验证Oracle收集统计信息参数granularity数据分析的力度

Posted 2020-10-07

 

   最近在学习Oracle的统计信息这一块，收集统计信息的方法如下：   

DBMS_STATS.GATHER_TABLE_STATS (

ownname VARCHAR2, ---所有者名字

tabname VARCHAR2, ---表名

partname VARCHAR2 DEFAULT NULL, ---要分析的分区名

estimate_percent NUMBER DEFAULT NULL, ---采样的比例

block_sample BOOLEAN DEFAULT FALSE, ---是否块分析

method_opt VARCHAR2 DEFAULT ‘FOR ALL COLUMNS SIZE 1’,---分析的方式

degree NUMBER DEFAULT NULL, ---分析的并行度

granularity VARCHAR2 DEFAULT ‘DEFAULT’, ---分析的粒度

cascade BOOLEAN DEFAULT FALSE, ---是否分析索引

stattab VARCHAR2 DEFAULT NULL, ---使用的性能表名

statid VARCHAR2 DEFAULT NULL, ---性能表标识

statown VARCHAR2 DEFAULT NULL, ---性能表所有者

no_invalidate BOOLEAN DEFAULT FALSE, ---是否验证游标依存关系

force BOOLEAN DEFAULT FALSE); ---强制分析，即使锁表

  本文主要对参数granularity进行了一下验证，

  granularity：数据分析的力度

  --global  ---全局

  --partition ---只在分区级别做分析

  --subpartition  --只在子分区级别做分析

验证步骤如下：

一、创建一个分区表并插入两条数据，同时在字段ID上创建索引

drop table test purge;

create table test(id number) partition by range(id)

(partition p1 values less than (5),

partition p2 values less than (10)

) ;

insert into test values(1);

insert into test values(6);

commit;

 

create index ind_id on test(id);

 

二、收集表的统计信息

exec dbms_stats.gather_table_stats(user,‘TEST‘,cascade=>true);

 

三、查询表的统计信息

select num_rows,blocks,last_analyzed from user_tables where table_name = ‘TEST‘;

结果如下：

num_rows:表数据行数

blocks:数据块数

last_analyzed：最近分析时间

 

四、查询表分区信息

select partition_name,num_rows,blocks,last_analyzed from dba_tab_partitions where table_name =‘TEST‘;

PARTITION_NAME:分区名称

NUM_ROWS:数据行数

BLOCKS:数据块数

last_analyzed：最近分析时间

 

五、查询索引统计信息

select num_rows,blevel,last_analyzed from user_indexes where index_name = ‘IND_ID‘;

 

num_rows:索引数据行数

blevel:索引高度

last_analyzed:分析时间

 

六、新增一个分区

alter table test add partition pmax values less than(maxvalue);

 

七、往新的分区中插入10000条数据

begin for i in 1..10000 loop ---插入10000条数据

insert into test values(100);

end loop;

commit;

end;

 

八、创建一个倾斜度非常大的分区

update test set id=10000 where id=100 and rownum=1; ---创造一个非常倾斜的Pmax分区

Commit;

 

九、查询分区数据

select id,count(*) from test partition(pmax) group by id;

 

十、不做分析，再次查询表的统计信息

select num_rows,blocks,last_analyzed from user_tables where table_name = ‘TEST‘;

发现数据行数量和数据块数量没有发现变化

 

 

十一、查询id=100时执行计划

set autotrace traceonly

set linesize 1000

select * from test where id=100;

发现走了索引，正常情况下，因为id=100的数据在一个倾斜度非常高的分区pmax中，id为100的数据有9999条，走索引的代价会比走全表的代价还要高（因为走索引需要回表），如果统计信息正确，优化器应该会选择走全表，但是这里没走全表而是走了索引，这里怀疑是统计信息不正确导致，后面验证

 

十二、收集分区统计信息

exec dbms_stats.gather_table_stats(user,‘TEST‘,partname => ‘PMAX‘,granularity => ‘PARTITION‘);

 

十三、再次查询表的统计信息和分区统计信息

select partition_name,num_rows,blocks,last_analyzed from dba_tab_partitions where table_name =‘TEST‘;

发现和步骤四比较，分区信息有了变化，说明对分区进行统计信息收集后，分区信息进行了更新

 

select num_rows,blocks,last_analyzed from user_tables where table_name = ‘TEST‘;

发现和步骤三想比，表的统计信息并没有发生变化，说明统计了分区信息后，表的统计信息么有更新

 

十四、再次查询id=100的数据

仍然走索引，说明在评估查询的时候，表的统计信息依然陈旧

 

十五、查询索引的统计信息

select num_rows,blevel,last_analyzed from user_indexes where index_name = ‘IND_ID‘;

发现索引统计信息较步骤五没有变化，说明收集了分区的统计信息后，表的索引信息没有更新

 

 

十六、重新再次收集表的统计信息

exec dbms_stats.gather_table_stats(user,‘TEST‘,cascade =>true);

 

十七、查询表的统计信息以及索引的统计信息

select num_rows,blocks,last_analyzed from user_tables where table_name = ‘TEST‘;

表的统计信息已经更新

 

select num_rows,blevel,last_analyzed from user_indexes where index_name = ‘IND_ID‘;

索引的统计信息也已经更新

 

十八、再次查询id=100的执行计划

这次发现走了全表，说明收集了全局的统计信息后，表的统计信息准确了，评估也就准确了。