《Pro SQL Server Internals, 2nd edition》CHAPTER 3 Statistics

统计信息简介
SQL Server统计信息是系统对象，其中包含有关索引键值中的数据分布的信息，有时还包含常规列值。 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。
让我们从上一章清单2-15中创建的dbo.Books表中检查IDX_BOOKS_ISBN索引统计信息。 您可以使用DBCC SHOW_STATISTICS（‘dbo.Books’，IDX_BOOKS_ISBN）命令来完成此操作。 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常规元数据信息，例如名称，更新日期，更新统计信息时索引中的行数等。第一个结果集中的“步骤”列指示直方图中的步数/值的数量（稍后将详细介绍）。查询优化程序不使用“密度”值，仅出于向后兼容性目的而显示。
第二个结果集称为密度向量，它包含有关统计（索引）中键值组合的密度的信息。它是基于1 /不同值公式计算的，它表示每个键值组合平均有多少行。即便如此
IDX_Books_ISBN索引只有一个键列ISBN定义，它还包括一个聚簇索引键作为索引行的一部分。我们的表有1,252,500个唯一的ISBN值，ISBN列的密度为1.0 / 1,252,500 = 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。
最后的结果集称为直方图。直方图中的每个记录（称为直方图步骤）都包括统计信息（索引）最左列中的样本键值以及有关从前一个值到当前RANGE_HI_KEY值的值范围内的数据分布的信息。让我们更深入地检查直方图列。 RANGE_HI_KEY列存储密钥的样本值。 此值是直方图步骤定义的范围的上限键值。 例如，图3-1中直方图中的记录（步骤）＃3与RANGE_HI_KEY ='104- 0100002488’存储有关从ISBN>'101-0100001796’到ISBN <='104-0100002488’的间隔的信息。
RANGE_ROWS列估计间隔内的行数。 在我们的例子中，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表示密钥在区间内有多少个不同的值。 在我们的示例中，键的所有值都是唯一的，因此DISTINCT_RANGE_ROWS = RANGE_ROWS。 AVG_RANGE_ROWS表示间隔中每个不同键值的平均行数。 在我们的例子中，键的所有值都是唯一的，因此AVG_RANGE_ROWS = 1。 让我们在索引中插入一组重复的ISBN值，代码如清单3-1所示。
清单3-1. 将重复的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;

现在，如果再次运行DBCC SHOW_STATISTICS（‘dbo.Books’，IDX_BOOKS_ISBN），您将看到如图3-2所示的结果。

图3-2. DBCC SHOW_STATISTICS输出
具有前缀104的ISBN值现在具有重复项，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ISBN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  查询的执行计划

大多数执行计划操作符都具有两个重要属性。实际行数指示操作符执行期间处理了多少行。预估行数指示在查询优化阶段为该操作符预估的SQL Server行数。在我们的示例中，SQL Server估计有2625行ISBN s以114开头。如果您查看图3-2所示的直方图，您将看到步骤10存储了ISBN间隔的数据分布信息，其中包括您正在选择的值。即使使用线性逼近，也可以估计行数接近SQL Server确定的行数。

关于统计学，有两件非常重要的事情要记住。

1. 直方图只存储最左侧统计信息(索引)列的数据分布信息。统计中有关于键值的多列密度的信息，但仅此而已。直方图中的所有其他信息只与最左边统计列的数据分布有关。

2. SQL Server在直方图中最多保留200个步骤，而不管表的大小以及是否对表进行分区。每个直方图步骤所覆盖的间隔随着表的增长而增加。这导致在大型表的情况下统计数据不太准确。

在组合索引的情况下，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/较高惟一值百分比的列定义为索引的最左列是有益的。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，您应该考虑谓词的扫描参数。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，对于像FirstName=@FirstName和LastName<>@LastName这样的谓词，情况就不同了，因为LastName是不可SARGable的。

 

统计数字及执行计划

默认情况下，SQL Server自动创建和更新统计信息。在数据库级有两个选项可以控制这种行为：
1. Auto Create Statistics控制优化器是否自动创建列级统计信息。此选项不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. 当启用Auto Update Statistics database选项时，SQL Server每次编译或执行查询时都会检查统计信息是否过期，并在需要时更新它们。默认情况下还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统计信息的自动更新行为。默认情况下，该选项被设置为OFF，这意味着统计信息将自动更新。更改索引级或表级的自动更新行为的另一种方法是使用sp_autostatssystem存储过程。

SQL Server根据影响统计信息列的INSERT、UPDATE、DELETE和MERGE语句执行的更改数量来判断统计信息是否过时。SQL Server计算更改统计列的次数，而不是更改行的数量。例如，如果您将同一行更改100次，它将被视为100次更改，而不是1次更改。

有三种不同的场景，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期。

1. 当表为空时，SQL Server将超过向表添加数据时的统计数据。

2. 当表的行数少于500时，SQL Server在统计数据列每更改500次之后就会超过统计数据。

3.在SQL Server 2016之前和数据库兼容性级别< 130的SQL Server 2016中:当一个表有500行或更多行时，每500 +(表中总行数的20%)更改统计列一次，SQL Server就会超过统计。

在数据库兼容性级别为130的SQL Server 2016中:大表上的统计更新阈值变为动态的，并且取决于表的大小。表的行数越多，阈值越低。对于具有数百万甚至数十亿行的大型表，统计信息更新阈值可能只是表中总行数百分比的一小部分。在SQL Server 2008R2 SP1及以上版本中，还可以使用跟踪标记T2371启用此行为。

表3-1总结了不同版本SQL Server的统计更新阈值行为。

表3 - 1 统计数据更新阈值和SQL Server版本

这就引出了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数量与表的大小成正比。表越大，自动更新统计信息的频率越低。例如，对于一个有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。如果可能，建议使用动态更新阈值。

让我们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126.5万行。让我们用前缀999向表中添加250,000行，如列表3-5所示。在这个例子中，我使用的SQL Server 2012没有启用T2371。如果在启用动态统计更新阈值的情况下运行它，您可以看到不同的结果。此外，SQL Server 2014中引入的新的基数估计器也可以更改行为。我们将在本章后面讨论它。

列表3-5 添加列到表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%'查询选择具有此前缀的所有行。

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，即使需要从表中选择近20%的行的情况下，这些操作效率很低。

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，即使有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，统计信息也没有更新，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行中的行数。 上次统计信息更新期间的表。 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更新统计数据dbo.Books IDX_Books_ISBN with FULLSCAN命令，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最终得到了一个更高效的执行计划，该计划使用聚簇索引扫描，I / O读取比以前少了大约17倍。

图3-9。 在统计信息更新后，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的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。

统计维护

正如我已经提到的，SQL Server默认自动更新统计信息。 对于小表，这种行为通常是可以接受的; 但是，对于具有数百万或数十亿行的大型表，您不应该依赖自动统计信息更新，除非您使用的SQL Server 2016的数据库兼容级别为130或启用了跟踪标志T2371。 通过20％统计信息更新阈值触发统计信息更新所需的更改次数将非常高，因此，不会经常触发更新。

　　在这种情况下，建议您手动更新统计信息。 在选择最佳统计信息维护策略时，您必须分析表的大小，数据修改模式和系统可用性。例如，如果系统外部负载不重，您可以决定每晚更新关键表的统计信息。 营业时间。 不要忘记统计信息和/或索引维护会为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。

　　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。 对于具有不断增加或减少的键值的索引，您需要更频繁地更新统计信息，例如当索引中最左侧的列定义为标识或使用序列对象填充时。 如您所见，如果特定键值超出直方图，SQL Server会大大低估行数。 在SQL Server 2014到2016中，此行为可能会有所不同，我们将在本章后面部分中看到。

　　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，它会读取数据样本而不是扫描整个索引。 您可以使用FULLSCAN选项更改该行为，该选项强制SQL Server读取和分析索引中的所有数据。 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会引入大量的I / O活动。

---

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

---

　　您可以使用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，这会更正目录视图中不正确的页面和行计数信息。

　　有一个sys.dm_db_stats_properties DMV，它显示自上次统计信息更新以来对统计信息列所做的修改次数。 利用该DMV的代码如清单3-9所示。

1. 清单3-9 使用sys.dm_db_stats_properties

2.  

3. select

4. 　　 s.stats_id as [Stat ID], sc.name + '.' + t.name as [Table], s.name as [Statistics]

5. 　　 ,p.last_updated, p.rows, p.rows_sampled, p.modification_counter as [Mod Count]

6. from

7. 　　 sys.stats s join sys.tables t on

8. 　　　　 s.object_id = t.object_id

9. 　　 join sys.schemas sc on

10. 　　　　 t.schema_id = sc.schema_id

11. 　　 outer apply

12. 　　　　 sys.dm_db_stats_properties(t.object_id,s.stats_id) p

13. where

14. 　　 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250,000次修改。 您可以构建统计信息维护例程，定期检查sys.dm_db_stats_properties DMV并使用较大的modification_counter值重建统计信息。

图3-11。 Sys.dm_db_stats_properties输出 

　　另一个与统计相关的数据库选项是异步自动更新统计信息。 默认情况下，当SQL Server检测到统计信息已过时时，它会暂停查询执行，同步更新统计信息，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，该计划基于过时的统计信息，同时异步更新后台统计信息。 除非系统查询超时非常短，否则建议您保持同步统计信息更新，在这种情况下，同步统计信息更新可以使查询超时。

　　最后，SQL Server不会在您创建新索引时自动删除列级统计信息。 您应该手动删除冗余的列级统计信息对象。