1. 绑定变量场景下执行计划为什么会漂移：11gR2 Adaptive Cursor Sharing 实战复盘
线上 OLTP 系统里，绑定变量是标配。SQL 文本固定、只换绑定值，硬解析次数少、shared pool 压力小，听起来很美好。但只要你用过 Oracle 11g 之前的版本，大概率遇到过这种诡异现象：同一条select * from ht1 where object_id = :a，绑定值传 1000 时走索引范围扫描，快得飞起；换成 100 时还是走索引，逻辑读直接飙到几千，慢到业务告警。这就是绑定变量窥探（Bind Peeking）带来的执行计划漂移。
绑定变量窥探从 9i 就引入了，它的逻辑是：SQL 第一次硬解析时，Oracle 会偷看一眼当前绑定变量的值，用这个值去算选择率、生成执行计划，然后把计划缓存起来。问题在于，后续所有绑定值都复用这个计划。如果第一次传的是高选择性的值（比如 object_id=1000，只有 150 行），优化器选索引；后面传低选择性的值（object_id=100，有 71679 行），索引扫描就变成灾难。反过来也一样，第一次传低选择性值走全表扫描，后面传高选择性值也全表扫描，浪费大量 buffer gets。
11gR2 的 Adaptive Cursor Sharing（ACS，自适应游标共享）就是来解决这个问题的。它让同一条带绑定变量的 SQL 可以拥有多个 child cursor，每个 child cursor 对应一段选择性范围，Oracle 根据绑定值的实际选择性智能判断该复用哪个 child。通俗讲，就是不再“一锤子买卖”，而是根据绑定变量的值动态选择最优执行计划。
这篇文章面向的是正在维护 Oracle 11gR2 OLTP 库的 DBA 和开发人员，尤其是遇到执行计划突然变差、逻辑读暴涨、child cursor 数量异常的场景。我会从测试表构造开始，一步步复现 ACS 生效前后的差异，给出可复制的初始化参数配置、绑定变量测试脚本，以及用v$sql_shared_cursor、v$sql_cs_selectivity等视图验证 ACS 触发链路的完整动作。你跟着做一遍，就能在自己的测试库上看到 child cursor 从 1 个变成 2 个的全过程。
需要说明的是，ACS 在 11gR1 就引入了，但当时 bug 较多，比如 Bug 7213010、Bug 6644714 都报告了 child cursor 数量暴涨的问题，所以没引起太多关注。11gR2 默认开启且相对稳定，才逐渐被重视。理解它的触发链路，对排查 OLTP 绑定变量场景下的计划漂移非常关键。
2. TaoToken 前置准备：用 API 方式快速搭建可复现的 SQL 实验环境
在正式做 ACS 实验之前，先解决一个现实问题：很多同学的测试库要么版本不对，要么权限不够，要么根本连不上。我试过在本地搭一套 11gR2 环境，光安装介质和补丁就折腾半天。如果你只是想快速验证 ACS 的触发逻辑，可以用 TaoToken 的 API 能力来辅助生成测试脚本、解析执行计划输出，把精力集中在实验本身。
TaoToken 是一个面向开发者的模型 API 聚合平台，官网地址是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。它提供统一的 API 入口，支持模型对话、Coding Plan、控制台管理、API Keys 管理等能力。对于 DBA 来说，比较实用的场景是：把dbms_xplan.display_cursor的输出贴给模型，让它帮你快速解读执行计划里的 Operation、Rows、Cost 变化；或者让模型根据你的表结构生成绑定变量测试脚本。
API 地址是 https://taotoken.net/api ，注意这个地址不带 UTM 参数，直接用于代码里的 base_url。如果你要在脚本里调用，比如用 Python 写一个批量执行 SQL 并收集执行计划的小工具，可以这样配置：
import requests API_BASE = "https://taotoken.net/api" API_KEY = "你的_API_Key" headers = { "Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json" } payload = { "model": "claude-3-5-sonnet", "messages": [ {"role": "user", "content": "帮我解释这段 Oracle 执行计划：TABLE ACCESS FULL 和 INDEX RANGE SCAN 在绑定变量场景下的选择逻辑"} ] } resp = requests.post(f"{API_BASE}/v1/chat/completions", headers=headers, json=payload, timeout=60) print(resp.json()["choices"][0]["message"]["content"])这里的关键是三件套：Base URL 填https://taotoken.net/api，Key 从控制台生成，Model ID 按你实际使用的模型填写。如果你用的是 Claude Code 这类编码工具，也可以在 settings 里配置：
{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_API_KEY": "你的_API_Key", "ANTHROPIC_MODEL": "claude-3-5-sonnet" } }配置好之后，你可以让模型帮你做几件事：第一，根据dba_objects的结构生成带数据倾斜的测试表 DDL；第二，把v$sql查询结果整理成表格，对比 child cursor 的IS_BIND_SENSITIVE、IS_BIND_AWARE字段；第三，当遇到ORA-00600或 child cursor 暴涨时，帮你梳理排查思路。这些都不需要你本地有完整的 11gR2 环境，模型可以基于你贴的输出来分析。
需要提醒的是，TaoToken 在这里的角色是辅助工具，不是替代你的数据库。真正的 ACS 实验还是要在 Oracle 实例上跑。如果你还没有 API Key，可以去控制台创建一个：https://taotoken.net/console 。创建后记得把 Key 保存好，后面写脚本会用到。对于长期做数据库运维和脚本开发的场景，可以考虑 Coding Plan，按周期使用更划算：https://taotoken.net/coding-plan 。
3. 可复制配置：11gR2 ACS 相关参数与测试表构造脚本
这一节给出完整的可复制配置。先看 ACS 相关的初始化参数。11gR2 默认开启 ACS 和绑定变量窥探，你可以用下面的命令确认：
show parameter _optimizer_adaptive_cursor_sharing; show parameter _optim_peek_user_binds; show parameter _optimizer_extended_cursor_sharing; show parameter _optimizer_extended_cursor_sharing_rel;预期输出中，_optimizer_adaptive_cursor_sharing为 TRUE，_optim_peek_user_binds为 TRUE，_optimizer_extended_cursor_sharing为 UDO，_optimizer_extended_cursor_sharing_rel为 SIMPLE。这四个参数共同控制 ACS 的行为。其中_optimizer_adaptive_cursor_sharing是 ACS 总开关，_optim_peek_user_binds控制绑定变量窥探，后两个控制扩展游标共享的模式。
如果你在测试环境想临时关闭 ACS 做对比，可以执行：
alter system set "_optimizer_extended_cursor_sharing_rel"=none; alter system set "_optimizer_extended_cursor_sharing"=none; alter system set "_optimizer_adaptive_cursor_sharing"=false;注意这些是隐含参数，生产环境修改要谨慎，改完记得改回来。关闭后重新执行 SQL，你会发现 child cursor 不再根据绑定值分裂，执行计划又回到“一锤子买卖”的状态。
接下来构造测试表。为了让数据倾斜明显，我们基于dba_objects创建ht1，然后人为把object_id更新成几个集中值：
create table ht1 as select owner, object_id, object_name from dba_objects; select count(object_id) from ht1; select max(object_id) from ht1; update ht1 set object_id = 100 where object_id < 73405; commit; update ht1 set object_id = 100 where object_id < 73000; commit; update ht1 set object_id = 1000 where object_id > 73000 and object_id < 73300; commit; update ht1 set object_id = 10000 where object_id > 73329; commit; update ht1 set object_id = 10000 where object_id > 70000; commit; select object_id, count(*) from ht1 group by object_id;执行完你会看到类似结果：object_id=100 有 71679 行，object_id=1000 有 150 行，object_id=10000 有 49 行。这就是典型的数据倾斜：100 的选择性极差，1000 和 10000 的选择性很好。
然后创建索引并收集统计信息，注意method_opt要用for all columns size skewonly，这样 Oracle 会为倾斜列收集直方图：
create index idx_id on ht1(object_id); exec dbms_stats.gather_table_stats(user, 'HT1', method_opt => 'for all columns size skewonly'); select table_name, column_name, density, histogram from user_tab_columns where table_name = 'HT1';预期看到OBJECT_ID的 HISTOGRAM 为 FREQUENCY，DENSITY 很小。直方图是 ACS 判断选择性的重要依据，没有直方图，ACS 的效果会打折扣。
最后清空 shared pool，确保实验从干净状态开始：
alter system flush shared_pool;到这里，前置配置就完成了。你可以把上面的 SQL 保存成一个acs_setup.sql文件，用sqlplus / as sysdba执行。整个脚本不超过 30 行，但覆盖了参数确认、测试表构造、索引创建、统计信息收集、shared pool 清理五个关键步骤。后面所有的验证动作都基于这个环境。
4. 验证请求与成功结果：从 child cursor 0 到 child cursor 1 的完整链路
现在开始验证 ACS 的触发链路。先声明绑定变量并赋值为 1000（高选择性），执行查询，然后查看执行计划和v$sql：
