【干货分享】DM7统计信息

一、什么是统计信息统计信息主要是描述数据库中表、索引的大小、规模、数据分布状况等的一类信息。比如，表的行数、...





一、什么是统计信息

统计信息主要是描述数据库中表、索引的大小、规模、数据分布状况等的一类信息。比如，表的行数、块数、平均每行的大小、索引的leaf blocks、索引字段的行数、不同值的大小等，都属于统计信息。CBO正是根据这些统计信息数据，计算出不同访问路径、不同join 方式下，各种执行计划的成本，最后选择出成本最小的执行计划执行查询操作。

（CBO：Cost-BasedOptimization，基于代价的优化器；计算各种“可能”执行计划的“代价”，即COST，从中选用COST最低的执行方案，作为实际运行方案。它依赖数据库对象的统计信息，统计信息的准确与否会影响CBO做出最优的选择。）

二、统计信息的基本内容

统计信息包含几个重要的宏观数据：

• 表所占的数据页数目
• 实际使用数据页数，
• B树的高度 ，（对于聚集索引表）

无论做不做统计信息收集，表的当前记录数永远是有效的，因为系统自动维护了表的记录总数，这一点与大部分其他DBMS系统有所差别。

另外，如果做了列级或者索引的收集，那么统计信息还包括下列信息：

• COLID                  列的ID
• SQL_PL_TYPE           数据类型
• N_TOTAL                    总记录数
• N_SAMPLE                 采样记录数
• N_DISTINCT               不同值数
• N_NULL                     空值数
• V_MIN                  最小值
• V_MAX                       最大值
• BLEVEL                       B树的高度
• N_LEAF_PAGES           叶子段的页数目
• N_LEAF_USED_PAGES 叶子段实际使用的页数目
• CLUSTER_FACTOR      聚集因子

CBO依据这些信息对选择率和基数进行估算。

三、统计信息的收集

DM7收集统计信息有两种方法：一是通过一些存储过程来收集，二是用DBMS_STATS包来收集。

存储过程，如：

1. 对表上所有的索引生成统计信息：SP_TAB_INDEX_STAT_INIT
2. 对库上所有模式下的所有用户表上的所有索引生成统计信息：SP_DB_STAT_INIT
3. 对指定的索引生成统计信息：SP_INDEX_STAT_INIT
4. 对指定的列生成统计信息，不支持大字段列：SP_COL_STAT_INIT

这里推荐使用DBMS_STATS包来收集，有别于存储过程，通过这个工具包收集可以指定采用率，在数据分布极不均匀的情况下，提高统计信息的采用率，有助于提供更精确的统计信息。

使用DBMS_STATS首先得调用一个系统存储过程来创建这个包：

SP_CREATE_SYSTEM_PACKAGES(1);

DBMS_STATS包里面常用的存储过程有：

1. COLUMN_STATS_SHOW

根据模式名，表名和列名获得该列的统计信息。

2. INDEX_STATS_SHOW

根据模式名，索引名获得该索引的统计信息

3. GATHER_TABLE_S TAT S

根据设定的参数，收集表的统计信息

4. GATHER_INDEX_STATS

根据设定的参数，收集索引的统计信息

5. GATHER_SCHEMA_STATS

收集模式下对象的统计信息

举例说明：

收集SYSDBA模式下对象的统计，采样率为50%，对该模式下所有的列做统计信息，大字段的列除外：四、统计信息的查看

五、统计信息对查询的影响

删除表上的统计信息在没有统计信息的情况下，查看一下下列SQL的执行计划

explain select count(*) from TEST_TJ where age = 20;

1   #NSET2: [11, 1, 4]

2     #PRJT2: [11, 1, 4]; exp_num(1),is_atom(FALSE)

3       #AAGR2: [11, 1, 4]; grp_num(0),sfun_num(1)

4         #SLCT2: [11, 2500, 4]; TEST_TJ.AGE = 20

5          #CSCN2: [11, 100000, 4];INDEX33559695(TEST_TJ)

--以age为条件字段，进行等值扫描，计划评估出来的行数是2500

这个2500是怎么来的呢？

如果没有统计信息可用，则对于列名= 的谓词，选择率固定为SEL_RATE_EQU, 缺省为2.5%，其他谓词一律为SEL_RATE_SINGLE, 缺省为5%。

那么在这个例子中这个2500=100000*0.025;

我们再来看下面这个SQL的计划:

explainselect count(*) from TEST_TJ where age > 20;

1   #NSET2: [11, 1, 4]

2     #PRJT2: [11, 1, 4]; exp_num(1),is_atom(FALSE)

3       #AAGR2: [11, 1, 4]; grp_num(0),sfun_num(1)

4         #SLCT2: [11, 5000, 4]; TEST_TJ.AGE = 20

5          #CSCN2: [11, 100000, 4];INDEX33559695(TEST_TJ)

这里的5000=100000*0.05；

很显然这个默认值代价的估算是非常粗糙的，特别是对于复杂的查询，如果没有统计信息CBO很有可能选择错误的执行计划，我们收集一下这个表的统计信息，再来对比一下执行计划：

统计信息对CBO选择正确的执行计划非常重要，我们需要掌握收集统计信息的各种方法灵活运用。

    关注 达梦大数据