《Pro SQL Server Internals, 2nd edition》

作者：Dmitri Korotkevitch

翻譯：賴慧芳

譯文：

55-58頁

第三章 統計

SQL Server查詢優化器在為查詢選擇執行計劃時使用基於成本的模型。它估計不同執行計劃的成本，並選擇成本最低的一個。但是，請記住，SQL Server並不搜索可用於查詢的最佳執行計劃，因為評估所有可能的替代方案在CPU方面既費時又昂貴。查詢優化器的目標是找到一個足夠好的執行計劃，足夠快。

基數估計(在查詢執行的每個步驟中需要處理的行數的估計)是查詢優化中最重要的因素之一。這個數字會影響連接策略的選擇、查詢執行所需的內存量（內存授予）以及其他許多事情。

訪問數據時要使用的索引的選擇就是這些因素之一。正如您將記住的，鍵和RID查找操作在I/O方面是昂貴的，並且SQL Server在估計將需要大量這些操作時不使用非集群索引。SQL Server維護有關索引的統計信息，在某些情況下還維護有關列的統計信息，這有助於執行這樣的估計。

SQL Server統計介紹

SQL Server統計信息是在索引鍵值中，有時在常規列值中包含關於數據分布的信息的系統對象。可以在支持比較操作的任何數據類型上創建統計信息，例如>、<、=等。

讓我們檢查上一章中在清單2-15中創建的dbo.Books表中的IDX_BOOKS_ISBN索引統計信息。可以使用DBCC SHOW_STATISTICS(‘dbo.Books‘,IDX_BOOKS_ISBN)命令執行此操作。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信息的一般元數據信息，如名稱、更新日期、更新統計信息時索引中的行數等。第一結果集中的Steps列指示直方圖中的步驟/值的數量（稍後詳細介紹）。密度值不由查詢優化器使用，並且僅出於向後兼容的目的而顯示。

第二個結果集，稱為密度向量，包含有關來自統計（索引）的關鍵值組合的密度的信息。它是根據1/3的不同值公式計算的，它表明平均每個鍵值組合有多少行。即使IDX_Books_ISBN索引只定義了一個鍵列ISBN，它還包括作為索引行的一部分的聚類索引鍵。我們的表有12500個唯一的ISBN值，ISBN列的密度為1.0/1252500=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。

最後一個結果集稱為直方圖。直方圖中的每條記錄，稱為直方圖步驟，包括統計（索引）最左側列中的示例鍵值以及關於從前一個值到當前RANGE_HI_KEY值範圍內的數據分布的信息。讓我們更深入地研究直方圖列。

讓我們用清單3-1所示的代碼將一組重復的ISBN值插入索引中。

清單3-1.將重復的ISBN值插入索引。

現在，如果再次運行DBCC SHOW_STATISTICS(“dbo.Books”，IDX_BOOKS_ISBN)命令，您將看到圖3-2所示的結果。

圖3-2.DBCC SHOW_STATISTICS輸出

帶有前綴104的ISBN值現在有重復，這會影響直方圖。還值得一提的是，第二結果集中的密度信息也發生了變化。具有重復值的ISBN s的密度高於（ISBN，BookId）列的組合，這仍然是唯一的。

讓我們運行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. 執行計劃查詢

大多數執行計劃操作員都有兩個重要的屬性。實際行數指示運算符執行過程中處理了多少行。估計行數指示在查詢優化階段為該運算符估計的SQLServer行數。在我們的例子中，SQLServer估計有2625行ISBNs從114開始。如果您查看圖3-2所示的直方圖，您將看到步驟10存儲ISBN區間的數據分布信息，這些信息包括所選的值。即使使用線性近似，也可以估計要接近SQL Server所確定的行數。

關於統計有兩件非常重要的事情要記住。

1.直方圖僅存儲最左側統計（索引）列的數據分布信息。統計學中有關於鍵值的多列密度的信息，但就是這樣。直方圖中的所有其他信息僅涉及最左邊的統計列的數據分布。

2.SQL Server最多保留直方圖中的200個步驟，而不管表的大小以及表是否被分區。每個直方圖步驟所覆蓋的間隔隨著表的增長而增加。這導致對於大型表的統計信息不那麽準確。

