空間索引動(dòng)態(tài)索引結(jié)構(gòu)

1984年Guttman發(fā)表了《R-樹(shù):一種空間查詢的動(dòng)態(tài)索引結(jié)構(gòu)》

SQL Server 2008的空間索引

SQL Server 2008 引入了對(duì)空間數(shù)據(jù)和空間索引的支持，"空間索引"是一種擴(kuò)展索引，允許您對(duì)空間列編制索引?？臻g列是包含空間數(shù)據(jù)類(lèi)型(如 geometry 或 geography)數(shù)據(jù)的表列。本節(jié)中的主題介紹了空間索引。

在 SQL Server 2008 中，空間索引(存儲(chǔ)在:sys.spatial_indexes表中)使用 B 樹(shù)構(gòu)建而成，也就是說(shuō)，這些索引必須按 B 樹(shù)的線性順序表示二維空間數(shù)據(jù)。因此，將數(shù)據(jù)讀入空間索引之前，SQL Server 2008 先實(shí)現(xiàn)對(duì)空間的分層均勻分解。索引創(chuàng)建過(guò)程會(huì)將空間分解成一個(gè)四級(jí)"網(wǎng)格層次結(jié)構(gòu)"。這些級(jí)別指的是"第 1 級(jí)"(頂級(jí))、"第 2 級(jí)"、"第 3 級(jí)"和"第 4 級(jí)"。

每個(gè)后續(xù)級(jí)別都會(huì)進(jìn)一步分解其上一級(jí)，因此上一級(jí)別的每個(gè)單元都包含下一級(jí)別的整個(gè)網(wǎng)格。在給定級(jí)別上，所有網(wǎng)格沿兩個(gè)軸都有相同數(shù)目的單元 (例如 4x4 或 8x8)，并且單元的大小都相同。下圖顯示了網(wǎng)格層次結(jié)構(gòu)每個(gè)級(jí)別的右上角單元被分解成 4x4 網(wǎng)格的情況。事實(shí)上，所有單元都是以這種方式分解的。因此，以此為例，將一個(gè)空間分解成四個(gè)級(jí)別的 4x4 網(wǎng)格際上會(huì)總共產(chǎn)生 65,536 個(gè)第四級(jí)單元。針對(duì)空間索引進(jìn)行的空間分解與應(yīng)用程序數(shù)據(jù)使用的度量單位無(wú)關(guān)。

網(wǎng)格層次結(jié)構(gòu)的單元是利用多種 Hilbert 空間填充曲線以線性方式編號(hào)的。然而，出于演示目的，這里使用的是簡(jiǎn)單的按行編號(hào)，而不是由 Hilbert 曲線實(shí)際產(chǎn)生的編號(hào)。在下圖中，幾個(gè)表示建筑物的多邊形和表示街道的線已經(jīng)放進(jìn)了一個(gè) 4x4 的 1 級(jí)網(wǎng)格中。第 1 級(jí)單元的編號(hào)為 1 到 16，編號(hào)從左上角的單元開(kāi)始。

沿網(wǎng)格軸的單元數(shù)目確定了網(wǎng)格的"密度":單元數(shù)目越大，網(wǎng)格的密度越大。例如，8x8 網(wǎng)格(產(chǎn)生 64 個(gè)單元)的密度就大于 4x4 網(wǎng)格(產(chǎn)生 16 個(gè)單元)的密度。網(wǎng)格密度是以每個(gè)級(jí)別為基礎(chǔ)定義的。網(wǎng)格配置單元數(shù)目低 :4X4 =16，中8X8 = 64，高16X16 =256，默認(rèn)設(shè)置所有級(jí)別都為 中。

您可以通過(guò)指定非默認(rèn)的網(wǎng)格密度控制分解過(guò)程。例如，在不同級(jí)別指定不同網(wǎng)格密度對(duì)于基于索引空間的大小和空間列中的對(duì)象來(lái)優(yōu)化索引可能非常有 用?？臻g索引的網(wǎng)格密度顯示在 sys.spatial_index_tessellations 目錄視圖的 level_1_grid、level_2_grid、level_3_grid 和 level_4_grid 列中。

