升了不少达到了16秒。
SQL> insert /*+append*/ into big_table select *from big_table_ext_30;
960461 rows created.
Elapsed: 00:00:16.11
然后继续换一个表，使用parallel hint来插入数据。但是时间好像没有任何提升。
SQL> insert /*+append parallel(big_table 8) */ into big_table select *from big_table_ext_2;
988140 rows created.
Elapsed: 00:00:16.14
这个时候可以使用v$pq_sesstat来查看使用parallel被启用了。
SQL> select * from v$pq_sesstat;
STATISTIC LAST_QUERY SESSION_TOTAL
------------------------------ ---------- -------------
Queries Parallelized 0 0
DML Parallelized 0 0
DDL Parallelized 0 0
DFO Trees 0 0
Server Threads 0 0
Allocation Height 0 0
Allocation Width 0 0
Local Msgs Sent 0 0
Distr Msgs Sent 0 0
Local Msgs Recv'd 0 0
Distr Msgs Recv'd 0 0
11 rows selected.
可以看到parallel的hint被oracle给忽略了。parallel dml的优先级是session >hint> object
所以继续设置session级的hint，启用parallel，这个时候如果想保证启用paralell可以使用force选项。
SQL> alter session force parallel dml parallel 8;
Session altered.
Elapsed: 00:00:00.00
再次插入数据，时间一下子降低到了6秒钟。
SQL> insert /*+append parallel(big_table 8) */ into big_table select *from big_table_ext_31;
930198 rows created.
Elapsed: 00:00:06.49
SQL> commit;
清空数据，稍候继续插入数据，来看看是否parallel被启用了。
SQL> truncate table big_table;
Table truncated.
Elapsed: 00:00:01.34
SQL> select * from v$pq_sesstat;
STATISTIC LAST_QUERY SESSION_TOTAL
------------------------------ ---------- -------------
Queries Parallelized 0 0
DML Parallelized 0 1
DDL Parallelized 0 0
DFO Trees 0 1
Server Threads 0 0
Allocation Height 0 0
Allocation Width 0 0
Local Msgs Sent 0 16191
Distr Msgs Sent 0 0
Local Msgs Recv'd 0 16191
Distr Msgs Recv'd 0 0
11 rows selected.
将近100万的数据在6秒钟导入了，如果是5000万的数据大概需要6分钟左右的时间，来简单验证一下
做一个大的数据插入。大概用了7分钟的时间，速度还是不错的。
SQL> insert /*+append parallel(big_table 8) */ into big_table select *from big_table_ext;
58303757 rows created.
Elapsed: 00:07:26.48
SQL> commit;
Commit complete.
Elapsed: 00:00:01.92
SQL> select * from v$pq_sesstat;
STATISTIC LAST_QUERY SESSION_TOTAL
------------------------------ ---------- -------------
Queries Parallelized 0 0
DML Parallelized 1 2
DDL Parallelized 0 0
DFO Trees 1 2
Server Threads 16 0
Allocation Height 8 0
Allocation Width 1 0
Local Msgs Sent 994995 1011186
Distr Msgs Sent 0 0
Local Msgs Recv'd 994995 1011186
Distr Msgs Recv'd 0 0
11 rows selected.
在数据导入的过程中，启用了相应的并行进程。
26388 testdbn 15 0 11.5g 1.4g 1.1g S 38.3 0.4 2:41.80 ora_p012_TESTDB
26394 testdbn 15 0 11.5g 1.4g 1.1g S 38.3 0.4 2:40.87 ora_p015_TESTDB
26380 testdbn 15 0 11.5g 1.4g 1.2g S 37.6 0.4 3:50.61 ora_p008_TESTDB
26390 testdbn 15 0 11.5g 1.4g 1.1g S 37.6 0.4 2:44.64 ora_p013_TESTDB
26392 testdbn 15 0 11.5g 1.4g 1.1g S 37.3 0.4 2:43.63 ora_p014_TESTDB
26382 testdbn 15 0 11.5g 1.4g 1.1g S 37.0 0.4 2:43.43 ora_p009_TESTDB
7080 testdbn 16 0 11.3g 68m 28m S 9.7 0.0 2:38.05 ora_arc2_TESTDB
4101 testdbn 15 0 11.2g 6.1g 6.1g S 6.1 1.7 10:54.46 ora_dbw1_TESTDB
4105 testdbn 15 0 11.2g 6.1g 6.1g S 6.1 1.7 11:27.73 ora_dbw3_TESTDB
4099 testdbn 15 0 11.2g 6.1g 6.1g R 5.8 1.7 11:49.40 ora_dbw0_TESTDB
4103 testdbn 15 0 11.2g 6.1g 6.1g S 4.8 1.7 10:47.55 ora_dbw2_TESTDB
所以在cpu资源充足的情况下，启用并行也是一个不错的选择。