sql-server - 如何避免 SQL Server 对缺失值使用默认行估计?
问题描述
我有一个包含几百万行的表,其中一Status
列是非聚集索引中的第二列。状态为char(10)
并包含“新建”、“处理中”、“已处理”和“失败”
轮询函数检查新行
SELECT TOP 1 ... FROM Table WHERE firstColumnInIdex = 1 AND Status = 'New' ORDER BY Id
(实际上是对状态“处理中”和其他一些差异的更新,但在这里无关紧要)
该查询使用非聚集索引,但行估计约为行的 30%,因此内存授予在 GB 范围内。
我的测试表明问题出在统计数据上。由于表中通常没有状态为“New”的行,因此统计信息中不存在“New”(表示数百万“已处理”和数千“失败”)。如果在统计信息中找不到该值,SQL Server 似乎会采用默认估计值,在这种情况下约为 30% 的行。
我在表格中添加了一行,状态为“New”,并创建了新的统计信息FULLSCAN NORECOMPUTE
。(所以它变成数百万“已处理”,数千“失败”和 1“新”)
现在行估计是 1 行,查询成本从 82 下降到 6,内存授予很小。
(删除统计数据再次导致 30%)
虽然这个技巧解决了问题,但感觉就像是某天可能会停止工作的黑客(例如,某些未来的 dba 会发现这个过时的统计数据并删除/更新它)。
有没有更好的方法来解决这个问题?例如
- 改用整数状态?
- 使用外键或约束使 SQL Server 知道“新建”状态?
版本是 2016SP1
解决方案
我发现有用的一件事是过滤索引。
假设这是一个队列并且事情以状态“新”开始,你
- 选择一个或所有“新”行(获取 PK ID)
- 对这些 ID 采取行动
- 根据 ID 更新状态
在这些情况下,您可以创建一个过滤索引,它基本上只是状态为“新”的所有行的最新列表。
CREATE NONCLUSTERED INDEX ix_myindex ON [myTable]
([ID])
WHERE (Status = 'New')
注意 - 索引将非常“热”,例如,有很多变化(一旦它们不再是“新的”,它们就会从索引中删除)。
然而,这个想法是保持如此之小以至于它并不重要。
确保索引具有识别相关行(例如,您的 PK)所需的所有字段,以使其尽可能简单/小,并查看它是否有效。
更新以下评论
这些问题可能与“升序关键问题”有关 - 请随意研究和审查。
我可能在上面犯了一个小错误 - 如果您实际上包含要过滤的字段,通常过滤索引会更好地工作。因此,以下可能会更好。
CREATE NONCLUSTERED INDEX ix_myindex ON [myTable]
([ID], [Status])
WHERE (Status = 'New')
关于解决方案中的方法 - 我们将完全忽略统计数据。相反,我们实际上创建了一个具有相关行数的临时表,而这些行将限制基数估计。
对于测试,我有一个名为“test”的表,它有大约 150 万行,带有一个 ID PK 和 4 个带有 UUID 的列(基本上是随机数据)。
我用它来创建一个带有状态列的新表“test2”。其中大约 80% 的状态为“已处理”,10% 的状态为“处理中”,10% 的状态为“失败”。
然后我插入一个状态为“新”的新行。请注意,统计信息不会更新。
但是,然后我使用过滤索引来识别相关行,方法是将它们放入临时表中 - 并使用该表进行进一步处理。
设置
IF OBJECT_ID (N'test2', N'U') IS NOT NULL DROP TABLE dbo.Test2;
GO
CREATE TABLE [dbo].[test2](
[ID] [int] NOT NULL,
[Status] [varchar](12) NULL,
[col2] [varchar](100) NULL,
[col3] [varchar](100) NULL,
[col4] [varchar](100) NULL,
[col5] [varchar](100) NULL,
CONSTRAINT [PK_test2] PRIMARY KEY CLUSTERED ([ID] ASC)
);
GO
CREATE NONCLUSTERED INDEX [IX_test2_StatusNew] ON [dbo].[test2] ([ID] ASC, [Status] ASC)
WHERE ([Status]='New');
GO
INSERT INTO dbo.Test2 (ID, Status, Col2, Col3, Col4, Col5)
SELECT ID, CASE WHEN ID % 12 < 10 THEN 'Processed' WHEN ID % 12 = 10 THEN 'Processing' ELSE 'Failed' END,
Col2, Col3, Col4, Col5
FROM dbo.Test;
GO
CREATE STATISTICS [S_Status] ON [dbo].[test2]([Status]);
GO
DBCC SHOW_STATISTICS ('dbo.Test2', 'S_Status');
/*
RANGE_HI_KEY RANGE_ROWS EQ_ROWS DISTINCT_RANGE_ROWS AVG_RANGE_ROWS
Failed 0 141420 0 1
Processed 0 1417080 0 1
Processing 0 141420 0 1
*/
这是我的存储过程 - 它首先标记适当的行(将它们的状态更改为“处理中”)并记录它们的 ID。
然后使用 ID 处理表中的行,然后再次将状态更新为“已处理”。
为简洁起见,我没有包括任何事务或错误检查。
CREATE PROCEDURE UpdateTest2News
AS