將索引空間分解成網(wǎng)格層次結(jié)構(gòu)后，空間索引將逐行讀取空間列中的數(shù)據(jù)。讀取空間對(duì)象(或?qū)嵗?的數(shù)據(jù)后，空間索引將為該對(duì)象執(zhí)行"分割過(guò)程"。分割過(guò)程通過(guò)將對(duì)象與其接觸的網(wǎng)格單元集("接觸單元")相關(guān)聯(lián)使該對(duì)象適合網(wǎng)格層次結(jié)構(gòu)。從網(wǎng)格層次結(jié)構(gòu)的第 1 級(jí)開(kāi)始，分割過(guò)程以"廣度優(yōu)先"方式對(duì)整個(gè)級(jí)別進(jìn)行處理。在可能的情況下，此過(guò)程可以連續(xù)處理所有四個(gè)級(jí)別，一次處理一個(gè)級(jí)別。

研究歷程

當(dāng)前數(shù)據(jù)搜索的一個(gè)關(guān)鍵問(wèn)題是速度。提高速度的核心技術(shù)是空間索引?？臻g索引是由空間位置到空間對(duì)象的映射關(guān)系。當(dāng)前的一些大型數(shù)據(jù)庫(kù)都有空間索引能力，像Oracle，DB2?？臻g索引技術(shù)并不單是為了提高顯示速度，顯示速度僅僅是它所要解決的一個(gè)問(wèn)題?？臻g索引是為空間搜索提供一種合適的數(shù)據(jù)結(jié)構(gòu)，以提高搜索速度?？臻g索引技術(shù)的核心是:根據(jù)搜索條件，比如一個(gè)矩形，迅速找到與該矩形相交的所有空間對(duì)象集合。當(dāng)數(shù)據(jù)量巨大，矩形框相對(duì)于全圖很小時(shí)，這個(gè)集合相對(duì)于全圖數(shù)據(jù)集大為縮小，在這個(gè)縮小的集合上再處理各種復(fù)雜的搜索，效率就會(huì)大大提高。所謂空間索引，就是指依據(jù)空間實(shí)體的位置和形狀或空間實(shí)體之間的某種空間關(guān)系，按一定順序排列的一種數(shù)據(jù)結(jié)構(gòu)，其中包含空間實(shí)體的概要信息如對(duì)象的標(biāo)識(shí)、外接矩形及指向空間實(shí)體數(shù)據(jù)的指針。簡(jiǎn)單的說(shuō)，就是將空間對(duì)象按某種空間關(guān)系進(jìn)行劃分，以后對(duì)空間對(duì)象的存取都基于劃分塊進(jìn)行。 1 引言 空間索引是對(duì)存儲(chǔ)在介質(zhì)上的數(shù)據(jù)位置信息的描述，用來(lái)提高系統(tǒng)對(duì)數(shù)據(jù)獲取的效率。空間索引的提出是由兩方面決定的:其一是由于計(jì)算機(jī)的體系結(jié)構(gòu)將存貯器分為內(nèi)存、外存 兩種，訪問(wèn)這兩種存儲(chǔ)器一次所花費(fèi)的時(shí)間一般為30~40ns，8~10ms，可以看出兩者相差十 萬(wàn)倍以上，盡管有"內(nèi)存數(shù)據(jù)庫(kù)"的說(shuō)法，但絕大多數(shù)數(shù)據(jù)是存儲(chǔ)在外存磁盤(pán)上的，如果對(duì)磁盤(pán)上數(shù)據(jù)的位置不加以記錄和組織，每查詢一個(gè)數(shù)據(jù)項(xiàng)就要掃描整個(gè)數(shù)據(jù)文件，這種訪問(wèn)磁盤(pán)的代價(jià)就會(huì)嚴(yán)重影響系統(tǒng)的效率，因此系統(tǒng)的設(shè)計(jì)者必須將數(shù)據(jù)在磁盤(pán)上的位置加以記錄和組織，通過(guò)在內(nèi)存中的一些計(jì)算來(lái)取代對(duì)磁盤(pán)漫無(wú)目的的訪問(wèn)，才能提高系統(tǒng)的效率，尤其是GIS涉及的是各種海量的復(fù)雜數(shù)據(jù)，索引對(duì)于處理的效率是至關(guān)重要的。其二是GIS 所表現(xiàn)的地理數(shù)據(jù)多維性使得傳統(tǒng)的B樹(shù)索引并不適用，因?yàn)锽樹(shù)所針對(duì)的字符、數(shù)字等傳統(tǒng)數(shù)據(jù)類(lèi)型是在一個(gè)良序集之中，即都是在一個(gè)維度上，集合中任給兩個(gè)元素，都可以在這個(gè)維度上確定其關(guān)系只可能是大于、小于、等于三種，若對(duì)多個(gè)字段進(jìn)行索引，必須指定各個(gè)字段的優(yōu)先級(jí)形成一個(gè)組合字段，而地理數(shù)據(jù)的多維性，在任何方向上并不存在優(yōu)先級(jí)問(wèn)題，因此B樹(shù)并不能對(duì)地理數(shù)據(jù)進(jìn)行有效的索引，所以需要研究特殊的能適應(yīng)多維特性的空間索引方式。 1984年Guttman發(fā)表了《R樹(shù):一種空間查詢的動(dòng)態(tài)索引結(jié)構(gòu)》，它是一種高度平衡的樹(shù)，由中間節(jié)點(diǎn)和頁(yè)節(jié)點(diǎn)組成，實(shí)際數(shù)據(jù)對(duì)象的最小外接矩形存儲(chǔ)在頁(yè)節(jié)點(diǎn)中，中間節(jié)點(diǎn)通過(guò)聚集其低層節(jié)點(diǎn)的外接矩形形成，包含所有這些外接矩形。其后，人們?cè)诖嘶A(chǔ)上針對(duì)不同空間運(yùn)算提出了不同改進(jìn)，才形成了一個(gè)繁榮的索引樹(shù)族，是流行的空間索引。

