根据新的设置，如何进行合并？　
　

CREATE TABLE TABLE_SEQ AS 　　SELECT * FROM 　　(SELECT ID， SEQ AS seq_a 　　FROM TABLE_A) 　　ALIAS_A， 　　(SELECT ID AS id_b， SEQ AS seq_b 　　FROM TABLE_B) 　　ALIAS_B 　　WHERE ALIAS_A.seq_a = ALIAS_B.seq_b 　　call count cpu elapsed disk query current rows 　　——- —— ——– ———- ———- ———- ———- ———- 　　Parse 1 0.00 0.06 0 0 0 0 　　Execute 1 10.64 24.43 12186 12370 5677 1000000 　　Fetch 0 0.00 0.00 0 0 0 0 　　——- —— ——– ———- ———- ———- ———- ———- 　　total 2 10.64 24.49 12186 12370 5677 1000000

　　有趣的是，既然数据并非如此不同，性能也只是略差。那么解释计划展示的是什么？使用ROWNUM原始测试，我们有：

PLAN_TABLE_OUTPUT 　　————————————————————————————————- 　　Plan hash value: 1354216904 　　———————————————————————————————– 　　| Id | Operation | Name | Rows | Bytes |TempSpc| Cost (%CPU)| Time | 　　———————————————————————————————– 　　| 0 | CREATE TABLE STATEMENT | | 10G| 496G| | 15M (2)| 50:40:43 | 　　| 1 | LOAD AS SELECT | TABLE_ROWNUM | | | | | | 　　|* 2 | HASH JOIN | | 10G| 496G| 36M| 186K (97)| 00:37:19 | 　　| 3 | VIEW | | 1009K| 25M| | 1597 (10)| 00:00:20 | 　　| 4 | COUNT | | | | | | | 　　| 5 | TABLE ACCESS FULL | TABLE_B | 1009K| 4930K| | 1381 (11)| 00:00:17 | 　　| 6 | VIEW | | 1016K| 25M| | 1475 (10)| 00:00:18 | 　　| 7 | COUNT | | | | | | | 　　| 8 | TABLE ACCESS FULL | TABLE_A | 1016K| 3969K| | 1285 (12)| 00:00:16 | 　　———————————————————————————————– 　　Predicate Information (identified by operation id): 　　————————————————— 　　2 – access(“ALIAS_A”.”ROWNUM_A”=”ALIAS_B”.”ROWNUM_B”)

　　基于序列的合并似乎是一个更好的计划。　

PLAN_TABLE_OUTPUT 　　————————————————————————————————- 　　Plan hash value: 1354216904 　　———————————————————————————————– 　　| Id | Operation | Name | Rows | Bytes |TempSpc| Cost (%CPU)| Time | 　　———————————————————————————————– 　　| 0 | CREATE TABLE STATEMENT | | 10G| 496G| | 15M (2)| 50:40:43 | 　　| 1 | LOAD AS SELECT | TABLE_ROWNUM | | | | | | 　　|* 2 | HASH JOIN | | 10G| 496G| 36M| 186K (97)| 00:37:19 | 　　| 3 | VIEW | | 1009K| 25M| | 1597 (10)| 00:00:20 | 　　| 4 | COUNT | | | | | | | 　　| 5 | TABLE ACCESS FULL | TABLE_B | 1009K| 4930K| | 1381 (11)| 00:00:17 | 　　| 6 | VIEW | | 1016K| 25M| | 1475 (10)| 00:00:18 | 　　| 7 | COUNT | | | | | | | 　　| 8 | TABLE ACCESS FULL | TABLE_A | 1016K| 3969K| | 1285 (12)| 00:00:16 | 　　———————————————————————————————– 　　Predicate Information (identified by operation id): 　　————————————————— 　　2 – access(“ALIAS_A”.”ROWNUM_A”=”ALIAS_B”.”ROWNUM_B”)

　　虽然这是一个相对较小的数据集，你可以明白为什么执行该计划的花费可能会引起误解。如果基于序列的表在同一会话中被删除和重新建立，创建表重新删除的时间到刚刚超过2秒。在表面上看，第二轮创建的表似乎要快得多，但真正要证明的是什么呢？

　　所要证明的是，数据块已经读入缓存，从缓存中读取数据块的速度将远远超过从磁盘双方读取的速度(这我们已经知道的事实) 。它实际意义是：你创建表需要多少时间？这通常是一次性完成。如果原始表被删除和重创，它的创建时间将大大加快。

　　通过清除共享池和缓存来恢复性能， 在ROWNUM和基于序的列情况下所花费的时间分别 14秒和10秒的。在这一点上，它可能看起来像是混为一谈。但在运行期间，其性能级别交换了。这也许是事实，但不要忘记设置了序列为基础的表格的费用(按时间)。

　　总结

　　从某种意义上说，最为相似的数据集，操作系统和平台依赖性(多少行，内存和I / O等) ，他们可以更快地在不同数据集之间添加一个共同的属性，然后在进行合并操作。对于较小的数据集，也许略高于100万行，我冒昧地说，使用ROWNUM这将永远是比新增一个合并关键字更快，即使使用常见的关键创建表的速度更快。那么，什么时候适当使用ROWNUM ？当在没有共同关键字的情况时，你不关心表之间的特殊关联，即使是正好就存在这样的事实。如果你正在处理相关表，他们基于一个共同的属性，并且这些关联必须排序，你一定不能依赖ROWNUM保持合并表之间的顺序。它事关，在一个表中具体行是否与第二个表中特定行匹配。