直方图(Histogram)

直方图(Histogram)是数据库优化器统计信息的一种形式,用于刻画某一列中数据值的分布。它将列的取值范围划分为多个区间(桶),记录每个桶内的数据量或频率,帮助优化器估算给定条件命中多少行,即选择率。

概述

优化器在选择执行计划时,需要预估各操作会处理的行数。若只知道列的最大最小值和总行数,对于分布均匀的数据尚可,但当数据严重倾斜(如某个热门取值占比极高)时,均匀假设会导致估算严重失真,进而选错索引或连接方式。直方图通过刻画真实分布来纠正这一偏差。

核心特点

• 等宽直方图:按值区间等分,每桶宽度相同,记录落入桶内的行数。
• 等高直方图:每桶包含大致相同的行数,对倾斜数据描述更精细。
• 频率直方图:当不同值较少时,直接记录每个值的出现次数。
• 需定期维护:数据变化后统计信息会过期,需重新收集以保持准确。

应用场景

直方图在数据分布倾斜的列上价值最大,例如状态字段中绝大多数为已完成、少量为异常,或地区字段中人口高度集中的取值。借助直方图,优化器能识别出稀有值查询应走索引、高频值查询应走全表扫描的差异,从而选出更优计划。

常见问题

问:什么时候需要手动创建直方图?答:当某列分布明显倾斜且频繁出现在过滤条件中,而优化器默认未收集时,可手动为其建立直方图以改善估算。

问:直方图桶数越多越好吗?答:桶数越多描述越精细,但收集与存储开销也越大,应在准确度与维护成本之间平衡,通常取有限的桶数即可覆盖主要分布特征。