Statistics

적용 대상:SQL ServerAzure SQL DatabaseAzure SQL Managed InstanceAzure Synapse AnalyticsMicrosoft Fabric의 SQL 데이터베이스

쿼리 최적화 프로그램에서는 통계를 사용하여 쿼리 성능을 향상하는 쿼리 계획을 만듭니다. 대부분의 쿼리에서 쿼리 최적화 프로그램은 고품질 쿼리 계획에 필요한 통계를 이미 생성합니다. 경우에 따라 최상의 결과를 위해 추가 통계를 만들거나 쿼리 디자인을 수정해야 합니다. 이 문서에서는 통계 개념에 대해 설명하고 쿼리 최적화 통계를 효과적으로 사용하기 위한 지침을 제공합니다.

구성 요소 및 개념

Statistics

쿼리 최적화에 대한 통계는 테이블 또는 인덱싱된 뷰의 하나 이상의 열에 있는 값의 분포에 대한 통계 정보를 포함하는 BLOB(Binary Large Objects)입니다. 쿼리 최적화 프로그램은 이러한 통계를 사용하여 쿼리 결과에서 카디널리티 또는 행 수를 계산합니다. 쿼리 최적화 프로그램은 이러한 카디널리티 예상치를 통해 고품질의 쿼리 계획을 만듭니다. 예를 들어 조건자에 따라 쿼리 최적화 프로그램은 카디널리티 예상치를 사용하여 리소스를 많이 사용하는 index scan 연산자 대신 index seek 연산자를 선택할 수 있으며 이렇게 하면 쿼리 성능이 향상됩니다.

각 통계 개체는 하나 이상의 테이블 열 목록에 만들어지고 첫 번째 열의 값 분포를 표시하는 히스토그램을 포함합니다. 여러 열의 통계 개체는 열 간의 값 상관 관계에 대한 통계 정보도 저장합니다. 이러한 상관 관계 통계 또는 밀도는 열 값의 고유 행 수에서 파생됩니다.

Histogram

히스토그램은 데이터 집합에서 각 고유 값의 발생 빈도를 측정합니다. 쿼리 최적화 프로그램은 행을 통계적으로 샘플링하거나 테이블 또는 뷰의 모든 행에 대해 전체 검색을 수행하는 방법으로 열 값을 선택하여 통계 개체의 첫 번째 키 열에 있는 열 값에 대한 히스토그램을 계산합니다. 샘플링된 행 집합에서 히스토그램을 만드는 경우 행 수 및 고유 값 수에 대해 저장된 합계는 예상치이며 정수일 필요는 없습니다.

Note

SQL Server 통계 개체의 키 열 집합에 있는 첫 번째 열인 단일 열에 대해서만 히스토그램을 작성합니다.

쿼리 최적화 프로그램에서는 히스토그램을 만들기 위해 열 값을 정렬하고 고유한 각 열 값과 일치하는 값의 수를 계산한 다음, 열 값을 최대 200개의 연속적인 히스토그램 단계로 집계합니다. 각 히스토그램 단계에는 열 값 범위가 포함되며, 그 뒤에 상한 열 값이 옵니다. 범위는 경계 값 자체를 제외하고 경계 값 사이의 모든 가능한 열 값을 포함합니다. 정렬된 열 값 중 가장 낮은 값은 첫 번째 히스토그램 단계의 상한 값입니다.

더 자세히 설명하면 SQL Server는 세 단계로 정렬된 열 값 집합에서 히스토그램을 만듭니다.

• 히스토그램 초기화: 첫 번째 단계에서 정렬된 집합의 시작 부분에서 시작하는 일련의 값이 처리되고 range_high_key, equal_rows, range_rows, distinct_range_rows의 최대 200개 값이 수집됩니다(이 단계에서 range_rows 및 distinct_range_rows는 항상 0임). 첫 번째 단계는 모든 입력이 소진되거나 200개의 값이 발견되면 종료됩니다.
• 버킷 병합을 사용하여 검사: 통계 키의 선행 열에 있는 각 추가 값은 정렬된 순서로 두 번째 단계에서 처리됩니다. 각 연속 값은 마지막 범위에 추가되거나 끝에 새 범위가 만들어집니다(입력 값이 정렬되어 있으므로 이 순서 지정이 가능합니다). 새 범위를 만들면 프로세스는 기존 인접 범위의 한 쌍을 단일 범위로 축소합니다. 이러한 범위 쌍은 정보 손실을 최소화하기 위해 선택됩니다. 이 메서드는 히스토그램의 단계 수를 최소화하면서 경계 값 간의 차이를 최대화하기 위해 최대 차이 알고리즘을 사용합니다. 범위를 축소한 후의 단계 수는 이 단계 전체에서 200개로 유지됩니다.
• 히스토그램 통합: 세 번째 단계에서는 상당한 양의 정보가 손실되지 않으면 더 많은 범위를 축소할 수 있습니다. 히스토그램 단계 수는 경계 지점이 200개 미만인 열에서도 고유 값의 개수보다 적을 수 있습니다. 따라서 열이 200개가 넘는 고유 값을 가진 경우 히스토그램 단계 수는 200단계 미만일 수 있습니다. 고유한 값으로만 구성된 열의 경우 통합된 히스토그램에는 최소 3단계가 있습니다.

Note

히스토그램이 fullscan이 아닌 샘플을 사용하여 빌드된 경우 equal_rows, range_rows, distinct_range_rows 및 average_range_rows 값은 예상치이므로 정수일 필요는 없습니다.

다음 다이어그램에서는 6단계의 히스토그램을 보여 줍니다. 첫 번째 상한 값 왼쪽의 영역이 1단계입니다.

이전 예제의 각 히스토그램 단계에 대해 다음을 수행합니다.

• 굵은 선은 상한 값(range_high_key) 및 발생 횟수(equal_rows)를 나타냅니다.

• range_high_key 왼쪽의 단색 영역은 열 값의 범위와 각 열 값이 발생하는 평균 횟수(average_range_rows)를 나타냅니다. 첫 번째 히스토그램 단계의 average_range_rows는 항상 0입니다.

• 점선은 범위(distinct_range_rows)의 총 고유 값 수와 범위(range_rows)의 총 값 수를 추정하는 데 사용되는 샘플링된 값을 나타냅니다. 쿼리 최적화 프로그램은 range_rows 및 distinct_range_rows 사용하여 average_range_rows 계산하고 샘플링된 값을 저장하지 않습니다.

