Oracle索引梳理系列- 直方图使用技巧及analyze table操作对直方图统计的影响（谨慎使用）
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Oracle索引梳理系列- 直方图使用技巧及analyze table操作对直方图统计的影响（谨慎使用）相关的知识，希望对你有一定的参考价值。
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（[email protected]）。
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 NONE OBJECT_NAME NONE SUBOBJECT_NAME NONE OBJECT_ID NONE DATA_OBJECT_ID NONE OBJECT_TYPE NONE CREATED NONE LAST_DDL_TIME NONE TIMESTAMP NONE STATUS NONE TEMPORARY NONE COLUMN_NAME HISTOGRAM -------------------- --------------- GENERATED NONE SECONDARY NONE NAMESPACE NONE EDITION_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。
[email protected]> exec dbms_stats.gather_table_stats(‘SCOTT‘,‘TEST‘,cascade=>true); PL/SQL procedure successfully completed. [email protected]> 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 21:50:01 Yumiko_sun[email protected]> select column_name,histogram from dba_tab_col_statistics where table_name=‘TEST‘; COLUMN_NAME HISTOGRAM -------------------- --------------- OWNER FREQUENCY OBJECT_NAME NONE SUBOBJECT_NAME NONE OBJECT_ID NONE DATA_OBJECT_ID NONE OBJECT_TYPE NONE CREATED NONE LAST_DDL_TIME NONE TIMESTAMP NONE STATUS NONE TEMPORARY NONE COLUMN_NAME HISTOGRAM -------------------- --------------- GENERATED NONE SECONDARY NONE NAMESPACE NONE EDITION_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
[email protected]> 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 [email protected]> 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
[email protected]> 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
[email protected]> 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 41159093808690300000000000 TEST OWNER 61 41186001805076000000000000 TEST OWNER 62 43232584582496500000000000 TEST OWNER 5 37550853140200700000000000 TEST 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
[email protected]> delete from test where owner=‘SYS‘; 529004 rows deleted. [email protected]> commit; Commit complete. [email protected]> 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 41159093808690300000000000 TEST OWNER 61 41186001805076000000000000 TEST OWNER 62 43232584582496500000000000 TEST OWNER 5 37550853140200700000000000 TEST 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：
[email protected]> exec dbms_stats.gather_table_stats(‘SCOTT‘,‘TEST‘,cascade=>true);
PL/SQL procedure successfully completed.
[email protected]> 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。
[email protected]> analyze table test compute statistics; Table analyzed. [email protected]> select column_name,histogram from dba_tab_col_statistics where table_name=‘TEST‘; COLUMN_NAME HISTOGRAM -------------------- --------------- OWNER NONE OBJECT_NAME NONE SUBOBJECT_NAME NONE OBJECT_ID NONE DATA_OBJECT_ID NONE OBJECT_TYPE NONE CREATED NONE LAST_DDL_TIME NONE TIMESTAMP NONE STATUS NONE TEMPORARY NONE COLUMN_NAME HISTOGRAM -------------------- --------------- GENERATED NONE SECONDARY NONE NAMESPACE NONE EDITION_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。
[email protected]> analyze table test compute statistics for all indexes for all columns;
Table analyzed.
[email protected]> select column_name,histogram from dba_tab_col_statistics where table_name=‘TEST‘;
COLUMN_NAME HISTOGRAM
-------------------- ---------------
OWNER FREQUENCY
OBJECT_NAME HEIGHT BALANCED
SUBOBJECT_NAME NONE
OBJECT_ID HEIGHT BALANCED
DATA_OBJECT_ID HEIGHT BALANCED
OBJECT_TYPE FREQUENCY
CREATED FREQUENCY
LAST_DDL_TIME FREQUENCY
TIMESTAMP FREQUENCY
STATUS FREQUENCY
TEMPORARY FREQUENCY
COLUMN_NAME HISTOGRAM
-------------------- ---------------
GENERATED FREQUENCY
SECONDARY FREQUENCY
NAMESPACE FREQUENCY
EDITION_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
[email protected]> 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 HR
TEST OWNER 2464 41159093808690300000000000 OE
TEST OWNER 6062 41186001805076000000000000 ORDDATA
TEST 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！！！
以上是关于Oracle索引梳理系列- 直方图使用技巧及analyze table操作对直方图统计的影响（谨慎使用）的主要内容，如果未能解决你的问题，请参考以下文章
ORACLE分区表梳理系列- 分区表概述分类使用方法及注意事项