【每日一摩斯】-Fundamentals of the Large Pool

简介: 以下内容介绍从Oracle 8引入的‘Large Pool’。什么是Large Pool(翻译过来叫“大池”)?       大池是SGA中一块类似于shared pool的区域,但是它的使用又有严格的限制,仅有几种类型和大小的内存能够在这个池中分配。

以下内容介绍从Oracle 8引入的‘Large Pool’。


什么是Large Pool(翻译过来叫“大池”)?

       大池是SGA中一块类似于shared pool的区域,但是它的使用又有严格的限制,仅有几种类型和大小的内存能够在这个池中分配。

       大池的内存不是来自于shared pool,而是直接来自于SGA,因此需要在实例启动时增加共享内存的容量。

       大池的大小由LARGE_POOL_SIZE参数决定,可以分配的最小内存chunk由LARGE_POOL_MIN_ALLOC参数决定。默认没有大池,必须显示配置。

       大池的三种主要用途:

a. 用于通过MTS(多线程服务器)方式连接的session的UGA区域。

b. sequential file IO的缓存(例如:当有多个IO Slaves时,提供给管理recovery/RMAN的server)。

       从Oracle 8i开始,如果PARALLEL_AUTOMATIC_TUNING参数是TRUE,大池也可以用于并发执行缓存的分配。


注意:从10g开始,如果sga_target=0,则px msg缓存存于shared pool中,如果sga_target>0,则px msg缓存存于large pool中。

select * from V$SGASTAT;

POOL         NAME                            BYTES
------------ -------------------------- ----------
large pool   PX msg pool                   1076000


       参数PARALLEL_AUTOMATIC_TUNING参数已经被deprecated。

       shared pool负责保护large pool的内存分配和管理。和shared pool不同,这里没有LRU(最近最少使用)机制,所以内存chunk从不会置换出大池-也就是需要每个session必须显示分配和释放内存。如果没有free内存用于处理请求,那么就会报ORA-4031的错误。

       大池中空间的使用可以通过V$SGASTAT视图查看。


MTS和大池

       如果没有配置大池,MTS将仅能用这个池给session的UGA。当启动新的session时,shared pool中的一小块内存将会被分配(也称作fixed UGA),其余的session内存(UGA)将来自于大池。如果大池没有足够的空间,ORA-4031的错误会被报出:

ORA-04031: unable to allocate 636 bytes of shared memory

("large pool","EMPSCOTT","session heap","define var info")

       大池分配的内存chunk最小是参数LARGE_POOL_MIN_ALLOC定义的字节数,以避免碎片化。当与不使用大池配置的内存使用比较,这将会影响每个MTS的session使用的内存总量。

       如果没有配置大池,MTS会使用shared pool作为整个UGA,Oracle 7就是这样做的。

注意:Oracle 10g,引入了ASSM(自动共享内存管理)的特性,通过设置SGA_TARGET参数,它会自动决定数据库buffer cache(默认池)、Shared pool、大池和Java pool的大小,如下MOS中的文档包含更多的信息:

Article-ID:       Note 257643.1

Title:              Oracle Database 10g Automated SGA Memory Tuning

目录
相关文章
|
8月前
|
算法
Single TPR论文解读
Single TPR是2015年提出来的,是基于TPR的进一步改进,TPR论文解读可以参考Topical PageRank(TPR)论文解读_Trouble…的博客-CSDN博客。
69 0
|
8月前
|
自然语言处理 算法
【论文精读】COLING 2022 - CLIO: Role-interactive Multi-event Head Attention Network for DEE
将网络上的大量非结构化文本转换为结构化事件知识是NLP的一个关键但尚未解决的目标,特别是在处理文档级文本时。
36 0
|
固态存储
《In Pursuit of Optimal Storage PerformanceHardwareSoftware Co-Design with Dual-Mode SSD》电子版地址
In Pursuit of Optimal Storage Performance:Hardware/Software Co-Design with Dual-Mode SSD
59 0
《In Pursuit of Optimal Storage PerformanceHardwareSoftware Co-Design with Dual-Mode SSD》电子版地址
《Improving Real-Time Performance by Utilizing Cache Allocation Technology》电子版地址
Improving Real-Time Performance by Utilizing Cache Allocation Technology
61 0
《Improving Real-Time Performance by Utilizing Cache Allocation Technology》电子版地址
|
机器学习/深度学习 编解码 算法
Paper之EfficientDet: 《Scalable and Efficient Object Detection—可扩展和高效的目标检测》的翻译及其解读—续篇
Paper之EfficientDet: 《Scalable and Efficient Object Detection—可扩展和高效的目标检测》的翻译及其解读—续篇
Paper之EfficientDet: 《Scalable and Efficient Object Detection—可扩展和高效的目标检测》的翻译及其解读—续篇
|
机器学习/深度学习 新零售 自然语言处理
KDD 2020 <A Dual Heterogeneous Graph Attention Network to Improve Long-Tail Performance for Shop Search in E-Commerce> 论文解读
店铺搜索是淘宝搜索的一个组成部分,目前淘宝有近千万的店铺,7日活跃店铺也达到百万级别。店铺搜索场景拥有日均千万级别UV,引导上亿的GVM。
KDD 2020 <A Dual Heterogeneous Graph Attention Network to Improve Long-Tail Performance for Shop Search in E-Commerce> 论文解读
|
数据处理 机器学习/深度学习 算法
语音顶会Interspeech 论文解读|Audio Tagging with Compact Feedforward Sequential Memory Network and Audio-to-Audio Ratio Based Data Augmentation
Interspeech是世界上规模最大,最全面的顶级语音领域会议,本文为Zhiying Huang, Shiliang Zhang, Ming Lei的入选论文
语音顶会Interspeech 论文解读|Audio Tagging with Compact Feedforward Sequential Memory Network and Audio-to-Audio Ratio Based Data Augmentation
|
人工智能 分布式计算 MaxCompute
The Cloud and AI: A Marriage Made In Heaven For Big Data Analytics?
Cloud-based solutions are saving Big Data from itself with smart, secure and scalable offline data developments to realize impressive ROIs.
1700 0
The Cloud and AI: A Marriage Made In Heaven For Big Data Analytics?
|
XML JSON 数据格式
编码与模式------《Designing Data-Intensive Applications》读书笔记5
进入到第四章了,本篇主要聊的点是编码(也就是序列化)与代码升级的一些场景,来梳理存储之中涉及到的编解码的流程。目前主流的编解码便是来自Apache的Avro,来自Facebook的Thrift与Google的Protocolbuf,在本篇之中,我们也会一一梳理各种编码的优点与痛点。
1280 0

热门文章

最新文章