Question

这个让我难过。我有一个维度表，其中包含大约3000万行。它是一个集群列存储。此外，此表在其代理键上具有类型为INT的主键约束。

对于给定的日期范围，检索代理键的MIN（）的查询如下所示：

SELECT
    MIN(DIM.OrderId)
FROM
    dbo.Dim_Order AS DIM
WHERE
    DIM.OrderDate >= CAST('2016-06-01' AS DATE)
    AND DIM.OrderDate < CAST('2016-07-01' AS DATE)
OPTION (MAXDOP 1);

这是输出：

表＆＃39; Dim_Order＆＃39;。扫描计数2，逻辑读取833，物理读取0，   预读读取0，lob逻辑读取1702561，lob物理读取0，   lob预读读取0。

表＆＃39; Dim_Order＆＃39;。段读取304001，段跳过0。

（受影响的一行）

SQL Server执行时间：CPU时间= 2829毫秒，已用时间=   2876毫秒。

优化器不是使用列存储，而是选择使用非群集主键并通过嵌套循环执行密钥查找。更糟糕的是，它严重低估了返回的行数。

奇怪的是，行估计似乎与日期范围的大小成反比。

╔════════════╦══════════════════════════╗
║ Date Range ║ Estimated Number of Rows ║
╠════════════╬══════════════════════════╣
║ 1 year     ║ 2.00311                  ║
║ 6 months   ║ 3.41584                  ║
║ 1 month    ║ 24.4459                  ║
║ 2 weeks    ║ 52.093                   ║
║ 1 week     ║ 99.9055                  ║
║ 3 days     ║ 217.632                  ║
║ 1 day      ║ 1088.16                  ║
╚════════════╩══════════════════════════╝

此版本带有INDEX提示，几乎立即运行：

SELECT
    MIN(DIM.OrderId)
FROM
    dbo.Dim_Order AS DIM WITH(INDEX=CCI_Dim_Order)
WHERE
    DIM.OrderDate >= CAST('2016-06-01' AS DATE)
    AND DIM.OrderDate < CAST('2016-07-01' AS DATE)
OPTION (MAXDOP 1);

表＆＃39; Dim_Order＆＃39;。扫描计数1，逻辑读取0，物理读取0，   预读读取0，lob逻辑读取1004，lob物理读取0，lob   预读读取0。

表＆＃39; Dim_Order＆＃39;。段读取2，段跳过0。

（受影响的一行）

SQL Server执行时间：CPU时间= 0毫秒，已用时间= 1毫秒。

我在以下版本中观察到此行为：

Microsoft SQL Server 2016（RTM） - 13.0.1601.5（X64）

Microsoft SQL Server 2016（SP1-CU5）（KB4040714） - 13.0.4451.0（X64）

下面的repro脚本将创建一个示例表，并使用2年的订单填充它，适用于2,000个客户，每天一个订单。这表示我们表中的1,462,000个样本订单，跨越24个月，每个月大约有60,000行。脚本底部的示例查询旨在演示该行为。正如您将看到的，由于某种原因，行估计非常低，并且优化器拒绝使用聚簇列存储，除非提示。

我很感激任何意见或建议。这是示例脚本。

DROP TABLE IF EXISTS dbo.Dim_Order

CREATE TABLE dbo.Dim_Order
    (
    OrderId INT NOT NULL
    , CustomerId INT NOT NULL
    , OrderDate DATE NOT NULL
    , OrderTotal decimal(5,2) NOT NULL
    );

WITH CTE_DATE AS
(
SELECT CAST('2016-01-01' AS DATE) AS DateValue
UNION ALL
SELECT
       DATEADD(DAY, 1, D.DateValue)
FROM
       CTE_DATE AS D
WHERE
       D.DateValue < CAST('2017-12-31' AS DATE)
),
CTE_CUSTOMER AS
(
SELECT 1 AS CustomerId
UNION ALL
SELECT
       CustomerId + 1
FROM
       CTE_CUSTOMER AS D
WHERE
       D.CustomerId < 2000
)
, CTE_FINAL
AS
(
SELECT
    ROW_NUMBER() OVER (ORDER BY DateValue ASC, CustomerId ASC) AS OrderId
    , CustomerId
    , DateValue AS OrderDate
    , CAST(ROUND(RAND(CHECKSUM(NEWID()))*(100-1)+1, 2) AS DECIMAL(5,2)) AS OrderTotal
FROM
    CTE_DATE
    CROSS JOIN CTE_CUSTOMER
)
INSERT INTO
    dbo.Dim_Order
    (
    OrderId
    , CustomerId
    , OrderDate
    , OrderTotal
    )
SELECT
    ORD.OrderId
    , ORD.CustomerId
    , ORD.OrderDate
    , ORD.OrderTotal
FROM
    CTE_FINAL AS ORD
OPTION (MAXRECURSION 32767);

CREATE CLUSTERED COLUMNSTORE INDEX CCI_Dim_Order ON dbo.Dim_Order;

ALTER INDEX CCI_Dim_Order ON dbo.Dim_Order
    REORGANIZE
    WITH (COMPRESS_ALL_ROW_GROUPS = ON)

ALTER TABLE dbo.Dim_Order
    ADD CONSTRAINT PK_Dim_Order PRIMARY KEY NONCLUSTERED (OrderId ASC);

RETURN;

SET STATISTICS IO ON
SET STATISTICS TIME ON

SELECT
    MIN(DIM.OrderId)
FROM
    dbo.Dim_Order AS DIM
WHERE
    DIM.OrderDate = CAST('2016-06-01' AS DATE)
    AND DIM.OrderDate < CAST('2016-07-01' AS DATE)
OPTION (MAXDOP 1);

SELECT
    MIN(DIM.OrderId)
FROM
    dbo.Dim_Order AS DIM WITH(INDEX=CCI_Dim_Order)
WHERE
    DIM.OrderDate >= CAST('2016-06-01' AS DATE)
    AND DIM.OrderDate < CAST('2016-07-01' AS DATE)
OPTION (MAXDOP 1);

Answer 1

这是一个典型的row goal基数估算问题。您可以添加USE HINT ('DISABLE_OPTIMIZER_ROWGOAL')来禁用行目标，并且应该会发现群集列存储现在的成本更低并且已选中。

该计划在PK_Dim_Order上进行了有序扫描 - 因为它按照OrderId的顺序处理行，并且正在寻找MIN(DIM.OrderId)它可以在找到第一个匹配后立即停止OrderDate上的谓词 - 它假设与月份谓词匹配的60,000行将在整个索引中均匀分布。事实上，它们都在Ids 304001到364000的连续范围内。

这种非相关性假设也是随着日期范围变大，估计行数下降的原因。如果将日期谓词的匹配行数加倍并且它们真正均匀地分散在索引中，则只需要读取一半的行，然后再点击一个匹配两个谓词并停止扫描。

Clustered Columnstore上的Rowstore索引 - 基数估计错误？

1 个答案: