《Pro SQL Server Internals, 2nd edition》的CHAPTER 3 Statistics中的Introduction to SQLSever Statistics SQL Server(P55~58)、Statistics and Execution Plans(P62~65)、 Statistics Maintenance(P68~69)三小節，Dmitri Korotkevitch,侵刪

統計資訊簡介

       SQL Server統計資訊是系統物件，其中包含有關索引鍵值中的資料分佈的資訊，有時還包含常規列值。 可以在支援比較操作的任何資料型別上建立統計資訊，例如>，<，=等。

       讓我們從上一章清單2-15中建立的dbo.Books表中檢查IDX_BOOKS_ISBN索引統計資訊。 您可以使用DBCC SHOW_STATISTICS（'dbo.Books'，IDX_BOOKS_ISBN）命令來完成此操作。 結果如圖3-1所示。

圖3-1. DBCC SHOW_STATISTICS輸出

       如您所見，DBCC SHOW_STATISTICS命令返回三個結果集。第一個包含有關統計資訊的常規元資料資訊，例如名稱，更新日期，更新統計資訊時索引中的行數等。第一個結果集中的“步驟”列指示直方圖中的步數/值的數量（稍後將詳細介紹）。查詢優化程式不使用“密度”值，僅出於向後相容性目的而顯示。

       第二個結果集稱為密度向量，它包含有關統計（索引）中鍵值組合的密度的資訊。它是基於1 /不同值公式計算的，它表示每個鍵值組合平均有多少行。即便如此
 IDX_Books_ISBN索引只有一個鍵列ISBN定義，它還包括一個聚簇索引鍵作為索引行的一部分。我們的表有1,252,500個唯一的ISBN值，ISBN列的密度為1.0 / 1,252,500 = 7.984032E-07。 （ISBN，BookId）列的所有組合也是唯一的並且具有相同的密度。

       最後的結果集稱為直方圖。直方圖中的每個記錄（稱為直方圖步驟）都包括統計資訊（索引）最左列中的樣本鍵值以及有關從前一個值到當前RANGE_HI_KEY值的值範圍內的資料分佈的資訊。讓我們更深入地檢查直方圖列。

                     RANGE_HI_KEY列儲存金鑰的樣本值。 此值是直方圖步驟定義的範圍的上限鍵值。 例如，圖3-1中直方圖中的記錄（步驟）＃3與RANGE_HI_KEY ='104-                                        0100002488'儲存有關從ISBN>'101-0100001796'到ISBN <='104-0100002488'的間隔的資訊。

                     RANGE_ROWS列估計間隔內的行數。 在我們的例子中，記錄（步驟）＃3定義的間隔有8,191行。

                     EQ_ROWS表示有多少行的鍵值等於RANGE_HI_KEY上限值。 在我們的例子中，只有一行ISBN ='104-0100002488'。

                     DISTINCT_RANGE_ROWS表示金鑰在區間內有多少個不同的值。 在我們的示例中，鍵的所有值都是唯一的，因此DISTINCT_RANGE_ROWS = RANGE_ROWS。
                     AVG_RANGE_ROWS表示間隔中每個不同鍵值的平均行數。 在我們的例子中，鍵的所有值都是唯一的，因此AVG_RANGE_ROWS = 1。

       讓我們在索引中插入一組重複的ISBN值，程式碼如清單3-1所示。

清單3-1. 將重複的ISBN值插入索引中.

;with Prefix(Prefix) 
 as ( select Num from (values(104),(104),(104),(104),(104)) Num(Num) ) 
 ,Postfix(Postfix) 
 as 
 ( 
     select 100000001 
     union all 
     select Postfix + 1 from Postfix where Postfix < 100002500 
 ) 
 insert into dbo.Books(ISBN, Title) 
     select 
         convert(char(3), Prefix) + '-0' + convert(char(9),Postfix) 
         ,'Title for ISBN' + convert(char(3), Prefix) + '-0' + convert(char(9),Postfix) 
     from Prefix cross join Postfix 
 option (maxrecursion 0); 

