从Approx_Count_Distinct到M7的CPU集成

昨天和朋友交流，联想起Oracle的两个特性，approx_count_distinct 和 SQL in Silicon，从软件到硬件，从典型SQL入手的优化，Oracle一步一步走向细节和性能的极致。

在Oracle 12c中，有一个新的函数被引入进来 - approx_count_distinct 。这个函数的作用是，当我们进行Count Distinct计算时，给出一个近似值。

TOM说，这个函数会带来5x ~ 50x的性能提升，精度可以达到97%以上。在不需要绝对精确的返回值时，这个函数可以发挥其显著的功效。

这个估算值不绝对精确，但是在很多情况下足够，又可以极大的节省资源。在很多系统中，COUNT DISTINCT是个常见的操作，如果使用这个函数，则可能带来很好的性能改善。

以下是我非常简单的一个测试，可以看到基本的效果：

在简单的小数据量测试中，很可能看不到几十倍的改变。approx_count_distinct在大数据量下的表现会非常好，资源使用非常低，极其稳定。

以下几张图引自数据库专家 Christian Antognini的测试，网页链接如下：

https://antognini.ch/2014/10/the-approx_count_distinct-function-a-test-case/

以下两图可以看到近似计算在大数据量下的响应时间稳定，内存消耗很少，这在大数据量的计算环境下，改进是显著的：

而且，这个估算值的偏差很小，如同TOM所有，通常97%的准确性，并且有信心达到95%，下图也很好的验证了这个偏离范围：

这让我联想到Oracle的M7处理器，其中的Software / SQL IN Silicon，Oracle进一步将那些常见的COUNT取值SQL固化进了CPU，进一步为用户带来10几倍的性能提升。

count(*) 和 count distinct 都是非常常见的操作，也很消耗资源。从常见、常用的SQL入手，Oracle的一点点改进都会给用户带来帮助，在细节上的优化Oracle做到极致了。