var a number; exec :a := 1000; select * from ht1 where object_id = :a; select * from table(dbms_xplan.display_cursor); select hash_value from v$sql where sql_id = '9zq6asm9yfrc9';注意这里的 sql_id 是示例，你实际执行时要用v$sql查出来的真实 sql_id。执行计划预期是TABLE ACCESS BY INDEX ROWID+INDEX RANGE SCAN，因为 1000 只有 150 行，走索引合理。此时查看v$sql：
select child_number, plan_hash_value, executions, buffer_gets/executions bg_per_ex, is_bind_sensitive bs, is_bind_aware ba, is_shareable s from v$sql where sql_id = '9zq6asm9yfrc9';预期结果：child_number=0，plan_hash_value 对应索引计划，executions=1，IS_BIND_SENSITIVE=Y，IS_BIND_AWARE=N，IS_SHAREABLE=Y。这里IS_BIND_SENSITIVE=Y表示启用了绑定变量窥探，执行计划取决于变量值；IS_BIND_AWARE=N表示还没启动扩展游标共享，因为目前只有一个绑定值，Oracle 还没观察到选择性差异。
接着把绑定值改成 100（低选择性），再次执行：
exec :a := 100; select * from ht1 where object_id = :a; select * from table(dbms_xplan.display_cursor);第一次执行 100 时，你会发现执行计划居然还是索引范围扫描，plan_hash_value 和 child 0 一样。查看v$sql，child 0 的 executions 变成 2，buffer_gets/executions 涨到 5101 左右。这说明 Oracle 复用了 child 0 的计划，但实际逻辑读暴涨，因为 100 有 71679 行，走索引要回表 7 万多次。
关键动作来了：再次执行相同的绑定值 100：
exec :a := 100; select * from ht1 where object_id = :a; select * from table(dbms_xplan.display_cursor);这次执行计划变成了TABLE ACCESS FULL，plan_hash_value 变了。查看v$sql：
select child_number, plan_hash_value, executions, buffer_gets/executions bg_per_ex, is_bind_sensitive bs, is_bind_aware ba, is_shareable s from v$sql where sql_id = '9zq6asm9yfrc9';预期结果：child 0 的 executions=2，IS_BIND_AWARE=N；child 1 的 executions=1，IS_BIND_AWARE=Y，plan_hash_value 对应全表扫描。这就是 ACS 生效的标志：Oracle 为低选择性值生成了新的 child cursor，并标记为 bind aware。
再查v$sql_cs_selectivity，可以看到 child 1 的选择性范围：
select child_number, predicate, range_id, low, high from v$sql_cs_selectivity where sql_id = '9zq6asm9yfrc9';预期输出：child_number=1，predicate==A，range_id=0，low=0.896393，high=1.095591。这个范围表示，当绑定值的选择率落在这个区间时，复用 child 1 的全表扫描计划。如果再次执行 100，child 1 的 executions 会增加，而 child 0 不再增长。
为了更完整地观察，可以再执行一次 100，然后查v$sql_cs_statistics和v$sql_cs_histogram：
select child_number, bind_set_hash_value, executions, rows_processed, buffer_gets from v$sql_cs_statistics where sql_id = '9zq6asm9yfrc9'; select child_number, bucket_id, count from v$sql_cs_histogram where sql_id = '9zq6asm9yfrc9' order by child_number;v$sql_cs_statistics会显示每个 child 的采样执行统计，v$sql_cs_histogram会显示每个 child 的 bucket 计数。从这些视图可以确认 ACS 的监控组件正在工作。
整个链路总结：第一次执行 1000，child 0 建立，IS_BIND_SENSITIVE=Y；第一次执行 100，复用 child 0，逻辑读暴涨；第二次执行 100，Oracle 检测到选择性差异，创建 child 1，IS_BIND_AWARE=Y，执行计划变为全表扫描。这就是 ACS 从绑定变量窥探到敏感度分级再到游标共享的完整触发过程。
5. 本篇常见错排查：401、local proxy failed、reading choices 与 OAuth 报错对照