常見(jiàn)空間索引類(lèi)型有BSP樹(shù)、K-D-B樹(shù)、R樹(shù)、R+樹(shù)和CELL樹(shù)，空間索引的性能的優(yōu)越直接影響空間數(shù)據(jù)庫(kù)和地理信息系統(tǒng)的整體性能。結(jié)構(gòu)較為簡(jiǎn)單的格網(wǎng)型空間索引在各GIS軟件和系統(tǒng)中(如ArcGIS)都有著廣泛的應(yīng)用。

分形(Fractal)理論，是現(xiàn)代數(shù)學(xué)的一個(gè)新分支。分形幾何學(xué)是一門(mén)以非規(guī)則幾何形態(tài)為研究對(duì)象的幾何學(xué)。通過(guò)對(duì)分形理論的深入研究，證明了皮亞諾曲線的一些性質(zhì)，尤其對(duì)Hilbert空間填(略)，為空間索引的研究提供了必要的理論知識(shí)。

空間數(shù)據(jù)(略)空間信息領(lǐng)域的核心研究?jī)?nèi)容之一.隨著空間信息基礎(chǔ)設(shè)施建設(shè)和空間數(shù)據(jù)獲取技術(shù)的快速發(fā)展,空間數(shù)據(jù)規(guī)模越來(lái)越大，對(duì)空間數(shù)據(jù)共享的要求越來(lái)越高，與此同時(shí)空間數(shù)據(jù)倉(cāng)庫(kù)、空間數(shù)據(jù)挖掘等(略)系統(tǒng)性能提出了日益增長(zhǎng)的需求。在依賴(lài)硬件改善數(shù)據(jù)庫(kù)系統(tǒng)性能越來(lái)越困難的情況下，以提高空間數(shù)據(jù)共享能力，增強(qiáng)空間數(shù)據(jù)的索引效率成為當(dāng)前研究的熱點(diǎn)前沿。

基于分形理論，通過(guò)生成Hilbert曲線，將空間數(shù)據(jù)進(jìn)行有效合理的劃分，并且結(jié)合當(dāng)前空間索引系統(tǒng)中應(yīng)用廣泛的R-樹(shù)空間(略)成了一種新的空間索引算法及體系，很好地解決了空間索引速度和索引精度問(wèn)題，(略)分布式海量空間數(shù)據(jù)的空間索引效率。具體如下:深入研究了分形圖形的編碼理論，L系統(tǒng)和迭代函數(shù)系統(tǒng)繪制分形圖形的方法，并給出Hilbert空間填充曲線的生成方案，設(shè)計(jì)出掃描矩陣算法。

對(duì)一個(gè)數(shù)據(jù)集做"索引"，是為了提高對(duì)這個(gè)數(shù)據(jù)集檢索的效率。書(shū)的"目錄"就是這本書(shū)內(nèi)容的"索引"，當(dāng)我們拿到一本新書(shū)，想查看感興趣內(nèi)容的時(shí)候，我們會(huì)先查看目錄，確定感興趣的內(nèi)容會(huì)在哪些頁(yè)里，直接翻到那些頁(yè)，就OK了，而不是從第一章節(jié)開(kāi)始翻，一個(gè)字一個(gè)字地找我們感興趣的內(nèi)容，直到找到為止，這種檢索內(nèi)容的效率也太低了，如果一本書(shū)沒(méi)有目錄，可以想象有多么不方便…指可空間在索引查找中的重要性 可見(jiàn)書(shū)的目錄有多重要 索引有多重要啊!