-- Updating the statistics 
 update statistics dbo.Books IDX_Books_ISBN with fullscan; 

現在，如果再次執行DBCC SHOW_STATISTICS（'dbo.Books'，IDX_BOOKS_ISBN），您將看到如圖3-2所示的結果。

圖3-2. DBCC SHOW_STATISTICS輸出

       具有字首104的ISBN值現在具有重複項，這會影響直方圖。 還值得一提的是，第二結果集中的密度資訊也發生了變化。 具有重複值的ISBN的密度高於（ISBN，BookId）列的組合，這仍然是唯一的。

       讓我們執行SELECT BookId，Title FROM dbo.Books WHERE ISBN LIKE'114％'語句並檢查執行計劃，如圖3-3所示。

圖3-3. 查詢的執行計劃

       大多數執行計劃操作員都有兩個重要的屬性。 實際行數表示在執行者執行期間處理了多少行。 估計行數表示SQL Server在查詢優化階段為該運算子估計的行數。 在我們的例子中，SQL Server估計有2,625行，其中ISBN以114開頭。如果檢視圖3-2中所示的直方圖，您將看到步驟10儲存有關ISBN間隔的資料分佈的資訊，包括 您正在選擇的值。 即使使用線性近似，您也可以估計接近SQL Server確定的行數。

       關於統計資料，有兩件非常重要的事情需要記住。

             1. 直方圖僅儲存有關最左側統計（索引）列的資料分佈的資訊。 統計資訊中有關於鍵值的多列密度的資訊，但就是這樣。

                 直方圖中的所有其他資訊僅涉及最左側統計列的資料分佈。

             2. 無論表的大小和表是否已分割槽，SQL Server在直方圖中最多保留200個步驟。 每個直方圖步驟所覆蓋的間隔隨著表的

                 增長而增加。 這導致在大表格的情況下不太準確的統計資料。

        對於複合索引，當索引中的所有列都用作所有查詢中的謂詞時，將具有較低密度/較高百分比的唯一值的列定義為索引的最左列是有益的。 這將允許SQL Server更好地利用統計資訊中的資料分佈資訊。 但是，您應該考慮謂詞的SARGability。 例如，如果所有查詢都在where子句中使用FirstName = @ FirstName和LastName = @ LastName謂詞，則最好將LastName作為索引中最左側的列。 儘管如此，對於類似的謂詞來說並非如此 FirstName = @ FirstName和LastName <> @ LastName，其中LastName不是SARGable。

統計和執行計劃

       SQL Server預設自動建立和更新統計資訊。 資料庫級別有兩個控制此類行為的選項：

               1.“自動建立統計資訊”控制優化程式是否自動建立列級統計資訊。 此選項不會影響始終建立的索引級統計資訊。

                   預設情況下啟用“自動建立統計資料庫”選項。

               2.啟用“自動更新統計資料庫”選項後，SQL Server會在每次編譯或執行查詢時檢查統計資訊是否過時，並在需

                  要時更新它們。 預設情況下也會啟用“自動更新統計資料庫”選項。

■ 提示：您可以使用STATISTICS_ NORECOMPUTE索引選項控制索引級別上統計資訊的自動更新行為。 預設情況下，此選項設定為OFF，這意味著統計資訊會自動更新。 在索引或表級別更改自動更新行為的另一種方法是使用sp_autostats系統儲存過程。

       SQL Server根據執行的更改數量確定統計資訊是否已過時影響統計資訊列的INSERT，UPDATE，DELETE和MERGE語句。 SQL Server計算統計資訊列的更改次數，而不是更改的行數。 例如，如果您將同一行更改100次，則將其計為100次更改而不是1次更改。

