你的位置:首页 > 数据库

[数据库]Oracle索引梳理系列(十)


版权声明:本文发布于http://www.cnblogs.com/yumiko/,版权由Yumiko_sunny所有,欢迎转载。转载时,请在文章明显位置注明原文链接。若在未经作者同意的情况下,将本文内容用于商业用途,将保留追究其法律责任的权利。如果有问题,请以邮箱方式联系作者(793113046@qq.com)。


前言

  • 针对索引列,尤其是存在严重数据倾斜的索引列,直方图的统计信息,对于CBO优化器更准确地选择执行计划至关重要。
  • 对于初心者,可以从这篇文章中,了解到直方图对于索引列的价值、作用,以及使用技巧。
  • 对于经验者,同样可以从文章中,了解到不同的analyze table操作,对于直方图信息统计的影响。该部分也可以直接查阅本篇文章最后的总结篇。
  • 先强调一句:analyze table table_name compute statistics这个操作要谨慎

 

1、直方图概述

  • 直方图作为一种计量数据分布的统计工具,并非ORACLE专有。
  • 对于ORACLE而言,直方图主要用于在分析表以及索引时,统计相关列上的数据,记录该列整体的数据分布情况。

 

 

2、直方图的分类

  • ORACLE的直方图主要有两种,等频直方图以及等高直方图
  • 默认情况下,当列上的唯一值数量低于254个,ORACLE会建立等频直方图。
  • 默认情况下,当列上的唯一值数量高于254个,ORACLE会建立等高直方图。
  • 可以在执行dbms_stats.gather_table_stats收集统计信息时,通过method_opt参数,设置SIZE低于目标列的唯一值数量,从而使用等高直方图。

 

 

3、直方图的优势

对于ORACLE而言,CBO优化器可以根据直方图收集的列值分布信息,让选择性高(返回数据行比例少)的列值使用索引,而选择性低(返回数据行比例多)的列值不使用索引。尤其对于存在数据倾斜严重的列而言,直方图很重要。

注:数据倾斜,主要指某列上的一个数值,相较于该列其他数值,出现比例高,如:“性别”列,“男性”占到该列整体数值(男性、女性)的80%,存在明显的数据倾斜现象。

 

 

4、直方图适用范围 

一般而言,直方图不受是否使用索引的限制,即可以用来统计索引列,也可以统计非索引列。但对于非索引列的统计,意义不大。

 

 

5、直方图涉及的主要视图

直方图类型的视图:DBA_TAB_COL_STATISTICS,USER_TAB_COL_STATISTICS,ALL_TAB_COL_STATISTICS

直方图具体信息的视图:DBA_TAB_HISTOGRAMS,USER_TAB_HISTOGRAMS,ALL_TAB_HISTOGRAMS

 

 

6、直方图对于执行计划选择影响的示例说明

本示例中使用的数据库版本为ORACLE 11.2.0.4。

 

首先,准备一张测试表TEST,其中OWNER列存在严重的数据倾斜,具体如下。

Yumiko_sunny@OA01> select distinct owner ,count(*) as col_rows, 2 (select count(*) from test) as tab_rows, 3 to_char(round(count(*)/(select count(*) from test)*100,2),'90.99')||'%' 4 as data_ratio 5 from test group by owner;OWNER         COL_ROWS  TAB_ROWS DATA_RATIO-------------------- ---------- ---------- ----------HR             476   535164  0.09%OE             1988   535164  0.37%ORDDATA          3598   535164  0.67%SCOTT            98   535164  0.02%SYS           529004   535164 98.85%

从上图中可以看到,该列的SYS值分布占到了整体的98%,表明存在严重的倾斜。

 

