收集表统计信息

ANALYZE_STATISTICS 从存储目标表投影的所有节点中收集并聚合数据样本和存储信息。

您可以在多个级别中设置收集的范围：

数据库
表
表列

ANALYZE_STATISTICS 还可以控制它收集的数据样本的大小。

分析所有数据库表

如果 ANALYZE_STATISTICS 未指定表，则它将收集所有数据库表及其投影的统计信息。例如：

=> SELECT ANALYZE_STATISTICS ('');
 ANALYZE_STATISTICS
--------------------
                  0
(1 row)

分析单个表

您可以按以下方式计算单个表的统计信息：

=> SELECT ANALYZE_STATISTICS ('public.store_orders_fact');
 ANALYZE_STATISTICS
--------------------
                  0
(1 row)

当您查询系统表 PROJECTION_COLUMNS 时，它将确认已在所有表列中收集 store_orders_fact 所有投影的统计信息：

=> SELECT projection_name, statistics_type, table_column_name,statistics_updated_timestamp
    FROM projection_columns WHERE projection_name ilike 'store_orders_fact%' AND table_schema='public';
   projection_name    | statistics_type | table_column_name | statistics_updated_timestamp
----------------------+-----------------+-------------------+-------------------------------
 store_orders_fact_b0 | FULL            | product_key       | 2019-04-04 18:06:55.747329-04
 store_orders_fact_b0 | FULL            | product_version   | 2019-04-04 18:06:55.747329-04
 store_orders_fact_b0 | FULL            | store_key         | 2019-04-04 18:06:55.747329-04
 store_orders_fact_b0 | FULL            | vendor_key        | 2019-04-04 18:06:55.747329-04
 store_orders_fact_b0 | FULL            | employee_key      | 2019-04-04 18:06:55.747329-04
 store_orders_fact_b0 | FULL            | order_number      | 2019-04-04 18:06:55.747329-04
 store_orders_fact_b0 | FULL            | date_ordered      | 2019-04-04 18:06:55.747329-04
 store_orders_fact_b0 | FULL            | date_shipped      | 2019-04-04 18:06:55.747329-04
 store_orders_fact_b0 | FULL            | quantity_ordered  | 2019-04-04 18:06:55.747329-04
 store_orders_fact_b0 | FULL            | shipper_name      | 2019-04-04 18:06:55.747329-04
 store_orders_fact_b1 | FULL            | product_key       | 2019-04-04 18:06:55.747329-04
 store_orders_fact_b1 | FULL            | product_version   | 2019-04-04 18:06:55.747329-04
...
(20 rows)

分析表列

在表中，您可以将分析范围缩小到其列的子集。通过这种方式，可以为包含许多列的大型表节省大量的处理开销。如果您经常查询这些表中的特定列，则此功能十分有用。

重要

如果您收集特定列的统计信息，请确保包括可能要查询的所有列。如果查询包括该表中的其他列，则查询优化器认为该查询的统计信息不完整，并将在其计划中忽略它们。

例如，您可以仅选择那些经常查询的列，而不是收集 store_orders_fact 中所有列的统计信息：product_key、product_version、order_number 和 quantity_shipped：

=> SELECT DROP_STATISTICS('public.store_orders_fact');
=> SELECT ANALYZE_STATISTICS ('public.store_orders_fact', 'product_key, product_version, order_number, quantity_ordered');
 ANALYZE_STATISTICS
--------------------
                  0
(1 row)