밀도 벡터

밀도 지정된 열의 중복 수 또는 열 조합에 대한 정보이며 1/(고유 값 수)로 계산됩니다. 쿼리 최적화 프로그램은 같은 테이블 또는 인덱싱된 뷰에서 여러 열을 반환하는 쿼리의 카디널리티 예상치 정확도를 높이기 위해 밀도를 사용합니다. 밀도가 감소하면 값의 선택도가 증가합니다. 예를 들어 자동차를 나타내는 테이블에서 많은 자동차에는 제조업체가 동일하지만 각 자동차에는 고유한 VIN(차량 식별 번호)이 있습니다. VIN의 밀도가 제조업체보다 낮으므로 VIN의 인덱스가 제조업체의 인덱스보다 더 선택적입니다.

Note

빈도는 통계 개체의 첫 번째 키 열에 있는 각 고유 값의 발생에 대한 정보이며 row count * density로 계산됩니다. 최대 빈도 1은 고유한 값을 가진 열에서 찾을 수 있습니다.

밀도 벡터는 통계 개체에 있는 각 열 접두사당 한 개의 밀도를 포함합니다. 예를 들어, 통계 개체의 키 열이 CustomerId, ItemId, Price인 경우 밀도는 다음과 같은 각 열 접두사에 대해 계산됩니다.

열 접두사	밀도 계산 기준
(CustomerId)	CustomerId의 값이 일치하는 행
(CustomerId, ItemId)	CustomerId 및 ItemId의 값이 일치하는 행
(CustomerId, ItemId, Price)	CustomerId, ItemId, Price의 값이 일치하는 행

필터링된 통계

필터링된 통계는 잘 정의된 데이터의 하위 집합에서 선택하는 쿼리에 대한 쿼리 성능을 높일 수 있습니다. 필터링된 통계는 필터 조건자를 사용하여 통계에 포함되는 데이터의 하위 집합을 선택합니다. 잘 설계된 필터링된 통계는 전체 테이블 통계와 비교하여 쿼리 실행 계획을 개선할 수 있습니다. 필터 조건자에 대한 자세한 내용은 다음을 참조하세요 CREATE STATISTICS. 필터링된 통계를 만드는 시기에 대한 자세한 내용은 이 문서의 통계 생성 시기 섹션을 참조하세요.

통계 옵션

시스템에서 통계를 만들고 업데이트하는 시기와 방법에 영향을 주는 옵션을 구성할 수 있습니다. 이러한 옵션은 데이터베이스 수준에서만 설정할 수 있습니다.

AUTO_CREATE_STATISTICS 옵션

AUTO_CREATE_STATISTICS 자동 통계 만들기 옵션을 켜면 쿼리 최적화 프로그램은 필요에 따라 쿼리 조건자의 개별 열에 대한 통계를 만들어 쿼리 계획에 대한 카디널리티 예상치를 향상시킵니다. 이러한 단일 열 통계는 기존 통계 개체에 히스토그램이 없는 열에 대해 작성됩니다. 이 AUTO_CREATE_STATISTICS 옵션은 데이터베이스가 인덱스에 대한 통계를 만드는지 여부를 결정하지 않습니다. 이 옵션은 필터링된 통계도 생성하지 않습니다. 전체 테이블에 대한 단일 열 통계에 엄격하게 적용됩니다.

쿼리 최적화 프로그램에서 AUTO_CREATE_STATISTICS 옵션을 사용한 결과로 통계를 만들면 통계 이름이 _WA로 시작됩니다. 다음 쿼리를 사용하여 쿼리 최적화 프로그램에서 쿼리 조건자 열에 대한 통계를 만들었는지 확인할 수 있습니다.

SELECT OBJECT_NAME(s.object_id) AS object_name,
    COL_NAME(sc.object_id, sc.column_id) AS column_name,
    s.name AS statistics_name
FROM sys.stats AS s
    INNER JOIN sys.stats_columns AS sc
        ON s.stats_id = sc.stats_id
        AND s.object_id = sc.object_id
WHERE s.name LIKE '_WA%'
ORDER BY s.name;

AUTO_UPDATE_STATISTICS 옵션

AUTO_UPDATE_STATISTICS 자동 업데이트 통계 옵션을 켜면 쿼리 최적화 프로그램에서 통계가 최신 상태가 아닐 수 있는 시기를 확인하고 쿼리에서 통계를 사용할 때 이를 업데이트합니다. 이 작업을 통계 다시 컴파일이라고도 합니다. 삽입, 업데이트, 삭제 또는 병합 작업으로 인한 수정으로 테이블 또는 인덱싱된 뷰의 데이터 분포가 변경되면 통계가 최신 상태가 아니게 됩니다. 쿼리 최적화 프로그램은 마지막 통계 업데이트 이후의 행 수정 횟수를 계산하고 해당 수를 임계값과 비교하여 통계가 최신이 아닐 수 있는지 확인합니다. 임계값은 테이블 카디널리티(테이블 또는 인덱싱된 뷰의 행 수)를 기반으로 합니다.

AUTO_UPDATE_STATISTICS 옵션이 OFF인 경우에도 행이 수정되면 통계를 오래된 것으로 표시하는 현상이 발생합니다. 이 옵션인 AUTO_UPDATE_STATISTICS 경우 OFF시스템은 통계를 오래된 것으로 표시하는 경우에도 통계를 업데이트하지 않습니다. 오래된 통계 개체를 계속 사용하려는 계획이 있습니다. AUTO_UPDATE_STATISTICS를 OFF로 설정하면 최적이 아닌 쿼리 계획이 생성되고 쿼리 성능이 저하될 수 있습니다. AUTO_UPDATE STATISTICS 옵션을 ON(으)로 설정합니다.

• SQL Server 2014(12.x)까지는 데이터베이스 엔진에서 통계가 평가될 때 테이블 또는 인덱싱된 뷰의 행 수를 기반으로 하는 다시 컴파일 임계값을 사용합니다. 임계값은 테이블이 임시인지 영구적인지에 따라 다릅니다.

  테이블 형식	테이블 카디널리티 (n)	재컴파일 임계값(#수정 횟수)
  Temporary	n< 6	6
  Temporary	6 <= n<= 500	500
  Permanent	N<= 500	500
  임시 또는 영구	n> 500	500 + (0.20 * n)

  예를 들어 테이블에 20,000개의 행이 포함된 경우 계산은 500 + (0.2 * 20,000) = 4,500 4,500개 수정할 때마다 통계가 업데이트됩니다.

