Question

在MySQL Server 5.7源代码中，在查询计划程序中使用公式records = (x * (b-a) + a*c-b)/(c-1)来计算密钥分发统计信息不可用时的记录数。

这个公式来自何处，它是如何得出的，或者为什么这个特定公式是正在使用的公式？它是否有一个既定的理论基础，如果有，它的基础是什么？

https://github.com/mysql/mysql-server/blob/5.7/sql/sql_planner.cc#L529

          Assume that the first key part matches 1% of the file
          and that the whole key matches 10 (duplicates) or 1
          (unique) records.
          Assume also that more key matches proportionally more
          records
          This gives the formula:
          records = (x * (b-a) + a*c-b)/(c-1)
          b = records matched by whole key
          a = records matched by first key part (1% of all records?)
          c = number of key parts in key
          x = used key parts (1 <= x <= c)

Answer 1

如果您完全没有关于问题的数据，则不得不进行估算。

该公式的一般形式在评论中解释：

如果我们只使用一个多列索引（x列）的一个键列（c），我们会得到a行（占总行数的1％）。因此对于x=1，根据定义，结果为a。
如果我们知道多列索引的每个键列的值，我们得到每个整个键的行数（b）;因此对于x=c，我们根据定义获得b行（ 1 或 10 ）。
介于两者之间（如果我们使用超过1个键列的键值，但不是全部），对于每个额外的已知键值，我们可以排除一些额外的行：我们有a-b行不属于这种情况我们知道完整键（可能有b行），根据定义，它们应按比例排除在可用键列的比例（(x-1)/(c-1)）之外。
-1中的(x-1)/(c-1)只是一个转变（您可以使用不同的变量名称），因为我们只需要计算其他列，但是{{1 }和c是包含第一列的计数。（在时间序列中，您可以调用第一列 x的参数，t=0完全相同。

总而言之，我们得到-1（a - (a-b) * (x-1)/(c-1)代表第一个键列减去我们按比例排除的行数。这是（如果你稍微改变那个表达式）恰好给出的公式。快速完整性检查：对于a（x=1），第二项是 0 ，我们得到x-1=0，由第一个条件定义;对于a，我们得到第二个条件定义的x=c。

使用这些假设来制作这个问题并不是没有道理的，但你可能会找到一个有意义的不同公式。认为它更好是一项艰巨的任务。

然后是选择值的问题（在这种情况下为a-(a-b)=b和b=10）。你显然可以选择任何价值。为了做到这一点，除了直觉之外没有任何可靠的数据，有一个名为Fermi estimate的概念：

估算技术以物理学家恩里科·费米（Enrico Fermi）的名字命名，因为他以很少或没有做出良好近似计算的能力而闻名。实际数据。

您基本上只为输入参数选择了Magnite（1,1000000,1 / 100）的顺序，您的结果会得到合理的数量级。

那么你期望一个非唯一键覆盖多少行？它超过1，否则你会把它变成一个独特的键，但更像是2,10或100？ 10可能是一个很好的猜测（它涵盖了该估计中大约3到30的值）。因此，虽然这个数字可能来自于一项关于密钥分配的2年全球调查，但10个权力的估计值通常是以这样的方式得出的。如果您想绝对确定，请询问开发人员。

此类主题的obligatory xkcd：What-if? Paint the Earth

这个记录/扇出逻辑是如何在MySQL的查询计划器中为“无统计”情况得出的？

1 个答案: