ORACLE直方图（10g）

为什么需要直方图 ？当表中一列数据比较的值分布比较均匀时，optimzer可以很好的通过最大值，最小值和NDV(唯一值的个数)，就可以判断出cardinality.对于cardinality越精确，optimzer就可以更加好的选择执行计划。

--创建测试表并插入数据

create table t1(a int,b varchar2(100));

begin

for i in 1..100 loop

insert into t1 values (1,'abcd');

end loop;

commit;

end;

/

begin

for i in 1..100 loop

insert into t1 values (2,'efg');

end loop;

commit;

end;

/

---收集统计信息

exec dbms_stats.gather_table_stats(tabname => 't1',ownname => user,method_opt => 'for all columns size 1'); --for all columns size 1 不收集直方图信息

---执行一个语句来看看optimizer评估的行

explain plan for select * from t1 where a=1;

select * from table(dbms_xplan.display());

--------------------------------------------------------------------------

| Id  | Operation         | Name | Rows  | Bytes | Cost (%CPU)| Time     |

--------------------------------------------------------------------------

|   0 | SELECT STATEMENT  |      |   100 |   700 |     3   (0)| 00:00:01 |

|*  1 |  TABLE ACCESS FULL| T2   |   100 |   700 |     3   (0)| 00:00:01 |

--------------------------------------------------------------------------

返回100行，说明优化器在这种数据平均分布的情况下评估很准确。现在insert into t1 values(3,'mnb'); 一行，人为的模拟数据分布不均,再次收集统计信息

explain plan for select * from t1 where a=3;

PLAN_TABLE_OUTPUT

--------------------------------------------------------------------------------

Plan hash value: 1513984157

--------------------------------------------------------------------------

| Id  | Operation         | Name | Rows  | Bytes | Cost (%CPU)| Time     |

--------------------------------------------------------------------------

|   0 | SELECT STATEMENT  |      |    67 |   469 |     3   (0)| 00:00:01 |

|*  1 |  TABLE ACCESS FULL| T2   |    67 |   469 |     3   (0)| 00:00:01 |

--------------------------------------------------------------------------

优化器评估为67行.计算公式为 rows/ndv=(200/3)=66.66666

看看收集了集方图后的结果

SQL> exec dbms_stats.gather_table_stats(tabname => 'T1',ownname => user,method_opt => 'FOR ALL COLUMNS SIZE AUTO');

SQL>  explain plan for select * from t1 where a=3;

PLAN_TABLE_OUTPUT

--------------------------------------------------------------------------------

Plan hash value: 1513984157

--------------------------------------------------------------------------

| Id  | Operation         | Name | Rows  | Bytes | Cost (%CPU)| Time     |

--------------------------------------------------------------------------

|   0 | SELECT STATEMENT  |      |     1 |     7 |     3   (0)| 00:00:01 |

|*  1 |  TABLE ACCESS FULL| T2   |     1 |     7 |     3   (0)| 00:00:01 |

--------------------------------------------------------------------------

可以看出通过增加了直方图,oracle比较准确的评估了cardinality。

SQL> select column_name,histogram from user_tab_col_statistics where table_name='T2';

COLUMN_NAME                    HISTOGRAM

------------------------------ ---------------

A                              FREQUENCY       --频率直方图

B                              NONE

直方图分为两种频率直方图和高度平衡直方图

直方图的限制:1，收集直方图有开销，如cpu和磁盘空间;2,对于每个栏位超过254的distinct value，频率直方图的作用开始下降

随着NDV的增加，精度进一步下降,这时候只能使用高度平衡直方图.3,对于字符类型，只能收集前32个字节;

4,在非索引的栏位上收集直方图的效果有限.

高度平衡和频率直方图的选择:对于某个栏位的NDV小于所定义的桶数，使用频率直方图，否则使用高度平衡直方图。两种方式的最大的桶数为254,

SQL> create table t2(a int);

begin

for i in 1..76 loop

insert into t2 values (i);

end loop;

commit;

end;

/

SQL> select count(distinct a) from t2;  --insert 76种不同的值

COUNT(DISTINCTA)

----------------

76

SQL> exec dbms_stats.gather_table_stats(tabname => 'T2',ownname => user,method_opt => 'FOR COLUMNS A SIZE 75');

人为的定义桶数小于NDV,在这种条件，oracle会使用高度平衡直方图，因为频率直方图75个bucket容不下76

SQL>  select column_name,histogram from user_tab_col_statistics where table_name='T2';

COLUMN_NAME                    HISTOGRAM

------------------------------ ---------------

A                              HEIGHT BALANCED

对于频率直方图，如果NDV小于254的情况，ndv应该是和桶数相等的.有些bug会产生不一致，导致评估不准确，具体可以参考metalink的相关bug。

SQL> select count(b.endpoint_value) from user_histograms b where table_name='T1' and column_name='A';

COUNT(B.ENDPOINT_VALUE)

-----------------------

3

SQL> select table_name,column_name,num_distinct from user_tab_col_statistics where table_name='T1' and column_name='A';

