并行特性在数据库里对于性能的提升很有帮助，尤其是大批量的数据处理。今天对于并行的性能情况进行了简单的图表分析。
为了能够比较合理的比较数据，对数据库里的2张大表进行了比对分析。
测试的场景有以下两个。
1.并行生成dump文件，比如一个大表有100G，使用并行，并行度为50 ，那么很可能会生成50个dump文件，每个dump文件基本控制在2G左右。
2.使用并行做数据的append insert. 比如已经生成了50个dump文件，每个dump文件2G，那么做并行插入的时候（dump数据还是一个一个插入，但是每次插入数据启用并行度为 8）
--》并行生成dump文件。
首先来看看总体的速度，采用并行后速度还是很可观的。生成12G左右的dump文件，花费的时间在14秒~21秒
按照这个速度，每秒的速度在571M~857M的范围内，是相当快的。
使用两个表MEMO和CHARGE,
CHARGE... Elapsed: 00:00:14.37
MO1_MEMO... Elapsed: 00:00:21.88
表memo
采用并行，并行度最高64，生成了64个dump文件。Y坐标是dump文件的字节数。可以看到表memo dump文件基本都在200M~250M左右。启用并行生成的数据也是比较平均的。
--表charge
在来看charge表。数据也是比较平均的。都在150M左右
--数据量并行分析
对于生成的dump文件，大小基本是平均的，但是对于里面包含的数据量情况还是有一些变化的，通过这个分析可以基本得到表里的数据情况，发现潜在的碎片等问题
表MEMO
对于memo，可以发现会有几个dump文件的数据量有明显的降低，数据量大多保持在80-90玩左右。有几个dump文件只包含10万条数据左右，但是dump文件还是在200M左右。可能含有碎片等，需要做进一步的排查。
对于CHARGE表。数据分布基本在30万到60万左右摆动。数据的分布有一定的浮动。
--》数据的的append Insert
做数据的插入时，可以看到memo表的大体的趋势是时间会有一定的延长。个别dump因为数据量减少，时间可能会短一些，但是趋势还是随着dump的数据逐渐并行插入，时间会有一定的提升。可能会有1.5-2倍的时间差。
为了验证这一点，来看看charge表的情况，起初速度还保持在30秒，但是稍候会有主键的提升。基本到了60-70秒的样子，
所以综上所述，并行在日常工作中还是有很大的优势的，可以极大的缩短一些工作时间，在数据的抽取中使用parallel，速度是很客观的。
在数据的插入过程中，可能随着dump文件的个数增长，数据的插入性能会有一定的降低，但是都在可控范围内。