15周翻译《Pro SQL Server Internals, 2nd edition》
统计
SQL Server查询优化器在为查询选择执行计划时使用基于成本的模型。 它估算不同执行计划的成本，并选择成本最低的计划。 但请记住，SQL Server不会搜索可用于查询的最佳执行计划，因为评估所有可能的替代方案在CPU方面既耗时又昂贵。 查询优化器的目标是找到足够快的执行计划。
基数估计（在查询执行的每个步骤中需要处理的行数的估计）是查询优化中最重要的因素之一。 此数字会影响连接策略的选择，查询执行所需的内存量（内存授权）以及其他一些事项。
访问数据时使用的索引选择属于这些因素。 您会记得，在I / O方面，密钥和RID查找操作很昂贵，并且当SQL Server估计需要大量这些操作时，它们不使用非聚簇索引。 SQL Server维护索引的统计信息在某些情况下还包括列，这有助于执行此类估计。
SQL Server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。 尽管IDX_Books_ISBN索引只定义了一个键列ISBN，但它还包含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，在图3-1的直方图中记录（步骤）＃3，其中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_KEYupper绑定值。 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。
现在，如果你再次运行DBCC SHOW_STATISTICS（'dbo.Books'，IDX_BOOKS_ISBN）命令，你将看到如图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员都有两个重要的属性。 实际行数表示在执行者执行期间处理了多少行。估计行数表示SQL Server在查询优化阶段为该运算符估计的行数。在我们的例子中，SQL Server估计有2,625行，其中ISBN以114开头。如果查看图3-2中显示的直方图，您将看到步骤10存储有关ISBN间隔的数据分布的信息，其中包括您选择的值。即使使用线性近似，您也可以估计接近SQL Server确定的行数。
关于统计数据，有两件非常重要的事情需要记住。
1.直方图仅存储有关最左侧统计（索引）列的数据分布的信息。 有关于统计中关键值的多列密度的信息，但就是这样。 直方图中的所有其他信息仅涉及最左侧统计列的数据分布。
2.无论表的大小和表是否已分区，SQL Server在直方图中最多保留200个步骤。每个直方图步骤所覆盖的间隔随着表的增长而增加。 这导致在大表格的情况下不太准确的统计数据。
对于复合索引，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/较高百分比的唯一值的列定义为索引的最左列是有益的。这将允许SQL Server更好地利用统计信息中的数据分布信息。 你应该考虑谓词的SARGability，然而。 例如，如果所有查询都在where子句中使用FirstName = @ FirstName和LastName = @ LastName谓词，最好将LastName作为索引中最左边的列。 尽管如此，对于类似的谓词来说并非如此FirstName = @ FirstName和LastName <> @ LastName，其中LastName不是SARGable。
统计和执行计划
SQL Server默认自动创建和更新统计信息。 数据库级别有两个控制此类行为的选项：
1.“自动创建统计信息”控制优化程序是否自动创建列级统计信息。此选项不会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.启用“自动更新统计数据库”选项后，SQL Server会在每次编译或执行查询时检查统计信息是否过时，并在需要时更新它们。默认情况下也会启用“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别上统计信息的自动更新行为。默认情况下，此选项设置为OFF，这意味着统计信息会自动更新。在索引或表级别更改自动更新行为的另一种方法是使用sp_autostats系统存储过程。
SQL Server根据影响统计信息列的INSERT，UPDATE，DELETE和MERGE语句执行的更改次数确定统计信息是否过时.SQL Server计算统计信息列的更改次数，而不是更改的行数。 例如，如果您将同一行更改100次，则将其计为100次更改而不是1次更改。
有三种不同的方案，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时。
1.当表为空时，SQL Server在向表中添加数据时会过时。
2.当表的行少于500行时，SQL Server会在统计列每500次更改后过期统计信息。
3.在SQL Server 2016和SQL Server 2016之前，数据库兼容级别<130：当一个表有500行或更多行时，SQL Server会在统计列的每500+（表中总行数的20％）更改后过期统计信息。
在SQL Server 2016中，数据库兼容级别为130：大型表上的统计信息更新阈值将变为动态，并取决于表的大小。表具有的行越多，阈值越低。 在拥有数百万甚至数十亿行的大型桌子上，统计信息更新阈值可以只是表中总行数的一小部分。 SQL Server 2008R2 SP1及更高版本中的跟踪标志T2371也可以启用此行为。
表3-1总结了不同版本的SQL Server中的统计信息更新阈值行为。
表3-1： 统计信息更新阈值和SQL Server版本
这导致我们得出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次数与表大小成比例。表越大，统计信息自动更新的次数就越少。 例如，对于具有10亿行的表，您需要对统计信息列执行大约2亿次更改，以使统计信息过时。 建议尽可能使用动态更新阈值。
让我们来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1,265,000行。让我们在表中添加250,000行，前缀为999，如清单3-5所示。 在此示例中，我使用的是未启用T2371的SQL Server 2012。如果在启用动态统计信息更新阈值的情况下运行它，则可以看到不同的结果。 此外，SQL Server 2014中引入的新基数估计器也可以改变行为。我们将在本章后面讨论它。
清单3-5。：将行添加到dbo.Books
现在，让我们运行SELECT * FROM dbo.Books WHERE ISBN LIKE'999％'查询，选择具有这种前缀的所有行。
如果检查查询的执行计划，如图3-7所示，您将看到非聚簇索引查找和键查找操作，即使它们在您需要从表中选择近20％的行的情况下效率低下。
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估计只有31.4行带前缀表中有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。 如您所见，即使我们在表中插入了250,000行，统计信息也未更新，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上次统计信息更新期间表中的行数。 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 dbo.Books IDX_Books_ISBN WITH FULLSCAN命令更新统计信息，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最终得到了一个更有效的执行计划，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： 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。 按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，如果系统在工作时间之外没有负载，您可以决定每晚更新关键表的统计信息。 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需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“索引碎片化”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数据库升级到新版本的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，它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。
清单3-9 使用sys.dm_db_stats_properties
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。 除非系统的查询超时非常短，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能会使查询超时。
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。
