使用自增长键列值的统计信息

今天的文章里我想谈下SQL Server里非常普遍的问题：如何处理用自增长键列的统计信息。我们都知道，在SQL Server里每个统计信息对象都有关联的直方图。直方图用多个步长描述指定列数据分布情况。在一个直方图里，SQL Server最大支持200的步长，但当你查询的数据范围在直方图最后步长后，这是个问题。我们来看下面的代码，重现这个情形： 

-- Create a simple orders table
CREATE TABLE Orders
(
    OrderDate DATE NOT NULL,
    Col2 INT NOT NULL,
    Col3 INT NOT NULL
)
GO

-- Create a Non-Unique Clustered Index on the table
CREATE CLUSTERED INDEX idx_CI ON Orders(OrderDate)
GO

-- Insert 31465 rows from the AdventureWorks2008r2 database
INSERT INTO Orders (OrderDate, Col2, Col3) SELECT OrderDate, CustomerID, TerritoryID FROM AdventureWorks2008R2.Sales.SalesOrderHeader
GO

-- Rebuild the Clustered Index, so that we get fresh statistics.
-- The last value in the Histogram is 2008-07-31.
ALTER INDEX idx_CI ON Orders REBUILD
GO

-- Insert 200 additional rows *after* the last step in the Histogram
INSERT INTO Orders (OrderDate, Col2, Col3)
VALUES ('20100101', 1, 1)
GO 200

在索引重建后，我们再看下直方图，我们发现最后步进的值是2008-07-31。

DBCC SHOW_STATISTICS('dbo.Orders', 'idx_CI') WITH HISTOGRAM

你已经看到，在最后步进到表里后，我们插入了200条额外记录。这样的话，直方图并没有真实反馈实际的数据分布情况，但SQL Server还是要进行基数计算。我们现在来看看在不同版本里SQL Server是如何处理这个问题的。

SQL Server 2005 SP1- SQL Server 2012

在SQL Server 2014之前，基数计算对此问题的处理非常简单：SQL Server估计行数为1，你可以从下面的图片里看到。

点击工具栏的显示包含实际的执行计划，并执行如下查询：

SELECT * FROM dbo.Orders WHERE OrderDate='2010-01-01'

自SQL Server 2005 SP1起，查询优化器可以标记1列为自增长（Ascending）来克服刚才介绍的限制。如果你用自增长列值更新了统计信息对象3次，那列就会被标记为自增长列。为了看有没有列标记为自增长，你可以使用跟踪标记2388。当你启用这个跟踪标记，DBCC SHOW_STATISTICS的输出就改变了，有额外列返回。 

DBCC TRACEON(2388)
DBCC SHOW_STATISTICS('dbo.Orders', 'idx_CI')

 

现在下面的代码更新统计信息3次，每次用自增长键列值在我们聚集索引末尾插入行。 

-- => 1st update the Statistics on the table with a FULLSCAN
UPDATE STATISTICS Orders WITH FULLSCAN
GO

-- Insert 200 additional rows *after* the last step in the Histogram
INSERT INTO Orders (OrderDate, Col2, Col3)
VALUES ('20100201', 1, 1)
GO 200

-- => 2nd update the Statistics on the table with a FULLSCAN
UPDATE STATISTICS Orders WITH FULLSCAN
GO

-- Insert 200 additional rows *after* the last step in the Histogram
INSERT INTO Orders (OrderDate, Col2, Col3)
VALUES ('20100301', 1, 1)
GO 200

-- => 3rd update the Statistics on the table with a FULLSCAN
UPDATE STATISTICS Orders WITH FULLSCAN
GO

然后，当我们执行DBCC SHOW_STATISTICS命令，你会看到SQL Server已讲那列标记为Ascending。

DBCC TRACEON(2388)
DBCC SHOW_STATISTICS('dbo.Orders', 'idx_CI')

现在当你再次执行查询不是直方图范围的数据时，没有任何改变。为了使用标记为自增长键列，你要启用另外一个跟踪标记-2389。如果你启用这个跟踪标记，查询优化器就是密度向量（Density Vector）来进行基数计算。

-- Now we query the newly inserted range which is currently not present in the Histogram.
-- With Trace Flag 2389, the Query Optimizer uses the Density Vector to make the Cardinality Estimation.
SELECT * FROM Orders
WHERE OrderDate = '20100401'
OPTION (RECOMPILE, QUERYTRACEON 2389)
GO

来看下现在的表密度：

DBCC TRACEOFF(2388)
DBCC SHOW_STATISTICS('dbo.Orders', 'idx_CI')

现在的表密度是0.0008873115，因此查询优化器的估计行数是28.4516：0.0008873115*（32265-200）。

这虽然不是最好的结果，但比估计行数1好很多！ 

（这里有问题，我本地是SQL Server 2008r2，测试估计行数还是1，不知原因，望知道的朋友解释下，多谢！

) 

SQL Server 2014

在SQL Server 2014引入的一个新功能是新基数计算。新基数计算对于自增长键问题的处理非常简单：默认不使用任何跟踪标记，来使用统计信息对象的密度向量来进行基数计算。下面查询启用2312跟踪标记的基数计算来运行同个查询。 

-- With the new Cardinality Estimator SQL Server estimates 28.4516 rows at the Clustered Index Seek operator.
SELECT * FROM Orders
WHERE OrderDate = '20100401'
OPTION (RECOMPILE, QUERYTRACEON 2312)
GO

我们来看这里的基数计算，你会看到查询优化器再次估计行数是28.4516，但这一次没表上自增长。这是SQL Server 2014的自带功能。 

（SQL Server 2014测试失败，估计行数也是1……）

小结

在这篇文章，我向你展示了SQL Server的查询优化器如何处理自增长键问题。在SQL Server 2014之前，你需要启用2389跟踪标记来获得更好的基数计算——这样的话那列会标记为自增长（ascending）。SQL Server 2014，查询优化器默认就使用密度向量来进行基数计算，这样就方便很多。我希望你对此有所收获，在SQL Server里如何处理自增长键列问题你会有更好的想法。

感谢关注！

参考文章：

https://www.sqlpassion.at/archive/2014/05/19/statistics-with-ascending-key-column-values/