Synapse SQL 中的统计信息

本文介绍了有关使用 Synapse SQL 资源创建和更新查询优化统计信息的建议和示例:专用 SQL 池和无服务器 SQL 池。

专用 SQL 池中的统计信息

为何使用统计信息

专用 SQL 池对数据了解得越多,它执行查询的速度就越快。 将数据加载到专用 SQL 池后,收集有关数据的统计信息就是对查询优化而言最重要的操作之一。

专用 SQL 池查询优化器是基于成本的优化器。 此优化器会对各种查询计划的成本进行比较,并选择成本最低的计划。 在大多数情况下,所选计划也是执行速度最快的计划。

例如,如果优化器预估在针对查询的日期进行筛选后将返回一行,它会选择某个计划。 如果它预计所选日期将返回 1 百万行,就会返回另一个计划。

自动创建统计信息

当数据库 AUTO_CREATE_STATISTICS 选项设置为 ON 时,专用 SQL 池引擎会分析传入的用户查询,确定是否缺少统计信息。 如果缺少统计信息,查询优化器会在查询谓词或联接条件中各个列上创建统计信息。

此功能用于改进查询计划的基数估计。

重要

默认情况下,自动创建统计信息目前处于开启状态。

你可以通过运行以下命令检查数据仓库是否已配置 AUTO_CREATE_STATISTICS:

SELECT name, is_auto_create_stats_on
FROM sys.databases

如果数据仓库未启用 AUTO_CREATE_STATISTICS,建议通过运行以下命令启用此属性:

ALTER DATABASE <yourdatawarehousename>
SET AUTO_CREATE_STATISTICS ON

当检测到包含联接或存在谓词时,以下语句将触发“自动创建统计信息”:

  • SELECT
  • INSERT-SELECT
  • CTAS
  • UPDATE
  • DELETE
  • 和 EXPLAIN

注意

不会在临时或外部表上生成“自动创建统计信息”。

自动创建统计信息是同步完成的。 如果列中缺少统计信息,可能会导致查询性能略有下降。 为单个列创建统计信息所耗用的时间取决于表的大小。

为了避免可测量的性能降低,应确保在分析系统之前先通过执行基准检验工作负载来创建统计信息。

注意

统计信息的创建会记录在其他用户上下文中的 sys.dm_pdw_exec_requests 中。

在创建自动统计信息时,它们将采用以下格式:WA_Sys<以十六进制表示的 8 位列 ID>_<以十六进制表示的 8 位表 ID>。 可以通过运行 DBCC SHOW_STATISTICS 命令,查看已创建的统计信息:

DBCC SHOW_STATISTICS (<table_name>, <target>)

Table_name 是包含要显示的统计信息的表的名称,该表不会是外部表。 目标是要为之显示统计信息的目标索引、统计信息或列的名称。

更新统计信息

最佳实践之一是每天在添加新日期后,更新有关日期列的统计信息。 每次有新行载入数据仓库时,就会添加新的加载日期或事务日期。 这些添加操作会更改数据分布情况并使统计信息过时。

有关客户表中的国家或地区列的统计信息可能永远不需要更新,因为值的分布不会经常发生变化。 假设客户间的分布固定不变,将新行添加到表变化并不会改变数据分布情况。

但是,如果数据仓库只包含一个国家或地区,并且引入了来自新国家或地区的数据,那么就需要更新有关国家或地区列的统计信息。

下面是关于更新统计信息的建议:

类型 建议
统计信息更新频率 保守:每日
在加载或转换数据之后
采样 如果行数少于 10 亿,则使用默认采样率 (20%)。
如果行数超过 10 亿,则使用 2% 的采样率。

确认上次统计信息更新时间

在排查查询问题时,首先要询问的问题之一就是 “统计信息是最新的吗?”

此问题无法根据数据期限得到答案。 如果对基础数据未做重大更改,则最新的统计信息对象有可能非常陈旧。 如果行数有明显变化或某列的值分布有重大变化,这时就需要更新统计信息。

