1.什么是统计信息 
    统计信息主要是描述数据库中表，索引的大小，规模，数据分布状况等的一类信息。比如，表的行数，块数，平均每行的大小，索引的leaf blocks，索引字段的行数，不同值的大小等，都属于统计信息。CBO正是根据这些统计信息数据，计算出不同访问路径下，不同join 方式下，各种计划的成本，最后选择出成本最小的计划。

2.统计信息的基本内容

   统计信息包含几个重要的宏观数据：

• 表所占的数据页数目

• 实际使用数据页数，

• B树的高度 ，（对于聚集索引表）

  
  无论做不做统计信息收集，表的当前记录数永远是有效的，因为系统自动维护了表的记录总数，这一点与大部分其他DBMS系统有所差别。
  

如果做了列级或者索引的收集，那么统计信息还包括下列信息：

•   COLID                          列的ID

•   SQL_PL_TYPE               数据类型

•   N_TOTAL                     总记录数

•   N_SAMPLE                    采样记录数

•   N_DISTINCT                 不同值数

•   N_NULL                         空值数

•   V_MIN                          最小值

•   V_MAX                          最大值

•   BLEVEL                         B树的高度

•   N_LEAF_PAGES            叶子段的页数目

•   N_LEAF_USED_PAGES      叶子段实际使用的页数目

•   CLUSTER_FACTOR             聚集因子

  
  

  CBO依据这些信息对选择率和基数进行估算。

3.直方图

      基本的统计信息并不能完全反应数据的分布情况，考虑下面这个例子，假定字段AGE, 表示年龄， 给出最小年龄10， 最大年龄80, 总的人数为10万，优化器还是不知道这些人的年龄分布情况。一个合理的假定是所有的记录都是平均分布的，但是现实世界并不完全这样，因此需要更加详细的信息，因此引入了直方图这个概念。直方图又分为频率直方图和等高直方图。

    有些字段的取值范围非常有限，比如人类的年龄，一般不可能超过120， 因此无论表中有多少记录，年龄字段的唯一值个数都不会超过120， 我们可以采样部分记录，统计出每个年龄（0-120）的记录数，可以使用120个（V, count）二元组作为元素的数组，来表示这个频率直方图。比如这个表有1亿条记录，随机采用5%的记录，记录每个年龄出现的次数，然后再乘以20，即可获得这个年龄字段每一个取值的记录数目。

    频率直方图虽然精确，但是它只能处理取值范围较小的情况，如果字段的取值范围很大，那么就不可能为每一个值统计出它的出现次数，这个时候我们需要等高直方图。等高直方图是针对一个数据集合不同值个数很多的情况，把数据集合划分为若干个记录数相同或相近的不同区间，并记录区间的不同值个数。每个区间的记录数比较接近，这就是所谓等高的含义。

系统也适用一个数组来表示等高直方图，数组的每一项包含下列信息：

•   左边界值

•   除边界值以外值的个数

•   唯一值个数

  
  

     目前等高直方图数组的项（或者称为桶）的个数为131个，而频率直方图的个数为2000。等高直方图的目的，是尽可能精确地描述不同值数据的分布情况。在数据取值密集的地方那个，用来描述的桶就多，反之则少。利用它，可以比较精确地估算一个特定范围内记录的数量。

4.统计信息的收集

DM7收集统计信息有两种方法，一是通过一些存储过程来收集，二是用DBMS_STATS包来收集。

--对表上所有的索引生成统计信息

SP_TAB_INDEX_STAT_INIT

--对库上所有模式下的所有用户表上的所有索引生成统计信息

SP_DB_STAT_INIT

--对指定的索引生成统计信息

SP_INDEX_STAT_INIT

--对指定的列生成统计信息，不支持大字段列

SP_COL_STAT_INIT

----------详见《DM SQL语言手册附录3》

这里推荐使用DBMS_STATS包来收集，有别于存储过程，通过这个工具包收集可以指定采用率，

在数据分布极不均匀的情况下，提高统计信息的采用率，有助于提供更精确的统计信息。

使用DBMS_STATS首先得调用一个系统存储过程来创建这个包：

SP_CREATE_SYSTEM_PACKAGES(1);

包里面常用的存储过程有：

• COLUMN_STATS_SHOW

  
  

     根据模式名，表名和列名获得该列的统计信息。

•   INDEX_STATS_SHOW

  
  