为OWNER列创建索引,并使用ANALYZE TABLE的方法收集统计信息。

--收集统计信息
Yumiko_sunny@OA01> analyze table test compute statistics;Table analyzed.
--验证最后的统计收集的时间Yumiko_sunny@OA01> select table_name, 2 to_char(LAST_ANALYZED,'YYYY-MM-DD HH24:MI:SS') LAST_ANALYZED 3 from dba_tables where TABLE_NAME='TEST';TABLE_NAME LAST_ANALYZED------------------------------ -------------------TEST 2016-11-13 21:23:19--查看直方图的统计情况Yumiko_sunny@OA01> select column_name,histogram from dba_tab_col_statistics where table_name='TEST';COLUMN_NAME HISTOGRAM-------------------- ---------------OWNER NONEOBJECT_NAME NONESUBOBJECT_NAME NONEOBJECT_ID NONEDATA_OBJECT_ID NONEOBJECT_TYPE NONECREATED NONELAST_DDL_TIME NONETIMESTAMP NONESTATUS NONETEMPORARY NONECOLUMN_NAME HISTOGRAM-------------------- ---------------GENERATED NONESECONDARY NONENAMESPACE NONEEDITION_NAME NONE

在上面的方法中,虽然通过analyze table table_name compute statistics的方法,收集了表的统计信息,但并未收集直方图的信息

这里先忽略,后面可以对比for all columns子句的情况再看下

 

查看此时索引列执行计划的选择情况,这里以倾斜数据SYS为条件进行检索。

Yumiko_sunny@OA01> select * from test where owner='SYS';529004 rows selected.Execution Plan----------------------------------------------------------Plan hash value: 3856466897----------------------------------------------------------------------------------------| Id | Operation          | Name   | Rows | Bytes | Cost (%CPU)| Time   |----------------------------------------------------------------------------------------|  0 | SELECT STATEMENT      |     |  107K|  10M| 1799  (1)| 00:00:22 ||  1 | TABLE ACCESS BY INDEX ROWID| TEST   |  107K|  10M| 1799  (1)| 00:00:22 ||* 2 |  INDEX RANGE SCAN     | IND_TEST |  107K|    |  228  (1)| 00:00:03 |----------------------------------------------------------------------------------------Predicate Information (identified by operation id):---------------------------------------------------  2 - access("OWNER"='SYS')

从上面返回的结果看,529K行的SYS数据,仅仅返回107K行,显然存在很大的误差。

此外,对于数据倾斜达到98%的SYS而言,显然全表扫描的效率应该更高,这里应该与错误的统计信息有关。

 

使用dbms_stats.gather_table_stats的方式再次收集表的统计信息。

Yumiko_sunny@OA01> exec dbms_stats.gather_table_stats('SCOTT','TEST',cascade=>true);PL/SQL procedure successfully completed.Yumiko_sunny@OA01> select table_name, 2 to_char(LAST_ANALYZED,'YYYY-MM-DD HH24:MI:SS') LAST_ANALYZED  3 from dba_tables where TABLE_NAME='TEST';TABLE_NAME           LAST_ANALYZED------------------------------ -------------------TEST              2016-11-13 21:50:01Yumiko_sunny@OA01> select column_name,histogram from dba_tab_col_statistics where table_name='TEST';COLUMN_NAME     HISTOGRAM-------------------- ---------------OWNER        FREQUENCYOBJECT_NAME     NONESUBOBJECT_NAME    NONEOBJECT_ID      NONEDATA_OBJECT_ID    NONEOBJECT_TYPE     NONECREATED       NONELAST_DDL_TIME    NONETIMESTAMP      NONESTATUS        NONETEMPORARY       NONECOLUMN_NAME     HISTOGRAM-------------------- ---------------GENERATED      NONESECONDARY      NONENAMESPACE      NONEEDITION_NAME     NONE

从上图可以看到,此时完成了对表的最新统计,同时收集了索引列的直方图信息,且该直方图为”等频直方图“

 

