之前的几篇文章：
《一个执行计划异常变更的案例 - 前传》
《一个执行计划异常变更的案例 - 外传之绑定变量窥探》
《一个执行计划异常变更的案例 - 外传之查看绑定变量值的几种方法》
《一个执行计划异常变更的案例 - 外传之rolling invalidation》
《一个执行计划异常变更的案例 - 外传之聚簇因子(Clustering Factor)》
《一个执行计划异常变更的案例 - 外传之查询执行计划的几种方法》
《一个执行计划异常变更的案例 - 外传之AWR》
《一个执行计划异常变更的案例 - 外传之ASH》
《一个执行计划异常变更的案例 - 外传之SQL AWR》
《一个执行计划异常变更的案例 - 外传之直方图》
《一个执行计划异常变更的案例 - 外传之SQL Profile(上)》
上篇文章介绍了Automatic类型的SQL Profile，这种类型的SQL Profile隐患就是未锁定执行计划，只是对统计信息进行了一些修正，一旦表统计信息出现了一些波动，就可能出现错误的修正。
为了解决这种问题就可以尝试Manual类型的SQL Profile，我们来看下他是如何不变更原文的情况下，调整执行计划，并做到可以稳定执行计划的目的。
为了创建Manual类型的SQL Profile，我们需要使用MOS(All About the SQLT Diagnostic Tool (文档 ID 215187.1))中可下载的一个脚本coe_xfr_sql_profile.sql。
我们依旧采用上篇文章中使用的测试表t1和t2，数据量、索引和统计信息收集均相同。使用如下SQL执行计划不是最优的，
通过上篇文章的分析，我们知道这才是最优的执行计划，
首先查询这两条SQL对应的sql_id，
查询这两个sql_id对应的plan_hash_value，
执行coe_xfr_sql_profile.sql脚本，输入参数为上面第一次执行的SQL语句(即需要优化的)对应的sql_id和plan_hash_value，
输出结果中含有一个脚本，命名格式就是“coe_xfr_sql_profile_(sql_id)_(plan_hash_value).sql，
打开脚本可以看见其注释，说明他可以创建一个自定义的SQL Profile，
接着我们对使用正确执行计划的SQL执行脚本，
同样生成了一个脚本，
我们用正确的执行计划对应的脚本中HINT部分，
替换错误执行计划对应的脚本中HINT部分，
同时将下面这个参数force_match的默认值FALSE改为TRUE，意思是针对不同文本值的SQL，可以重用此SQL Profile，
然后执行此脚本，
此时就创建了一个Manual类型的SQL Profile。
我们看下效果，重新执行SQL，
可以看出执行计划已经是最优的，而且Note部分说明已经使用了SQL Profile。此时我们再次将t1表优化器认知的数量改为500万，
Automatic类型的SQL Profile此时就会由于缩放错误，再次选择错误的执行计划，我们看下这种Manual类型的SQL Profile，
看出仍旧使用的正确执行计划，证明了这种类型的SQL Profile是可以锁定正确执行计划。上面我们将force_match参数值设为了TRUE，看下有什么作用，
我们将%ABC%换为了%ZZZ%，仍旧采用了正确的执行计划。当然，如果SQL语句变了，意味着上述手工创建的SQL Profile就不能用了，除非再次创建对应的SQL Profile，
总结：
和上篇文章介绍的Automatic类型的SQL Profile相比，Manual类型的SQL Profile的创建过程要复杂一些，但其可以不改SQL的前提下，调整执行计划，最重要的是他能稳定执行计划，不会因为统计信息波动等问题，导致选择错误的执行计划，对于一些短期内不能改应用调整SQL的场景，我们可以选择合适的SQL Profile类型进行执行计划的调整操作。
欢迎关注我的个人微信公众号：bisal的个人杂货铺
