理解 DB2 中的列组统计信息

2007年7月16日

使用 IBM DB2® for Linux®，UNIX®，and Windows® （DB2）中的列组统计信息，当多个等式本地谓词或等式连接谓词互相关联时，优化器可以确定一个更好的查询访问计划，并且改善查询性能。本文将介绍如何使用列组统计信息。

简介

DB2 SQL 优化器（后文简称为优化器）可以估计每个备选访问计划的执行成本，并根据其估计结果选择一个最佳访问计划。一个访问计划可以指定用来解析一条 SQL 语句的操作次序。

为正确地确定每种访问计划的成本，DB2 优化器需要准确的基数估计值。基数估计是这样一种过程：在应用了谓词或执行了聚集之后，优化器使用统计信息确定部分查询结果的大小。对于访问计划的每个操作符，优化器将估计该操作符的基数输出。一个或更多谓词的应用可以减少输出流基数。

在计算谓词对于基数估计值的组合过滤效果时，通常会假设这些谓词彼此之间是独立的。然而，这些谓词可以在统计方面彼此关联。单独地处理它们通常会导致优化器低估基数值。而基数值的低估又会导致优化器选择一个次优的访问计划。

对于至少应用了至少两个本地等式谓词的 SQL 语句，优化器将考虑使用多列统计信息来检测统计关联，并更加准确地估计多个谓词组合的过滤效果。同样对于连接两个或更多表的 SQL 语句，以及在一对表间至少使用了两个等式连接谓词的连接，优化器也会使用多列统计信息。

一个本地等式谓词是一个应用于单个表的等式谓词，其描述如下所示：

COLUMN = literal

其中 literal 可以是以下任一内容：

• 一个常量值；
• 一个参数标记或一个主变量；
• 一个专用寄存器（例如，CURRENT DATE）

一个等式连接谓词的描述如下所示，它用于表 1 和表 2 间的连接：

T1.COLUMN = T2.COLUMN

DB2 V8.2 使用下面的多列统计信息：

• 索引 keycard 统计信息：FIRST2KEYCARD、FIRST3KEYCARD、FIRST4KEYCARD 和 FULLKEYCARD
• 列组统计信息：列组基数值

这些统计信息描述了包含两个或更多列的列集中不同分组的数量。

在 DB2 V8.2 出现之前，只能使用索引 keycard 统计信息，并且要受下列条件约束：

• 索引必须是完全限定的。如果键中的所有列都可以被等式谓词 引用（连接谓词或本地谓词，但不是两者的混合），那么这个索引就是完全限定的。
• 对于连接谓词，索引也必须是惟一的。

在 DB2 V8.2 中，通过考虑到所有索引 keycard 统计信息而不要求索引完全限定，DB2 SQL 优化器进一步扩展了多列统计信息的使用。它还考虑到了用户收集的任何列组统计信息。本文讨论了优化器如何利用这些统计信息，以及用户如何识别要收集的列组统计信息。

多个本地等式谓词的统计相关性

DB2 SQL 优化器试图检测多个本地等式谓词间的统计相关性。

示例 1：假设有一个表 SHOW_LISTINGS，它包含如下列：

表 1. SHOW_LISTINGS 表的描述

由于演出只在某个电视台的某个频道播出，在一天的特定时间内，这些列（SHOW_ID，CHANNEL_ID，STATION_ID 和 TIME）彼此之间不是互相独立的。DAY 列独立于 TIME 列，但是它不独立于所有演出清单的 SHOW_ID。

设想一条应用了以下谓词的 SQL 语句：

P1: SHOW_ID = ?
P2: CHANNEL_ID = ?
P3: STATION_ID = ?
P4: TIME = ?

IX1 ON SHOW_LISTINGS(SHOW_ID, CHANNEL_ID, STATION_ID, TIME)
IX2 ON SHOW_LISTINGS(SHOW_ID, CHANNEL_ID, STATION_ID, TIME, CITY_ID)
IX3 ON SHOW_LISTINGS(SHOW_ID, CHANNEL_ID, STATION_ID, TIME, DAY, CITY_ID)

不能使用如下所示的索引：

IX4 ON SHOW_LISTINGS(CITY_ID, SHOW_ID, CHANNEL_ID, STATION_ID, TIME)

如果不存在具有所需键的索引，那么可以在 SHOW_ID、CHANNEL_ID、STATION_ID 和 TIME 上收集列组统计信息。优化器使用这些列组统计信息，运用与处理索引的 FIRST4KEYCARD 统计信息相同的方式检测这四个谓词间的统计相关性。

DB2 优化器同样也会考虑具有谓词子集的索引或者列组统计信息。例如，看下面所示的索引：

IX5 ON SHOW_LISTINGS(SHOW_ID, STATION_ID, CITY_ID, CHANNEL_ID)