oracle 如何边看表中字段信息_oracle的统计信息、直方图以及它如何影响执行计划的生成与选择...

Oracle优化器会为SQL语句产生所有可能的访问路径（执行计划），然后从中选择一条COST值最低的执行路径，这个cost值是指oracle估算执行SQL所消耗的资源。为了让优化器能够精确计算的每一条执行计划的COST值，这就需要被执行SQL语句所需访问的所有对象（表和索引等）和系统有必要的描述信息。

统计信息有：

1，表中的统计信息。

2，索引列的统计信息。

3，一般列的统计信息。

表：表行数，使用的块数，空的块数，块的使用率，行迁移和链接的数量，pctfree，pctused的数据，行的平均大小。

记录在：

select NUM_ROWS, --表中的记录数

BLOCKS, --表中数据所占的数据块数

EMPTY_BLOCKS, --表中的空块数

AVG_SPACE, --数据块中平均的使用空间

CHAIN_CNT, --表中行连接和行迁移的数量

AVG_ROW_LEN --每条记录的平均长度

from user_tables

（原来user_tables中的这些字段就是统计信息。。）

索引：索引的深度（B-Tree的级别），索引B树叶子的块数量，集群因子（clustering_factor), 唯一值的个数。

select BLEVEL, --索引的层数

LEAF_BLOCKS, --叶子结点的个数

DISTINCT_KEYS, --唯一值的个数

AVG_LEAF_BLOCKS_PER_KEY, --每个KEY的平均叶块个数

AVG_DATA_BLOCKS_PER_KEY, --每个KEY的平均数据块个数

CLUSTERING_FACTOR --群集因子

from user_indexes

（user_indexes中记录统计信息相关的字段）

列：唯一的值个数，列最大小值，密度（选择率），数据分布（直方图信息），NULL值个数。

select NUM_DISTINCT, --唯一值的个数

LOW_VALUE, --列上的最小值

HIGH_VALUE, --列上的最大值

DENSITY, --选择率因子（密度）

NUM_NULLS, --空值的个数

NUM_BUCKETS, --直方图的BUCKET个数

HISTOGRAM --直方图的类型

from user_tab_columns

（user_tab_columns中记录统计信息相关的字段）

* CBO -- cost base optimizer.

* RBO -- rule base optimizer.

直方图：

是统计信息一种，对数据分布的统计，目的是为了更精确的得到选择率和基数，CBO才能估计出最优的执行计划。

所谓直方图就是质量分布图，通常会画成以数量为底边，以频度为高度的一系列连接起来的矩形图。像下面这个：

在oacle中，直方图是用来表现数据分布质量的工具。构造直方图最主要的原因就是帮助优化器在表中数据严重偏斜时做出更好的规划：例如，如果一到两个值构成了表中的大部分数据(数据偏斜)，相关的索引就可能无法帮助减少满足查询所需的I/O数量。创建直方图可以让基于成本的优化器知道何时使用索引才最合适，或何时应该根据WHERE子句中的值返回表中80％的记录。

直方图的创建不受任何条件限制，可以在一张表上的任何你想创建直方图的列上创建直方图。

存储桶(bucket)数，所谓存储桶可以理解为存储数据的容器，这个容器会按照数据的分布将数据尽量平均到各个桶里，如一张表如果有6000条记录，那么每个桶中平均就会有600条记录，但这只是一个平均数，每个桶中的记录数并不会相等，它会将高频出现记录集中在某一些桶中，低频记录会存放在少量桶中，因此如果存储桶(bucket)数合适的增加就会减少高频记录使用的桶数，统计结果也会更加准确（可以避免被迫将低频记录存入高频桶中，影响优化器生成准确的执行计划）。

所以我们最后得到的直方图信息的准确性就由两个数值决定，一个是BUCTET的个数，一个NUM_DISTINCT的个数。所以创建直方图时首先要正确地估计存储桶(bucket)数。

num_distinct -- 列的distinct值.