没有可用的动态管理视图来确定自上次更新统计信息以来表中的数据是否发生了更改。 知晓统计信息的期限可帮助你了解部分情况。

可以使用以下查询来确定上次更新每个表的统计信息的时间。

注意

如果给定列的值分布有重大变化,则应该更新统计信息,不管上次更新时间为何。

SELECT
    sm.[name] AS [schema_name],
    tb.[name] AS [table_name],
    co.[name] AS [stats_column_name],
    st.[name] AS [stats_name],
    STATS_DATE(st.[object_id],st.[stats_id]) AS [stats_last_updated_date]
FROM
    sys.objects ob
    JOIN sys.stats st
        ON  ob.[object_id] = st.[object_id]
    JOIN sys.stats_columns sc
        ON  st.[stats_id] = sc.[stats_id]
        AND st.[object_id] = sc.[object_id]
    JOIN sys.columns co
        ON  sc.[column_id] = co.[column_id]
        AND sc.[object_id] = co.[object_id]
    JOIN sys.types  ty
        ON  co.[user_type_id] = ty.[user_type_id]
    JOIN sys.tables tb
        ON  co.[object_id] = tb.[object_id]
    JOIN sys.schemas sm
        ON  tb.[schema_id] = sm.[schema_id]
WHERE
    st.[user_created] = 1;

例如,数据仓库中的日期列往往需要经常更新统计信息。 每次有新行载入数据仓库时,就会添加新的加载日期或事务日期。 这些添加操作会更改数据分布情况并使统计信息过时。

客户表上性别列的统计信息可能永远不需要更新。 假设客户间的分布固定不变,将新行添加到表变化并不会改变数据分布情况。

如果数据仓库只包含一种性别,而新的要求导致多种性别,则需要更新性别列的统计信息。

有关详细信息,请查看统计信息一文。

实施统计信息管理

扩展数据加载过程通常是个不错的想法,可确保在加载结束时更新统计信息。 数据加载发生在表最为频繁地更改其大小和/或其值分布的时候。 因此,加载过程是实施某些管理过程的合理位置。

下面提供了有关在加载过程中更新统计信息的一些指导原则:

  • 确保加载的每个表至少包含一个更新的统计信息对象。 此过程会在统计信息更新过程中更新表大小(行计数和页计数)信息。
  • 将重点放在参与 JOIN、GROUP BY、ORDER BY 和 DISTINCT 子句的列上。
  • 考虑更频繁地更新“递增键”列(例如事务日期),因为这些值不包含在统计信息直方图中。
  • 考虑较不经常更新静态分布列。
  • 请记住,每个统计信息对象是按顺序更新的。 仅实现 UPDATE STATISTICS <TABLE_NAME> 不一定总很理想 - 尤其是对包含许多统计信息对象的宽型表而言。

有关详细信息,请参阅基数估计

示例:创建统计信息

以下示例演示如何使用各种选项来创建统计信息。 用于每个列的选项取决于数据特征以及在查询中使用列的方式。

使用默认选项创建单列统计信息

若要基于某个列创建统计信息,需要提供统计信息对象的名称和列的名称。 此语法使用所有默认选项。 默认情况下,专用 SQL 池在创建统计信息时对 20% 的表采样。

CREATE STATISTICS [statistics_name]
    ON [schema_name].[table_name]([column_name]);

例如:

CREATE STATISTICS col1_stats
    ON dbo.table1 (col1);

通过检查每个行创建单列统计信息

20% 的默认采样率足以应付大多数情况。 不过,可以调整采样率。 若要采样整个表,请使用此语法:

CREATE STATISTICS [statistics_name]
    ON [schema_name].[table_name]([column_name])
    WITH FULLSCAN;

例如:

CREATE STATISTICS col1_stats
    ON dbo.table1 (col1)
    WITH FULLSCAN;

通过指定样本大小创建单列统计信息

还可以选择以百分比形式指定样本大小:

CREATE STATISTICS col1_stats
    ON dbo.table1 (col1)
    WITH SAMPLE 50 PERCENT;

只对某些行创建单列统计信息

还可以针对表中的部分行创建统计信息,这称为经过筛选的统计信息。

例如,在计划查询大型分区表的特定分区时,可以使用筛选的统计信息。 通过只对分区值创建统计信息,可提高统计信息的准确度。 这样进而还能改善查询性能。

此示例会基于一系列的值创建统计信息。 可以轻松定义这些值以匹配分区中的值范围。

CREATE STATISTICS stats_col1
    ON table1(col1)
    WHERE col1 > '2000101' AND col1 < '20001231';

注意

若要让查询优化器在选择分布式查询计划时考虑使用筛选的统计信息,查询必须符合统计信息对象的定义。 使用上述示例,查询的 WHERE 子句需要指定介于 2000101 和 20001231 之间的 col1 值。

使用所有选项创建单列统计信息

也可以将选项组合在一起。 以下示例使用自定义样本大小创建筛选的统计信息对象:

CREATE STATISTICS stats_col1
    ON table1 (col1)
    WHERE col1 > '2000101' AND col1 < '20001231'
    WITH SAMPLE 50 PERCENT;