在復合索引的情況下，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/較高唯一值百分比的列定義為索引的最左側列是有益的。這將允許SQL Server更好地利用統計數據中的數據分布信息。但是，您應該考慮謂詞的SARGability（可搜索性）。例如，如果所有查詢都在where子句中使用FirstName=@FirstName和LastName=@LastName謂詞，那麽最好將LastName作為索引中最左邊的列。然而，對於

FirstName=@FirstName和LastName<>@LastName，其中LastName不可SARGable。

列級統計

除了索引級統計之外，還可以創建單獨的列級統計信息。此外，在某些情況下，SQL Server會自動創建這樣的統計數據。讓我們看一個示例，創建一個表，並用清單3-2所示的數據填充它。

66-65頁

統計及執行計劃

默認情況下，SQL Server自動創建和更新統計信息。在數據庫級別上有兩個選項可以控制這種行為:

1. “自動創建統計信息”控制優化程序是否自動創建列級統計信息。 此選項不會影響始終創建的索引級統計信息。默認情況下啟用“自動創建統計數據庫”選項。
2. 2.啟用“自動更新統計數據庫”選項後，SQL Server會在每次編譯或執行查詢時檢查統計信息是否過時，並在需要時更新它們。 默認情況下也會啟用“自動更新統計數據庫”選項。

■提示您可以使用STATISTICS_NORECOMPUTE索引選項控制索引級別上統計信息的自動更新行為。默認情況下，此選項設置為OFF，這意味著統計信息會自動更新。 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系統存儲過程。

SQL Server根據影響統計信息列的INSERT，UPDATE，DELETE和MERGE語句執行的更改次數確定統計信息是否已過時。SQL Server計算統計信息列的更改次數，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，稱為統計信息更新閾值，有時也稱為統計信息重新編譯閾值，其中SQL Server將統計信息標記為過時。

1. 當表為空時，SQL Server在向表中添加數據時會過時。
2. 當表的行少於500行時，SQL Server會在統計列每500次更改後過期統計信息。
3. 在SQL Server 2016和SQL Server 2016之前，數據庫兼容級別<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％）更改統計信息後過期統計信息列。

在SQL Server 2016中，數據庫兼容級別為130：大型表上的統計信息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，統計信息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誌T2371也可以啟用此行為。

表3-1總結了不同版本的SQL Server中的統計信息更新閾值行為

表3-1. 統計信息更新閾值和SQL Server版本

這導致我們得出一個非常重要的結論。 使用靜態統計信息更新閾值，觸發統計信息更新所需的統計信息列的更改次數與表大小成比例。表越大，統計信息自動更新的次數就越少。 例如，對於包含10億行的表，您需要對統計信息列執行大約2億次更改，以使統計信息過期。建議盡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.Books有1,265,000行。 讓我們在表中添加250,000行，前綴為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信息更新閾值的情況下運行它，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. 將行添加到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，讓我們運行SELECT * FROM dbo.Books WHERE ISBN LIKE‘999％‘查詢，選擇具有這種前綴的所有行。

如果檢查查詢的執行計劃（如圖3-7所示），您將看到非聚集索引查找和鍵查找操作，即使它們在您需要從表中選擇近20％的行的情況下效率低下。

圖3-7。 查詢的執行計劃選擇具有999前綴的行

您還將在圖3-7中註意到，Index Seek運算符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，前綴為999，盡管有250,000行具有這樣的前綴。結果，產生了非常低效的計劃。

讓我們通過運行DBCC SHOW_STATISTICS（‘dbo.Books‘，IDX_BOOKS_ISBN）命令來查看IDX_BOOKS_ISBN統計信息。 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，統計信息也未更新，並且直方圖中沒有前綴999的數據。第一個結果集中的行數對應於上次統計信息更新期間表中的行數。 它不包括剛剛插入的250,000行。

