由 dawei
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 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。
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 21:50:01
Yumiko_sunny@OA01> 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
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