有关完整参考,请参阅 CREATE STATISTICS

创建多列统计信息

若要创建多列统计信息对象,请使用上述示例,但要指定更多的列。

注意

用于估计查询结果中行数的直方图只适用于统计信息对象定义中所列的第一个列。

在此示例中,直方图针对的是 product_category。 跨列统计信息是根据 product_category 和 product_sub_category 计算的:

CREATE STATISTICS stats_2cols
    ON table1 (product_category, product_sub_category)
    WHERE product_category > '2000101' AND product_category < '20001231'
    WITH SAMPLE 50 PERCENT;

由于 product_category 与 product_sub_category 之间存在关联,因此在同时访问这些列时,多列统计信息对象相当有用。 查询此表时,多列统计信息将改进对联接、GROUP BY 聚合、非重复计数和 WHERE 筛选器(只要主统计信息列是筛选器的一部分)的基数估计。

基于表中的所有列创建统计信息

创建统计信息的方法之一是在创建表后发出 CREATE STATISTICS 命令:

CREATE TABLE dbo.table1
(
   col1 int
,  col2 int
,  col3 int
)
WITH
  (
    CLUSTERED COLUMNSTORE INDEX
  )
;

CREATE STATISTICS stats_col1 on dbo.table1 (col1);
CREATE STATISTICS stats_col2 on dbo.table2 (col2);
CREATE STATISTICS stats_col3 on dbo.table3 (col3);

使用存储过程基于数据库中的所有列创建统计信息

SQL 池不提供相当于 SQL Server 中 sp_create_stats 的系统存储过程。 此存储过程将基于数据库中尚不包含统计信息的每个列创建单列统计信息对象。

以下示例可以帮助你开始进行数据库设计。 可以根据需要任意改写此存储过程:

CREATE PROCEDURE    [dbo].[prc_sqldw_create_stats]
(   @create_type    tinyint -- 1 default, 2 Fullscan, 3 Sample
,   @sample_pct     tinyint
)
AS

IF @create_type IS NULL
BEGIN
    SET @create_type = 1;
END;

IF @create_type NOT IN (1,2,3)
BEGIN
    THROW 151000,'Invalid value for @stats_type parameter. Valid range 1 (default), 2 (fullscan) or 3 (sample).',1;
END;

IF @sample_pct IS NULL
BEGIN;
    SET @sample_pct = 20;
END;

IF OBJECT_ID('tempdb..#stats_ddl') IS NOT NULL
BEGIN;
    DROP TABLE #stats_ddl;
END;

CREATE TABLE #stats_ddl
WITH    (   DISTRIBUTION    = HASH([seq_nmbr])
        ,   LOCATION        = USER_DB
        )
AS
WITH T
AS
(
SELECT      t.[name]                        AS [table_name]
,           s.[name]                        AS [table_schema_name]
,           c.[name]                        AS [column_name]
,           c.[column_id]                   AS [column_id]
,           t.[object_id]                   AS [object_id]
,           ROW_NUMBER()
            OVER(ORDER BY (SELECT NULL))    AS [seq_nmbr]
FROM        sys.[tables] t
JOIN        sys.[schemas] s         ON  t.[schema_id]       = s.[schema_id]
JOIN        sys.[columns] c         ON  t.[object_id]       = c.[object_id]
LEFT JOIN   sys.[stats_columns] l   ON  l.[object_id]       = c.[object_id]
                                    AND l.[column_id]       = c.[column_id]
                                    AND l.[stats_column_id] = 1
LEFT JOIN    sys.[external_tables] e    ON    e.[object_id]        = t.[object_id]
WHERE       l.[object_id] IS NULL
AND            e.[object_id] IS NULL -- not an external table
)
SELECT  [table_schema_name]
,       [table_name]
,       [column_name]
,       [column_id]
,       [object_id]
,       [seq_nmbr]
,       CASE @create_type
        WHEN 1
        THEN    CAST('CREATE STATISTICS '+QUOTENAME('stat_'+table_schema_name+ '_' + table_name + '_'+column_name)+' ON '+QUOTENAME(table_schema_name)+'.'+QUOTENAME(table_name)+'('+QUOTENAME(column_name)+')' AS VARCHAR(8000))
        WHEN 2
        THEN    CAST('CREATE STATISTICS '+QUOTENAME('stat_'+table_schema_name+ '_' + table_name + '_'+column_name)+' ON '+QUOTENAME(table_schema_name)+'.'+QUOTENAME(table_name)+'('+QUOTENAME(column_name)+') WITH FULLSCAN' AS VARCHAR(8000))
        WHEN 3
        THEN    CAST('CREATE STATISTICS '+QUOTENAME('stat_'+table_schema_name+ '_' + table_name + '_'+column_name)+' ON '+QUOTENAME(table_schema_name)+'.'+QUOTENAME(table_name)+'('+QUOTENAME(column_name)+') WITH SAMPLE '+CONVERT(varchar(4),@sample_pct)+' PERCENT' AS VARCHAR(8000))
        END AS create_stat_ddl
FROM T
;

