梧桐数据库（WuTongDB）：数据库中的“统计信息”都包括哪些数据？是如何使用的？

鲁鲁517

于 2024-08-28 11:01:50 发布

阅读量481

点赞数 12

分类专栏：梧桐数据库文章标签：梧桐数据库统计信息

本文链接：https://blog.csdn.net/lunan/article/details/141635514

版权

34 篇文章 0 订阅

订阅专栏

数据库中的“统计信息”是数据库管理系统（DBMS）为了优化查询性能而维护的一组元数据。这些统计信息描述了数据库中表和索引的分布、大小等关键特征，帮助查询优化器选择最优的执行计划。以下是“统计信息”中通常包括的内容，以及它们在数据库中的使用方式：

行数（Row Count）：表示表中总共有多少行。这是最基本的统计信息之一，查询优化器通过它来评估扫描表的开销。
块数（Block Count）：表或索引所占用的物理数据块的数量。这个信息帮助优化器评估I/O成本。
行长度（Row Length）：表中每一行的平均长度。这有助于优化器估算表扫描或索引扫描的I/O成本。
列的基数（Column Cardinality）：指表中某列的不同值的数量。例如，某列包含100个不同的值，它的基数就是100。基数帮助优化器判断某个查询条件的选择性。
频率直方图（Frequency Histogram）：描述某列值的分布情况，如某些值出现的频率。直方图可以是等宽直方图、等频直方图等不同类型。
NULL值数量（Number of NULLs）：某列中NULL值的数量。这个信息有助于优化器理解查询条件中IS NULL或IS NOT NULL的选择性。
列的相关性（Column Correlation）：描述两列之间值的相关性。优化器可以利用这个信息更准确地估算多列联合条件的选择性。
索引的基数（Index Cardinality）：表示索引中唯一值的数量，帮助优化器评估使用索引的效率。
分布偏差（Skewness）：描述数据在某列上的分布偏斜程度。如果数据分布不均匀，优化器可以选择特定的访问方法来提高查询性能。

查询优化器在生成执行计划时，利用统计信息来估算每种访问方法（如全表扫描、索引扫描等）的成本，并选择成本最低的方案。以下是一些具体使用场景：

选择最优的索引：优化器根据列的基数、直方图等信息，选择能最有效过滤数据的索引。如果某列的基数很高且查询条件对该列有严格限制，优化器可能会优先选择相关索引。
估算JOIN操作的成本：在多表连接时，优化器使用各表的行数和列的基数等信息，估算JOIN操作的结果集大小和I/O成本，从而选择最优的JOIN策略（如嵌套循环、哈希JOIN、合并JOIN等）。
决定排序和聚合方法：优化器利用统计信息决定是使用索引直接完成排序或聚合操作，还是先扫描数据再进行内存中的排序或聚合。
估算过滤条件的选择性：对于WHERE子句中的过滤条件，优化器利用直方图和基数信息估算选择性，从而决定是否使用索引，以及如何排布查询执行的顺序。
确定并行执行的适用性：在某些情况下，优化器根据表大小、数据分布等信息判断是否使用并行查询执行，以提高查询性能。

总结来说，统计信息是数据库优化的重要工具，通过准确描述数据特征，帮助查询优化器做出高效的查询执行计划，从而显著提升数据库的整体性能。

产品简介

梧桐数据库（WuTongDB）是基于 Apache HAWQ 打造的一款分布式 OLAP 数据库。产品通过存算分离架构提供高可用、高可靠、高扩展能力，实现了向量化计算引擎提供极速数据分析能力，通过多异构存储关联查询实现湖仓融合能力，可以帮助企业用户轻松构建核心数仓和湖仓一体数据平台。
2023年6月，梧桐数据库（WuTongDB）产品通过信通院可信数据库分布式分析型数据库基础能力测评，在基础能力、运维能力、兼容性、安全性、高可用、高扩展方面获得认可。

关注