基数预估是SQL Server里一颗隐藏的宝石。一般而言,基数预估指的是,在查询编译期间,查询优化器尝试找出在执行计划里从各个运算符平均返回的行数。这个估计用来驱动计划本身生成并选择正确的计划运算符——例如像Nested Loop, Merge Join,还是Hash Join的物理连接。当这些估计错误时,查询优化器就会选择错误的计划运算符,相信我——你的查询就会非常非常非常慢!
查询优化器使用称为统计信息对象作为基数预估。每次当你创建一个索引,SQL Server在下面也会创建一个统计对象。这个对象描述了那个索引的数据分布。另外,在查询执行时,SQL Server也能创建统计信息对象,在必须的时候(自动创建统计信息)。数据分布本身(复合索引键的第一列)被描述为所谓的直方图(Histogram)。
直方图最痛苦之一就是最大只有200的步长。步长是对于你所给定列数据一部分的数据分布情况描述。你的表变得越大,你的直方图就越不准确,因为你有最大200的步长(直方图必须尽可能紧凑,它必须复核8kb的页)。
在复合索引键里其他列,SQL Server在统计信息对象里用所谓的密度向量(Density Vector)来保存,它是复合索引键唯一值是如何的情况描述(彼此结合在一起)。例如在某列里有3个不同值,那列的密度向量是0.33333(1/3)。
从SQL Server 2008开始,SQL Server支持所谓的过滤统计信息(Filtered Statistics)(和过滤索引对应)。使用过滤统计信息,你可以为数据的子集创建统计信息对象。对于那个数据子集,你也会有直方图和密度向量。如果在你的数据里有极端值,你可以对那个范围的数据创建过滤统计信息对象,当那个范围的数据被查询时,就可以让查询优化器更好的估计返回的行数。因此使用过滤统计信息,你就提高了基数预估的准确性,SQL Server就会给更好的执行计划性能。下面代码显示在SQL Server 2008及后续版本里如何创建过滤统计信息对象:
1 CREATE STATISTICS Country_Austria ON Country(ID) 2 WHERE Name = 'Austria' 3 GO
从上面代码可以看到,你用WHERE子句限制表数据的子集,那会通过新的过滤统计信息对象来描述这些数据。但也只有的你的查询也包含这个where条件,查询优化器才可以只用这个新的统计信息对象,就像这样:
1 SELECT SalesAmount FROM Country 2 INNER JOIN Orders ON Country.ID = Orders.ID 3 WHERE Name = 'Austria' 4 GO
如果在的查询里并不包含同样的WHERE子句,查询优化期在执行计划里访问的索引的统计信息还是原来默认的。如果你对刚才的查询启用9204的跟踪标记,你就可以看到在基数预估时,那个统计信息被查询优化器使用:
1 SELECT SalesAmount FROM Country 2 INNER JOIN Orders ON Country.ID = Orders.ID 3 WHERE Name = 'Austria' 4 OPTION 5 ( 6 RECOMPILE,-- Used to see the Statistics Output 7 QUERYTRACEON 3604,-- Redirects the output to SSMS 8 QUERYTRACEON 9204 -- Returns the Statistics that were used during Cardinality Estimation ("Stats loaded") 9 ) 10 GO
查询本身也会编译(因为RECOMPLIE查询提示,即使查询计划已被缓存),因此在SSMS的消息窗,你就可以看到拿个统计信息被用做基数预估。
以过滤统计信息的简单介绍为基础,我想给你通过实例展示下,过滤统计信息是如何提高执行计划质量的。
1 -- Create a new database 2 CREATE DATABASE FilteredStatistics 3 GO 4 5 -- Use it 6 USE FilteredStatistics 7 GO 8 9 -- Create a new table 10 CREATE TABLE Country 11 ( 12 ID INT PRIMARY KEY, 13 Name VARCHAR(100) 14 ) 15 GO 16 17 -- Create a new table 18 CREATE TABLE Orders 19 ( 20 ID INT, 21 SalesAmount DECIMAL(18, 2) 22 ) 23 GO
我们在表上建立相应的索引:
1 -- Create a Non-Clustered Index 2 CREATE NONCLUSTERED INDEX idx_Name ON Country(Name) 3 GO 4 5 -- Create a Clustered Index 6 CREATE CLUSTERED INDEX idx_ID_SalesAmount ON Orders(ID, SalesAmount) 7 GO
最后往2个表里插入初始数据:
1 -- Insert a few records into the Lookup Table 2 INSERT INTO Country VALUES(0, 'Austria') 3 INSERT INTO Country VALUES(1, 'UK') 4 INSERT INTO Country VALUES(2, 'France') 5 GO 6 7 -- Insert uneven distributed order data 8 INSERT INTO Orders VALUES(0, 0) 9 10 DECLARE @i INT = 1 11 12 WHILE @i <= 1000 13 BEGIN 14 INSERT INTO Orders VALUES (1, @i) 15 SET @i += 1 16 END 17 GO
为了保证所有的统计信息都已经是最新的,我用全扫描更新了统计信息:
1 -- Update the Statistics on both tables 2 UPDATE STATISTICS Country WITH FULLSCAN 3 UPDATE STATISTICS Orders WITH FULLSCAN 4 GO
点击工具栏的显示包含实际的执行计划。我们来执行下列的查询:
1 SELECT SalesAmount FROM Country 2 INNER JOIN Orders ON Country.ID = Orders.ID 3 WHERE Name = 'UK' 4 OPTION 5 ( 6 RECOMPILE,-- Used to see the Statistics Output 7 QUERYTRACEON 3604,-- Redirects the output to SSMS 8 QUERYTRACEON 9204-- Returns the Statistics that were used during Cardinality Estimation ("Stats loaded") 9 ) 10 GO
从执行计划里可以看到,基数预估出现了大问题。
SQL Server 估计行数是501,聚集索引查找运算符的实际行数是1000。SQL Server这里使用idx_ID_SalesAmount统计信息对象的密度向量来做那个估计:密度向量是0.5(在那列我们只有2个不同值),因此估计行数是501(1001 * 0.5)。
当你用Austria参数值执行同样的查询,SQL Server又一次估计行数是501,但是查询本身值返回1行……当其他运算符使用这些估计做运算时,这个行为在执行计划里会有巨大的副作用。例如,Sort和Hash运算符根据这些估计作为内存授予需要的大小。如果低估,你的查询会涌向TempDb,如果高估,你就在浪费内存,当你有大量的并发查询是,就会导致竞争问题(查询内存的最大数量是有资源管理器限制的……)
你可以使用过滤统计信息来帮助这些特殊场景。这个会给SQL Server关于数据本身分布的更多信息,也会在基数预估里得到帮助。对于那个特殊场景,我创建2个不同的过滤统计信息,对于每个国家我都创建各自的过滤统计信息对象:
1 -- Fix the problem by creating Filtered Statistics Objects 2 CREATE STATISTICS Country_UK ON Country(ID) 3 WHERE Name = 'UK' 4 5 CREATE STATISTICS Country_Austria ON Country(ID) 6 WHERE Name = 'Austria' 7 GO
现在当你重新执行查询时,最后你会看到基数预估是正确的:
当你在你表上上创建了过滤统计信息时,你也要注意维护。从整个表本身——如果有20%的数据改变时,SQL Server会自动更新统计信息!!! 假设你有10000行的表,你在表的子集上创建了过滤统计信息,就定子集行数是500条。在这个情况下,当指定列有2000行改变时,SQL Server会更新过滤统计信息对象。因此你要更新过滤统计信息对象里4倍的数据,才会使统计信息失效然后它被更新(在过滤统计信息区间外,没有数据发生改变)。这是很糟糕的情况,当你使用过滤统计信息时,要记住这个。
希望这篇文章给你过滤统计信息的很好概述,对于给出的查询,你知道如何使用过滤统计信息帮助SQL Server提高基数预估。
本文转自Woodytu博客园博客,原文链接:http://www.cnblogs.com/woodytu/p/4618818.html,如需转载请自行联系原作者