DECLARE @i INT              = 1
,       @t INT              = (SELECT COUNT(*) FROM #stats_ddl)
,       @s NVARCHAR(4000)   = N''
;

WHILE @i <= @t
BEGIN
    SET @s=(SELECT create_stat_ddl FROM #stats_ddl WHERE seq_nmbr = @i);

    PRINT @s
    EXEC sp_executesql @s
    SET @i+=1;
END

DROP TABLE #stats_ddl;

要使用默认操作基于表中的所有列创建统计信息,请执行该存储过程。

EXEC [dbo].[prc_sqldw_create_stats] 1, NULL;

要通过全面扫描基于表中的所有列创建统计信息,只需调用该过程即可:

EXEC [dbo].[prc_sqldw_create_stats] 2, NULL;

要对表中的所有列创建示例统计信息,请输入 3 和示例百分比。 以下过程使用 20% 的采样率。

EXEC [dbo].[prc_sqldw_create_stats] 3, 20;

示例:更新统计信息

要更新统计信息,可以:

  • 更新一个统计信息对象。 指定要更新的统计信息对象名称。
  • 更新表中的所有统计信息对象。 指定表名称,而不是一个特定的统计信息对象。

更新一个特定的统计信息对象

使用以下语法来更新特定的统计信息对象:

UPDATE STATISTICS [schema_name].[table_name]([stat_name]);

例如:

UPDATE STATISTICS [dbo].[table1] ([stats_col1]);

通过更新特定统计信息对象,可以减少管理统计信息所需的时间和资源。 为了选择要更新的最佳统计信息对象,执行此操作时,需要进行一定考量。

更新表的所有统计信息

用于更新表中所有统计信息对象的一个简单方法如下:

UPDATE STATISTICS [schema_name].[table_name];

例如:

UPDATE STATISTICS dbo.table1;

UPDATE STATISTICS 语句的使用很简单。 只需要记住,它会更新表中的所有统计信息,因此执行的工作可能会超过所需的数量。

如果性能不是一个考虑因素,此办法就是保证拥有最新统计信息的最简单、最全面的操作方式。

注意

更新表中的所有统计信息时,专用 SQL 池会执行扫描,以便针对每个统计信息对象进行表采样。 如果表很大、包含许多列和许多统计信息,则根据需要更新各项统计信息可能比较有效率。

有关 UPDATE STATISTICS 过程的实现,请参阅临时表。 实现方法与上述 CREATE STATISTICS 过程略有不同,但最终结果相同。 有关完整语法,请参阅更新统计信息

统计信息元数据

可以使用多个系统视图和函数来查找有关统计信息的信息。 例如,可通过使用 STATS_DATE() 函数,了解统计信息对象是否可能已过时。 使用 STATS_DATE(),可以查看上次创建或更新统计信息的时间。

统计信息的目录视图

这些系统视图提供有关统计信息的信息:

目录视图 说明
sys.columns 针对每个列提供一行。
sys.objects 针对数据库中的每个对象提供一行。
sys.schemas 针对数据库中的每个架构提供一行。
sys.stats 针对每个统计信息对象提供一行。
sys.stats_columns 针对统计信息对象中的每个列提供一行。 链接回到 sys.columns。
sys.tables 针对每个表(包括外部表)提供一行。
sys.table_types 针对每个数据类型提供一行。

统计信息的系统函数

这些系统函数适合用于处理统计信息:

系统函数 说明
STATS_DATE 上次更新统计信息对象的日期。
DBCC SHOW_STATISTICS 有关统计信息对象识别的值分布的摘要级别和详细信息。

将统计信息列和函数合并成一个视图

此视图将统计信息相关的列以及 STATS_DATE() 函数的结果合并在一起。

CREATE VIEW dbo.vstats_columns
AS
SELECT
        sm.[name]                           AS [schema_name]
,       tb.[name]                           AS [table_name]
,       st.[name]                           AS [stats_name]
,       st.[filter_definition]              AS [stats_filter_definition]
,       st.[has_filter]                     AS [stats_is_filtered]
,       STATS_DATE(st.[object_id],st.[stats_id])
                                            AS [stats_last_updated_date]
,       co.[name]                           AS [stats_column_name]
,       ty.[name]                           AS [column_type]
,       co.[max_length]                     AS [column_max_length]
,       co.[precision]                      AS [column_precision]
,       co.[scale]                          AS [column_scale]
,       co.[is_nullable]                    AS [column_is_nullable]
,       co.[collation_name]                 AS [column_collation_name]
,       QUOTENAME(sm.[name])+'.'+QUOTENAME(tb.[name])
                                            AS two_part_name
,       QUOTENAME(DB_NAME())+'.'+QUOTENAME(sm.[name])+'.'+QUOTENAME(tb.[name])
                                            AS three_part_name
FROM    sys.objects                         AS ob
JOIN    sys.stats           AS st ON    ob.[object_id]      = st.[object_id]
JOIN    sys.stats_columns   AS sc ON    st.[stats_id]       = sc.[stats_id]
                            AND         st.[object_id]      = sc.[object_id]
JOIN    sys.columns         AS co ON    sc.[column_id]      = co.[column_id]
                            AND         sc.[object_id]      = co.[object_id]
JOIN    sys.types           AS ty ON    co.[user_type_id]   = ty.[user_type_id]
JOIN    sys.tables          AS tb ON    co.[object_id]      = tb.[object_id]
JOIN    sys.schemas         AS sm ON    tb.[schema_id]      = sm.[schema_id]
WHERE   1=1
AND     st.[user_created] = 1
;

DBCC SHOW_STATISTICS() 示例

DBCC SHOW_STATISTICS() 显示统计信息对象中保存的数据。 这些数据包括三个组成部分:

  • 标头
  • 密度矢量
  • 直方图

标头是有关统计信息的元数据。 直方图显示统计信息对象的第一个键列中的值分布。

密度向量可度量跨列相关性。 专用 SQL 池使用统计信息对象中的任何数据来计算基数估计值。

显示标头、密度和直方图

此简单示例显示了统计信息对象的所有三个组成部分:

DBCC SHOW_STATISTICS([<schema_name>.<table_name>],<stats_name>)

例如:

DBCC SHOW_STATISTICS ('dbo.table1', 'stats_col1');

显示 DBCC SHOW_STATISTICS() 的一个或多个组成部分

如果只想要查看特定部分,请使用 WITH 子句并指定要查看哪些部分:

DBCC SHOW_STATISTICS([<schema_name>.<table_name>],<stats_name>)
    WITH stat_header, histogram, density_vector

例如:

DBCC SHOW_STATISTICS ('dbo.table1', 'stats_col1')
    WITH histogram, density_vector

DBCC SHOW_STATISTICS() 差异

与在 SQL Server 中相比,DBCC SHOW_STATISTICS() 在专用 SQL 池中的实现相对更严格:

  • 未阐述的功能不受支持。
  • 不能使用 Stats_stream。
  • 不能联接特定统计信息子集的结果。 例如,STAT_HEADER JOIN DENSITY_VECTOR。
  • 不能针对消息隐藏设置 NO_INFOMSGS。
  • 不能在统计信息名称的前后使用方括号。
  • 不能使用列名来标识统计信息对象。
  • 不支持自定义错误 2767。

无服务器 SQL 池中的统计信息

统计信息按特定数据集(存储路径)的特定列进行创建。

注意

无法为 LOB 列创建统计信息。

为何使用统计信息

无服务器 SQL 池对数据了解得越多,其针对数据执行查询的速度就越快。 收集数据统计信息对于查询优化而言是最重要的操作之一。

无服务器 SQL 池查询优化器是基于成本的优化器。 此优化器会对各种查询计划的成本进行比较,并选择成本最低的计划。 在大多数情况下,所选计划也是执行速度最快的计划。

例如,如果优化器估计查询筛选的日期会返回一行数据,则它会选择一个计划。 如果它估计所选日期会返回 1 百万行,则会选取另一个计划。

自动创建统计信息

无服务器 SQL 池会分析传入的用户查询,确定是否缺少统计信息。 如果缺少统计信息,查询优化器在查询谓词或联接条件中各个列上创建统计信息,以改进查询计划的基数估计。

SELECT 语句将触发“自动创建统计信息”。

注意

为了自动创建统计信息,会使用采样,在大多数情况下,采样百分比将小于 100%。 此流对于每种文件格式都是相同的。 请记住,不支持使用分析程序 1.0 版采样读取 CSV 时,不会在采样百分比低于 100% 的情况下自动创建统计信息。 对于基数估计较低(行数)的小型表,会触发自动创建统计信息,采样百分比为 100%。 这基本上意味着会触发完全扫描,并且即使对于分析器版本 1.0 的 CSV,也会创建自动统计信息。

自动创建统计信息是同步完成的,因此,如果列缺少统计信息,可能会导致查询性能略微下降。 为单个列创建统计信息所耗用的时间取决于目标文件的大小。

手动创建统计信息

使用无服务器 SQL 池,可以手动创建统计信息。 如果将分析程序版本 1.0 与 CSV 结合使用,可能需要手动创建统计信息,因为此分析程序版本不支持采样。 分析程序版本 1.0 时不会自动创建统计信息,除非采样百分比为 100%。

有关如何手动创建统计信息的说明,请参见以下示例。

更新统计信息

更改文件中的数据、删除和添加文件会导致数据分发更改并使统计信息过时。 在这种情况下,需要更新统计信息。

如果数据发生了重大更改,则无服务器 SQL 池会自动重新创建统计信息。 每次自动创建统计信息时,会同时保存数据集的当前状态:文件路径、大小、上次修改日期。

当统计信息已过时,将创建新的统计信息。 相关算法会遍历数据,并将其与数据集的当前状态进行比较。 如果更改内容的大小超过特定阈值,会删除旧的统计信息,并在新数据集上重新创建统计信息。

手动统计信息永远不会声明为过时信息。

注意

为了自动重新创建统计信息,会使用采样,在大多数情况下,采样百分比将小于 100%。 此流对于每种文件格式都是相同的。 请记住,不支持使用分析程序 1.0 版采样读取 CSV 时,不会在采样百分比低于 100% 的情况下自动重新创建统计信息。 在这种情况下,需要手动删除并重新创建统计信息。 查看以下示例,了解如何删除和创建统计信息。 对于基数估计较低(行数)的小型表,会触发自动重新创建统计信息,采样百分比为 100%。 这基本上意味着会触发完全扫描,并且即使对于分析器版本 1.0 的 CSV,也会创建自动统计信息。

在排查查询问题时,首先要询问的问题之一就是 “统计信息是最新的吗?”

如果行数有明显变化或给定列的值分布有重大变化,这时就需要更新统计信息。

注意

如果给定列的值分布有重大变化,则应该更新统计信息,不管上次更新时间为何。

实施统计信息管理

你可能需要扩展数据管道,以便在因添加、删除或更改文件而导致数据发生重大更改时能确保更新统计信息。

下面提供了有关更新统计信息的一些指导原则:

  • 确保数据集至少更新了一个统计信息对象。 这会在统计信息更新过程中更新大小(行计数和页计数)信息。
  • 将重点放在参与 WHERE、JOIN、GROUP BY、ORDER BY 和 DISTINCT 子句的列上。
  • 更频繁地更新“递增键”列(例如事务日期),因为这些值不包含在统计信息直方图中。
  • 相对不那么频繁地更新静态分布列。

有关详细信息,请参阅基数估计

示例:为 OPENROWSET 路径中的列创建统计信息

以下示例演示如何使用各种选项来创建 Azure Synapse 无服务器 SQL 池中的统计信息。 用于每个列的选项取决于数据特征以及在查询中使用列的方式。 有关这些示例中使用的存储过程的详细信息,请查看仅适用于无服务器 SQL 池的 sys.sp_create_Openrowset_Statisticssys.sp_drop_Openrowset_Statistics

注意

目前只能创建单列统计信息。

执行 sp_create_openrowset_statisticssp_drop_openrowset_statistics 需要以下权限:ADMINISTER BULK OPERATIONS 或 ADMINISTER DATABASE BULK OPERATIONS。

以下存储过程用于创建统计信息:

sys.sp_create_openrowset_statistics [ @stmt = ] N'statement_text'

参数:[ @stmt = ] N'statement_text' - 指定 Transact-SQL 语句,可返回要用于统计信息的列值。 可以使用 TABLESAMPLE 来指定要使用的数据的示例。 如果未指定 TABLESAMPLE,将使用 FULLSCAN。

<tablesample_clause> ::= TABLESAMPLE ( sample_number PERCENT )