• SQL Server 2016(13.x)부터는 데이터베이스 호환성 수준 130에서 데이터베이스 엔진이 통계가 평가된 시점의 테이블 카디널리티에 따라 조정되는 점차 낮아지는 동적 통계 재컴파일 임계값을 사용합니다. 이러한 변경으로 큰 테이블에 대한 통계가 더 자주 업데이트됩니다. 그러나 데이터베이스의 호환성 수준이 130 미만이면 SQL Server 2014(12.x) 임계값이 적용됩니다.

  테이블 형식	테이블 카디널리티 (n)	재컴파일 임계값(#수정 횟수)
  Temporary	n < 6	6
  Temporary	6 <= n <= 500	500
  Permanent	n <= 500	500
  임시 또는 영구	n > 500	MIN ( 500 + (0.20 * n), SQRT(1,000 * n) )

  예를 들어 테이블에 200만 개의 행이 있는 경우 계산 결과는 500 + (0.20 * 2,000,000) = 400,500와 SQRT(1,000 * 2,000,000) = 44,721 중 더 작은 값입니다. 즉, 통계는 44,721개 수정할 때마다 업데이트됩니다.

Important

SQL Server 2008 R2(10.50.x)부터 SQL Server 2014(12.x)까지 또는 데이터베이스 호환성 수준이 120 이하인 SQL Server 2016(13.x) 이상 버전에서 추적 플래그 2371을 사용하도록 설정하여 SQL Server에서 감소하는 동적 통계 업데이트 임계값을 사용합니다.

모든 시나리오에 대해 권장되지만 추적 플래그 2371 사용은 선택 사항입니다. 그러나 이전 SQL Server 2016(13.x) 환경에서 추적 플래그 2371을 사용하도록 설정하는 경우 다음 지침을 사용할 수 있습니다.

• SAP 시스템에 있는 경우 이 추적을 사용하도록 설정합니다. 자세한 내용은 추적 플래그 2371에 대한 블로그를 참조하세요.
• 현재 자동 업데이트가 자주 트리거되지 않으므로 야간 작업에 의존하여 통계를 업데이트해야 하는 경우 추적 플래그 2371을 사용하도록 설정하여 임계값을 테이블 카디널리티로 조정하는 것이 좋습니다.

쿼리 최적화 프로그램은 쿼리를 컴파일하고 캐시된 쿼리 계획을 실행하기 전에 최신 정보가 아닌 통계가 있는지 확인합니다. 쿼리를 컴파일하기 전에 쿼리 최적화 프로그램은 쿼리 조건자에 있는 열, 테이블 및 인덱싱된 뷰를 사용하여 최신 상태가 아닐 수 있는 통계를 결정합니다. 캐시된 쿼리 계획을 실행하기 전에 데이터베이스 엔진은 쿼리 계획이 up-to-date 통계를 참조하는지 확인합니다.

AUTO_UPDATE_STATISTICS 옵션은 인덱스용으로 생성된 통계 개체, 쿼리 조건자에 사용되는 단일 열, 그리고 CREATE STATISTICS 문으로 생성된 통계에 적용됩니다. 이 옵션은 또한 필터링된 통계에도 적용됩니다.

sys.dm_db_stats_properties 사용하여 테이블에서 변경된 행 수를 정확하게 추적하고 통계를 수동으로 업데이트할지 여부를 결정할 수 있습니다.

AUTO_UPDATE_STATISTICS 는 항상 OFF 메모리 최적화 테이블용입니다.

AUTO_UPDATE_STATISTICS_ASYNC

비동기 통계 업데이트 옵션인 AUTO_UPDATE_STATISTICS_ASYNC는 쿼리 최적화 프로그램이 동기 또는 비동기 통계 업데이트를 사용하는지를 결정합니다. 기본적으로 비동기 통계 업데이트 옵션은 OFF쿼리 최적화 프로그램에서 통계를 동기적으로 업데이트합니다. AUTO_UPDATE_STATISTICS_ASYNC 옵션은 인덱스, 쿼리 조건자에 사용되는 단일 열 및 CREATE STATISTICS 문으로 생성된 통계에 대해 만들어진 통계 객체에 적용됩니다.

Note

SQL Server Management Studio 비동기 통계 업데이트 옵션을 설정하려면 데이터베이스 속성 창의 옵션 페이지에서 통계 자동 업데이트와 통계 자동 업데이트 모두를 True로 비동기적으로 설정합니다.

통계 업데이트는 동기(기본값) 또는 비동기일 수 있습니다.

• 동기 통계 업데이트를 사용하면 항상 최신 통계를 사용하여 쿼리가 컴파일되고 실행됩니다. 통계가 오래되면 쿼리 최적화 프로그램은 쿼리를 컴파일하고 실행하기 전에 업데이트된 통계를 기다립니다.

• 비동기 통계 업데이트를 사용하면 기존 통계가 최신 상태가 아닌 경우에도 기존 통계를 사용하여 쿼리가 컴파일됩니다. 쿼리를 컴파일할 때 통계가 최신 상태가 아니면 쿼리 최적화 프로그램에서 최적이 아닌 쿼리 계획을 선택할 수 있습니다. 통계는 일반적으로 곧 업데이트됩니다. 통계 업데이트 후에 컴파일되는 쿼리는 업데이트된 통계를 사용하는 이점을 얻을 수 있습니다.

테이블 자르기 또는 행 대량 업데이트 수행과 같이 데이터 분포를 변경하는 작업을 수행할 때 동기 통계를 사용하는 것이 좋습니다. 작업을 완료한 후 통계를 수동으로 업데이트하지 않는 경우, 동기식 통계를 사용하면 쿼리에서 통계가 필요해지기 전에 통계가 최신 상태로 유지됩니다.

다음과 같은 시나리오에서 보다 예상 가능한 쿼리 응답 시간을 얻으려면 비동기 통계를 사용하십시오.

• 애플리케이션은 동일한 쿼리, 유사한 쿼리 또는 유사한 캐시된 쿼리 계획을 자주 실행합니다. 쿼리 최적화 프로그램은 최신 통계를 기다리지 않고 들어오는 쿼리를 실행할 수 있으므로 동기 통계 업데이트보다 비동기 통계 업데이트로 쿼리 응답 시간을 더 잘 예측할 수 있습니다. 이렇게 하면 일부 쿼리는 지연되고 다른 쿼리는 지연되지 않는 상황을 방지할 수 있습니다.

• 애플리케이션에서 업데이트된 통계를 기다리는 하나 이상의 쿼리로 인해 클라이언트 요청 시간 제한이 발생했습니다. 경우에 따라 동기 통계를 기다리면 적극적인 시간 제한이 있는 애플리케이션이 실패할 수 있습니다.