如果再次查询 PROJECTION_COLUMNS，它将返回以下结果：

=> SELECT projection_name, statistics_type, table_column_name,statistics_updated_timestamp
    FROM projection_columns WHERE projection_name ilike 'store_orders_fact%' AND table_schema='public';
   projection_name    | statistics_type | table_column_name | statistics_updated_timestamp
----------------------+-----------------+-------------------+------------------------------
 store_orders_fact_b0 | FULL            | product_key       | 2019-04-04 18:09:40.05452-04
 store_orders_fact_b0 | FULL            | product_version   | 2019-04-04 18:09:40.05452-04
 store_orders_fact_b0 | ROWCOUNT        | store_key         | 2019-04-04 18:09:40.05452-04
 store_orders_fact_b0 | ROWCOUNT        | vendor_key        | 2019-04-04 18:09:40.05452-04
 store_orders_fact_b0 | ROWCOUNT        | employee_key      | 2019-04-04 18:09:40.05452-04
 store_orders_fact_b0 | FULL            | order_number      | 2019-04-04 18:09:40.05452-04
 store_orders_fact_b0 | ROWCOUNT        | date_ordered      | 2019-04-04 18:09:40.05452-04
 store_orders_fact_b0 | ROWCOUNT        | date_shipped      | 2019-04-04 18:09:40.05452-04
 store_orders_fact_b0 | FULL            | quantity_ordered  | 2019-04-04 18:09:40.05452-04
 store_orders_fact_b0 | ROWCOUNT        | shipper_name      | 2019-04-04 18:09:40.05452-04
 store_orders_fact_b1 | FULL            | product_key       | 2019-04-04 18:09:40.05452-04
 store_orders_fact_b1 | FULL            | product_version   | 2019-04-04 18:09:40.05452-04
 store_orders_fact_b1 | ROWCOUNT        | store_key         | 2019-04-04 18:09:40.05452-04
 store_orders_fact_b1 | ROWCOUNT        | vendor_key        | 2019-04-04 18:09:40.05452-04
 store_orders_fact_b1 | ROWCOUNT        | employee_key      | 2019-04-04 18:09:40.05452-04
 store_orders_fact_b1 | FULL            | order_number      | 2019-04-04 18:09:40.05452-04
 store_orders_fact_b1 | ROWCOUNT        | date_ordered      | 2019-04-04 18:09:40.05452-04
 store_orders_fact_b1 | ROWCOUNT        | date_shipped      | 2019-04-04 18:09:40.05452-04
 store_orders_fact_b1 | FULL            | quantity_ordered  | 2019-04-04 18:09:40.05452-04
 store_orders_fact_b1 | ROWCOUNT        | shipper_name      | 2019-04-04 18:09:40.05452-04
(20 rows)

在这种情况下，只有对于那些已运行 ANALYZE_statistic，列 statistics_type 才会设置为 FULL。剩余的表列将设置为 ROWCOUNT，表示仅收集这些表列的行统计信息。

注意

ANALYZE_STATISTICS 始终在所有表列中调用 ANALYZE_ROW_COUNT，即使 ANALYZE_STATISTICS 已指定这些列的子集同样如此。

数据收集百分比

默认情况下，Vertica 从磁盘中收集的样本固定为统计数据的 10%。指定从磁盘中读取的数据百分比，使您在决定样本准确性和速度方面具有更大的控制权。

所收集数据的百分比影响收集时间和准确性：

百分比越小，速度越快，但返回的数据样本越小，这可能会影响直方图准确性。
百分比越大，从磁盘读取的数据越多。数据收集变慢；但数据样本更大，因而直方图准确性更高。

例如：

从 20% 的磁盘中收集 shipping_dimension 的所有投影数据：

=> SELECT ANALYZE_STATISTICS ('shipping_dimension', 20);
 ANALYZE_STATISTICS
-------------------
                 0
(1 row)

通过将 percent 参数设置为 100，收集整个磁盘中的数据：

=> SELECT ANALYZE_STATISTICS ('shipping_dimension', 'shipping_key', 100);
 ANALYZE_STATISTICS
--------------------
                  0
(1 row)

采样大小

ANALYZE_STATISTICS 根据从所有收集的数据中随机选择的一组行来构建列直方图。无论百分比设置如何，该函数始终创建一个统计样本，其中最多包含下列两项中的较小者（近似值）：

2¹⁷ (131,072) 行
1 GB 内存所能容纳的行数

如果列所具有的行数少于最大样本大小，则 ANALYZE_STATISTICS 从磁盘中读取所有行并分析整个列。

注意

在样本范围内收集的数据并不指示应如何分布数据。

下表显示设置为其他百分比的 ANALYZE_STATISTICS 如何从给定列获取统计样本：

注意

如果为 ANALYZE_STATISTICS 指定的列在投影排序顺序中排在第一位，则函数从磁盘中读取所有数据以避免有偏差的样本。