       有三種不同的方案，稱為統計資訊更新閾值，有時也稱為統計資訊重新編譯閾值，其中SQL Server將統計資訊標記為過時。

                1 .當表為空時，SQL Server在向表中新增資料時會過時。

                2. 當表的行少於500行時，SQL Server會在統計列每500次更改後過期統計資訊。

                3. 在SQL Server 2016和SQL Server 2016之前，資料庫相容級別<130：當一個表有500行或更多行時，SQL Server

                    會在每500+（表中總行數的20％）變化後過期統計資訊統計列。在SQL Server 2016中，資料庫相容級別為130：大

                    型表上的統計資訊更新閾值將變為動態，並取決於表的大小。 表具有的行越多，閾值越低。 在具有數百萬甚至數十億

                    行的大型表上，統計資訊更新閾值可能只是表中總行數的一小部分。 SQL Server 2008R2 SP1及更高版本中的跟蹤標

                    志T2371也可以啟用此行為。

       表3-1總結了不同版本的SQL Server中的統計資訊更新閾值行為。

表3-1.  統計資訊更新閾值和SQL Server版本

       這導致我們得出一個非常重要的結論。使用靜態統計資訊更新閾值，觸發統計資訊更新所需的統計資訊列的更改次數與表大小成比例。表越大，統計資訊自動更新的次數就越少。例如，對於包含10億行的表，您需要對統計資訊列執行大約2億次更改，以使統計資訊過期。建議儘可能使用動態更新閾值。

       讓我們來看看這種行為如何影響我們的系統和執行計劃。此時，表dbo。書籍有1,265,000行。讓我們在表中新增250,000行，字首為999，如清單3-5所示。在此示例中，我使用的是未啟用T2371的SQL Server 2012。如果在啟用動態統計資訊更新閾值的情況下執行它，則可以看到不同的結果。此外，SQL Server 2014中引入的新基數估計器也可以改變行為。我們將在本章後面討論它。

清單3-5. dding行到dbo.Books

 ;with Postfix(Postfix) 
 as 
 ( 
     select 100000001 
     union all 
     select Postfix + 1 
     from Postfix 
     where Postfix < 100250000 
 ) 
 insert into dbo.Books(ISBN, Title) 
     select 
         '999-0' + convert(char(9),Postfix) 
         ,'Title for ISBN 999-0' + convert(char(9),Postfix) 
     from Postfix 
 option (maxrecursion 0); 

       現在，讓我們執行SELECT * FROM dbo.Books WHERE ISBN LIKE'999％'查詢，選擇具有這種字首的所有行。

       如果檢查查詢的執行計劃（如圖3-7所示），您將看到非聚簇索引查詢和鍵查詢操作，即使它們在您需要從表中選擇近20％的行時效率低下。

圖3-7.  查詢的執行計劃選擇具有999字首的行

       您還將在圖3-7中注意到，Index Seek運算子的估計行數和實際行數之間存在巨大差異。 SQL Server估計表中只有31.4行，字首為999，即使有250,000行具有這樣的字首。 結果，產生了非常低效的計劃。

       讓我們通過執行DBCC SHOW_STATISTICS（'dbo.Books'，IDX_ BOOKS_ISBN）命令來檢視IDX_BOOKS_ISBN統計資訊。 輸出如圖3-8所示。 正如您所看到的，即使我們在表中插入了250,000行，統計資訊也沒有更新，並且直方圖中沒有字首999的資料。第一個結果集中的行數對應於行中的行數。 上次統計資訊更新期間的表。 它不包括剛剛插入的250,000行。

圖3-8.  我DX_BOOKS_ISBN的特點

       現在讓我們使用UPDATE STATISTICS dbo.Books IDX_Books_ISBN WITH FULLSCAN命令更新統計資訊，然後再次執行SELECT * FROM dbo.Books WHERE ISBN LIKE'990％'查詢。 查詢的執行計劃如圖3-9所示。 估計的行數現在是正確的，並且SQL Server最終得到了一個更有效的執行計劃，該計劃使用聚簇索引掃描，I / O讀取比以前少了大約17倍。

圖3-9.  統計資訊更新後查詢選擇具有999字首的行的執行計劃

       如您所見，不正確的基數估計可能導致執行計劃效率極低。 過時的統計資料可能是不正確基數估計的最常見原因之一。 您可以通過檢查執行計劃中的估計和實際行數來查明其中一些情況。 這兩個值之間的巨大差異通常表明統計資料不正確。 更新統計資訊可以解決此問題並生成更高效的執行計劃。