Note

로컬 임시 테이블에 대한 통계는 옵션에 관계없이 AUTO_UPDATE_STATISTICS_ASYNC 항상 동기적으로 업데이트됩니다. 전역 임시 테이블에 대한 통계는 사용자 데이터베이스에 대해 설정된 옵션에 AUTO_UPDATE_STATISTICS_ASYNC 따라 동기적으로 또는 비동기적으로 업데이트됩니다.

비동기 통계 업데이트는 백그라운드 요청에 의해 수행됩니다. 업데이트된 통계를 데이터베이스에 쓸 준비가 된 요청은 통계 메타데이터 개체에 대한 스키마 수정 잠금을 획득하려고 시도합니다. 다른 세션이 동일한 개체에 대한 잠금을 이미 보유하고 있는 경우 스키마 수정 잠금을 획득할 수 있을 때까지 비동기 통계 업데이트가 차단됩니다. 마찬가지로 쿼리를 컴파일하기 위해 통계 메타데이터 개체에 대한 스키마 안정성(Sch-S) 잠금을 획득해야 하는 세션은 이미 스키마 수정 잠금을 획득하기 위해 대기 중인 비동기 통계 업데이트 백그라운드 세션에 의해 차단될 수 있습니다. 따라서 쿼리 컴파일이 매우 빈번하고 통계가 자주 업데이트되는 워크로드의 경우 비동기 통계를 사용하면 잠금 차단으로 인해 동시성 문제가 발생할 가능성이 높아질 수 있습니다.

Azure SQL Database, Azure SQL Managed Instance 및 SQL Server 2022(16.x)부터는 ASYNC_STATS_UPDATE_WAIT_AT_LOW_PRIORITY데이터베이스 범위 구성을 사용하도록 설정하면 비동기 통계 업데이트를 사용하여 잠재적인 동시성 문제를 방지할 수 있습니다. 이 구성을 사용하도록 설정하면 백그라운드 요청이 스키마 수정(Sch-M) 잠금을 획득하고 업데이트된 통계를 별도의 낮은 우선 순위 큐에 유지하기 위해 대기하므로 다른 요청은 기존 통계를 사용하여 쿼리를 계속 컴파일할 수 있습니다. 다른 세션이 통계 메타데이터 개체에 대한 잠금을 유지하지 않으면 백그라운드 요청은 해당 스키마 수정 잠금을 획득하고 통계를 업데이트합니다. 백그라운드 요청이 몇 분 내에 잠금을 획득할 수 없는 경우 비동기 통계 업데이트가 중단되고 다른 자동 통계 업데이트가 트리거되거나 통계가 수동으로 업데이트될 때까지 통계가 업데이트되지 않습니다.

Note

ASYNC_STATS_UPDATE_WAIT_AT_LOW_PRIORITY 데이터베이스 범위 구성 옵션은 Azure SQL Database, Azure SQL Managed Instance 및 SQL Server 2022(16.x)부터 SQL Server 사용할 수 있습니다.

AUTO_DROP 옵션

적용 대상: Azure SQL Database, Azure SQL Managed Instance, SQL Server 2022(16.x)부터 시작

SQL Server 2022(16.x) 이전의 SQL Server 사용자 데이터베이스에서 통계를 수동으로 만들거나 타사 도구를 사용하는 경우 해당 통계 개체가 스키마 변경을 차단하거나 방해할 수 있습니다.

SQL Server 2022(16.x)부터 자동 삭제 옵션은 기본적으로 모든 새 데이터베이스 및 마이그레이션된 데이터베이스에서 사용하도록 설정됩니다. 속성을 사용하도록 설정 AUTO_DROP 하면 데이터베이스는 통계 개체에 의해 후속 스키마 변경이 차단 되지 않고 필요에 따라 통계가 삭제되도록 모드에서 통계 개체를 만듭니다. 이러한 방식으로 자동 삭제를 사용하도록 설정된 수동으로 만든 통계는 자동 생성된 통계처럼 동작합니다.

Azure SQL Database, Azure SQL Managed Instance 및 SQL Server 2022(16.x) 이상 버전에서는 자동으로 생성된 통계가 항상 AUTO_DROP 사용하도록 설정된 것처럼 동작합니다.

Note

자동 생성된 통계에서 자동 삭제 속성을 설정하거나 설정 해제하려고 하면 오류가 발생할 수 있습니다. 자동 생성된 통계는 항상 자동 삭제를 사용합니다. 복원된 일부 백업은 다음에 통계 개체가 업데이트될 때까지(수동 또는 자동) 이 속성이 잘못 설정될 수 있습니다. 그러나 자동 생성 통계는 항상 자동 삭제 통계처럼 동작합니다. 이전 버전에서 SQL Server 2022(16.x)로 데이터베이스를 복원하는 경우 데이터베이스에서 sp_updatestats 실행하여 통계 자동 삭제 기능에 대한 적절한 메타데이터를 설정하는 것이 좋습니다.

예를 들어 dbo.DatabaseLog 테이블에 통계 개체를 수동으로 만들려면 다음을 수행합니다.

CREATE STATISTICS [mystats]
    ON [dbo].[DatabaseLog]([DatabaseLogID], [PostTime], [DatabaseUser])
    WITH AUTO_DROP = ON;

예를 들어 dbo.DatabaseLog 테이블에서 통계 개체 자동 삭제 설정을 업데이트하려면 다음을 수행합니다.

UPDATE STATISTICS [dbo].[DatabaseLog] ([mystats])
    WITH AUTO_DROP = ON;

기존 통계에 대한 자동 삭제 설정을 평가하려면 auto_drop의 sys.stats 열을 사용합니다.

SELECT object_id,
       [name],
       auto_drop
FROM sys.stats;

자세한 내용은 AUTO_DROP참조하세요.

INCREMENTAL

적용 대상: SQL Server 2014(12.x) 이상 버전.

INCREMENTAL의 CREATE STATISTICS 옵션을 ON로 설정하면 파티션별 통계를 생성합니다. 이를 설정 OFF하면 데이터베이스가 통계 트리를 삭제하고 통계를 다시 계산합니다. 기본값은 OFF입니다. 이 설정은 데이터베이스 수준 INCREMENTAL 속성을 재정의합니다.

• 증분 통계를 만드는 방법에 대한 자세한 내용은 다음을 참조하세요 CREATE STATISTICS.
• 파티션별 통계를 자동으로 만드는 방법에 대한 자세한 내용은 데이터베이스 속성(옵션 페이지) 및 ALTER DATABASE SET 옵션을 참조하세요.

