我们可以看到第一个BH ()的hash: [,]和第二个BH ()的hash:[,] 。这里记录的就是指向前一个 和后一个 的指针 。这里,我们看到第一个BH所指向的后一个 的指针是,而第二个BH所指向的前一个 的指针也是,说明这两个 是在同一个hash chain上 。同样的,我们还可以看到类似结构的lru、ckptq、fileq,这些都是管理 的一些链表结构 。
然后,我们来看我们创建的表所对应的。首先,我们看到class,表示该 所对应的数据块的类型,具体的值与含义的对应为:
1=data block;
2=sort block;
3=save undo block;
4= ;
5=save undo ;
6=free list;
7= map;
8=1st level bmb;
9=2nd level bmb;
10=3rd level bmb;
11= block;
12= index block;
13=;
14=undo ;
15=undo block 。
我们可以看到与表相关 有两个:一个是4( ),另一个是1(data block) 。
然后,我们看到rdba,这表示 所对应的数据块在磁盘数据文件上的地址 。我们可以看到class为1的 的rdba为 (6/45066) 。十六进制数 。说明该数据块的位置是6号文件的45066号block里 。018表示数据文件号乘以4,而b00a表示数据块的号 。
上面一句算法是错的,正确的算法是这样的:
这个RDBA由,rfile# + block#组成的
相对文件号10位 block号22位
解码以后就是:
0 0 0000 1010前10位代表rfile#
也就是
0110 = 6
00 0 0000 1010 = 45066
SQL> select to_number('018','xxx')/4 as file#,to_number('b00a','xxxx') as block# from dual;FILE#BLOCK#---------- ----------645066
我们看到,该 指向的就是6号文件里的45066号数据块 。我们可以再来看看表
里的rowid所告诉我们的文件号以及数据块号,从下面可以看到,结果是一样的 。
SQL> select id,dbms_rowid.rowid_relative_fno(rowid) as file#,2dbms_rowid.rowid_block_number(rowid) as block# from cost.buffer_test;IDFILE#BLOCK#---------- ---------- ----------1645066
关于ROWID 和 rdba 参考:
我们可以来看一下st,这表示 cache所指向的数据块的状态 。一共有六种状态:
FREE(0)=可以被重用的数据块;
(1)=实例以排他方式获取的当前模式数据块;
(2)=可以与其他实例共享的当前模式数据块;
CR(3)=作为一致性读镜像的数据块,永远不会被写入磁盘;
(4)=正在从磁盘读出的数据块;
(5)=正在进行介质恢复的数据块;
(6)=正在进行实例恢复的数据块 。
从状态说明中我们可以看到,现在表的数据块都是当前模式的数据块 。我们可以来构造一个CR状态的数据块 。
1、分别建立两个,在一个中,执行:
SQL> update buffer_test set id=2 where id=1;
2、不要提交,然后在另外一个中,执行:
SQL> select * from buffer_test;ID----------1
3、 然后我们转储 后,到跟踪文件中找到obj为7087的记录,可以看到类似如下的内容 。可以看到该 的状态就是CR 。
…………………………………BH (0x63FFBBC8) file#: 6 rdba: 0x0180b00a (6/45066) class 1 ba: 0x63F5C000…………………………………ckptq: [NULL] fileq: [NULL]st: CR md: NULL rsop: 0x00000000 tch: 0…………………………………
另外,我们还可以看到tch,就是表示该数据块被扫描的次数 。以上这些是转储出来的内容 。还提供了视图来显示 的内容,这就是X$BH 。这个视图就是把转储到平面文件以后所看到的诸如hash、st、tch等的值以列的方式呈现出来 。这里就不做过多的介绍了,有兴趣的话,可以将该视图取出的结果与转储出来的文件进行比较,就可以知道每一列的含义 。
3. cache的内部管理机制
- 深度学习基础:压缩视频增强调研
- 深度学习中Epoch,Batchsize,Iterations
- 一文读懂深度学习中的Epoch,Batchsize
- 深度学习概念之Epoch,Batch Size和Iterations
- 一文理解深度学习中的BN,LN,IN,GN,SN的归一化操作
- 深度学习_经典网络_ResNet详解及常见问题总结
- 三 深度学习笔记:神经网络之九种激活函数Sigmoid、tanh、ReLU、R
- 五 花书读书笔记-深度前馈网络
- 深度学习-第R1周心脏病预测
- ARXIV:深度学习在金融领域中的应用 | 唧唧堂论文解析