Question

我正在浏览以下链接中的过滤统计信息。

http://blogs.msdn.com/b/psssql/archive/2010/09/28/case-of-using-filtered-statistics.aspx

数据偏重，一个区域有0行，其余都来自不同的区域。以下是重现问题的完整代码

create table Region(id int, name nvarchar(100)) 
go 
create table Sales(id int, detail int) 
go 
create clustered index d1 on Region(id) 
go 
create index ix_Region_name on Region(name) 
go 
create statistics ix_Region_id_name on Region(id, name) 
go 
create clustered index ix_Sales_id_detail on Sales(id, detail) 
go

-- only two values in this table as lookup or dim table 
insert Region values(0, 'Dallas') 
insert Region values(1, 'New York') 
go

set nocount on 
-- Sales is skewed 
insert Sales values(0, 0) 
declare @i int 
set @i = 1 
while @i <= 1000 begin 
insert Sales  values (1, @i) 
set @i = @i + 1 
end 
go

update statistics Region with fullscan 
update statistics Sales with fullscan 
go

set statistics profile on 
go 
--note that this query will over estimate 
-- it estimate there will be 500.5 rows 
select detail from Region join Sales on Region.id = Sales.id where name='Dallas' option (recompile) 
--this query will under estimate 
-- this query will also estimate 500.5 rows in fact 1000 rows returned 
select detail from Region join Sales on Region.id = Sales.id where name='New York' option (recompile) 
go

set statistics profile off 
go

create statistics Region_stats_id on Region (id) 
where name = 'Dallas' 
go 
create statistics  Region_stats_id2 on Region (id) 
where name = 'New York' 
go

set statistics profile on 
go 
--now the estimate becomes accurate (1 row) because 
select detail from Region join Sales on Region.id = Sales.id where name='Dallas' option (recompile)

--the estimate becomes accurate (1000 rows) because stats Region_stats_id2 is used to evaluate 
select detail from Region join Sales on Region.id = Sales.id where name='New York' option (recompile) 
go

set statistics profile off

我的问题是我们在两个表格中都有以下统计数据

sp_helpstats 'region','all'
sp_helpstats 'sales','all'

表区域

statistics_name   statistics_keys
d1                    id
ix_Region_id_name     id, name
ix_Region_name        name

表销售：

statistics_name    statistics_keys
ix_Sales_id_detail     id, detail

1.为什么下面的查询估计出错了

select detail from Region join Sales on Region.id = Sales.id where name='Dallas' option (recompile)

--the estimate becomes accurate (1000 rows) because stats Region_stats_id2 is used to evaluate 
select detail from Region join Sales on Region.id = Sales.id where name='New York' option (recompile)

2.当我根据作者创建过滤统计数据时，我可以正确地看到估计值，但为什么我们需要创建过滤统计数据，我怎么能说我需要过滤统计数据用于我的查询，因为即使我创建了简单的统计数据，我得到了同样的结果。

迄今为止我遇到的最好 1.Kimberely tripp倾斜的统计数据视频
2.Technet stats白皮书

但仍然无法理解为什么过滤后的数据会在这里产生影响

提前谢谢。 更新：7/4

在马丁和詹姆斯回答之后重新提出问题：

1.有没有办法避免数据偏斜除了kimberely脚本之外，另一种估算方法是计算值的行数。

2.您在体验中遇到任何数据偏差问题。我认为这取决于大表。但我正在寻找一些详细的答案

3.我们必须采取sql的IO成本来扫描表格，并且有时会对触发更新stats时的查询进行一些阻止。除了这一点，你还会看到维护统计数据的任何开销。

原因是我正在考虑根据基于DTA输入的几个条件创建压缩统计数据。

再次感谢

Answer 1

我认为这就是它发生的原因。您获得相同的估计（500.5）行，因为SQL Server没有统计信息可以告诉哪些ID是与哪个区域相关的ID。统计信息ix_Region_id_name包含两个字段，但由于直方图仅存在于第一列，因此它无法帮助估算有关Sales表中的行数。

如果您运行dbcc show_statistics ('Region','ix_Region_id_name')，结果将是：

RANGE_HI_KEY   RANGE_ROWS   EQ_ROWS   DISTINCT_RANGE_ROWS   AVG_RANGE_ROWS
0              0            1         0                     1
1              0            1         0                     1

因此，这表示每个ID都有1行，但没有指向名称的链接。

但是当您创建统计数据Region_stats_id（对于达拉斯）时，dbcc show_statistics ('Region','Region_stats_id')将显示：

RANGE_HI_KEY   RANGE_ROWS   EQ_ROWS   DISTINCT_RANGE_ROWS   AVG_RANGE_ROWS
0              0            1         0                     1

因此，SQL Server知道只有1行，而且它的ID为0。

同样Region_stats_id2：

RANGE_HI_KEY   RANGE_ROWS   EQ_ROWS   DISTINCT_RANGE_ROWS   AVG_RANGE_ROWS
1              0            1         0                     1

销售额中的行数在ix_Sales_id_detail中将有助于确定每个ID的行数：

RANGE_HI_KEY   RANGE_ROWS   EQ_ROWS   DISTINCT_RANGE_ROWS   AVG_RANGE_ROWS
0              0            1         0                     1
1              0            1000      0                     1

信息：这是@MartijnPieters删除的答案的副本，因为这是我打算回答的问题 - 我似乎无法对删除的答案做任何事情。我从今天开始不小心把这个问题写进了TheGameiswar的其他统计问题，但我已经删除了自己。

使用过滤统计信息的情况

1 个答案: