Oracle 11g统计信息收集--多列统计信息的收集

郑全

我们在写SQL语句的时候，有的时候会碰到where子句后面有多个条件的情况，也就是根据多列的条件筛选得到数据。默认情况下，oracle会把多列的选择性（selectivity）相乘从而得到where语句的选择性，这样有可能会让oracle的选择性变的不够准确，从而导致优化器做出错误的判断。比如对于汽车厂商和汽车型号，实际上是有关联关系的，一旦你知道了汽车的型号，就能判断出是哪一个厂商的汽车。再比如说酒店星级和酒店价格等级也有类似的对应关系。为了能够让优化器做出准确的判断，从而生成准确的执行计划，oracle在11g数据库中引入了多列统计信息的概念。
选择性：在本例中是 1/唯一值


我们有一张表BOOKS，两个列hotel_id,rate_category,我们来看一下这两列的数据分布：
SQL>  select hotel_id,rate_category,count(1) from books
  2   group by  hotel_id,rate_category
  3   order by hotel_id;

  HOTEL_ID RATE_CATEGORY   COUNT(1)
---------- ------------- ----------
        10            11      19943
        10            12      39385
        10            13      20036
        20            21       5106
        20            22      10041
        20            23       5039

6 rows selected.

仔细检查数据：hotel_id 10 的 rate_category 列仅包含 11、12 和 13，而 hotel_id 20 的该列仅包含 21、22 和 23（11、12 和 13 一个都不包含)。为什

么？原因可能与酒店的星级有关。酒店 20 是一家定价较高的酒店，而租金等级 11、12 和 13 是较低的等级，因此它们不适用于一家高收费的酒店。同样地，

21、22 和 23 是较高的租金等级，因此它们不适用于酒店 10 这样的经济型酒店。而且，酒店 10 的房间预定数量多于酒店 20。


在表books的两个列上创建索引，并收集表的统计信息。
SQL> create index book_idx1 on books(hotel_id);
Index created.

SQL> create index book_idx2 on books(rate_category);
Index created.

SQL> analyze table books compute statistics;
Table analyzed.

如果我们要找到表中满足条件20号酒店价格等级是21的记录，执行计划会是什么样子呢？
SQL> set autotrace trace exp
SQL> select hotel_id,rate_category from books where hotel_id=20 and rate_category=21;

Execution Plan
----------------------------------------------------------
Plan hash value: 2688610195

---------------------------------------------------------------------------
| Id  | Operation         | Name  | Rows  | Bytes | Cost (%CPU)| Time     |
---------------------------------------------------------------------------
|   0 | SELECT STATEMENT  |       |  8296 | 33184 |    47   (3)| 00:00:01 |
|*  1 |  TABLE ACCESS FULL| BOOKS |  8296 | 33184 |    47   (3)| 00:00:01 |
---------------------------------------------------------------------------

Predicate Information (identified by operation id):
---------------------------------------------------

   1 - filter("RATE_CATEGORY"=21 AND "HOTEL_ID"=20)

SQL> set autotrace off

SQL> select count(1) from books;

  COUNT(1)
----------
     99550

SQL> select 99550/8296 from dual;

99550/8296
----------
11.9997589

从上例中可以看到，oracle选择了走全表扫描，判定的记录条数是8296条，而我么表中真实的数据是5106条，对于整张表99550条记录来说，应当可以使用到索引的。但是oracle没有，因为oracle会把两个列分别考虑，而计算出来的选择性是hotel_id 1/2，rate_category 1/6,从而得到了语句的选择性是1/12,这也就

是我们在执行计划中看到8296（99550*1/12）条记录的原因。



为了能够让oracle得到准确的执行记录，我们可以采取两个方法
1.使用程序包 dbms_stats 中的新函数 create_extended_stats 创建一个虚拟列，然后对表收集统计信息。
  大致如下：
  dbms_stats.create_extended_stats('SCOTT', 'BOOKS','(HOTEL_ID, RATE_CATEGORY)')
  下次再收集表的统计信息时，将会自动收集您的列组的多列统计信息。



2.直接在程序包 dbms_stats 指定method_opt，收集统计信息时，把列组合作为单独列使用

在这里我们使用第二种方法
SQL> begin
  2     dbms_stats.gather_table_stats (
  3        ownname         => 'SCOTT',
  4        tabname         => 'BOOKS',
  5        estimate_percent=> 100,
  6        method_opt  => 'FOR ALL COLUMNS SIZE SKEWONLY FOR COLUMNS  (HOTEL_ID,RATE_CATEGORY)',
  7         cascade         => TRUE
  8     );
  9  end;
10  /

PL/SQL procedure successfully completed.


收集完列组统计信息后，再来看一下语句的执行计划
SQL> set autotrace trace exp
SQL> select hotel_id,rate_category from books where hotel_id=20 and rate_category=21;

Execution Plan
----------------------------------------------------------
Plan hash value: 1484887743

-----------------------------------------------------------------------------------------
| Id  | Operation                   | Name      | Rows  | Bytes | Cost (%CPU)| Time     |
-----------------------------------------------------------------------------------------
|   0 | SELECT STATEMENT            |           |  5106 | 30636 |    19   (0)| 00:00:01 |
|*  1 |  TABLE ACCESS BY INDEX ROWID| BOOKS     |  5106 | 30636 |    19   (0)| 00:00:01 |
|*  2 |   INDEX RANGE SCAN          | BOOK_IDX2 |  5106 |       |    11   (0)| 00:00:01 |
-----------------------------------------------------------------------------------------

Predicate Information (identified by operation id):
---------------------------------------------------

   1 - filter("HOTEL_ID"=20)
   2 - access("RATE_CATEGORY"=21)


该输出清晰地显示索引 BOOK_IDX2 已使用。为什么现在使用了索引？注意“Rows”列下方的值 (5106)。优化程序正确地确定了值组合的行数的估计值，而非分开的各个值的行数的估计值。

当然了，对于其他的条件，oracle也可以做出准确的判断



SQL> set autotrace trace exp
SQL> select hotel_id,rate_category from books where hotel_id=10 and rate_category=12;

Execution Plan
----------------------------------------------------------
Plan hash value: 2688610195

---------------------------------------------------------------------------
| Id  | Operation         | Name  | Rows  | Bytes | Cost (%CPU)| Time     |
---------------------------------------------------------------------------
|   0 | SELECT STATEMENT  |       | 39385 |   230K|    47   (3)| 00:00:01 |
|*  1 |  TABLE ACCESS FULL| BOOKS | 39385 |   230K|    47   (3)| 00:00:01 |
---------------------------------------------------------------------------

Predicate Information (identified by operation id):
---------------------------------------------------

   1 - filter("RATE_CATEGORY"=12 AND "HOTEL_ID"=10)


在视图 USER_STAT_EXTENSIONS 中，您可以看到在数据库中定义的扩展统计信息：
SQL> select extension_name, extension
  2  from user_stat_extensions
  3  where table_name='BOOKS';

EXTENSION_NAME                 EXTENSION
------------------------------ --------------------------------------------------------------------------------
SYS_STUW3MXAI1XLZHCHDYKJ9E4K90 ("HOTEL_ID","RATE_CATEGORY")