基数、选择性、直方图

转自http://blog.youkuaiyun.com/simon_steve_sun/article/details/16846873

一、基数：

 

   一个列中唯一键(Distinct_keys)的个数，如有一个100W行的表，性别列的基数为2 (select distinct gender from test)，主键列的基数为100W(select distinct mid from test);

二、选择性：

    基数/总行数所占的百分比，性别 2/100w * 100% 主键 100%  选择性越高 越有利于使用索引

    20~30%就算是比较高了

 2.1、如何判断是一个索引创建的是好还是坏呢？ 

     就看他的基数和选择性 如果基数大选择性大 那么使用索引就比较好

 2.2、性别这个列使不使用索引？

    要看情况，从OLTP系统上来说 在选择性低的列上创建索引肯定不适合的， 基数/选择性高的列，适合建立B-Tree索引；

     在OLAP系统中 基数低的列根据需求，有可能会建立bitmap索引

 2.3、如何查看列的选择性和基数呢？

[sql]  view plain  copy

 

1. create table test as select * from dba_objects;  
2. create index idx on test(owner);   
3. --最简单直接的写法是运行下面的语句 但可能会卡死 想象如果一张表30G 上千万行 而segment_size只有10G   
4. select count(distinct column_name),count(*) total_rows,count(distinct column_name) / count(*) * 100 selectivity from table_name;  
5.   
6. --在做SQL优化的时候，不要急忙运行上面SQL，首先应该检查表的segment_size有多大，如果表的segment_size过大(比如超过SGA的buffer_cache)，你要考虑运行上面SQL是否对你当前的系统有影响，如果是测试环境，无所谓，如果是生产环境，要小心谨慎。  
7.   
8. --其实建议使用统计信息表（dba_tab_col_statistics 、dba_tables ）里的信息来查看选择性和基数  
9. select a.column_name,  
10.        b.num_rows,  
11.        a.num_distinct Cardinality,  
12.        round(a.num_distinct / b.num_rows * 100, 2) selectivity,  
13.   from dba_tab_col_statistics a, dba_tables b  
14.  where a.owner = b.owner  
15.    and a.table_name = b.table_name  
16.    and a.owner = upper('&owner')  
17.    and a.table_name = upper('&table_name')  
18. and a.column_name = upper('&column_name');  

2.4、请写一个脚本找出系统中不合理（选择性很低）的索引！！！

[sql]  view plain  copy

 

1. select a.OWNER,  
2.        a.INDEX_NAME,  
3.        a.TABLE_NAME,  
4.        a.DISTINCT_KEYS Cardinality,  
5.        a.NUM_ROWS,  
6.        round(a.DISTINCT_KEYS / NUM_ROWS * 100, 2) selectivity  
7.   from dba_ind_statistics a  
8.  where A.OWNER = 'SCOTT'  
9.  --selectivity <5 一般选择性小于5% 就属于选择性差  
10.   
11. --上面如果统计信息有可能不是最新的  最好使用下面的语句  
12. select table_name,index_name,round(distinct_keys/num_rows * 100, 2) selectivity from user_indexes;  

但是选择性低的列也不一定不需要建索引 要根据业务来 比如有7W行记录 SCOTT的有23行 如果经常根据SCOTT查 要不要建立索引？

三、直方图

3.1、概述

直方图 当某列数据分布不均衡，为了让CBO能生成最佳的执行计划，我们可能需要对表收集直方图，直方图最大的桶数(Bucket)是254。收集直方图是一个很耗时的过程，如无必要，千万别去收集直方图。

    OLTP系统中没有必要千万不要去收集直方图，因为 OLTP一般会用绑定变量，但11g之前一直有绑定变量窥探的问题，导致收集的直方图没有作用；

     对于SELECT列不要去收集直方图 要对WHERE列使用直方图  因为直方图是给CBO使用的

3.2、如何查看直方图

直方图是根据统计信息而来的 

所以要先收集统计信息

[sql]  view plain  copy

 

