《Pro SQL Server Internals, 2nd edition》节选翻译（4）

本文是《Pro SQL Server Internals, 2nd edition》节选翻译，原书下载地址：https://rejoice.ctfile.com/fs/1475340-230064586

第三章 统计

SQL Server查询优化器在为查询选择执行计划时使用基于成本的模型。它估计不同执行计划的成本，并选择成本最低的一个。但是，请记住，SQL Server并不搜索可用于查询的最佳执行计划，因为评估所有可能的替代方案在CPU方面既费时又昂贵。查询优化器的目标是找到一个足够好的执行计划，足够快。

基数估计(在查询执行的每个步骤中需要处理的行数的估计)是查询优化中最重要的因素之一。这个数字会影响连接策略的选择、查询执行所需的内存量（内存授予）以及其他许多事情。

访问数据时要使用的索引的选择就是这些因素之一。正如您将记住的，键和RID查找操作在I/O方面是昂贵的，并且SQL Server在估计将需要大量这些操作时不使用非集群索引。SQL Server维护有关索引的统计信息，在某些情况下还维护有关列的统计信息，这有助于执行这样的估计。

 

SQL Server统计介绍（P55-58)

 

SQL Server统计信息是在索引键值中，有时在常规列值中包含关于数据分布的信息的系统对象。可以在支持比较操作的任何数据类型上创建统计信息，例如>、<、=等。

让我们检查上一章中在清单2-15中创建的dbo.Books表中的IDX_BOOKS_ISBN索引统计信息。可以使用DBCC SHOW_STATISTICS('dbo.Books',IDX_BOOKS_ISBN)命令执行此操作。结果如图3-1所示。

图3-1. DBCC SHOW_STATISTICS输出

 

如您所见，DBCC SHOW_STATISTICS命令返回三个结果集。第一个包含有关统计信息的一般元数据信息，如名称、更新日期、更新统计信息时索引中的行数等。第一结果集中的Steps列指示直方图中的步骤/值的数量（稍后详细介绍）。密度值不由查询优化器使用，并且仅出于向后兼容的目的而显示。

第二个结果集，称为密度向量，包含有关来自统计（索引）的关键值组合的密度的信息。它是根据1/3的不同值公式计算的，它表明平均每个键值组合有多少行。即使IDX_Books_ISBN索引只定义了一个键列ISBN，它还包括作为索引行的一部分的聚类索引键。我们的表有12500个唯一的ISBN值，ISBN列的密度为1.0/1252500=7.984032E-07。（ISBN，BookId）列的所有组合也是唯一的，并且具有相同的密度。

最后一个结果集称为直方图。直方图中的每条记录，称为直方图步骤，包括统计（索引）最左侧列中的示例键值以及关于从前一个值到当前RANGE_HI_KEY值范围内的数据分布的信息。让我们更深入地研究直方图列。

---

RANGE_HI_KEY列存储密钥的样本值。 这个值是直方图步骤定义的范围的上限键值。 例如，在直方图中记录（步骤）＃3，RANGE_HI_KEY ='104-0100002488'图3-1存储了ISBN>'101-0100001796'的间隔信息到ISBN <='104-0100002488'。RANGE_ROWS列估计间隔内的行数。 在我们的例如，记录（步骤）＃3定义的间隔有8,191行。EQ_ROWS表示有多少行的键值等于RANGE_HI_KEY上限值。 在我们的例子中，只有一行ISBN ='104-0100002488'。DISTINCT_RANGE_ROWS表示密钥的不同值在这段时间内。 在我们的例子中，键的所有值都是唯一的，所以DISTINCT_RANGE_ROWS = RANGE_ROWS。

AVG_RANGE_ROWS表示每个不同键的平均行数区间中的值。 在我们的例子中，键的所有值都是唯一的，所以AVG_RANGE_ROWS = 1。

---

让我们用清单3-1所示的代码将一组重复的ISBN值插入索引中。

 

清单3-1.将重复的ISBN值插入索引。

;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;

现在，如果再次运行DBCC SHOW_STATISTICS(“dbo.Books”，IDX_BOOKS_ISBN)命令，您将看到图3-2所示的结果。

图3-2.DBCC SHOW_STATISTICS输出

 

带有前缀104的ISBN值现在有重复，这会影响直方图。还值得一提的是，第二结果集中的密度信息也发生了变化。具有重复值的ISBNs的密度高于（ISBN，BookId）列的组合，这仍然是唯一的。