R樹(shù)

R樹(shù)是B樹(shù)向多維空間發(fā)展的另一種形式，它將空間對(duì)象按范圍劃分，每個(gè)結(jié)點(diǎn)都對(duì)應(yīng)一個(gè)區(qū)域和一個(gè)磁盤(pán)頁(yè)，非葉結(jié)點(diǎn)的磁盤(pán)頁(yè)中存儲(chǔ)其所有子結(jié)點(diǎn)的區(qū)域范圍，非葉結(jié)點(diǎn)的所有子結(jié)點(diǎn)的區(qū)域都落在它的區(qū)域范圍之內(nèi);葉結(jié)點(diǎn)的磁盤(pán)頁(yè)中存儲(chǔ)其區(qū)域范圍之內(nèi)的所有空間對(duì)象的外接矩形。每個(gè)結(jié)點(diǎn)所能擁有的子結(jié)點(diǎn)數(shù)目有上、下限，下限保證對(duì)磁盤(pán)空間的有效利用，上限保證每個(gè)結(jié)點(diǎn)對(duì)應(yīng)一個(gè)磁盤(pán)頁(yè)，當(dāng)插入新的結(jié)點(diǎn)導(dǎo)致某結(jié)點(diǎn)要求的空間大于一個(gè)磁盤(pán)頁(yè)時(shí)，該結(jié)點(diǎn)一分為二。R樹(shù)是一種動(dòng)態(tài)索引結(jié)構(gòu)，即:它的查詢可與插入或刪除同時(shí)進(jìn)行，而且不需要定期地對(duì)樹(shù)結(jié)構(gòu)進(jìn)行重新組織。

1 R-Tree數(shù)據(jù)結(jié)構(gòu)

R-Tree是一種空間索引數(shù)據(jù)結(jié)構(gòu)，下面做簡(jiǎn)要介紹:

(1)R-Tree是n 叉樹(shù)，n稱(chēng)為R-Tree的扇(fan)。

(2)每個(gè)結(jié)點(diǎn)對(duì)應(yīng)一個(gè)矩形。

(3)葉子結(jié)點(diǎn)上包含了小于等于n 的對(duì)象，其對(duì)應(yīng)的矩為所有對(duì)象的外包矩形。

(4)非葉結(jié)點(diǎn)的矩形為所有子結(jié)點(diǎn)矩形的外包矩形。

R-Tree的定義很寬泛，同一套數(shù)據(jù)構(gòu)造R-Tree，不同方可以得到差別很大的結(jié)構(gòu)。什么樣的結(jié)構(gòu)比較優(yōu)呢?有兩標(biāo)準(zhǔn):

(1)位置上相鄰的結(jié)點(diǎn)盡量在樹(shù)中聚集為一個(gè)父結(jié)點(diǎn)。

(2)同一層中各兄弟結(jié)點(diǎn)相交部分比例盡量小。

R樹(shù)是一種用于處理多維數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)，用來(lái)訪問(wèn)二維或者更高維區(qū)域?qū)ο蠼M成的空間數(shù)據(jù).R樹(shù)是一棵平衡樹(shù)。樹(shù)上有兩類(lèi)結(jié)點(diǎn):葉子結(jié)點(diǎn)和非葉子結(jié)點(diǎn)。每一個(gè)結(jié)點(diǎn)由若干個(gè)索引項(xiàng)構(gòu)成。對(duì)于葉子結(jié)點(diǎn)，索引項(xiàng)形如(Index，Obj_ID)。其中，Index表示包圍空間數(shù)據(jù)對(duì)象的最小外接矩形MBR，Obj_ID標(biāo)識(shí)一個(gè)空間數(shù)據(jù)對(duì)象。對(duì)于一個(gè)非葉子結(jié)點(diǎn)，它的索引項(xiàng)形如(Index，Child_Pointer)。 Child_Pointer 指向該結(jié)點(diǎn)的子結(jié)點(diǎn)。Index仍指一個(gè)矩形區(qū)域，該矩形區(qū)域包圍了子結(jié)點(diǎn)上所有索引項(xiàng)MBR的最小矩形區(qū)域。一棵R樹(shù)的示例如圖所示:

2 R-Tree算法描述

算法描述如下:

對(duì)象數(shù)為n，扇區(qū)大小定為fan。

(1)估計(jì)葉結(jié)點(diǎn)數(shù)k=n/fan。

(2)將所有幾何對(duì)象按照其矩形外框中心點(diǎn)的x值排序。

(3)將排序后的對(duì)象分組，每組大小為 *fan，最后一組可能不滿員。

(4)上述每一分組內(nèi)按照幾何對(duì)象矩形外框中心點(diǎn)的y值排序。

(5)排序后每一分組內(nèi)再分組，每組大小為fan。

(6)每一小組成為葉結(jié)點(diǎn)，葉子結(jié)點(diǎn)數(shù)為nn。

(7)N=nn，返回1。

3 R-Tree空間索引算法的研究歷程

1 R-Tree

多維索引技術(shù)的歷史可以追溯到20世紀(jì)70年代中期。就在那個(gè)時(shí)候，諸如Cell算法、四叉樹(shù)和k-d樹(shù)等各種索引技術(shù)紛紛問(wèn)世，但它們的效果都不盡人意。

R+樹(shù)

在Guttman的工作的基礎(chǔ)上，許多R樹(shù)的變種被開(kāi)發(fā)出來(lái)， Sellis等提出了R+樹(shù)，R+樹(shù)與R樹(shù)類(lèi)似，主要區(qū)別在于R+樹(shù)中兄弟結(jié)點(diǎn)對(duì)應(yīng)的空間區(qū)域無(wú)重疊，這樣劃分空間消除了R樹(shù)因允許結(jié)點(diǎn)間的重疊而產(chǎn)生的"死區(qū)域"(一個(gè)結(jié)點(diǎn)內(nèi)不含本結(jié)點(diǎn)數(shù)據(jù)的空白區(qū)域)，減少了無(wú)效查詢數(shù)，從而大大提高空間索引的效率，但對(duì)于插入、刪除空間對(duì)象的操作，則由于操作要保證空間區(qū)域無(wú)重疊而效率降低。同時(shí)R+樹(shù)對(duì)跨區(qū)域的空間物體的數(shù)據(jù)的存儲(chǔ)是有冗余的，而且隨著數(shù)據(jù)庫(kù)中數(shù)據(jù)的增多，冗余信息會(huì)不斷增長(zhǎng)。Greene也提出了他的R樹(shù)的變種。

R*樹(shù)

在1990年，Beckman和Kriegel提出了最佳動(dòng)態(tài)R樹(shù)的變種--R*樹(shù)。R*樹(shù)和R樹(shù)一樣允許矩形的重疊，但在構(gòu)造算法R*樹(shù)不僅考慮了索引空間的"面積"，而且還考慮了索引空間的重疊。該方法對(duì)結(jié)點(diǎn)的插入、分裂算法進(jìn)行了改進(jìn)，并采用"強(qiáng)制重新插入"的方法使樹(shù)的結(jié)構(gòu)得到優(yōu)化。但R*樹(shù)算法仍然不能有效地降低空間的重疊程度，尤其是在數(shù)據(jù)量較大、空間維數(shù)增加時(shí)表現(xiàn)的更為明顯。R*樹(shù)無(wú)法處理維數(shù)高于20的情況。

QR樹(shù)

QR樹(shù)利用四叉樹(shù)將空間劃分成一些子空間，在各子空間內(nèi)使用許多R樹(shù)索引，從而改良索引空間的重疊。QR樹(shù)結(jié)合了四叉樹(shù)與R樹(shù)的優(yōu)勢(shì)，是二者的綜合應(yīng)用。實(shí)驗(yàn)證明:與R樹(shù)相比，QR樹(shù)以略大(有時(shí)甚至略小)的空間開(kāi)銷(xiāo)代價(jià)，換取了更高的性能，且索引目標(biāo)數(shù)越多，QR樹(shù)的整體性能越好。

SS樹(shù)