1. BEGIN  
2.   DBMS_STATS.GATHER_TABLE_STATS(ownname          => 'SCOTT',  
3.                                 tabname          => 'TEST',  
4.                                 estimate_percent => 100,  
5.                                 method_opt       => 'for all columns size skewonly',  
6.                                 no_invalidate    => FALSE,  
7.                                 degree           => 1,  
8.                                 cascade          => TRUE);  
9. END;  
10. /  

然后再查询统计信息

[sql]  view plain  copy

 

1. select a.column_name,  
2.         b.num_rows,  
3.         a.num_distinct Cardinality,  
4.          round(a.num_distinct / b.num_rows * 100, 2) selectivity,  
5.         a.histogram,  
6.         a.num_buckets  
7.    from dba_tab_col_statistics a, dba_tables b  
8.   where a.owner = b.owner  
9.     and a.table_name = b.table_name  
10.     and a.owner = 'SCOTT'  
11.     and a.table_name = 'TEST';  

参数说明：

NUM_ROWS 表示总行数 

CARDINALITY 表示基数  

SELECTIVITY表示选择性  选择性在10%以上都比较高了

HISTOGRAM表示直方图的类型：

     FREQUECNCY频率直方图、  当列中Distinct_keys 较少(小于254)，如果不手工指定直方图桶数(BUCKET)，Oracle就会自动的创建频率直方图，并且桶数(BUCKET)等于Distinct_Keys。

     HEIGHT BALANCED 高度平衡直方图  当列中Distinct_keys大于254，如果不手工指定直方图桶数(BUCKET)，Oracle就会自动的创建高度平衡直方图。

     NONE表示未收集直方图

NUM_BUCKETS 表示桶数

oracle 一般查询数据行数在5%以下希望走索引

生成了直方图之后  执行以下两个句子查看一下分别的执行计划对比看看 

[sql]  view plain  copy

 

1. select * from test where owner='SYS';  --查询出3W行  ROWS估算3W行  估算正确  走全表  
2. select * from test where owner='SCOTT';--查询出7行   ROWS估算7行（低于5%）   估算正确  走索引  

如果删除了直方图呢 再执行上面语句比较一下

删除直方图信息

[sql]  view plain  copy

 

1. BEGIN  
2.   DBMS_STATS.GATHER_TABLE_STATS(ownname          => 'SCOTT',  
3.                                 tabname          => 'TEST',  
4.                                 estimate_percent => 100,  
5.                                 method_opt       => 'for all columns size 1',  
6.                                 no_invalidate    => FALSE,  
7.                                 degree           => 1,  
8.                                 cascade          => TRUE);  
9. END;  
10. /  

[sql]  view plain  copy

 

1. select * from test where owner='SYS';    
2. --查询出3W行  ROWS估算7W/基数23=2501行（低于5%）它也叫基数 预估均匀分配走索引  估算错误  
3. select * from test where owner='SCOTT';  
4. --查询出7行   ROWS估算2501行（低于5%）预估均匀分配走索引  估算错误     

    如果是采样率 estimate_percent 100%，SQL条件不复杂的话，那么 一般 执行计划里估算的基数也是准确的；

    如果一个表10个G 那么如果要采样率100% 会搞死人的  所以一般都是收集30%，这时候估算的基数不一定准确了，但是估算给CBO一般够了；

3.3、疑问

1、直方图到底应该什么时候收集直方图？ 

    就查一下执行计划和实际查询行数进行比较 估算的基数ROWS是不是算错了。

2、只对有索引的列收集直方图也是错的！

3、直方图究竟是干嘛的？

告诉CBO 有没有收集直方图  这个列是不是均衡的 

1. 没收集直方图 ---CBO认为这个列是分布均匀的；
2. 收集过了 ---告诉CBO这个列数据有问题 分布不均衡  你别算错了 特别是频率直方图算的会很准

最终就是影响rows