让我们运行SELECT BookId，Title FROM dbo.Books WHERE ISBN LIKE'114%'语句并检查执行计划，如图3-3所示。

图3-3. 执行计划查询

大多数执行计划操作员都有两个重要的属性。实际行数指示运算符执行过程中处理了多少行。估计行数指示在查询优化阶段为该运算符估计的SQLServer行数。在我们的例子中，SQLServer估计有2625行ISBNs从114开始。如果您查看图3-2所示的直方图，您将看到步骤10存储ISBN区间的数据分布信息，这些信息包括所选的值。即使使用线性近似，也可以估计要接近SQL Server所确定的行数。

关于统计有两件非常重要的事情要记住。

 

1.直方图仅存储最左侧统计（索引）列的数据分布信息。统计学中有关于键值的多列密度的信息，但就是这样。直方图中的所有其他信息仅涉及最左边的统计列的数据分布。

2.SQL Server最多保留直方图中的200个步骤，而不管表的大小以及表是否被分区。每个直方图步骤所覆盖的间隔随着表的增长而增加。这导致对于大型表的统计信息不那么准确。

在复合索引的情况下，当索引中的所有列都用作所有查询中的谓词时，将具有较低密度/较高唯一值百分比的列定义为索引的最左侧列是有益的。这将允许SQL Server更好地利用统计数据中的数据分布信息。但是，您应该考虑谓词的SARGability（可搜索性）。例如，如果所有查询都在where子句中使用FirstName=@FirstName和LastName=@LastName谓词，那么最好将LastName作为索引中最左边的列。然而，对于FirstName=@FirstName和LastName<>@LastName，其中LastName不可SARGable。

 

统计及执行计划(P62-65)

 

默认情况下，SQL Server自动创建和更新统计信息。在数据库级别上有两个选项可以控制这种行为:

1. “自动创建统计信息”控制优化程序是否自动创建列级统计信息。 此选项不会影响始终创建的索引级统计信息。默认情况下启用“自动创建统计数据库”选项。
2. 2.启用“自动更新统计数据库”选项后，SQL Server会在每次编译或执行查询时检查统计信息是否过时，并在需要时更新它们。 默认情况下也会启用“自动更新统计数据库”选项。

 

■提示您可以使用STATISTICS_NORECOMPUTE索引选项控制索引级别上统计信息的自动更新行为。默认情况下，此选项设置为OFF，这意味着统计信息会自动更新。 在索引或表级别更改自动更新行为的另一种方法是使用sp_autostats系统存储过程。

 

SQL Server根据影响统计信息列的INSERT，UPDATE，DELETE和MERGE语句执行的更改次数确定统计信息是否已过时。SQL Server计算统计信息列的更改次数，而不是更改的行数。 例如，如果您将同一行更改100次，则将其计为100次更改而不是1次更改。

有三种不同的方案，称为统计信息更新阈值，有时也称为统计信息重新编译阈值，其中SQL Server将统计信息标记为过时。

1. 当表为空时，SQL Server在向表中添加数据时会过时。
2. 当表的行少于500行时，SQL Server会在统计列每500次更改后过期统计信息。
3. 在SQL Server 2016和SQL Server 2016之前，数据库兼容级别<130：当一个表有500行或更多行时，SQL Server会在每500+（表中总行数的20％）更改统计信息后过期统计信息列。

          在SQL Server 2016中，数据库兼容级别为130：大型表上的统计信息更新阈值将变为动态，并取决于表的大小。 表具有的行越多，阈值越低。在具有数百万甚至数十亿行的大型表上，统计信息更新阈值可能只是表中总行数的一小部分。SQL Server 2008R2 SP1及更高版本中的跟踪标志T2371也可以启用此行为。

表3-1总结了不同版本的SQL Server中的统计信息更新阈值行为

表3-1. 统计信息更新阈值和SQL Server版本

这导致我们得出一个非常重要的结论。 使用静态统计信息更新阈值，触发统计信息更新所需的统计信息列的更改次数与表大小成比例。表越大，统计信息自动更新的次数就越少。 例如，对于包含10亿行的表，您需要对统计信息列执行大约2亿次更改，以使统计信息过期。建议尽可能使用动态更新阈值。

让我们来看看这种行为如何影响我们的系统和执行计划。 此时，表dbo.Books有1,265,000行。 让我们在表中添加250,000行，前缀为999，如清单3-5所示。在此示例中，我使用的是未启用T2371的SQL Server 2012。如果在启用动态统计信息更新阈值的情况下运行它，则可以看到不同的结果。 此外，SQL Server 2014中引入的新基数估计器也可以改变行为。 我们将在本章后面讨论它。

清单3-5. 将行添加到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);

现在，让我们运行SELECT * FROM dbo.Books WHERE ISBN LIKE'999％'查询，选择具有这种前缀的所有行。

如果检查查询的执行计划（如图3-7所示），您将看到非聚集索引查找和键查找操作，即使它们在您需要从表中选择近20％的行的情况下效率低下。

图3-7。 查询的执行计划选择具有999前缀的行

您还将在图3-7中注意到，Index Seek运算符的估计行数和实际行数之间存在巨大差异。 SQL Server估计表中只有31.4行，前缀为999，尽管有250,000行具有这样的前缀。结果，产生了非常低效的计划。

