数据库的统计信息与查询优化

描述
统计信息是数据库优化器的核心依据，它通过收集表中数据的分布特征（如行数、唯一值数量、数据分布直方图等），帮助优化器估算不同执行计划的成本，从而选择最高效的查询路径。若统计信息不准确或过期，可能导致优化器选择错误的执行计划，引发性能问题。

统计信息的关键内容

1. 表级统计信息：记录表的行数（cardinality）、数据块数量等。
2. 列级统计信息：包括不同值的数量（NDV）、空值比例、数据分布直方图（反映数据的集中或分散趋势）。
3. 索引统计信息：索引的深度、叶子块数量、聚簇因子（索引顺序与表数据顺序的匹配程度）。

统计信息的收集方法

1. 全量收集：对表所有数据进行分析，精度高但资源消耗大，适用于数据变化缓慢的表。

   ANALYZE TABLE employees COMPUTE STATISTICS;  
   -- 或使用数据库专用命令（如Oracle的DBMS_STATS）  
   

2. 采样收集：按比例随机抽取部分数据计算统计信息，平衡效率与准确性。

   ANALYZE TABLE employees ESTIMATE STATISTICS SAMPLE 20 PERCENT;  
   

3. 增量收集：仅更新变化的数据段（如分区表的部分分区），减少开销。

统计信息不准的典型问题

• 优化器低估返回行数：可能选择嵌套循环连接而非更高效的哈希连接。
• 优化器高估筛选率：错误使用索引而非全表扫描。
  示例：
  若employees表的department_id列实际有10个不同值，但统计信息显示有1000个，优化器可能认为WHERE department_id=5会返回少量数据，从而选择索引扫描，但实际该条件命中大量数据，全表扫描更优。

统计信息维护策略

1. 定期自动收集：利用数据库调度任务（如Oracle的自动统计信息收集任务）。
2. 动态统计（动态采样）：当统计信息缺失时，在查询解析阶段实时采样，适用于临时表或未分析的表。
3. 手动干预：对数据分布特殊的列（如极端倾斜数据）需手动设置统计信息或提示（Hint）。

实践建议

• 频繁更新的表需缩短统计信息收集间隔。
• 分区表按分区收集统计信息，避免全表扫描。
• 结合执行计划对比，验证统计信息准确性。

通过精准的统计信息，优化器可更可靠地估算成本，从而提升查询性能。