TABLE_NAME                     COLUMN_NAME                    NUM_DISTINCT

------------------------------ ------------------------------ ------------

T2                             A                                         3

一般建议的收集方法为'FOR ALL COLUMNS SIZE AUTO',除非有很好的理由去更改，由oracle自行决定是否需要histogram和桶数

为什么需要直方图 ？当表中一列数据比较的值分布比较均匀时，optimzer可以很好的通过最大值，最小值和NDV(唯一值的个数)，就可以判断出cardinality.对于cardinality越精确，optimzer就可以更加好的选择执行计划。
--创建测试表并插入数据create table t1(a int,b varchar2(100));beginfor i in 1..100 loopinsert into t1 values (1,'abcd');end loop;commit;end;/beginfor i in 1..100 loopinsert into t1 values (2,'efg');end loop;commit;end;/---收集统计信息exec dbms_stats.gather_table_stats(tabname => 't1',ownname => user,method_opt => 'for all columns size 1'); --for all columns size 1 不收集直方图信息
---执行一个语句来看看optimizer评估的行explain plan for select * from t1 where a=1;select * from table(dbms_xplan.display());--------------------------------------------------------------------------| Id  | Operation         | Name | Rows  | Bytes | Cost (%CPU)| Time     |--------------------------------------------------------------------------|   0 | SELECT STATEMENT  |      |   100 |   700 |     3   (0)| 00:00:01 ||*  1 |  TABLE ACCESS FULL| T2   |   100 |   700 |     3   (0)| 00:00:01 |--------------------------------------------------------------------------返回100行，说明优化器在这种数据平均分布的情况下评估很准确。现在insert into t1 values(3,'mnb'); 一行，人为的模拟数据分布不均,再次收集统计信息explain plan for select * from t1 where a=3;PLAN_TABLE_OUTPUT--------------------------------------------------------------------------------Plan hash value: 1513984157--------------------------------------------------------------------------| Id  | Operation         | Name | Rows  | Bytes | Cost (%CPU)| Time     |--------------------------------------------------------------------------|   0 | SELECT STATEMENT  |      |    67 |   469 |     3   (0)| 00:00:01 ||*  1 |  TABLE ACCESS FULL| T2   |    67 |   469 |     3   (0)| 00:00:01 |--------------------------------------------------------------------------优化器评估为67行.计算公式为 rows/ndv=(200/3)=66.66666看看收集了集方图后的结果SQL> exec dbms_stats.gather_table_stats(tabname => 'T1',ownname => user,method_opt => 'FOR ALL COLUMNS SIZE AUTO');SQL>  explain plan for select * from t1 where a=3;PLAN_TABLE_OUTPUT--------------------------------------------------------------------------------Plan hash value: 1513984157--------------------------------------------------------------------------| Id  | Operation         | Name | Rows  | Bytes | Cost (%CPU)| Time     |--------------------------------------------------------------------------|   0 | SELECT STATEMENT  |      |     1 |     7 |     3   (0)| 00:00:01 ||*  1 |  TABLE ACCESS FULL| T2   |     1 |     7 |     3   (0)| 00:00:01 |--------------------------------------------------------------------------可以看出通过增加了直方图,oracle比较准确的评估了cardinality。SQL> select column_name,histogram from user_tab_col_statistics where table_name='T2';COLUMN_NAME                    HISTOGRAM------------------------------ ---------------A                              FREQUENCY       --频率直方图B                              NONE直方图分为两种频率直方图和高度平衡直方图直方图的限制:1，收集直方图有开销，如cpu和磁盘空间;2,对于每个栏位超过254的distinct value，频率直方图的作用开始下降随着NDV的增加，精度进一步下降,这时候只能使用高度平衡直方图.3,对于字符类型，只能收集前32个字节;4,在非索引的栏位上收集直方图的效果有限.高度平衡和频率直方图的选择:对于某个栏位的NDV小于所定义的桶数，使用频率直方图，否则使用高度平衡直方图。两种方式的最大的桶数为254,SQL> create table t2(a int);beginfor i in 1..76 loopinsert into t2 values (i);end loop;commit;end;/SQL> select count(distinct a) from t2;  --insert 76种不同的值COUNT(DISTINCTA)----------------              76SQL> exec dbms_stats.gather_table_stats(tabname => 'T2',ownname => user,method_opt => 'FOR COLUMNS A SIZE 75');人为的定义桶数小于NDV,在这种条件，oracle会使用高度平衡直方图，因为频率直方图75个bucket容不下76SQL>  select column_name,histogram from user_tab_col_statistics where table_name='T2';COLUMN_NAME                    HISTOGRAM------------------------------ ---------------A                              HEIGHT BALANCED
对于频率直方图，如果NDV小于254的情况，ndv应该是和桶数相等的.有些bug会产生不一致，导致评估不准确，具体可以参考metalink的相关bug。SQL> select count(b.endpoint_value) from user_histograms b where table_name='T1' and column_name='A';COUNT(B.ENDPOINT_VALUE)-----------------------                      3SQL> select table_name,column_name,num_distinct from user_tab_col_statistics where table_name='T1' and column_name='A';TABLE_NAME                     COLUMN_NAME                    NUM_DISTINCT------------------------------ ------------------------------ ------------T2                             A                                         3一般建议的收集方法为'FOR ALL COLUMNS SIZE AUTO',除非有很好的理由去更改，由oracle自行决定是否需要histogram和桶数