让我们通过运行DBCC SHOW_STATISTICS（'dbo.Books'，IDX_BOOKS_ISBN）命令来查看IDX_BOOKS_ISBN统计信息。 输出如图3-8所示。正如您所看到的，即使我们在表中插入了250,000行，统计信息也未更新，并且直方图中没有前缀999的数据。第一个结果集中的行数对应于上次统计信息更新期间表中的行数。 它不包括刚刚插入的250,000行。

图3-8. IDX_BOOKS_ISBN统计数据

现在让我们使用UPDATE STATISTICS dbo.Books IDX_Books_ISBN WITH FULLSCAN命令更新统计信息，然后再次运行SELECT * FROM dbo.Books WHERE ISBN LIKE'990％'查询。查询的执行计划如图3-9所示。估计的行数现在是正确的，并且SQL Server最终得到了一个更有效的执行计划，该计划使用聚集索引扫描，I / O读取比以前少了大约17倍。

图3-9. 统计信息更新后查询选择具有999前缀的行的执行计划

如您所见，不正确的基数估计可能导致执行计划效率极低。 过时的统计数据可能是不正确基数估计的最常见原因之一。您可以通过检查执行计划中的估计和实际行数来查明其中一些情况。 这两个值之间的巨大差异通常表明统计数据不正确。更新统计信息可以解决此问题并生成更高效的执行计划。

数据维护(P68-69)

正如我已经提到的，默认情况下SQL Server会自动更新统计信息。对于小的表，这种行为通常是可以接受的;但是，对于数百万或数十亿行的大型表，您不应该依赖自动统计更新，除非您使用数据库兼容性级别为130或启用跟踪标志T2371的SQL Server 2016。要通过20%的统计数据更新阈值触发统计数据更新，所需要的更改数量将非常高，因此，更新不会被频繁地触发。

建议在这种情况下手动更新统计信息。在选择最佳统计维护策略时，必须分析表的大小、数据修改模式和系统可用性。例如，如果系统在业务时间之外没有负载，您可以决定每晚更新关键表的统计信息。不要忘记，统计数据和/或索引维护会给SQL Server增加额外的负载。您必须分析它如何影响同一服务器和/或磁盘阵列上的其他数据库。

在设计统计维护策略时要考虑的另一个重要因素是如何修改数据。对于键值不断增加或减少的索引，您需要更频繁地更新统计信息，例如当索引中最左边的列被定义为identity或使用序列对象填充时。如您所见，如果特定键值位于直方图之外，SQL Server会大大低估行数。在SQL Server 2014到2016年间，这种行为可能有所不同，我们将在本章后面看到。

您可以使用update statistics命令更新统计信息。当SQL Server更新统计信息时，它读取数据的一个示例，而不是扫描整个索引。您可以通过使用FULLSCAN选项来更改这种行为，该选项强制SQL Server读取和分析来自索引的所有数据。正如您可能猜到的那样，该选项提供了最准确的结果，尽管在大型表的情况下，它可能引入大量I/O活动。

注意，SQL Server在重新构建索引时更新统计信息。我们将在第6章“索引碎片”中更详细地讨论索引维护。

可以使用sp_updatestats系统存储过程更新数据库中的所有统计信息。建议您使用此存储过程，并在将其升级到新版本的SQL Server后更新数据库中的所有统计信息。您应该与DBCC UPDATEUSAGE存储过程一起运行它，该存储过程将纠正目录视图中不正确的页计数和行计数信息。

系统dm_db_stats_properties DMV显示自上次统计数据更新以来对统计数据列所做的修改的数量。代码利用了DMV，如清单3-9所示。

清单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';

查询结果如图3-11所示，表明自上次统计信息更新以来，对统计信息列进行了25万次修改。您可以构建一个定期检查sys的统计维护例程。使用大的modification_counter值重新构建统计信息。

图3-11.Sys.dm_db_stats_properties输出

另一个与统计信息相关的数据库选项是自动异步更新统计信息。默认情况下，当SQL Server检测到统计信息过时时，它会暂停查询执行，同步更新和统计信息，并在统计信息更新完成后生成新的执行计划。通过异步统计信息更新，SQL Server使用旧的执行计划执行查询，该执行计划基于过时的statist，同时在后台异步更新统计信息。建议您保持同步统计信息更新，除非系统有非常短的查询超时，在这种情况下，同步统计信息更新可以超时查询。

最后，在创建新索引时，SQL Server不会自动删除列级统计信息。您应该手动删除冗余的列级统计数据对象。