큰 테이블에 새 파티션을 추가하는 경우 새 파티션을 포함하도록 통계를 업데이트해야 합니다. 그러나 전체 테이블(FULLSCAN 또는 SAMPLE 옵션)을 검색하는 데 필요한 시간은 길 수 있습니다. 또한 새 파티션에 대한 통계만 필요할 수 있으므로 전체 테이블을 검사할 필요가 없습니다. 증분 옵션은 파티션별로 통계를 만들고 저장하며, 업데이트되는 경우 새 통계가 필요한 파티션에 대한 통계만 새로 고칩니다.

파티션별 통계가 지원되지 않는 경우 데이터베이스는 이 옵션을 무시하고 경고를 생성합니다. 증분 통계는 다음 통계 유형에 대해 지원되지 않습니다.

• 인덱스가 기본 테이블의 파티션과 정렬되지 않은 상태로 생성된 통계입니다.
• Always On 읽기 가능한 보조 데이터베이스에 대해 작성된 통계입니다.
• 읽기 전용 데이터베이스에 대해 작성된 통계입니다.
• 필터링된 인덱스에 대해 작성된 통계입니다.
• 뷰에 대해 작성된 통계입니다.
• 내부 테이블에 대해 작성된 통계입니다.
• 공간 인덱스 또는 XML 인덱스를 사용하여 작성된 통계입니다.

통계를 작성하는 경우

쿼리 최적화 프로그램은 다음과 같은 방법으로 이미 통계를 만듭니다.

1. 테이블 또는 뷰에서 인덱스를 만들 때 쿼리 최적화 프로그램은 인덱스에 대한 통계를 만듭니다. 이러한 통계는 인덱스의 키 열에 생성됩니다. 인덱스가 필터링된 인덱스인 경우 쿼리 최적화 프로그램은 필터링된 인덱스에 대해 지정된 행의 동일한 하위 집합에 필터링된 통계를 만듭니다. 필터링된 인덱스에 대한 자세한 내용은 필터링된 인덱스 만들기 및 CREATE INDEX.

   Note

   SQL Server 2014(12.x) 이상 버전에서는 분할된 인덱스를 만들거나 다시 작성할 때 테이블의 모든 행을 검사하여 통계를 만들지 않습니다. 대신, 쿼리 최적화 프로그램에서 기본 샘플링 알고리즘을 사용하여 통계를 생성합니다. 분할된 인덱스로 데이터베이스를 업그레이드한 후 인덱스에 대한 히스토그램 데이터가 달라집니다. 이러한 동작 변경은 쿼리 성능에 영향을 미치지 않을 수 있습니다. 테이블의 모든 행을 스캔하여 분할 인덱스에 대한 통계를 얻으려면 CREATE STATISTICS 절과 함께 UPDATE STATISTICS 또는 FULLSCAN를 사용합니다.

2. 또한 쿼리 최적화 프로그램은 AUTO_CREATE_STATISTICS가 켜져 있을 때 쿼리 조건자의 단일 열에 대한 통계를 작성합니다.

대부분의 쿼리에서 통계를 만드는 두 가지 방법은 고품질 쿼리 계획을 보장합니다. 경우에 따라 문을 사용하여 CREATE STATISTICS 추가 통계를 만들어 쿼리 계획을 개선할 수 있습니다. 이러한 추가 통계는 쿼리 최적화 프로그램에서 인덱스 또는 단일 열에 대한 통계를 만들 때 고려하지 않는 통계 상관 관계를 캡처할 수 있습니다. 애플리케이션에 테이블 데이터의 추가 통계 상관 관계를 포함할 수 있으며 이를 통계 개체로 계산하는 경우 쿼리 최적화 프로그램에서 쿼리 계획을 향상시키도록 할 수 있습니다. 예를 들어 데이터 행의 하위 집합에 대한 필터링된 통계 또는 쿼리 조건자 열에 대한 여러 열 통계는 쿼리 계획을 향상시킬 수 있습니다.

CREATE STATISTICS 문을 사용하여 통계를 만들 때 Query Optimizer가 쿼리 조건자 열에 대한 단일 열 통계를 계속 정기적으로 생성할 수 있도록 AUTO_CREATE_STATISTICS 옵션을 ON 상태로 유지하십시오. 쿼리 조건자에 대한 자세한 내용은 검색 조건참조하세요.

다음 조건이 적용되는 경우 문을 사용하여 CREATE STATISTICS 통계를 만드는 것이 좋습니다.

• 데이터베이스 엔진 튜닝 관리자가 통계 작성을 제안하는 경우
• 쿼리 조건자는 동일한 인덱스의 키가 아닌 여러 상관 관계가 있는 열을 포함합니다.
• 쿼리가 데이터 하위 집합에서 선택하는 경우
• 쿼리에 통계가 누락된 경우

Note

메모리 내 OLTP 관련 테이블 및 통계에 대한 자세한 내용은 메모리 액세스에 최적화된 테이블에 대한 통계를 참조하세요.

쿼리 조건자는 여러 상관 관계가 있는 열을 포함합니다.

쿼리 조건자가 열 간 관계 및 종속성이 있는 여러 열을 포함하는 경우 여러 열에 대한 통계로 쿼리 계획이 향상될 수 있습니다. 여러 열에 대한 통계에는 단일 열 통계에서 사용할 수 없는 열 간 상관 관계 통계(밀도)가 포함됩니다. 밀도는 쿼리 결과가 여러 열 간의 데이터 관계에 따라 달라지는 경우 카디널리티 예상치를 향상시킬 수 있습니다.

열이 이미 동일한 인덱스에 있는 경우 다중 열 통계 개체가 이미 존재하므로 수동으로 만들 필요가 없습니다. 열이 동일한 인덱스에 아직 없는 경우 열에 인덱스를 만들거나 문을 사용하여 CREATE STATISTICS 여러 열 통계를 만들 수 있습니다. 통계 개체보다는 인덱스를 유지하는 데 더 많은 시스템 리소스가 필요합니다. 애플리케이션에 다중 열 인덱스가 필요하지 않은 경우 인덱스를 만들지 않고 통계 개체를 만들어 시스템 리소스를 경제화할 수 있습니다.

여러 열 통계를 만들 때 통계 개체 정의에 있는 열의 순서는 카디널리티 추정을 만들기 위한 밀도의 효과에 영향을 줍니다. 통계 개체는 주요 열의 각 접두사에 대한 밀도를 통계 개체 정의에 저장합니다. 밀도에 대한 자세한 내용은 이 문서의 밀도 섹션을 참조하세요.

카디널리티 예측에 유용한 밀도를 만들려면 쿼리 조건자의 열이 통계 개체 정의에 있는 열의 접두사 중 하나와 일치해야 합니다. 예를 들어 다음 예에서는 LastName, MiddleName 및 FirstName 열에 대한 다중 열 통계 개체를 만듭니다.

