Microsoft SQL Server 2000 中查询优化器使用的统计

　　目录
　　Microsoft SQL Server 2000 中查询优化器使用的统计
　　SQL Server 2000 中的统计数据
　　SQL Server 2000 收集的统计信息
　　关于 INDEX ''PK_Order_Details'' 的统计信息
　　用 SQL Server 2000 创建统计
　　在 SQL Server 2000 中维护统计
　　统计和索引视图
　　总结
　　
　　摘要：本文说明了收集的数据类型、数据的存储位置以及用于创建、更新与删除统计的命令。这些统计信息与存储在 Microsoft SQL Server 2000 数据库中的索引和列数据相关，SQL Server 查询优化器用它们来选择用于检索数据和执行 INSERT、SELECT、DELETE 或 UPDATE 查询的最有效方案。本文同时也概括介绍了如何在不同的级别（索引、表和数据库）上更改 SQL Server 创建与维护统计的默认设置。
　　
　　Microsoft SQL Server 2000 中查询优化器使用的统计
　　Microsoft® SQL Server™ 2000 收集关于存储在数据库中的索引和列数据的统计信息。SQL Server 查询优化器使用这些统计信息来选择用于执行 INSERT、SELECT、DELETE 或 UPDATE 查询的最有效方案。本文说明了收集的数据类型、数据的存储位置以及用于创建、更新与删除统计的命令。默认情况下，SQL Server 2000 会自动创建和更新统计（当此类操作有用时）。本文也概括介绍了如何在不同的级别（索引、表和数据库）上更改这些默认值。
　　
　　SQL Server 2000 中的统计数据
　　SQL Server 2000 既收集关于单个列的统计信息（单列统计），也收集关于成组的列的统计信息（多列统计）。关于一个统计对象的所有信息存储在 SYSINDEXES 表中一行的多个列中。计算列以及数据类型为 ntext、text 或 image 的列不能被指定为统计列。组成一个统计集的所有列的总宽度不能超过 900 字节。
　　
　　SQL Server 2000 收集的统计信息
　　上次收集统计信息的时间（在 STATBLOB 中）。
　　
　　
　　表或索引中的行数（SYSINDEXES 中的 rows 列）。
　　
　　
　　表或索引所占用的页数（SYSINDEXES 中的 dpages 列）。
　　
　　
　　用于生成直方图和密度信息的行数（在 STATBLOB 中，将在下面讲解）。
　　
　　
　　平均键长（在 STATBLOB 中）。
　　
　　
　　单列直方图，包括步数（在 STATBLOB 中）。
　　注意：　 直方图是给定列的最多 200 个值的集合。给定列中的所有值（如果通过抽样来收集统计信息，则为选定的值）会被排序；排序后序列最多会划分为 199 个间隔，以便得到最有效的统计。一般，这些间距的大小并不相等。以下数值与直方图的每个步长存储在一起。
　　
　　表 1：直方图的值
　　　
　　使用 dbcc show_statistics 命令时显示的是两个导出值而不是 DENSITY 信息。
　　
　　表 2：用两个导出值显示 dbcc show_statistics 的直方图
　　　
　　SQL Server 2000 中的直方图只用于单个列、多列统计中的第一列或者索引。
　　
　　SQL Server 2000 按照三个步骤从排序后的列值集合生成直方图。第一步，最多收集 200 个 RANGE_HI_KEY、EQ_ROWS、RANGE_ROWS 和 DISTINC_RANGE_ROWS 的值。第二步，对每个其他的列值进行处理：该值或者被添加到上一个区间中（对值进行排序），或者创建一个新区间。如果是创建一个新区间，则两个现有的相邻区间会合并到一个区间中。SQL Server 2000 通过密度信息来选择要合并的区间，使密度最接近的两个相邻区间被合并，从而将信息的损失降到最低程度。第三步，合并更多的密度接近的区间。因此，即使列中的唯一值个数超过 200，直方图的步数也可能会小于 200。
　　
　　如果通过抽样来生成直方图，那么 RANGE_ROWS、EQ_ROWS、DISTINCT_RANGE_ROWS 和 AVG_RANGE_ROWS 的值将为估计值，因此它们不必都是整数。
　　
　　密度是关于给定列或列的组合中重复项数目的信息，其计算公式为 1/(互不相同的值的数目)。如果在相等条件判断表达式中使用了某个列，则会使用从直方图导出的密度来估算符合条件的行数。直方图通常用于估算不等条件判断表达式。
　　
　　注意：　 dbcc show_statistics 的第一行中会显示一个单独的密度值，但 SQL Server 2000 中的优化器不使用该值。
　　
　　一个列集合的多列统计包括以下信息：统计定义中第一个列的直方图，第一个列的密度值，以及每个列的前缀组合（单独包括第一个列）的密度值。每个统计集（一个直方图加上两个或多个密度值）都存储在 SYSINDEXES 表的一行中，同一行中还包括上次更新统计的时间戳、用于生成统计信息的抽样行数、直方图的步数和平均键数。SQL Server 2000 只为编号为 0 或 1 的索引（堆索引或群集索引）维护行数的值（rowcnt 列），并在表中的所有索引中复制该值。同样，SQL Server 2000 也为每个表和索引维护 dpages。如果收集统计信息时表中没有任何行，则该表的统计信息为空。