在实验过程中，你可能会遇到几类报错。第一类是数据库层面的，比如执行dbms_xplan.display_cursor时提示no rows selected，这通常是因为 SQL 还没执行过，或者 shared pool 被清空后 cursor 已经失效。解决办法是先执行一次目标 SQL，再查v$sql拿到 sql_id，然后用dbms_xplan.display_cursor('sql_id', child_number)指定 child 查看。
第二类是 ACS 相关视图查不到数据。比如v$sql_cs_selectivity返回no rows selected，这不一定代表 ACS 没生效，而是因为当前 child cursor 还没有进入 extended cursor sharing 模式。只有IS_BIND_AWARE=Y的 child 才会在v$sql_cs_selectivity里有记录。如果你查的是 child 0，而 child 0 的 IS_BIND_AWARE=N，那自然查不到。另外，11gR2 官方文档里居然没有v$sql_cs_selectivity的说明，这个视图在 metalink 上有相关 bug 记录，比如 Bug 10058195 报告了列被 chr(0) 填充的问题，但不影响正常使用。
第三类是用 TaoToken API 辅助分析时遇到的报错。如果你在脚本里调用 API，可能会看到401 Unauthorized，这通常是 API Key 没填对或者过期了。检查Authorization头是不是Bearer 你的Key，Key 有没有多余空格。另一个常见报错是local proxy failed，这通常出现在你本地配置了网络代理，但代理没有正常转发请求。解决办法是检查本地代理设置，或者直接让请求走直连。如果你用的是 Claude Code 或 Cline 这类工具，配置 MCP 时可能会遇到reading choices相关的解析错误，这通常是返回的 JSON 结构不符合预期，检查 base_url 是不是https://taotoken.net/api，model ID 是不是正确。
第四类是 OAuth 相关报错。如果你在配置 Claude Code 的 Anthropic 接入时看到 OAuth 失败，注意 Claude Code 的配置里需要同时填 Base URL、Key 和 Model ID 三件套。Base URL 用https://taotoken.net/api，Key 用控制台生成的 API Key，Model ID 按实际模型填。如果只填了 Key 没填 Base URL，就会走到默认的 Anthropic 端点，导致 OAuth 或认证失败。
第五类是 child cursor 数量异常暴涨。这是 11gR1 的已知问题，Bug 7213010 和 Bug 6644714 都报告了 ACS 生成大量 child cursor 的情况。在 11gR2 中这个问题有所缓解，但如果你发现v$sql里某个 SQL 的 child 数量超过几十个，可以检查_optimizer_extended_cursor_sharing_rel是不是被改成了 SIMPLE 以外的值，或者绑定变量数量是不是超过了 14 个。根据 metalink 文档 Adaptive Cursor Sharing Overview [ID 740052.1]，如果 SQL 里绑定变量超过 14 个，ECS 会被禁用。
另外，如果你修改了cursor_sharing为 similar 或 force，可能会导致大量mutex X waits for cursor等待。建议保持cursor_sharing=EXACT，从应用层面正确使用绑定变量。ACS 本身已经能处理数据倾斜，不需要靠cursor_sharing来强制共享。
排查时的一个实用技巧：用v$sql_shared_cursor查看 child cursor 为什么不能共享。这个视图会列出各种不共享的原因，比如BIND_SENSITIVE、BIND_AWARE、ROLL_INVALID_MISMATCH等。如果某个 child 的BIND_AWARE为 Y，说明它是 ACS 创建的独立 child，不应该被其他绑定值复用。
6. 语义一致 CTA：把 ACS 实验脚本沉淀为可复用的运维能力
ACS 的实验做完之后，建议你把整个流程沉淀成脚本。比如把测试表构造、参数确认、绑定变量执行、视图查询封装成一个acs_demo.sql，下次遇到执行计划漂移的案例，直接改表名和列名就能复现。对于生产环境的排查，可以写一个查询，定期扫描v$sql里IS_BIND_AWARE=Y且 child 数量超过阈值的 SQL，提前发现潜在的游标共享问题。
如果你想把这类脚本生成、执行计划解读、报错排查的工作进一步自动化，可以用 TaoToken 的 API 来辅助。模型对话入口在 https://taotoken.net/api-keys ，接入文档在 https://taotoken.net/doc ，这两个地址分别对应 API Keys 管理和文档说明。对于长期做数据库运维和 Agent 开发的场景，Coding Plan 提供了更稳定的调用方式：https://taotoken.net/coding-plan 。
最后留一个实用技巧：在 11gR2 里，v$sql_cs_histogram每个 child 默认有 3 个 bucket，bucket_id 为 0、1、2。从实验结果看，child 0 的 bucket 1 和 bucket 0 各有 1 次计数，child 1 的 bucket 1 有 2 次计数。这个 bucket 数量是否固定为 3，目前还没有官方文档明确说明，你可以通过更多实验来验证。如果你在实验中发现 child cursor 的行为和预期不一致，优先检查直方图是否收集、绑定变量是否超过 14 个、以及_optimizer_extended_cursor_sharing_rel的取值。这些细节往往决定了 ACS 是否按预期触发。