USE AdventureWorks2022;
GO

IF EXISTS (SELECT name
           FROM sys.stats
           WHERE name = 'LastFirst'
                 AND object_ID = OBJECT_ID('Person.Person'))
    DROP STATISTICS Person.Person.LastFirst;
GO

CREATE STATISTICS LastFirst
    ON Person.Person(LastName, MiddleName, FirstName);
GO

이 예제에서 통계 개체 LastFirst에는 다음 열 접두사 (LastName), (LastName, MiddleName) 및 (LastName, MiddleName, FirstName)에 대한 밀도가 있습니다. (LastName, FirstName)의 밀도를 사용할 수 없습니다. 쿼리에서 LastName를 사용하지 않고 FirstName 및 MiddleName만 사용하는 경우, 카디널리티 예측에 밀도가 제공되지 않습니다.

데이터 하위 집합에서 쿼리 선택

쿼리 최적화 프로그램은 단일 열 및 인덱스에 대한 통계를 만들 때 모든 행의 값에 대한 통계를 만듭니다. 쿼리가 행의 하위 집합에서 선택하고 행의 해당 하위 집합에서 데이터 분포가 고유한 경우 필터링된 통계는 쿼리 계획을 향상시킬 수 있습니다. CREATE STATISTICS 절과 함께 문을 사용하여 필터 조건자 식을 정의하여 필터링된 통계를 만들 수 있습니다.

예를 들어 AdventureWorks2025를 사용하면 테이블의 각 제품이 Production.Product 테이블Production.ProductCategoryBikesComponentsClothing의 네 가지 범주 Accessories 중 하나에 속합니다. 각 범주에는 가중치에 대한 다른 데이터 분포가 있습니다. 자전거 가중치는 13.77에서 30.0까지, 구성 요소 가중치는 일부 NULL 값을 포함하여 2.12에서 1050.00까지 다양하며 의류 가중치는 모두 NULL이고 액세서리 가중치도 NULL입니다.

예를 들어 Bikes를 사용하여 모든 자전거 무게에 대한 필터링된 통계는 쿼리 옵티마이저에 더 정확한 통계를 제공하여 가중치 열의 전체 테이블 통계나 존재하지 않는 통계와 비교할 때 쿼리 계획의 품질을 향상시킬 수 있습니다. 자전거 무게 열은 필터링된 통계에는 적합한 후보이지만, 무게 조회 수가 상대적으로 적다면 필터링된 인덱스에는 반드시 적합한 후보인 것은 아닙니다. 필터링된 인덱스에서 제공하는 조회 성능의 향상은 장점이지만 필터링된 인덱스를 데이터베이스에 추가하는 것으로 인한 추가 유지 관리 및 스토리지 비용은 부담이 될 수 있습니다.

다음 문은 BikeWeights의 모든 하위 범주에 대해 Bikes 필터링된 통계를 생성합니다. 필터링된 조건자 식에서는 Production.ProductSubcategoryID IN (1,2,3)비교를 통해 모든 자전거 하위 범주를 열거하는 방법으로 자전거를 정의합니다. 조건자는 Bikes 테이블에 저장되고 필터 식의 모든 열이 동일한 테이블에 있어야 하므로 Production.ProductCategory 범주 이름을 사용할 수 없습니다.

USE AdventureWorks2022;
GO
IF EXISTS ( SELECT name FROM sys.stats
    WHERE name = 'BikeWeights'
    AND object_ID = OBJECT_ID ('Production.Product'))
DROP STATISTICS Production.Product.BikeWeights;
GO
CREATE STATISTICS BikeWeights
    ON Production.Product (Weight)
WHERE ProductSubcategoryID IN (1,2,3);
GO

쿼리 최적화 프로그램은 BikeWeights개의 필터링된 통계를 사용하여 25보다 가중치가 큰 모든 자전거를 선택하는 다음 쿼리에 대한 쿼리 계획을 개선할 수 있습니다.

SELECT P.Weight AS Weight,
       S.Name AS BikeName
FROM Production.Product AS P
     INNER JOIN Production.ProductSubcategory AS S
         ON P.ProductSubcategoryID = S.ProductSubcategoryID
WHERE P.ProductSubcategoryID IN (1, 2, 3)
      AND P.Weight > 25
ORDER BY P.Weight;
GO

쿼리는 누락된 통계를 식별합니다.

오류 또는 기타 이벤트로 인해 쿼리 최적화 프로그램에서 통계를 작성하지 못하는 경우 쿼리 최적화 프로그램은 통계를 사용하지 않고 쿼리 계획을 만듭니다. 쿼리 최적화 프로그램은 통계를 누락된 것으로 표시하고 다음에 쿼리가 실행될 때 통계를 다시 생성하려고 시도합니다.

SQL Server Management Studio를 사용하여 쿼리 실행 계획을 그래픽으로 표시할 때 누락된 통계는 테이블 이름을 빨간 문자열로 나타내어 경고로 표시합니다. 또한 SQL Server Profiler를 사용하여 Missing Column Statistics 이벤트 클래스를 모니터링하면 통계가 누락되는 시기를 나타냅니다. 자세한 내용은 오류 및 경고 이벤트 범주(데이터베이스 엔진)를 참조하세요.

통계가 누락된 경우 다음 단계를 수행합니다.

• AUTO_CREATE_STATISTICS 및 AUTO_UPDATE_STATISTICS가 ON으로 설정되었는지 확인합니다.
• 데이터베이스가 읽기 전용이 아닌지 확인합니다. 데이터베이스가 읽기 전용인 경우 새 통계 개체를 저장할 수 없습니다.
• CREATE STATISTICS 문을 사용하여 누락된 통계를 생성합니다.

임시 통계

읽기 전용 데이터베이스 또는 읽기 전용 스냅샷에 대한 통계가 없거나 유효하지 않을 경우 데이터베이스 엔진은 tempdb에서 임시 통계를 만들어 유지 관리합니다. 데이터베이스 엔진에서 임시 통계를 만드는 경우 통계 이름에 접미사 _readonly_database_statistic이 추가되므로 영구적 통계와 임시 통계를 구별할 수 있습니다. 접미사 _readonly_database_statistic 데이터베이스 엔진에서 생성된 통계용으로 예약되어 있습니다. 임시 통계에 대한 스크립트는 읽기-쓰기 데이터베이스에서 만들고 실행할 수 있습니다. 스크립트로 생성되면 Management Studio는 통계 이름의 접미사를 _readonly_database_statistic에서 _readonly_database_statistic_scripted(으)로 변경합니다.