BEGIN
SET NOCOUNT ON;
CREATE TABLE #IDs_to_process (ID int PRIMARY KEY);
UPDATE test2
SET Status = 'Processing'
OUTPUT deleted.ID
INTO #IDs_to_process
WHERE Status = 'New';
UPDATE test2
SET Col2 = NEWID(),
Col3 = NEWID(),
Col4 = NEWID(),
Col5 = NEWID()
FROM test2
INNER JOIN #IDs_to_Process IDs ON test2.ID = IDs.ID;
UPDATE test2
SET Status = 'Processed'
FROM test2
INNER JOIN #IDs_to_Process IDs ON test2.ID = IDs.ID;
END;
然后我在 Test2 中添加一个新行(状态为“New”)。检查统计信息时,它们没有改变(没有发生足够的变化来强制更新)。
SELECT TOP 1 ID FROM dbo.test2 ORDER BY ID DESC; -- Getting the latest value for next step
/* Max ID = 1699920 */
INSERT INTO dbo.Test2 (ID, Status, Col2, Col3, Col4, Col5)
SELECT 1699921, 'New', NULL, NULL, NULL, NULL;
DBCC SHOW_STATISTICS ('dbo.Test2', 'S_Status');
/* Same as above */
DBCC SHOW_STATISTICS ('dbo.Test2', 'IX_test2_StatusNew');
/* No records represented in stats */
GO
现在,最后的步骤
- 运行
SET STATISTICS TIME, IO ON;
以查看处理统计信息 - 还设置“包括实际执行计划”以查看估计值与实际值等
EXEC UpdateTest2News
这是一个经过清理的版本统计数据 - 非常好。
Stats summary
SQL Server parse and compile time:
CPU time = 0 ms, elapsed time = 1 ms.
Table '#IDs_to_process___...________________0000000000BC'. Scan count 0, logical reads 2
Table 'test2'. Scan count 1, logical reads 7
Table 'Worktable'. Scan count 1, logical reads 5
SQL Server Execution Times:
CPU time = 0 ms, elapsed time = 14 ms.
SQL Server parse and compile time:
CPU time = 25 ms, elapsed time = 25 ms.
Table 'test2'. Scan count 0, logical reads 11
Table '#IDs_to_process________...__________0000000000BC'. Scan count 1, logical reads 2
SQL Server Execution Times:
CPU time = 0 ms, elapsed time = 593 ms.
SQL Server parse and compile time:
CPU time = 0 ms, elapsed time = 1 ms.
Table 'test2'. Scan count 0, logical reads 3
Table '#IDs_to_process_____...______0000000000BC'. Scan count 1, logical reads 2
SQL Server Execution Times:
CPU time = 0 ms, elapsed time = 45 ms.
SQL Server Execution Times:
CPU time = 61 ms, elapsed time = 683 ms.
这是执行计划/等,估计值与实际值也很好。
注意 - 它确实记住/缓存了执行计划,当您拥有大量不同数量的“新”行时,这可能会变成一个问题。
如果需要,您可以OPTION (RECOMPILE)
在存储过程中添加语句 2 或 3,以便它采用新的行数估计值。
如果需要,该命令UPDATE STATISTICS test2 (IX_test2_StatusNew) WITH fullscan
也很容易运行(因为该索引中几乎没有行) - 这可能对您的情况有所帮助。
推荐阅读
- macos - 有没有办法自动化内置在颜色选择器中的操作系统?
- angular - 作为对象接收的角度数据
- python - 如何在 Python 中查找字符串中的偶数
- python - 导入多个excel文件并合并成单个pandas df,源名称为列
- python - K.eval() 在 keras 中给出内存不足错误
- excel - 计算工作表中的特定字符
- git - 在 TFS/Git 2018 中创建拉取请求时不需要的默认审阅者
- python - 有什么比在 Python 中手动索引更好的选择?
- python - SMTP 没有合适的身份验证
- kendo-ui - Kendo MVC Grid - 编辑和删除命令图标太宽