布隆过滤(Bloom Filter)-必须了解的优化器算法

布隆过滤器(Bloom Filter)是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。

吴军博士，在《数学之美》一书中，曾经介绍过这个算法，以下内容转引自吴军博士的文章：

假定我们存储一亿个电子邮件地址，我们先建立一个十六亿二进制(比特)，即两亿字节的向量，然后将这十六亿个二进制全部设置为零。对于每一个电子邮件地址

X，我们用八个不同的随机数产生器(F1,F2, ...,F8) 产生八个信息指纹(f1, f2, ..., f8)。再用一个随机数产生器 G

把这八个信息指纹映射到 1 到十六亿中的八个自然数 g1, g2, ...,g8。现在我们把这八个位置的二进制全部设置为一。当我们对这一亿个

email 地址都进行这样的处理后。一个针对这些 email 地址的布隆过滤器就建成了。(见下图)

现

在，让我们看看如何用布隆过滤器来检测一个可疑的电子邮件地址 Y 是否在黑名单中。我们用相同的八个随机数产生器(F1, F2, ...,

F8)对这个地址产生八个信息指纹 s1,s2,...,s8，然后将这八个指纹对应到布隆过滤器的八个二进制位，分别是

t1,t2,...,t8。如果 Y 在黑名单中，显然，t1,t2,..,t8

对应的八个二进制一定是一。这样在遇到任何在黑名单中的电子邮件地址，我们都能准确地发现。布隆过滤能够使用极低的存储空间，存储海量数据的映射，从而可以提供快速的过滤机制。

这一算法在Oracle Database 10gR2中被引入到Oracle数据库中，在类似如下的执行计划中，就可以看到布隆过滤的作用：

-----------------------------------------------------------------------------------------------

| Id  | Operation                             | Name      | Pstart| Pstop |IN-OUT| PQ Distrib |

-----------------------------------------------------------------------------------------------

|   0 | SELECT STATEMENT                      |           |       |       |      |            |

|   1 |  PX COORDINATOR                       |           |       |       |      |            |

|   2 |   PX SEND QC (RANDOM)                 | :TQ10002  |       |       | P->S | QC (RAND)  |

|*  3 |    FILTER                             |           |       |       | PCWC |            |

|   4 |     HASH GROUP BY                     |           |       |       | PCWP |            |

|   5 |      PX RECEIVE                       |           |       |       | PCWP |            |

|   6 |       PX SEND HASH                    | :TQ10001  |       |       | P->P | HASH       |

|   7 |        HASH GROUP BY                  |           |       |       | PCWP |            |

|*  8 |         HASH JOIN                     |           |       |       | PCWP |            |

|   9 |          PART JOIN FILTER CREATE      | :BF0000   |       |       | PCWP |            |

|  10 |           PX RECEIVE                  |           |       |       | PCWP |            |

|  11 |            PX SEND PARTITION (KEY)    | :TQ10000  |       |       | P->P | PART (KEY) |

|  12 |             PX BLOCK ITERATOR         |           |       |       | PCWC |            |

|  13 |              TABLE ACCESS FULL        | CUSTOMERS |       |       | PCWP |            |

|  14 |          PX PARTITION HASH JOIN-FILTER|           |:BF0000|:BF0000| PCWC |            |

|* 15 |           TABLE ACCESS FULL           | SALES     |:BF0000|:BF0000| PCWP |            |

-----------------------------------------------------------------------------------------------

Predicate Information (identified by operation id):

---------------------------------------------------

3 - filter(COUNT(SYS_OP_CSR(SYS_OP_MSR(COUNT(*)),0))>100)

8 - access("S"."CUST_ID"="C"."CUST_ID")

15 - filter("S"."TIME_ID"<=TO_DATE(' 1999-10-01 00:00:00', 'syyyy-mm-dd hh24:mi:ss') AND

"S"."TIME_ID">=TO_DATE(' 1999-07-01 00:00:00', 'syyyy-mm-dd hh24:mi:ss'))在以上执行计划中，BF0000 即 Bloom Filter的缩写提示。

而PART JOIN FILTER CREATE 这个步骤，是创建Bloom Filter的过程，在14，15 PX PARTITION HASH JOIN-FILTER中，过滤器被使用。

在11.2.0.3中，以下一系列隐含参数和Bloom Filter相关，通过 _bloom_filter_enabled 参数可以启用或禁用布隆过滤，缺省已经启用：

NAME                   VALUE            DESCRIB

------------------------------ -------------------- ------------------------------------------------------------

_bloom_filter_enabled           TRUE            enables or disables bloom filter

_bloom_filter_debug           0            debug level for bloom filtering

_bloom_vector_elements           0            number of elements in a bloom filter vector

_bloom_predicate_enabled       TRUE            enables or disables bloom filter predicate pushdown

_bloom_predicate_pushdown_to_storage TRUE            enables or disables bloom filter predicate pushdown to storage

_bloom_folding_enabled           TRUE            Enable folding of bloom filter

_bloom_folding_density           16            bloom filter folding density lower bound

_bloom_folding_min           131072            bloom filter folding size lower bound

_bloom_pushing_max           512            bloom filter pushing size upper bound

_bloom_max_size            268435456        bloom filter maximum size in bytes

_bloom_pruning_enabled           TRUE            Enable partition pruning using bloom filtering

_bloom_pushing_total_max       262144            bloom filter combined pushing size (DOP x filter size) upperbound

_bloom_minmax_enabled           TRUE            enable or disable bloom min max filtering

Oracle的很多新特性在最初引入时，都可能带来BUG，影响性能，所以了解Oracle数据库在不同版本中引入的新特性，对于DBA来说非常重要。

以下两个链接，可以作为参考：

http://www.acoug.org/wp-content/uploads/2010/04/ACOUG-OracleSortAndBloomFilter-Fuyuncat.pdf

http://antognini.ch/papers/BloomFilters20080620.pdf

By eygle on 2012-09-03 12:26 |

Comments (0) |

SQL.PLSQL | 3042 |