注意

如果正在使用分析程序版本 1.0,则 CSV 采样不起作用,分析程序版本 1.0 的 CSV 仅支持 FULLSCAN。

通过检查每个行创建单列统计信息

若要对列创建统计信息,请提供一个查询,该查询返回需要统计信息的列。

默认情况下,如果手动创建统计信息时未指定列,则无服务器 SQL 池在创建统计信息时会使用数据集中提供的全部数据。

例如,若要使用默认选项 (FULLSCAN) 为基于 us_population.csv 文件的数据集的人口列创建统计信息,请执行以下操作:


EXEC sys.sp_create_openrowset_statistics N'SELECT 
    population
FROM OPENROWSET(
    BULK ''Https://azureopendatastorage.blob.core.windows.net/censusdatacontainer/raw_us_population_county/us_population.csv'',
    FORMAT = ''CSV'',
    PARSER_VERSION = ''2.0'',
    HEADER_ROW = TRUE)
AS [r]'

通过指定样本大小创建单列统计信息

可以以百分比指定样本大小:

/* make sure you have credentials for storage account access created
IF EXISTS (SELECT * FROM sys.credentials WHERE name = 'https://azureopendatastorage.blob.core.windows.net/censusdatacontainer')
DROP CREDENTIAL [https://azureopendatastorage.blob.core.windows.net/censusdatacontainer]
GO

CREATE CREDENTIAL [https://azureopendatastorage.blob.core.windows.net/censusdatacontainer]  
WITH IDENTITY='SHARED ACCESS SIGNATURE',  
SECRET = ''
GO
*/

EXEC sys.sp_create_openrowset_statistics N'SELECT payment_type
FROM OPENROWSET(
        BULK ''https://sqlondemandstorage.blob.core.windows.net/parquet/taxi/year=2018/month=6/*.parquet'',
         FORMAT = ''PARQUET''
    ) AS [nyc]
    TABLESAMPLE(5 PERCENT)
'

示例:更新统计信息

若要更新统计信息,需要删除并创建统计信息。 有关详细信息,请查看 sys.sp_create_openrowset_statisticssys.sp_drop_openrowset_statistics

sys.sp_drop_openrowset_statistics 存储过程用于删除统计信息:

sys.sp_drop_openrowset_statistics [ @stmt = ] N'statement_text'

注意

执行 sp_create_openrowset_statisticssp_drop_openrowset_statistics 需要以下权限:ADMINISTER BULK OPERATIONS 或 ADMINISTER DATABASE BULK OPERATIONS。

参数:[ @stmt = ] N'statement_text' - 指定创建统计信息时使用的同一 Transact-SQL 语句。

若要更新数据集(基于“population.csv”文件)中“年份”列的统计信息,需要删除并创建统计信息:

EXEC sys.sp_drop_openrowset_statistics N'SELECT payment_type
FROM OPENROWSET(
        BULK ''https://sqlondemandstorage.blob.core.windows.net/parquet/taxi/year=2018/month=6/*.parquet'',
         FORMAT = ''PARQUET''
    ) AS [nyc]
    TABLESAMPLE(5 PERCENT)
'
GO

/* make sure you have credentials for storage account access created
IF EXISTS (SELECT * FROM sys.credentials WHERE name = 'https://azureopendatastorage.blob.core.windows.net/censusdatacontainer')
DROP CREDENTIAL [https://azureopendatastorage.blob.core.windows.net/censusdatacontainer]
GO

CREATE CREDENTIAL [https://azureopendatastorage.blob.core.windows.net/censusdatacontainer]  
WITH IDENTITY='SHARED ACCESS SIGNATURE',  
SECRET = ''
GO
*/

EXEC sys.sp_create_openrowset_statistics N'SELECT payment_type
FROM OPENROWSET(
        BULK ''https://sqlondemandstorage.blob.core.windows.net/parquet/taxi/year=2018/month=6/*.parquet'',
         FORMAT = ''PARQUET''
    ) AS [nyc]
    TABLESAMPLE(5 PERCENT)
'

示例:为外部表列创建统计信息

以下示例演示如何使用各种选项来创建统计信息。 用于每个列的选项取决于数据特征以及在查询中使用列的方式。

注意

目前只能创建单列统计信息。

若要基于某个列创建统计信息,需要提供统计信息对象的名称和列的名称。

CREATE STATISTICS statistics_name
ON { external_table } ( column )
    WITH
        { FULLSCAN
          | [ SAMPLE number PERCENT ] }
        , { NORECOMPUTE }

参数:external_table 指定应创建统计信息的外部表。

FULLSCAN 通过扫描所有行来计算统计信息。 FULLSCAN 和 SAMPLE 100 PERCENT 的结果相同。 FULLSCAN 不能与 SAMPLE 选项一起使用。

