理解 DB2 中的列组统计信息

附录 A. 自动统计信息分析

RUNSTATS 实用程序提供了一个选项，用它可以注册和使用一个统计信息配置文件。DB2 的自动统计信息分析特性可以自动地生成统计信息配置文件。启用了这个特性后，将会收集有关数据库活动的信息并将其存储在查询反馈仓库中。在这些数据的基础之上，生成一个统计信息配置文件。该特性还会推荐对本地等式谓词使用两列组统计信息。这在测试环境中是一种游泳的工具，可标识有用的列组统计信息。

Info Center 中包含关于使用 自动统计信息分析 的更详细信息。.

注意：统计信息配置文件的自动生成只在 DB2 串行模式中是激活的，在联邦查询、DPF 环境之中以及使用分区内并行性时，该特性是被禁止的。

附录 B. 确定两个连接表中的父表

多个等式谓词的统计相关性 一节中讨论了一种简单方法，通过说明等式连接谓词间的统计相关性而收集多列统计信息，这一节将介绍优化器如何确定两个连接表中的父表（如果有的话）。鉴别优化器是否会检测一个父表，如果会的话，哪一个是父表，这对于了解何时进行列组统计信息的收集才是有效的以及在哪个表上收集是非常有用的。

优化器在一组连接两表的谓词中标识父表，这个表至少是一个连接谓词的父表，而且不是任何其他连接谓词的子表。一个连接谓词的父表被确定为在谓词列中具有较多不同值的表。例如，在 SHOW_LISTINGS.SHOW_ID = RATINGS.SHOW_ID 连接谓词中，如果 SHOW_LISTINGS.SHOW_ID 的 COLCARD 统计信息比 RATINGS.SHOW_ID 的 COLCARD 统计信息多，那么 SHOW_LISTINGS 就是这个连接谓词的父表，RATINGS 则是子表。

此外，优化器还尝试使用范围统计信息（HIGH2KEY 和 LOW2KEY）来验证父表，方法是确保子表中的值集是父表的子集。例如，在连接谓词 SHOW_LISTINGS.SHOW_ID = RATINGS.SHOW_ID 中，如果符合以下条件：

• SHOW_LISTINGS.SHOW_ID 的 COLCARD 统计信息多于 RATINGS.SHOW_ID 的统计信息，并且
• SHOW_LISTINGS.SHOW_ID 的 HIGH2KEY 多于或等于 RATINGS.SHOW_ID 的 HIGH2KEY，并且
• RATINGS.SHOW_ID 的 LOW2KEY 少于或等于 RATINGS.SHOW_ID 的 LOW2KEY

那么 SHOW_LISTINGS 是这个连接谓词的父表，而 RATINGS 则是子表。

示例 B.1

假设以下一组谓词：

P1: SHOW_LISTINGS.SHOW_ID = RATINGS.SHOW_ID
P2: SHOW_LISTINGS.CHANNEL_ID = RATINGS.CHANNEL_ID
P3: SHOW_LISTINGS.STATION_ID = RATINGS.STATION_ID

优化器将 SHOW_LISTINGS 表标识为所有三个谓词的父表，所以它同样将 SHOW_LISTINGS 标识为连接的父表。因此优化器使用 SHOW_LISTINGS 表中的列（SHOW_ID，CHANNEL_ID 和 STATION_ID）上可用的多列统计信息。

示例 B.2

使用示例 B.1 中的谓词：

在 P1 中，假设 COLCARD(SHOW_LISTINGS.SHOW_ID) > COLCARD(RATINGS.SHOW_ID)。
在 P2 中，假设 COLCARD(SHOW_LISTINGS.CHANNEL _ID) > COLCARD(RATINGS.CHANNEL_ID)。
在 P3 中，假设 COLCARD(SHOW_LISTINGS.STATION_ID) = COLCARD(RATINGS.STATION_ID)。

优化器在谓词 P1 和 P2 中将 SHOW_LISTINGS 表标识为父表，在谓词 P3 中既不是子表，也不是父表。所以优化器也将 SHOW_LISTINGS 标识为连接的父表。因此，优化器使用 SHOW_LISTINGS 表中的列（SHOW_ID，CHANNEL_ID 和 STATION_ID）上可用的多列统计信息。

示例 B.3

使用示例 B.1 中的谓词：

在 P1 中，假设 COLCARD(SHOW_LISTINGS.SHOW_ID) > COLCARD(RATINGS.SHOW_ID)。
在 P2 中，假设 COLCARD(SHOW_LISTINGS.CHANNEL _ID) < COLCARD(RATINGS.CHANNEL_ID)。
在 P3 中，假设 COLCARD(SHOW_LISTINGS.STATION_ID) = COLCARD(RATINGS.STATION_ID)。

优化器在谓词 P1 中将 SHOW_LISTINGS 表标识为父表，在谓词 P2 中将其标识为子表，在谓词 P3 中既不是子表也不是父表。所以，并不将 SHOW_LISTINGS 标识为连接中的父表（也不将 RATINGS 标识为连接的父表）。因此，优化器并不会检测这三个连接的谓词间的统计相关性。

数据库分区特性

在一个 DPF 环境中，如果表跨多个数据库分区而被分区，在下列条件满足的情况下，只能使用范围统计信息：

1. 两个表在相同的列中被分区
2. 表是并置的，就是说，它们处于同一节点组
3. 连接谓词引用所有的分区键列
4. 在相同的节点收集统计信息

如果不能够使用范围统计信息，那么优化器只能使用 COLCARD 统计信息来确定连接中的父表。在 DPF 环境中，在单个节点中收集统计信息将会导致在 COLCARD 统计信息出现错误。因此，确定父表时，优化器允许 COLCARD 统计信息中存在一些偏差（1%）。然而，这种偏差是以多列统计信息为基础的，因此如果该连接不是中立 的，并且连接中没有很明显的父表，那么在 DPF 中应该使用收集列组统计信息的简单方法。

示例 B.4

1. 确定两个表是否在相同列上被分区

除非两个表的数据分布相同，否则不能使用范围统计信息（HIGH2KEY 和 LOW2KEY）。因此，如果表不是在相同列被分区，优化器将无法推断出数据在两个表中的分布相同。

假设有两个表，T1 和 T2。T1 在多个数据库分区中被分区，在列（C1 和 C2）中具有分区键。同样，T2 也进行了分区，其分区键在列（C2 和 C3）中。

例 1.1 使用下列谓词连接 T1 和 T2：

P1:  T1.C1=T2.C2
P2:  T1.C2=T2.C3

例 1.2 使用下列谓词：

P1:  T1.C1=T2.C3
P2:  T1.C2=T2.C2

例 1.3 使用下列谓词：

P1: T1.C1=T2.C1
P2: T1.C2=T2.C2
P3: T1.C3=T2.C3

例 1.4 来看一下和示例 1.3 使用相同谓词的情形，但是假设 T2 是在列（C1，C2 和 C3）中分区的。

尽管表 T1 是在相同列分区的（T2 分区键的两个主要列），由于 T2 在 C3 中进一步分区，与只在（C1 和 C2）中分区相比，这将导致数据分布不同。因此，这两个表被认为是在不同列进行分区的。