데이터베이스 엔진만 임시 통계를 만들고 업데이트할 수 있습니다. 그러나 임시 통계를 삭제하고 통계 속성을 모니터링하는 데는 영구적 통계에 사용하는 것과 동일한 도구를 사용할 수 있습니다.

• 문을 사용하여 임시 통계를 삭제합니다 DROP STATISTICS .
• sys.stats 및 sys.stats_columns 카탈로그 뷰를 사용해서 통계를 모니터링합니다. sys.stats 시스템 카탈로그 보기에는 영구적 통계와 임시 통계를 나타내는 is_temporary 열이 포함되어 있습니다.

임시 통계가 저장 tempdb되므로 데이터베이스 엔진을 다시 시작하면 모든 임시 통계가 제거됩니다.

모든 통계와 마찬가지로 임시 통계를 만들고 업데이트하려면 개체에 대한 스키마 수정(Sch-M) 잠금이 필요합니다. 이 잠금은 주 복제본에서 트랜잭션을 적용하는 보조 복제본의 시스템 다시 실행 프로세스를 포함하여 다른 쿼리 및 프로세스를 차단할 수 있습니다. 이 차단이 쿼리 워크로드 또는 데이터 전파에 영향을 미치는 경우 각각 READABLE_SECONDARY_TEMPORARY_STATS_AUTO_CREATE을 사용하여 READABLE_SECONDARY_TEMPORARY_STATS_AUTO_UPDATE 임시 통계의 자동 생성 및 업데이트를 사용하지 않도록 설정할 수 있습니다.

통계 업데이트 시기

쿼리 최적화 프로그램은 통계가 최신 상태가 아닐 수 있는 시기를 결정한 다음 쿼리 계획에 필요할 때 업데이트합니다. 경우에 따라 AUTO_UPDATE_STATISTICS 때보다 통계를 더 자주 업데이트하여 쿼리 계획을 개선하고 쿼리 성능을 향상시킬 수 있습니다ON. UPDATE STATISTICS 문 또는 저장 프로시저 sp_updatestats를 사용하여 통계를 업데이트할 수 있습니다.

통계를 업데이트하면 쿼리가 최신 통계를 사용하여 컴파일되도록 보장합니다. 모든 프로세스를 통해 통계를 업데이트하면 쿼리 계획이 자동으로 다시 컴파일될 수 있습니다. 쿼리 계획 개선과 쿼리를 다시 컴파일하는 데 걸리는 시간 사이에 성능이 절충되므로 통계를 너무 자주 업데이트하지 마세요. 구체적인 트레이드오프는 애플리케이션에 따라 달라집니다.

UPDATE STATISTICS 또는 sp_updatestats를 사용하여 통계를 업데이트할 때는 쿼리 최적화 프로그램이 통계를 정기적으로 업데이트할 수 있도록 AUTO_UPDATE_STATISTICS를 ON로 유지하세요.

• 열, 인덱스, 테이블 또는 인덱싱된 뷰에 대한 통계를 업데이트하는 방법에 대한 자세한 내용은 다음을 참조하세요 UPDATE STATISTICS.

• 데이터베이스의 모든 사용자 정의 및 내부 테이블에 대한 통계를 업데이트하는 방법에 대한 자세한 내용은 저장 프로시저 sp_updatestats참조하세요.

• 자동 통계 업데이트 임계값에 대한 자세한 내용은 AUTO_UPDATE_STATISTICS 옵션을 참조하세요.

AUTO_UPDATE_STATISTICS를 OFF(으)로 설정하면 다른 여러 가지 이유로 실행 계획의 다시 컴파일이 여전히 발생할 수 있지만, 오래된 통계의 업데이트로 인해 자동으로 발생하지는 않습니다. AUTO_UPDATE_STATISTICS을(를) OFF(으)로 설정하면 통계 업데이트는 유지 관리 계획과 같은 다른 수동 예약 프로세스를 통해서만 수행됩니다. 따라서 AUTO_UPDATE_STATISTICS를 OFF로 설정하면 비최적 쿼리 계획과 쿼리 성능 저하를 초래할 수 있습니다.

오래된 통계 감지

통계가 마지막으로 업데이트된 시점을 확인하려면 sys.dm_db_stats_properties 또는 STATS_DATE 함수를 사용합니다.

다음 조건에 대한 통계를 업데이트하는 것이 좋습니다.

• 쿼리 실행 시간이 느린 경우
• 삽입 작업은 오름차순 또는 내림차순 키 열에서 수행됩니다.
• 유지 관리 작업 후

통계를 수동으로 업데이트하는 예제는 다음을 참조하세요 UPDATE STATISTICS.

쿼리 실행 시간이 느린 경우

쿼리 응답 시간이 느리거나 예측할 수 없는 경우 추가 문제 해결 단계를 수행하기 전에 쿼리에 최신 통계가 있는지 확인합니다.

삽입 작업은 오름차순 또는 내림차순 키 열에서 발생합니다

오름차순 또는 내림차순 키 열(예: IDENTITY 실시간 타임스탬프 열)에 대한 통계에는 쿼리 최적화 프로그램에서 수행하는 것보다 더 자주 통계 업데이트가 필요할 수 있습니다. 삽입 작업은 오름차순 또는 내림차순 열에 새 값을 추가합니다. 통계 업데이트를 트리거하기에 추가된 행 수가 너무 적을 수 있습니다. 통계 정보가 최신 상태가 아니고 쿼리가 가장 최근에 추가된 행을 대상으로 선택하는 경우, 현재의 통계 정보에는 이러한 새 값에 대한 카디널리티 추정값이 없습니다. 이 조건으로 인해 카디널리티 예측이 정확하지 않으며 쿼리 성능이 저하될 수 있습니다.

예를 들어 가장 최근의 판매 주문 날짜 중에서 선택하는 쿼리는 통계가 최신 판매 주문 날짜에 대한 카디널리티 예상치를 포함하도록 업데이트되지 않은 경우 부정확한 카디널리티 예상치를 가합니다.

유지 관리 작업 후

테이블 잘르기 또는 행의 대량 삽입 수행과 같이 데이터 분포를 변경하는 유지 관리 절차를 수행한 후 통계를 업데이트하는 것이 좋습니다. 통계를 사전에 업데이트하면 쿼리가 자동 통계 업데이트를 기다리는 동안 쿼리 처리가 지연되는 것을 방지할 수 있습니다.

