您应该考虑坚持使用一个大表和索引架构。该解决方案可能比拆分表和索引更快。也许你有一些棘手的实现问题，阻止你的索引扩展？

一个索引统治所有索引（理论上）

B树索引的性能呈几何增长。如果主行只有一个数据点，从单个大索引进行阅读将花费O（N））磁盘读取。现在，假设您将该大索引拆分为10个较小的索引。从一个较小的索引中阅读将花费O（n（N/10）），这将只为您节省保存一次读取。
现在想象一下同样的场景，但是有两个数据点要读取。对于单个索引，阅读两个数据点可能仍然需要O（N）磁盘读取。这是因为这两个值将紧挨着存储，可能在同一个数据库块中。相比之下，从两个较小的索引中阅读两个数据点，其成本为2 * O（N（N/10）），几乎是两倍。

更真实的例子

如果上面的运行时分析看起来太抽象，下面是一个更实际的示例，演示了大表和索引策略如何优于多个小表和索引策略。
下面的代码创建了240 M行的数值数据和2.4M行的字符串数据。（我的系统无法处理完整的2.4B行，所以我将其缩小到1/10。）正如您所期望的，数值上的2.4亿行索引大约是字符串值上的2.4亿行索引的100倍。但是从每个索引中阅读单行具有非常相似的性能：4个磁盘读取数字，3个磁盘读取字符串。
如果您要查找单次访视或床的所有EAV数据，则您将花费更多的时间阅读1%的数据索引，而不是花费阅读99%的数据索引。如果是这样的话，你最好把所有的东西都放在一个表和一个索引中。
在许多情况下，一个大索引优于多个小索引。也许这不适用于您-也许您的索引访问不是我所假设的。但至少值得一试。了解对数性能 * 应该 * 如何发生可能有助于您找到现有索引的问题。

DATA_NUMERIC的2.4亿行代码。BLEVEL+1 = 4次读取。

--Create table and sequence for sample data.
create table data_numeric
(
    data_numeric_id number primary key,
    visit_id        number,
    parameter_id    number,
    date_time       date,
    value           number
) nologging;
create sequence data_numeric_id_seq;

--Load 240M rows into table.
begin
    --for i in 1 .. 2400 loop
        insert /*+ append */ into data_numeric
        select
            data_numeric_id_seq.nextval,
            mod(level, 1000)         visit_id,     --1K visits for every 100K data points.
            mod(level, 100)          parameter_id, --100 different parameters.
            sysdate + level/86400    date_time,    --Each row has a different second.
            dbms_random.value * 1000 value         --Random numeric values.
        from dual connect by level <= 100000;
        
        commit;
    end loop;
end;
/

--Create index.
create index data_numeric_idx on data_numeric(visit_id, date_time) nologging parallel 8;
alter index data_numeric_idx noparallel;

--Number of reads to get one index block: 4
select blevel+1 from dba_indexes where index_name = 'DATA_NUMERIC_IDX';
--Table: 12771 MB
select bytes/1024/1024 mb from dba_segments where segment_name = 'DATA_NUMERIC';
--Index:  6112 MB
select bytes/1024/1024 mb from dba_segments where segment_name = 'DATA_NUMERIC_IDX';

2.4M行STRING_NUMERIC的代码。BLEVEL+1 = 3次读取。

--Create table and sequence for sample data.
create table data_string
(
    data_string_id  number primary key,
    visit_id        number,
    parameter_id    number,
    date_time       date,
    value           varchar2(100)
) nologging;
create sequence data_string_id_seq;

--Load 2.4 rows into table.
begin
    for i in 1 .. 24 loop
        insert /*+ append */ into data_string
        select
            data_string_id_seq.nextval,
            mod(level, 1000)                  visit_id,     --1K visits for every 100K data points.
            mod(level, 100)                   parameter_id, --100 different parameters.
            sysdate + level/86400             date_time,    --Each row has a different second.
            dbms_random.string('a', len => 10) value         --Random strings values.
        from dual connect by level <= 100000;
        
        commit;
    end loop;
end;
/

--Create index.
create index data_string_idx on data_string(visit_id, date_time) nologging parallel 8;
alter index data_string_idx noparallel;

--Number of reads to get one index block: 3
select blevel+1 from dba_indexes where index_name = 'DATA_STRING_IDX';
--Table: 96 MB
select bytes/1024/1024 mb from dba_segments where segment_name = 'DATA_STRING';
--Index:  61 MB
select bytes/1024/1024 mb from dba_segments where segment_name = 'DATA_STRING_IDX';