     根据模式名，索引名获得该索引的统计信息。

•    GATHER_TABLE_ S TATS

  
  

     根据设定的参数，收集表的统计信息。

•    GATHER_INDEX_STATS

  
  

      根据设定的参数，收集索引的统计信息

•    GATHER_SCHEMA_STATS

  
  

      收集模式下对象的统计信息

       --具体用法见《DM SQL语言手册》第二十章

       举例说明：

            --收集SYSDBA模式下对象的统计，采样率为50%，

            对该模式下所有的列做统计信息，大字段的列除外
             DBMS_STATS.GATHER_SCHEMA_STATS(' SYSDBA',50,TRUE,'FOR ALL COLUMNS SIZE AUTO');  

5.统计信息的查看

create table TEST_TJ(id int,age int); begin       for i in 1..100000 loop           insert into test_tj values(mod(i,9700),trunc(rand * 120));       end loop;       commit;    end; --更新统计信息 SP_COL_STAT_INIT('SYSDBA', 'TEST_TJ', 'ID'); --方法1 DBMS_STATS.GATHER_TABLE_STATS('SYSDBA', 'TEST_TJ',null,100,false,'FOR ALL COLUMNS SIZE AUTO'); --100%采样，方法2 --查看ID列的统计信息 DBMS_STATS.column_stats_show('SYSDBA', 'TEST_TJ','ID'); --解读统计信息 --1.类型：等高直方图 --2.ENDPOINT_VALUE样本值： 30 --3.ENDPOINT_HEIGHT小于样本值大于前一个样本值的个数:329   select COUNT(*) from TEST_TJ where id<30 --4.ENDPOINT_KEYGHT样本值的个数:11   select COUNT(*) from TEST_TJ where id=30 --5.ENDPOINT_DISTINCT小于样本值大于前一个样本值之间不同样本的个数: 30   select COUNT(distinct id) from TEST_TJ where id<30 --查看AGE列的统计信息 DBMS_STATS.column_stats_show('SYSDBA', 'TEST_TJ','AGE');

--解读统计信息

--1.类型：频率直方图

--2.ENDPOINT_VALUE样本值： 1

--3.ENDPOINT_HEIGHT 样本值的个数:773

  select COUNT(*) from TEST_TJ where age=1

6.统计信息对查询的影响

--删除表上的统计信息

DBMS_STATS.DELETE_TABLE_STATS('SYSDBA', 'TEST_TJ');

--在没有统计信息的情况下，查看一下下列SQL的执行计划

explain select count(*) from TEST_TJ where age = 20;

1   #NSET2: [11, 1, 4]

2     #PRJT2: [11, 1, 4]; exp_num(1), is_atom(FALSE)

3       #AAGR2: [11, 1, 4]; grp_num(0), sfun_num(1)

4         #SLCT2: [11, 2500, 4]; TEST_TJ.AGE = 20

5          #CSCN2: [11, 100000, 4]; INDEX33559695(TEST_TJ)

--以age为条件字段，进行等值扫描，计划评估出来的行数是2500

这个2500是怎么来的呢？

select * from "V$DM_INI" where "PARA_NAME" like 'SEL%';

如果没有统计信息可用，则对于 列名= <常量>的谓词，选择率固定为SEL_RATE_EQU, 缺省为2.5%，其他谓词一律为SEL_RATE_SINGLE, 缺省为5%。

那么在这个例子中这个2500=100000*0.025;

我们再来看下面这个SQL的计划:

explain select count(*) from TEST_TJ where age > 20;

1   #NSET2: [11, 1, 4]

2     #PRJT2: [11, 1, 4]; exp_num(1), is_atom(FALSE)

3       #AAGR2: [11, 1, 4]; grp_num(0), sfun_num(1)

4         #SLCT2: [11, 5000, 4]; TEST_TJ.AGE = 20

5          #CSCN2: [11, 100000, 4]; INDEX33559695(TEST_TJ)

这里的5000=100000*0.05；

很显然这个默认值代价的估算是不准确的，特别是对于复杂的查询，如果没有统计信息CBO很有可能选择错误的执行计划，我们收集一下这个表的统计信息，再来对比一下执行计划：

DBMS_STATS.GATHER_TABLE_STATS('SYSDBA', 'TEST_TJ',null,100,false,'FOR ALL COLUMNS SIZE AUTO');