再次查看此时索引列的执行计划选择情况,这里分别以选择性差的倾斜数据SYS为条件,以及以选择性好的SCOTT为条件分别进行检索。

--以SYS为条件进行查询
Yumiko_sunny@OA01> select * from test where owner='SYS';529004 rows selected.Execution Plan----------------------------------------------------------Plan hash value: 1357081020--------------------------------------------------------------------------| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |--------------------------------------------------------------------------| 0 | SELECT STATEMENT | | 530K| 49M| 2098 (1)| 00:00:26 ||* 1 | TABLE ACCESS FULL| TEST | 530K| 49M| 2098 (1)| 00:00:26 |--------------------------------------------------------------------------Predicate Information (identified by operation id):--------------------------------------------------- 1 - filter("OWNER"='SYS')
--以SCOTT为条件进行查询Yumiko_sunny@OA01> select * from test where owner='SCOTT';98 rows selected.Execution Plan----------------------------------------------------------Plan hash value: 3856466897----------------------------------------------------------------------------------------| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |----------------------------------------------------------------------------------------| 0 | SELECT STATEMENT | | 98 | 9506 | 5 (0)| 00:00:01 || 1 | TABLE ACCESS BY INDEX ROWID| TEST | 98 | 9506 | 5 (0)| 00:00:01 ||* 2 | INDEX RANGE SCAN | IND_TEST | 98 | | 3 (0)| 00:00:01 |----------------------------------------------------------------------------------------Predicate Information (identified by operation id):--------------------------------------------------- 2 - access("OWNER"='SCOTT')

如之前所说,通过直方图收集准确的数据分布信息,

对于选择性差的SYS值,CBO优化器采用了全表扫描的方式进行数据的访问

对于选择性好的SCOTT值,CBO优化器则采用了索引扫描的方式进行数据的访问

 

如果采用索引的方式访问SYS相关的数据行,真实的代价会是怎样呢,这里,通过hint的方式进行一次索引扫描的访问

Yumiko_sunny@OA01> select /*+index(test,ind_test) */* from test where owner='SYS';529004 rows selected.Execution Plan----------------------------------------------------------Plan hash value: 3856466897----------------------------------------------------------------------------------------| Id | Operation          | Name   | Rows | Bytes | Cost (%CPU)| Time   |----------------------------------------------------------------------------------------|  0 | SELECT STATEMENT      |     |  529K|  49M| 8885  (1)| 00:01:47 ||  1 | TABLE ACCESS BY INDEX ROWID| TEST   |  529K|  49M| 8885  (1)| 00:01:47 ||* 2 |  INDEX RANGE SCAN     | IND_TEST |  529K|    |  1115  (1)| 00:00:14 |----------------------------------------------------------------------------------------Predicate Information (identified by operation id):---------------------------------------------------  2 - access("OWNER"='SYS')

从上图中可以看到,在信息收集无误的情况下,若采用索引扫描,其真实开销是全表扫描的4倍

通过上面这个执行计划,也说明了,对于CBO优化器,准确无误的统计信息对于执行计划选择的重要性

 

通过DBA_TAB_HISTOGRAMS视图,查看此时直方图的详细信息

Yumiko_sunny@OA01> select TABLE_NAME,COLUMN_NAME,ENDPOINT_NUMBER, 2 to_char(ENDPOINT_VALUE,'999999999999999999999999999999999999') 3 as ENDPOINT_VALUE,ENDPOINT_ACTUAL_VALUE 4 from DBA_TAB_HISTOGRAMS 5  where TABLE_NAME='TEST' and COLUMN_NAME='OWNER';TABLE_NAME COLUMN_NAME ENDPOINT_NUMBER ENDPOINT_VALUE       ENDPOINT_ACTUAL_VALU----------------------------------------------------------------------------------------TEST    OWNER           19 41159093808690300000000000TEST    OWNER           61 41186001805076000000000000TEST    OWNER           62 43232584582496500000000000TEST    OWNER           5 37550853140200700000000000TEST    OWNER          5518 43277234965060400000000000

可以看到,虽然ENDPOINT_VALUE收集到了唯OWNER列唯一值的hash值,但真实列ENDPOINT_ACTUAL_VALUE显示为空

后面对比analyze table for all columns操作后再看。

 