　　
　　使用 sp_helpindex 和 sp_helpstats 可以显示给定表中所有可用统计的列表，sp_helpindex 列出了表中的所有索引，而 sp_helpstats 则列出了表中的所有统计。每个索引都带有其中列的统计信息。在相同的列中，使用 CREATE STATISTICS 命令创建的统计信息与使用 CREATE INDEX 命令生成的统计信息等价。唯一的差别在于，CREATE STATISTICS 命令默认采用抽样方式，而 CREATE INDEX 命令则由于必须处理索引的所有行，因而使用 fullscan 收集统计信息。
　　
　　下面是罗斯文数据库中 Order Details 表的所有索引和统计的示例。因为最初无索引的列上没有任何统计信息，所以在连接到罗斯文数据库后，请先运行 sp_createstats。
　　
　　表 3：罗斯文数据库中的 Order Details 表
　　
　　sp_helpindex [Order Details]
　　
　　　
　　也可以象下面这样使用 dbcc show_statistics 命令来显示统计信息：
　　
　　dbcc show_statistics ([Order Details],PK_Order_Details)
　　
　　如果没有返回任何信息，则表明上次已经更新了统计，或在表中没有任何行时就创建了索引。要更新 Order Details 表的统计，请运行 UPDATE STATISTICS [Order Details]；要更新罗斯文数据库中所有表的统计，请运行 sp_updatestats。
　　
　　注意：　 该命令的输出已经增强了可读性。
　　
　　关于 INDEX ''PK_Order_Details'' 的统计信息
　　表 4：关于 INDEX ''PK_Order_Details'' 的统计信息
　　　
　　　
　　请注意，当 sp_helpindex 输出只显示城市统计 (City) 的一个列时，show_statistics 的输出也会显示 City,Customer_id 列组合的所有密度值。这是因为表中 Customer_id 列上有一个群集的索引，并且每个辅助索引也包含群集的关键字列。通常，这一事实对于用户而言是透明的，但查询优化器会了解群集的列，并且如果执行查询只要求这些列的值在辅助索引的顶部，它会避免辅助获取。统计也包含群集的关键字列。
　　
　　使用 SQL Server 2000 创建统计
　　SQL Server 2000 中有两种基本语句会生成上述统计信息：CREATE INDEX 首先会生成声明的索引，然后，作为副产品，它会为组成索引的列组合创建一个统计集；CREATE STATISTICS 只为给定列或列的组合生成统计。
　　
　　另外，还有多种方法可以创建统计或索引，但归根结底，每种方法都会发出上述两个命令之一。
　　
　　使用 sp_createstats 为当前数据库中所有用户表的全部合格列（不包括图像和文本数据）创建统计。如果某个列已经有了直方图，则不会为其创建新的直方图。
　　
　　
　　使用 dbcc dbreindex 为指定数据库中的表重新生成一个或多个索引。
　　
　　
　　在查询分析器中，键入一个查询，选择“显示执行计划”(Show Execution Plan)，然后执行查询。在显示的任意图标上单击右键，并选择“管理索引” (Manage Index)或“创建/更新统计信息”(Create/Update Statistics)。
　　
　　
　　使用 Create Index 向导（在其他文章中说明）。
　　下面是对 pubs..authors 表执行 CREATE STATISTICS 命令的一个示例：
　　
　　CREATE STATISTICS s1 ON authors (state, au_lname) WITH SAMPLE 50 PERCENT
　　通常，按默认抽样方式生成的统计最为理想。但有时，使用更大的样本大小来生成统计（理想状况下可以使用 fullscan）有助于查询优化，例如给定列中的值分布不均匀时（某些值频繁出现，而其他值较少出现）。使用较大的样本大小来生成统计，必须以创建统计时所需时间的延长为代价。
　　
　　上面的命令创建一个两列统计。在本例中，因为表太小，所以会忽略 SAMPLE 50 PERCENT 并执行完全扫描。抽样主要用于避免过多扫描数据，并且只影响具有 1024 或更多页面 (8 MB) 的表和索引。
　　
　　在 SQL Server 2000 中，创建索引的同时会为所有索引创建统计。SQL Server 在编译查询时自动创建单列统计。这些统计是为优化器必须估算密度或分发的列而创建的。这一规则有两种例外情况：首先，当直接对表执行操作所需的代价小于创建统计所需的代价时，不能为该表创建统计；其次，当服务器过于繁忙（有大量正在进行的重要操作）时，也不能创建统计。
　　
　　为避免长时间维护未使用过的统计，SQL Server 2000 会记录那些自动创建的统计（仅包括那些不是创建索引的副产品的统计信息）的使用时间。几次自动更新之后，列统计会被放弃而不是被更新。如果将来需要，可以重新创建这些统计。更新统计与创建统计在代价方面并没有