SAMPLE 数量 PERCENT 指定在查询优化器创建统计信息时所使用的表或索引视图中的近似行百分比或行数。 数字可以介于 0 到 100 之间。

SAMPLE 不能与 FULLSCAN 选项一起使用。

注意

如果正在使用分析程序版本 1.0,则 CSV 采样不起作用,分析程序版本 1.0 的 CSV 仅支持 FULLSCAN。

通过检查每个行创建单列统计信息

CREATE STATISTICS sState
    on census_external_table (STATENAME)
    WITH FULLSCAN, NORECOMPUTE

通过指定样本大小创建单列统计信息

-- following sample creates statistics with sampling 5%
CREATE STATISTICS sState
    on census_external_table (STATENAME)
    WITH SAMPLE 5 percent, NORECOMPUTE

示例:更新统计信息

若要更新统计信息,需要删除并创建统计信息。 首先删除统计信息:

DROP STATISTICS census_external_table.sState

然后创建统计信息:

CREATE STATISTICS sState
    on census_external_table (STATENAME)
    WITH FULLSCAN, NORECOMPUTE

统计信息元数据

可以使用多个系统视图和函数来查找有关统计信息的信息。 例如,可通过使用 STATS_DATE() 函数,了解统计信息对象是否可能已过时。 使用 STATS_DATE(),可以查看上次创建或更新统计信息的时间。

注意

统计信息元数据仅适用于外部表列。 统计信息元数据不适用于 OPENROWSET 列。

统计信息的目录视图

这些系统视图提供有关统计信息的信息:

目录视图 说明
sys.columns 针对每个列提供一行。
sys.objects 针对数据库中的每个对象提供一行。
sys.schemas 针对数据库中的每个架构提供一行。
sys.stats 针对每个统计信息对象提供一行。
sys.stats_columns 针对统计信息对象中的每个列提供一行。 链接回到 sys.columns。
sys.tables 针对每个表(包括外部表)提供一行。
sys.table_types 针对每个数据类型提供一行。

统计信息的系统函数

这些系统函数适合用于处理统计信息:

系统函数 说明
STATS_DATE 上次更新统计信息对象的日期。

将统计信息列和函数合并成一个视图

此视图将统计信息相关的列以及 STATS_DATE() 函数的结果合并在一起。

CREATE VIEW dbo.vstats_columns
AS
SELECT
        sm.[name]                           AS [schema_name]
,       tb.[name]                           AS [table_name]
,       st.[name]                           AS [stats_name]
,       st.[filter_definition]              AS [stats_filter_definition]
,       st.[has_filter]                     AS [stats_is_filtered]
,       STATS_DATE(st.[object_id],st.[stats_id])
                                            AS [stats_last_updated_date]
,       co.[name]                           AS [stats_column_name]
,       ty.[name]                           AS [column_type]
,       co.[max_length]                     AS [column_max_length]
,       co.[precision]                      AS [column_precision]
,       co.[scale]                          AS [column_scale]
,       co.[is_nullable]                    AS [column_is_nullable]
,       co.[collation_name]                 AS [column_collation_name]
,       QUOTENAME(sm.[name])+'.'+QUOTENAME(tb.[name])
                                            AS two_part_name
,       QUOTENAME(DB_NAME())+'.'+QUOTENAME(sm.[name])+'.'+QUOTENAME(tb.[name])
                                            AS three_part_name
FROM    sys.objects                         AS ob
JOIN    sys.stats           AS st ON    ob.[object_id]      = st.[object_id]
JOIN    sys.stats_columns   AS sc ON    st.[stats_id]       = sc.[stats_id]
                            AND         st.[object_id]      = sc.[object_id]
JOIN    sys.columns         AS co ON    sc.[column_id]      = co.[column_id]
                            AND         sc.[object_id]      = co.[object_id]
JOIN    sys.types           AS ty ON    co.[user_type_id]   = ty.[user_type_id]
JOIN    sys.tables          AS tb ON    co.[object_id]      = tb.[object_id]
JOIN    sys.schemas         AS sm ON    tb.[schema_id]      = sm.[schema_id]
WHERE   st.[user_created] = 1
;

后续步骤

若要进一步改进专用 SQL 池的查询性能,请参阅监视工作负载适用于专用 SQL 池的最佳做法

若要进一步改进无服务器 SQL 池的查询性能,请参阅适用于无服务器 SQL 池的最佳做法