統計維護 

正如我已經提到的，SQL Server預設自動更新統計資訊。對於小表，這種行為通常是可以接受的;但是，對於具有數百萬或數十億行的大型表，您不應該依賴自動統計資訊更新，除非您使用的SQL Server 2016的資料庫相容級別為130或啟用了跟蹤標誌T2371。按20％統計資訊更新閾值觸發統計資訊更新所需的更改次數將非常高，因此，不會經常觸發更新。

       在這種情況下，建議您手動更新統計資訊。在選擇最佳統計維護策略時，您必須分析表的大小，資料修改模式和系統可用性。例如，如果系統在工作時間之外沒有負載，您可以決定每晚更新關鍵表的統計資訊。不要忘記統計資訊和/或索引維護會為SQL Server增加額外的負載。您必須分析它如何影響同一伺服器和/或磁碟陣列上的其他資料庫。

       設計統計維護策略時需要考慮的另一個重要因素是如何修改資料。對於具有不斷增加或減少的鍵值的索引，您需要更頻繁地更新統計資訊，例如當索引中最左側的列定義為標識或填充序列物件時。如您所見，如果特定鍵值超出直方圖，SQL Server會大大低估行數。在SQL Server 2014到2016中，此行為可能會有所不同，我們將在本章後面部分中看到。

       您可以使用UPDATE STATISTICS命令更新統計資訊。當SQL Server更新統計資訊時，它會讀取資料樣本而不是掃描整個索引。您可以使用FULLSCAN選項更改該行為，該選項強制SQL Server讀取和分析索引中的所有資料。正如您可能猜到的那樣，該選項提供了最準確的結果，儘管在大型表的情況下它可能會引入大量的I / O活動。

■ 注意：重建索引時，SQL Server會更新統計資訊。 我們將在第6章“索引碎片化”中更詳細地討論索引維護。

       您可以使用sp_updatestats系統儲存過程更新資料庫中的所有統計資訊。 建議您使用此儲存過程並在將其升級到新版本的SQL Server後更新資料庫中的所有統計資訊。 您應該與DBCC UPDATEUSAGE儲存過程一起執行它，它會更正目錄檢視中不正確的頁面和行計數資訊。

       有一個sys.dm_db_stats_properties DMV，它顯示自上次統計資訊更新以來對統計資訊列所做的修改次數。 利用該DMV的程式碼如清單3-9所示。

清單3-9.  使用sys.dm_db_stats_properties

select 
     s.stats_id as [Stat ID], sc.name + '.' + t.name as [Table], s.name as [Statistics] 
     ,p.last_updated, p.rows, p.rows_sampled, p.modification_counter as [Mod Count] 
 from 
     sys.stats s join sys.tables t on 
         s.object_id = t.object_id 
     join sys.schemas sc on 
         t.schema_id = sc.schema_id 
     outer apply 
         sys.dm_db_stats_properties(t.object_id,s.stats_id) p 
 where 
     sc.name = 'dbo' and t.name = 'Books'; 

       查詢結果如圖3-11所示，表明自上次統計資訊更新以來，對統計資訊列進行了250,000次修改。 您可以構建統計資訊維護例程，定期檢查sys.dm_db_stats_properties DMV並使用大的modification_ counter值重建統計資訊。

圖3-11.  Sys.dm_db_stats_properties輸出

       其他與統計相關的資料庫選項是非同步自動更新統計資訊。 預設情況下，當SQL Server檢測到統計資訊已過時時，它會暫停查詢執行，同步更新統計資訊，並在統計資訊更新完成後生成新的執行計劃。 通過非同步統計資訊更新，SQL Server使用舊的執行計劃執行查詢，該計劃基於過時的統計資訊，同時非同步更新後臺統計資訊。 除非系統的查詢超時非常短，否則建議您保持同步統計資訊更新，在這種情況下，同步統計資訊更新可能會使查詢超時。

       最後，SQL Server不會在您建立新索引時自動刪除列級統計資訊。 您應該手動刪除冗餘的列級統計資訊物件。