SS樹(shù)對(duì)R*樹(shù)進(jìn)行了改進(jìn)，通過(guò)以下措施提高了最鄰近查詢的性能:用最小邊界圓代替最小邊界矩形表示區(qū)域的形狀，增強(qiáng)了最鄰近查詢的性能，減少將近一半存儲(chǔ)空間;SS樹(shù)改進(jìn)了R*樹(shù)的強(qiáng)制重插機(jī)制。當(dāng)維數(shù)增加到5是，R樹(shù)及其變種中的邊界矩形的重疊將達(dá)到90%，因此在高維情況(≥5)下，其性能將變的很差，甚至不如順序掃描。

X樹(shù)

X樹(shù)是線性數(shù)組和層狀的R樹(shù)的雜合體，通過(guò)引入超級(jí)結(jié)點(diǎn)，大大地減少了最小邊界矩形之間的重疊，提高了查詢效率。X樹(shù)用邊界圓進(jìn)行索引，邊界矩形的直徑(對(duì)角線)比邊界圓大，SS樹(shù)將點(diǎn)分到小直徑區(qū)域。由于區(qū)域的直徑對(duì)最鄰近查詢性能的影響較大，因此SS樹(shù)的最鄰近查詢性能優(yōu)于R*樹(shù);邊界矩形的平均容積比邊界圓小，R*樹(shù)將點(diǎn)分到小容積區(qū)域;由于大的容積會(huì)產(chǎn)生較多的覆蓋，因此邊界矩形在容積方面要優(yōu)于邊界圓。SR樹(shù)既采用了最小邊界圓(MBS)，也采用了最小邊界矩形(MBR)，相對(duì)于SS樹(shù)，減小了區(qū)域的面積，提高了區(qū)域之間的分離性，相對(duì)于R*樹(shù)，提高了鄰近查詢的性能。

索引建好后，如果表中的數(shù)據(jù)發(fā)生變化，比如增加或修改了記錄，怎么辦?由于對(duì)表所發(fā)生的任何DML語(yǔ)句，都不會(huì)自動(dòng)修改索引，因此，必須定時(shí)同步(sync)和優(yōu)化(optimize)索引，以正確反映數(shù)據(jù)的變化。

在索引建好后，可以在該用戶下查到Oracle自動(dòng)產(chǎn)生了以下幾個(gè)表:(假設(shè)索引名為myindex):

DR$myindex$I，DR$myindex$K，DR$myindex$R，DR$myindex$N

其中以I表最重要，可以查詢一下該表:

select token_text,token_count from DR$ myindex $I where rownum<=20;

查詢結(jié)果在此省略。可以看到，該表中保存的其實(shí)就是Oracle 分析你的文檔后，生成的term記錄

在這里，包括term出現(xiàn)的位置、次數(shù)、hash值等。當(dāng)文檔的內(nèi)容改變后，可以想見(jiàn)這個(gè)I表的內(nèi)容也應(yīng)該相應(yīng)改變，才能保證Oracle在做全文檢索時(shí)正確檢索到內(nèi)容(因?yàn)樗^全文檢索，其實(shí)核心就是查詢這個(gè)表)。那么如何維護(hù)該表的內(nèi)容，不能每次數(shù)據(jù)改變都重新建立索引，這就要用到sync 和 optimize了。

同步(sync):將新的term 保存到I表;

優(yōu)化(optimize):清除I表的垃圾，主要是將已經(jīng)被刪除的term從I表刪除。

Oracle提供了一個(gè)所謂的ctx server來(lái)做這個(gè)同步和優(yōu)化的工作，只需要在后臺(tái)運(yùn)行這個(gè)進(jìn)程，它會(huì)監(jiān)視數(shù)據(jù)的變化，及時(shí)進(jìn)行同步。另外，也可以用以下的job來(lái)完成(該job要建在和表同一個(gè)用戶下):

create or replace procedure sync

is

begin

execute immediate

'alter index myindex rebuild online' ||

' parameters (''sync'')' ;

execute immediate

'alter index myindex rebuild online' ||

' parameters (''optimize full maxtime unlimited'')' ;

end sync;

/

Set ServerOutput on

declare

v_job number;

begin

Dbms_Job.Submit

(

job => v_job,

what => 'sync;',

next_date => sysdate,/* default */

interval => 'sysdate + 1/720' /* = 1 day / (24 hrs * 30 min) = 2 mins */

);

Dbms_Job.Run (v_job);

Dbms_Output.Put_Line ('Submitted as job # ' || to_char (v_job));

end;

/

job的SYSDATE + (1/720)是指每隔2分鐘同步一次。具體的時(shí)間間隔，可以根據(jù)自己的應(yīng)用的需要而定。