6、對存儲管理的改善
自動存儲管理（ASM）是Oracle10g “最酷的新特征”之一，它能減少Oracle數據庫管理員的工作量。自動存儲管理完全使創建邏輯volume、文件系統以及文件名過程自動化。DBA只需要規定原始磁盤的位置，接下來自動存儲管理就會完成其他事情。磁盤的I/O通過塊來均勻分布數據，另外ASM將處理disk鏡像並創建鏡像群或故障群。
ASM能處理由快速擴大數據倉庫引起的問題，管理員不再處理吸盤單元、結點以及邏輯族群裡的sheer數字，它也是Oracle10g的網格架構的主要特征之一，目的就是為了“虛擬”計算機能力以及目前數據庫的特征如處理和存儲對自身的有效管理。
更多有關自動存儲管理的信息能夠在Lannes Morris-Murphy撰寫的OTN這篇文章中找到。
7、快速全表掃描
全表掃描在數據倉儲環境中很常見，認識到了這一點，Oralce10g中的表格掃描性能得到了改善。Oracle數據庫10g 中的代碼優化減少了對CPU的占有空間，並且還實行了快速全表掃描（queries受CPU的限制而不受I/O的限制）。和受CPU限制的query比起來速度提高了30-40%。
8、自動調優和維護
自動維護和調優通常是區別Microsoft SQL Server和Oracle10g的主要產品之一，能夠滿足並和其他產品競爭的特征包含在服務器技術裡。調查表明DBA50%以上的時間都用於調優和檢測數據庫服務器，很重要的任務通常很復雜並且很難做到相當准確。有Oracle數據庫10g的幫助，Oracle引進了一系列的構成成分，這些元素在一起使數據庫服務器能夠檢測自己、使配置發生智能變化並在需要進行手工操作的情況下提醒DBA。
在這個范圍內首要條件就是Automatic Workload Repository,它用了一個加強版的Statspack，每30分鐘收集一次實例statistics，保存周期為七天，七天後自動更新一次。這種增強版的Statspack現在收集了大量的statistics和optimizations，簡化了獲取高價SQL語句的方法，確保在上一個快照被收集之後只有SQL行為在才能在很大程度上影響其性能。保存在Automatic Workload Repositor裡的用法信息就是Oracle數據庫10g所有自我管理功能的基礎。
其次就是Automatic Maintenance Tasks這一特征，作用於Automatic Workload Repository集聚的statistics的基礎之上並執行例如索引重建、更新statistic等任務。在執行這些任務時不需要管理員進行手動操作。計劃特征如Unified Scheduler在預定義維護窗口中執行這些命令，將默認值設置為第二天的10：00pm和6：00am，雖然這些時間能設定以便減少對其他任務的影響（如批量下載）。
第三個自我管理框架范圍的條件就是服務器告警（Server Generated Alerts），這是一種數據庫服務器通過電子郵件將通知發送給管理員的方法——包括關於如何處理這種情況。如果數據庫自己不能處理這些例如在磁盤單元裡有充足的空間擴展數據文件的情況，通常就會發出警告。
最後，也是自我管理所有因素框架范圍最重要的因素，就是自動數據庫診斷監視器（Automatic Database Diagnostic Monitor）。它主要分析在Automatic Workload Repository中獲取的數據並且在使用了一種人工智能運算法則，和Oracle Expert中找到的一樣，都用於分析以下的區域：對鎖的爭議、CPU瓶頸、I/O使用和爭議以及監測點的問題等等。和管理員目前通過分析statspack報告進行的操作方法幾乎一樣。
9、異步變化數據捕捉
Oracle變化數據捕捉（Change Data Capture，CDC）和Oracle9i是同時引進的，它為表提供了記錄變化的能力並將他們保存在變化表中供ETL使用。Oracle9i變化捕捉通過在元數據表上創建觸發器同時遷移數據但卻創建了一個處理程序，還要求訪問元數據表結構。由於觸發器對underlying tables的影響，許多數據倉庫計劃在通常在沒有變化數據捕捉的情況下進行或者使用其他方法進行數據捕捉。
Oracle10g引進了異步變化數據捕捉，通過觸發器使用數據記錄文件捕捉變化並將它們應用於集合表。異步變化數據捕捉因此不需要變換表結構，也不影響數據庫性能。
更多關於異步變化數據捕捉的詳細信息在OTN上能夠找到。
10、Oracle數據挖掘的完善
除了包含Oracle Express多維OLAP引擎外，Oracle9i還包含了數據庫數據挖掘功能，這一數據挖掘功能通過Oracle數據庫10g 增強。Oracle10g增加了對兩種新類型程序的支持，Support Vector Machine（用於從上至下而不是從下至上的計算）和Non-Negative Matrix Factorisation以及對Frequent Itemsets的支持，用於市場購物籃分析（market basket analysis）以及潛在分析（propensity analysis）。