圖3-8. IDX_BOOKS_ISBN統計數據

現在讓我們使用UPDATE STATISTICS dbo.Books IDX_Books_ISBN WITH FULLSCAN命令更新統計信息，然後再次運行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，該計劃使用聚集索引掃描，I / O讀取比以前少了大約17倍。

圖3-9. 統計信息更新後查詢選擇具有999前綴的行的執行計劃

如您所見，不正確的基數估計可能導致執行計劃效率極低。 過時的統計數據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數據不正確。更新統計信息可以解決此問題並生成更高效的執行計劃。

68-69頁

數據維護

正如我已經提到的，默認情況下SQL Server會自動更新統計信息。對於小的表，這種行為通常是可以接受的;但是，對於數百萬或數十億行的大型表，您不應該依賴自動統計更新，除非您使用數據庫兼容性級別為130或啟用跟蹤標誌T2371的SQL Server 2016。要通過20%的統計數據更新閾值觸發統計數據更新，所需要的更改數量將非常高，因此，更新不會被頻繁地觸發。

建議在這種情況下手動更新統計信息。在選擇最佳統計維護策略時，必須分析表的大小、數據修改模式和系統可用性。例如，如果系統在業務時間之外沒有負載，您可以決定每晚更新關鍵表的統計信息。不要忘記，統計數據和/或索引維護會給SQL Server增加額外的負載。您必須分析它如何影響同一服務器和/或磁盤陣列上的其他數據庫。

在設計統計維護策略時要考慮的另一個重要因素是如何修改數據。對於鍵值不斷增加或減少的索引，您需要更頻繁地更新統計信息，例如當索引中最左邊的列被定義為identity或使用序列對象填充時。如您所見，如果特定鍵值位於直方圖之外，SQL Server會大大低估行數。在SQL Server 2014到2016年間，這種行為可能有所不同，我們將在本章後面看到。

您可以使用update statistics命令更新統計信息。當SQL Server更新統計信息時，它讀取數據的一個示例，而不是掃描整個索引。您可以通過使用FULLSCAN選項來更改這種行為，該選項強制SQL Server讀取和分析來自索引的所有數據。正如您可能猜到的那樣，該選項提供了最準確的結果，盡管在大型表的情況下，它可能引入大量I/O活動。

註意，SQL Server在重新構建索引時更新統計信息。我們將在第6章“索引碎片”中更詳細地討論索引維護。

可以使用sp_updatestats系統存儲過程更新數據庫中的所有統計信息。建議您使用此存儲過程，並在將其升級到新版本的SQL Server後更新數據庫中的所有統計信息。您應該與DBCC UPDATEUSAGE存儲過程一起運行它，該存儲過程將糾正目錄視圖中不正確的頁計數和行計數信息。

系統dm_db_stats_properties DMV顯示自上次統計數據更新以來對統計數據列所做的修改的數量。代碼利用了DMV，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

查詢結果如圖3-11所示，表明自上次統計信息更新以來，對統計信息列進行了25萬次修改。您可以構建一個定期檢查sys的統計維護例程。使用大的modification_counter值重新構建統計信息。

圖3-11.Sys.dm_db_stats_properties輸出

另一個與統計信息相關的數據庫選項是自動異步更新統計信息。默認情況下，當SQL Server檢測到統計信息過時時，它會暫停查詢執行，同步更新和統計信息，並在統計信息更新完成後生成新的執行計劃。通過異步統計信息更新，SQL Server使用舊的執行計劃執行查詢，該執行計劃基於過時的statist，同時在後臺異步更新統計信息。建議您保持同步統計信息更新，除非系統有非常短的查詢超時，在這種情況下，同步統計信息更新可以超時查詢。

最後，在創建新索引時，SQL Server不會自動刪除列級統計信息。您應該手動刪除冗余的列級統計數據對象。

第十五周翻譯-《Pro SQL Server Internals, 2nd edition》