在DB2优化器中使用分布统计信息

本文配套源码

简介

为了执行查询或 DML 语句（INSERT、UPDATE、DELETE），DB2 必须创建一个访问计划（access plan）。访问计划定义按什么顺序访问表，使用哪些索引，以及用何种连接（join）方法来关联数据。好的访问计划对于 SQL 语句的快速执行至关重要。DB2 优化器可以创建访问计划。这是一种基于成本的优化器，这意味着它是根据表和索引的相关统计信息来作出决策的。DB2 在生成统计信息时，不但能提供基本统计信息，还允许创建所谓的分布统计信息。不但数据库管理员要理解分布统计信息，而且应用程序开发人员也要理解分布统计信息。应用程序开发人员必须小心谨慎，因为在某些情况下分布统计信息对于 DB2 优化器来说非常重要。主变量或参数标记（在 Java 中为 java.sql.PreparedStatement）的使用可能会造成阻碍，使优化器无法最大限度地利用分布统计信息。本文解释什么是分布统计信息、分布统计信息在哪些情况下尤为重要，以及应用程序开发人员应该考虑些什么，才能使 DB2 优化器创建有效的访问计划。

基本统计信息和分布统计信息

在研究分布统计信息之前，我们先来看看基本统计信息，只要执行 RUNSTATS 即可收集这些表的相关统计信息。

表的相关统计信息：

当前使用的页面数

包含记录行的页面数

溢出的行数

表中的行数（基数）

对于 MDC 表，还有包含数据的块（block）数

表中各列的相关统计信息：

列的基数

列的平均长度

列中第二大的值

列中第二小的值

列中 NULL 值的个数

通常，执行 RUNSTATS 时，不但可以收集到关于表的统计信息，而且还可以收集到相应的索引的相关统计信息。要了解为索引而收集的统计信息，请参阅 DB2 Administration Guide: Performance - Statistical information that is collected。

观察一个表的基本统计信息，您可以看到，DB2 优化器知道一个表由多少行组成（表的基数），以及一个列包含多少个不同的值（列的基数）。但是，还有一些信息是基本统计信息无法提供的。例如，基本统计信息不能告诉优化器一个列中某些值出现的频率。假设表 TABLE_X 有大约 1,000,000 行，在该表上执行这样一条查询：

SELECT * FROM TABLE_X WHERE COLUMN_Y = 'VALUE_Z'

难道 DB2 优化器知道 TABLE_X 中有多少行满足条件 COLUMN_Y = 'VALUE_Z' 不重要吗？换句话说：知道这个查询将返回 1 行、100 行、1000 行还是 10000 行有什么不好呢？

实际上，通过基本统计信息，DB2 优化器只能估计 'VALUE_Z' 在 COLUMN_Y 中出现的频率。在这种情况下，优化器认为所有值在 COLUMN_Y 中是平均分布的，这意味着它认为所有的值都有相同的出现频率。如果事实碰巧如此，这样估计并无大碍。但是，如果有些值比其他值出现得更频繁一些（例如，如果 'VALUE_Z' 出现 900,000 次，即占所有行的 90%），那么优化器不能考虑到这一点，因而生成的访问计划就不是最优的。而分布统计信息可以填补这一空白。分布统计信息可以提供关于数据出现频率及其分布情况的信息，如果数据库中存储了很多重复值，并且数据在表中并非平均分布的时候，分布统计信息对于基本统计信息是一个重要的补充。

分布统计信息的类型 —— 频率（frequency）统计信息和分位数（quantile）统计信息

有两种不同类型的分布统计信息 —— 频率统计信息和分位数统计信息。让我们通过一个示例表来研究一下这两种不同类型的分布统计信息。

示例表 “CARS” 表示一家汽车制造商，对于生产的每一辆汽车，在表中都有相应的一行。每辆汽车可以由它的 ID 来标识，因此 “ID” 是表 “CARS” 的主键（PK）。此外，表中有一个 “STATE” 列，表明汽车当前处在制造流程中的哪一步。一辆汽车的制造流程从第 1 步开始，然后是第 2 步、第 3 步，...、第 49 步、第 50 步、第 51 步、...、第 98 步、第 99 步，一直到第 100 步 —— 第 100 步意味着汽车已经完工了。已完工的汽车所对应的行仍然保留在表中，后续流程（例如投诉管理、质量保证等）仍要用到这些行。汽车制造商生产 10 种不同型号（“TYPE” 列）的汽车。为了简化问题，在这个示例表中，各种汽车型号命名为 A、B、C、D、...、J。除主键索引（在 “ID” 列上）之外，“STATE” 列上也有一个索引（“I_STATE”），在 “TYPE” 列上还有一个索引（“I_TYPE”）。实际上，一个 “CARS” 表包含的列远不止 “ID”、“STATE” 和 “TYPE”。为简单起见，示例表中没有出现其他这些列。