0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

2026年!初アウトプットをしよう
@jri_narita(成田 裕一郎)

10053トレース概説⭕

Last updated at Posted at 2026-01-05

はじめに

10053トレースは、OracleDB のオプティマイザがどのような情報を元に、どのような計算や判断をして最終的な実行計画を選んだかが記録されたトレースファイルです。
似たものに10046トレースがありますが、10046トレースは SQL実行時の詳細情報 (待機イベントや I/O、バインド値など) が記録されたトレースファイルです。

どちらも普段から見るようなファイルではなく、サポートなどからリクエストされて取るケースがほとんどかと思います。
簡単な SQL でも 3,000行以上の出力があり、読み解くにも一定のスキル・知識・経験が必要でなかなか読む機会はないと思いますが、オプティマイザの理解につながる一番の資料でもあるため、簡単にはなりますが解説します。
環境は、OCI のコンピュート・インスタンスに導入した OracleDB 19c を使用しています。

前提

トレース対象の SQL は下記の通りです。

SQL> SELECT * FROM p3_order_items WHERE product_id=3165

テーブル (p3_order_items) は Oracle が公開しているサンプルスキーマのテーブル (order_items) を元にしており、SQL実行前に頻度ヒストグラムありでオプティマイザ統計を取得しています。

その他の情報は下記の通り。

SQL> select count(1) from p3_order_items;

  COUNT(1)
----------
   1000665

SQL>
SQL> select * from p3_order_items fetch first 5 rows only;

  ORDER_ID LINE_ITEM_ID PRODUCT_ID UNIT_PRICE   QUANTITY
---------- ------------ ---------- ---------- ----------
      2423            7       3290         65         33
      2426            5       3252         25         29
      2427            7       2522         40         22
      2428           11       3173         86         28
      2429           10       3165         36         67

SQL> select table_name,index_name from user_indexes where table_name like 'P3%';

TABLE_NAME
------------------------------------------------------------------------------------------------------------------------
INDEX_NAME
------------------------------------------------------------------------------------------------------------------------
P3_ORDER_ITEMS
P3OI_PID_IX

SQL> select table_name,column_name,avg_col_len from user_tab_col_statistics
  2  where table_name like 'P3%' order by 2;

TABLE_NAME
------------------------------------------------------------------------------------------------------------------------
COLUMN_NAME
------------------------------------------------------------------------------------------------------------------------
AVG_COL_LEN
-----------
P3_ORDER_ITEMS
LINE_ITEM_ID
          3

P3_ORDER_ITEMS
ORDER_ID
          6

P3_ORDER_ITEMS
PRODUCT_ID
          4

P3_ORDER_ITEMS
QUANTITY
          4

P3_ORDER_ITEMS
UNIT_PRICE
          5


SQL>

3,000行以上の解説は大変なので、一番の肝である「オプティマイザがどのような情報を元に、どのような計算や判断をして最終的な実行計画を選んだか」が分かる箇所を抜粋しました。こちらをベースに解説します。(非公開情報もあるため、歯切れが悪い部分もありますがご了承ください)

10053トレース (抜粋)

***************************************
BASE STATISTICAL INFORMATION
***********************
Table Stats::
  Table: P3_ORDER_ITEMS  Alias: P3_ORDER_ITEMS
  #Rows: 1000665  SSZ: 0  LGR: 0  #Blks:  3659  AvgRowLen:  21.00  NEB: 0  ChainCnt:  0.00  ScanRate:  0.00  SPC: 0  RFL: 0  RNF: 0  CBK: 0  CHR: 0  KQDFLG: 1
  #IMCUs: 0  IMCRowCnt: 0  IMCJournalRowCnt: 0  #IMCBlocks: 0  IMCQuotient: 0.000000
Index Stats::
  Index: P3OI_PID_IX  Col#: 3
  LVLS: 2  #LB: 2094  #DK: 185  LB/K: 11.00  DB/K: 20.00  CLUF: 3760.00  NRW: 1000665.00 SSZ: 0.00 LGR: 0.00 CBK: 0.00 GQL: 0.00 CHR: 0.00 KQDFLG: 8192 BSZ: 1
  KKEISFLG: 1 
try to generate single-table filter predicates from ORs for query block SEL$1 (#0)
finally: "P3_ORDER_ITEMS"."PRODUCT_ID"=3165

=======================================
SPD: BEGIN context at query block level
=======================================
Query Block SEL$1 (#0)
Return code in qosdSetupDirCtx4QB: NOCTX
=====================================
SPD: END context at query block level
=====================================
Access path analysis for P3_ORDER_ITEMS
***************************************
SINGLE TABLE ACCESS PATH 
  Single Table Cardinality Estimation for P3_ORDER_ITEMS[P3_ORDER_ITEMS] 
  SPD: Return code in qosdDSDirSetup: NOCTX, estType = TABLE