删除SYS值相关的数据行,观察直方图统计的变化

Yumiko_sunny@OA01> delete from test where owner='SYS';529004 rows deleted.Yumiko_sunny@OA01> commit;Commit complete.Yumiko_sunny@OA01> select TABLE_NAME,COLUMN_NAME,ENDPOINT_NUMBER, 2 to_char(ENDPOINT_VALUE,'999999999999999999999999999999999999') 3 as ENDPOINT_VALUE,ENDPOINT_ACTUAL_VALUE 4 from DBA_TAB_HISTOGRAMS 5  where TABLE_NAME='TEST' and COLUMN_NAME='OWNER';
TABLE_NAME COLUMN_NAME ENDPOINT_NUMBER ENDPOINT_VALUE       ENDPOINT_ACTUAL_VALU----------------------------------------------------------------------------------------TEST    OWNER           19 41159093808690300000000000TEST    OWNER           61 41186001805076000000000000TEST    OWNER           62 43232584582496500000000000TEST    OWNER           5 37550853140200700000000000TEST    OWNER          5518 43277234965060400000000000
 

可以看到,对表数据的DML操作,直方图信息并未自动更改

 

再次使用dbms_stats.gather_table_stats收集统计信息,此时直方图得到了更新,如下图:

Yumiko_sunny@OA01> exec dbms_stats.gather_table_stats('SCOTT','TEST',cascade=>true);PL/SQL procedure successfully completed.Yumiko_sunny@OA01> select TABLE_NAME,COLUMN_NAME,ENDPOINT_NUMBER, 2 to_char(ENDPOINT_VALUE,'999999999999999999999999999999999999') 3 as ENDPOINT_VALUE,ENDPOINT_ACTUAL_VALUE 4 from DBA_TAB_HISTOGRAMS 5  where TABLE_NAME='TEST' and COLUMN_NAME='OWNER';
TABLE_NAME COLUMN_NAME ENDPOINT_NUMBER ENDPOINT_VALUE       ENDPOINT_ACTUAL_VALU-------------------- ---------------------------- ---------------------------------------TEST    OWNER          476 37550853140200700000000000 TEST    OWNER          2464 41159093808690300000000000 TEST    OWNER          6062 41186001805076000000000000 TEST    OWNER          6160 43232584582496500000000000 
 

上述说明了,对于直方图的信息,需要定期进行收集工作

 

 

7、ANALYZE TABLE操作对直方图统计影响的示例说明

本示例承接上面示例内容,数据库版本一致。

 

在上面内容中,已经演示了analyze table table_name compute statistics无法针对表进行直方图的信息收集。

那么,对于已存在直方图的表,该操作又会有何影响呢。

首先,承接上面内容,再次执行analyze table table_name compute statistics的操作,观察直方图信息的变化。

Yumiko_sunny@OA01> analyze table test compute statistics;Table analyzed.Yumiko_sunny@OA01> select column_name,histogram from dba_tab_col_statistics where table_name='TEST';COLUMN_NAME     HISTOGRAM-------------------- ---------------OWNER        NONEOBJECT_NAME     NONESUBOBJECT_NAME    NONEOBJECT_ID      NONEDATA_OBJECT_ID    NONEOBJECT_TYPE     NONECREATED       NONELAST_DDL_TIME    NONETIMESTAMP      NONESTATUS        NONETEMPORARY      NONECOLUMN_NAME     HISTOGRAM-------------------- ---------------GENERATED      NONESECONDARY      NONENAMESPACE      NONEEDITION_NAME     NONE

可以明显的发现,OWNER列的直方图信息消失了,说明该操作会删除已存在的直方图信息

如果这是一个生产环境,对于这样一张存在数据倾斜列的表,可能会带来不可预估的影响。

 

对于analyze table table_name compute statistics for all indexes的操作,这里不再演示,会在下面的总结中,直接给出对直方图影响的结论。

