UNIQUEIDENTIFIER列上的统计信息

UNIQUEIDENTIFIER列上的统计信息非常有意思，在它上面有一些很令人讨厌的行为。我们来看下。

问题重现（The repro）

为了向你展示我们刚抱怨的行为，我用下列简单的表定义创建了一个数据库，我在UNIQUEIDENTIFIER列上强制主键约束。这意味着SQL Server在后台会生成唯一聚集索引，聚集索引本身有一个统计信息对象来描述那列的数据分布情况。当然，数据分布是线性的，因为在UNIQUEIDENTIFIER列每个值本身都是唯一的。

-- Create a new table with a UNIQUEIDENTIFIER column as primary key.
-- SQL Server will enforce the primary key constraint through unique clustered index in the background.
CREATE TABLE CustomersTableGuid
(
    ID UNIQUEIDENTIFIER NOT NULL PRIMARY KEY,
    FirstName VARCHAR(50),
    LastName VARCHAR(50)
)
GO

下一步我往表里插入1百万条记录。

-- Insert 1 million records
DECLARE @i INT = 0
WHILE (@i <= 1000000)
BEGIN
    INSERT INTO CustomersTableGuid (ID, FirstName, LastName)
    VALUES
    (
        NEWID(),
        'FirstName' + CAST(@i AS VARCHAR),
        'LastName' + CAST(@i AS VARCHAR)
    )
    
    SET @i +=1
END
GO

现在我们用FULLSCAN在表上更新我们的统计信息。FULLSCAN意味着SQL Server扫描整个表内在数据来更新统计信息对象。

-- Let's update the Statistics with a FULLSCAN.
UPDATE STATISTICS CustomersTableGuid WITH FULLSCAN
GO

但当你现在查看统计信息对象时，你会看到在直方图里SQL Server只生成了4个步长。

sp_helpindex 'dbo.CustomersTableGuid'

DBCC SHOW_STATISTICS('dbo.CustomersTableGuid', 'PK__Customer__3214EC271273C1CD')

在表头信息里你可以看到，在统计信息更新期间，1百万行被采样，但直方图只显示了4个步长！但当你现在用更小采样区间来更新统计信息对象，事情就会改变：

-- Let's update the Statistics with a smaller sampling interval.
UPDATE STATISTICS CustomersTableGuid WITH SAMPLE 50 PERCENT
GO

当你现在看下直方图，你会看到我们有很多不同的步长：

 

小结

当你在数据库设计里用UNIQUEIDENTIFIER列时要记住这点了。只要这些值是唯一的，你就会有性能上的问题，因为对于直方图里，你有的巨量区间，AVG_RANGE_ROW 只能做出1行的正确估计。

感谢关注！

参考文章：

https://www.sqlpassion.at/archive/2015/03/16/statistics-uniqueidentifier-columns/