 kkecdn: Single Table Predicate:"P3_ORDER_ITEMS"."PRODUCT_ID"=3165
  Column (#3): 
    NewDensity:0.000000, OldDensity:0.000000 BktCnt:1000665.000000, PopBktCnt:1000593.000000, PopValCnt:113, NDV:185
  Column (#3): PRODUCT_ID(NUMBER)
    AvgLen: 4 NDV: 185 Nulls: 0 Density: 0.000000 Min: 1781.000000 Max: 3515.000000
    Histogram: Freq  #Bkts: 185  UncompBkts: 1000665  EndPtVals: 185  ActualVal: yes
  Estimated selectivity: 1.0993e-05 , endpoint value predicate, col: #3 
  Table: P3_ORDER_ITEMS  Alias: P3_ORDER_ITEMS
    Card: Original: 1000665.000000rsel = 0.000011   Rounded: 11  Computed: 11.000000  Non Adjusted: 11.000000
  Scan IO  Cost (Disk) =   993.000000
  Scan CPU Cost (Disk) =   216184138.960000
  Cost of predicates:
    io = NOCOST, cpu = 50.000000, sel = 0.000011 flag = 2048  ("P3_ORDER_ITEMS"."PRODUCT_ID"=3165)
  Total Scan IO  Cost  =   993.000000 (scan (Disk))
                         + 0.000000 (io filter eval) (= 0.000000 (per row) * 1000665.000000 (#rows))
                       =   993.000000
  Total Scan CPU  Cost =   216184138.960000 (scan (Disk))
                         + 50033250.000000 (cpu filter eval) (= 50.000000 (per row) * 1000665.000000 (#rows))
                       =   266217388.960000
  Access Path: TableScan
    Cost:  1001.991752  Resp: 1001.991752  Degree: 0
      Cost_io: 993.000000  Cost_cpu: 266217389
      Resp_io: 993.000000  Resp_cpu: 266217389
 ****** Costing Index P3OI_PID_IX
  SPD: Return code in qosdDSDirSetup: NOCTX, estType = INDEX_SCAN
  SPD: Return code in qosdDSDirSetup: NOCTX, estType = INDEX_FILTER
  Estimated selectivity: 1.0993e-05 , endpoint value predicate, col: #3 
  Access Path: index (AllEqRange)
    Index: P3OI_PID_IX
    resc_io: 4.000000  resc_cpu: 33216
    ix_sel: 1.0993e-05  ix_sel_with_filters: 1.0993e-05 
    Cost: 4.001122  Resp: 4.001122  Degree: 1
  Best:: AccessPath: IndexRange
  Index: P3OI_PID_IX
         Cost: 4.001122  Degree: 1  Resp: 4.001122  Card: 11.000000  Bytes: 0.000000

***************************************

BASE STATISTICAL INFORMATION

Table Stats

Rows

テーブルの行数を示しています。「前提」の SELECT COUNT の結果と一致しています。

Blks

テーブルのブロック数を示しています。

AvgRowLen

テーブルの平均行長を示しています。「前提」で USER_TAB_COL_STATISTICS の AVG_COL_LEN を SELECT していますが、これの総和です。

Index Stats

Col#

インデックスカラム (PRODUCT_ID) が、テーブル定義上何番目に位置するかを示します。

LVLS

B-tree の高さを示します。

LB

インデックスのブロック数を示します。(Leaf Blocks)

DK

キー値の種類数を示します。(Distinct Keys)

LB/K

1種類のキー値が平均でいくつのブロックにまたがっているかを示します。(LB/DK = 2,094/185 = 11)

DB/K

1つのキー値が分布するテーブルブロック数の平均を示します。(CLUF/DK = 3,760/185 = 20)

CLUF

インデックスの並びと、表の物理配置 (ROWID順) がどれだけ揃っているかを示しています。(Cluster Factor)
値の範囲はテーブルブロック数 (今回は 3,659) ～ 表の行数 (今回は 1,000,665) で、小さいほど物理的にまとまっており、大きいほど分散しているといえます。(今回は「物理的にまとまっている」)

Access path analysis

SINGLE TABLE ACCESS PATH

PopValCnt

キー値の中で、支配的なキー値の数を示します。(今回は 185種類のうち 113種類が支配的)

PopBktCnt

PopValCnt に該当するレコード数を示します。(1,000,665レコードのうち 1,000,593レコードが支配的 → 偏りが大きい)

Histogram

ヒストグラムタイプを示します。今回は頻度ヒストグラムを選択しているため、Freq(uency) となっています。

Estimated selectivity

セレクティビティ (WHERE句の条件で取得される行の割合) を示します。
今回はヒストグラムありでオプティマイザ統計を取得しているため、product_id=3165で取得される行が 11 であるとわかっており、11/1,000,665 = 1.0993e-05 となります。

Scan IO Cost (Disk), Scan CPU Cost (Disk)

システム統計に基づく値です。

Access Path: TableScan

Cost

テーブルスキャンの総コストを示しています。
Scan IO Cost + Scan CPU Cost の SREAD換算値で求められます。(993 + 8.99 = 1001.99)

Access Path: index

resc_io

インデックススキャンで読み込むブロック数を示します。
(LVLS + 1 + ceil(#LB * selectivity) = 3 + ceil(2,094 * 1.0993e-05) = 4)

resc_cpu

インデックススキャンに要する CPUコストを示します。

Cost

インデックススキャンの総コストを示します。
resc_io + resc_cpu の SREAD換算値で求められます。(4 + 0.001122 = 4.001122)

Best:: AccessPath

最終的に選択した実行計画 (オペレーション) を示します。
インデックススキャンの総コスト (4.001122) がテーブルスキャンの総コスト (1001.99) より遥かに小さいため、インデックススキャンが選択されていることがわかります。

別の機会に、JOIN をしている SQLなど様々なケースの 10053トレースを概説したいと思います :smiley:

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?