 

下面看一下analyze table table_name compute statistics for all indexes for all columns操作的影响。

Yumiko_sunny@OA01> analyze table test compute statistics for all indexes for all columns;Table analyzed.Yumiko_sunny@OA01> select column_name,histogram from dba_tab_col_statistics where table_name='TEST';COLUMN_NAME     HISTOGRAM-------------------- ---------------OWNER        FREQUENCYOBJECT_NAME     HEIGHT BALANCEDSUBOBJECT_NAME    NONEOBJECT_ID      HEIGHT BALANCEDDATA_OBJECT_ID    HEIGHT BALANCEDOBJECT_TYPE     FREQUENCYCREATED       FREQUENCYLAST_DDL_TIME    FREQUENCYTIMESTAMP      FREQUENCYSTATUS        FREQUENCYTEMPORARY      FREQUENCYCOLUMN_NAME     HISTOGRAM-------------------- ---------------GENERATED      FREQUENCYSECONDARY      FREQUENCYNAMESPACE      FREQUENCYEDITION_NAME     NONE

从上面可以看到,当执行for all columns子句的时候,不但收集了索引列的直方图信息,还收集了非索引列的直方图信息

 

再看下此时DBA_TAB_HISTOGRAMS视图的详细信息

Yumiko_sunny@OA01> select TABLE_NAME,COLUMN_NAME,ENDPOINT_NUMBER, 2 to_char(ENDPOINT_VALUE,'999999999999999999999999999999999999') 3 as ENDPOINT_VALUE,ENDPOINT_ACTUAL_VALUE 4 from DBA_TAB_HISTOGRAMS 5 where TABLE_NAME='TEST' and COLUMN_NAME='OWNER';TABLE_NAME COLUMN_NAME ENDPOINT_NUMBER ENDPOINT_VALUE       ENDPOINT_ACTUAL_VALU-------------------- ---------------------------- ---------------------------------------TEST    OWNER          476 37550853140200700000000000 HRTEST    OWNER          2464 41159093808690300000000000 OETEST    OWNER          6062 41186001805076000000000000 ORDDATATEST    OWNER          6160 43232584582496500000000000 SCOTT

可以看到,此时可以看见DBA_TAB_HISTOGRAMS视图上,ENDPOINT_ACTUAL_VALUE列真实值的信息。

 

 

8、总结

  • 直方图可以为CBO优化器提供准确的数据分布参考,以便选择正确的执行计划。

 

  • 默认情况下,使用dbms_stats.gather_table_stats得到的直方图信息,只会收集索引列的直方图信息。
  • 默认情况下,使用dbms_stats.gather_table_stats得到的直方图信息,无法在DBA_TAB_HISTOGRAMS视图中看到真实值,但不影响CBO优化器的选择。

 

  • 使用analyze table table_name compute statistics进行统计分析,对于尚未存在直方图信息的表,不会收集直方图信息。
  • 使用analyze table table_name compute statistics进行统计分析,对于已经存在直方图信息的表,会删除之前的直方图信息。

 

  • 使用analyze table table_name compute statistics for all indexes进行统计分析,对于尚未存在直方图信息的表,不会收集直方图信息。
  • 使用analyze table table_name compute statistics for all indexes进行统计分析,对于已经存在直方图信息的表,不会删除之前的直方图信息。

 

  • 使用analyze table table_name compute statistics for all indexes for all columns进行统计分析,对于尚未存在直方图信息的表,会收集直方图信息,且包括索引列以及非索引列。
  • 使用analyze table table_name compute statistics for all indexes for all columns进行统计分析,对于已经存在直方图信息的表,会收集最新的直方图信息。

 

最后一点,起码从直方图的收集情况看:analyze table table_name compute statistics并不等价于analyze table table_name compute statistics for all indexes for all columns

 

谨慎使用analyze table table_name compute statistics这个操作。

重要的事情说三遍!!!