인덱스 다시 작성, 조각 모음 또는 재구성과 같은 작업은 데이터 배포를 변경하지 않습니다. 따라서 ALTER INDEX REBUILD, DBCC DBREINDEX, DBCC INDEXDEFRAG 또는 ALTER INDEX REORGANIZE 작업을 수행한 후에는 통계를 업데이트할 필요가 없습니다. ALTER INDEX REBUILD 또는 DBCC DBREINDEX를 사용하여 테이블 또는 뷰에 대한 인덱스를 다시 작성하는 경우 쿼리 최적화 프로그램에서 통계를 업데이트하지만 이 통계 업데이트는 인덱스를 다시 만드는 과정에서 생성됩니다. 쿼리 최적화 프로그램은 DBCC INDEXDEFRAG 또는 ALTER INDEX REORGANIZE 작업 후에 통계를 업데이트하지 않습니다.

Tip

SQL Server 2016(13.x) SP1 CU4부터 PERSIST_SAMPLE_PERCENT 옵션을 CREATE STATISTICS 사용하거나 UPDATE STATISTICS 샘플링 비율을 명시적으로 지정하지 않는 후속 통계 업데이트에 대한 특정 샘플링 비율을 설정하고 유지합니다.

자동 인덱스 및 통계 관리

Adaptive Index Defrag와 같은 스마트 솔루션을 사용하여 하나 이상의 데이터베이스에 대한 인덱스 조각 모음 및 통계 업데이트를 자동으로 관리합니다. 이 절차는 다른 매개 변수 중에서 조각화 수준에 따라 인덱스를 다시 작성하거나 다시 구성할지 여부를 자동으로 선택하고 선형 임계값으로 통계를 업데이트합니다.

쿼리 최적화 프로그램에서 사용한 통계 확인

쿼리 최적화 프로그램에서 쿼리를 컴파일할 때 사용하는 통계 개체는 예상 또는 실제 실행 계획을 검사하여 찾을 수 있습니다. 실행 계획을 검사할 때 OptimizerStatsUage 요소에는 쿼리 최적화 프로그램이 컴파일 중에 로드한 통계 개체에 대한 정보를 포함하는 StatisticsInfo 요소들이 있습니다. StatisticsInfo 요소에는 통계 개체 이름, 데이터베이스, 스키마 및 해당 개체가 속한 테이블, 컴파일 시 수정 횟수, 샘플링 백분율 및 마지막으로 업데이트된 시간이 포함됩니다.

다음 기술 중 어느 것을 사용하여 실행 계획을 검사합니다.

• SQL Server Management Studio 쿼리를 실행하기 전에 실제 실행 계획 포함(Ctrl+M)을 선택합니다. 결과와 함께 표시되는 실행 계획 탭에서 다음을 수행할 수 있습니다.
  • 그래픽 계획 내부를 마우스 오른쪽 단추로 클릭하고 실행 계획 XML 표시를 선택합니다. OptimizerStatsUsage 요소 및 각 자식 StatisticsInfo 요소를 찾습니다.
  • 최종(가장 왼쪽) 연산자를 선택합니다. (SELECT 쿼리의 경우 이 연산자는 SELECT 노드입니다.) 속성 창에서 OptimizerStatsUsage 노드를 확장한 다음, 쿼리에 사용된 통계 개체에 대한 정보를 확인합니다.
• 쿼리 전에 ON을 실행 SETSET STATISTICS XML 합니다. 결과와 함께 표시되는 하이퍼링크를 선택하여 실행 계획 XML을 봅니다.
• 최근 쿼리에 대해 sys.dm_exec_query_plan 또는 sys.dm_exec_query_statistics_xml을 쿼리합니다.
• 쿼리 저장소에서 sys.query_store_plan을 사용하여 이전에 캡처된 계획을 읽습니다.

각 StatisticsInfo 요소는 샘플 데이터베이스의 쿼리 AdventureWorks2022 에서 다음 XML 조각과 같습니다.

<StatisticsInfo 
    Database="[AdventureWorks2022]" 
    Schema="[Sales]" 
    Table="[SalesOrderDetail]" 
    Statistics="[IX_SalesOrderDetail_ProductID]" 
    ModificationCount="0" 
    SamplingPercent="100" 
    LastUpdate="2025-09-07T15:32:16.89" />

Attribute	Meaning
Database, Schema, Table	통계가 속한 개체입니다.
Statistics	데이터베이스에 있는 통계 개체의 이름입니다. 이 이름을 DBCC SHOW_STATISTICS 또는 sys.stats와 함께 사용하여 히스토그램 및 밀도 벡터를 검사합니다.
ModificationCount	계획이 컴파일된 시점에 통계가 마지막으로 업데이트된 이후의 데이터 수정 횟수입니다. 테이블 크기에 상대적인 큰 값은 컴파일 중에 통계가 부실했음을 나타냅니다.
SamplingPercent	통계를 작성하기 위해 샘플링된 행의 백분율입니다. 값을 낮추면 기울어진 데이터에 대한 정확도가 낮은 히스토그램을 생성할 수 있습니다.
LastUpdate	마지막 통계 업데이트의 타임스탬프입니다. 데이터베이스에서 AUTO_UPDATE_STATISTICS 옵션을 사용하도록 설정하면 필요한 경우 데이터베이스가 자동으로 통계를 업데이트합니다.

Note

StatisticsInfo 는 계획 컴파일 중에 사용 가능하고 고려된 통계를 반영합니다. 쿼리가 필터링하는 StatisticsInfo 열에 대한 항목이 누락된 경우 쿼리 최적화 프로그램에서 관련 통계를 식별하지 못했습니다. 이는 성능 저하의 잠재적 원인입니다.

통계 개체의 현재 새로 고침 및 수정 횟수를 확인하려면 sys.dm_db_stats_properties 사용합니다. 예를 들어 다음 쿼리는 테이블에 IX_SalesOrderDetail_ProductID명명된 Sales.SalesOrderDetail 통계 개체에 대한 현재 메트릭을 제공합니다.

SELECT
    OBJECT_SCHEMA_NAME(s.object_id) AS schema_name,
    OBJECT_NAME(s.object_id)        AS table_name,
    s.name                          AS statistics_name,
    sp.last_updated,
    sp.rows,
    sp.rows_sampled,
    sp.modification_counter
FROM sys.stats AS s
OUTER APPLY sys.dm_db_stats_properties(s.object_id, s.stats_id) AS sp
WHERE s.object_id = OBJECT_ID(N'Sales.SalesOrderDetail')
  AND s.name = N'IX_SalesOrderDetail_ProductID';

현재 데이터베이스의 자동 통계 생성 및 업데이트 옵션을 사용할 수 있는지 여부를 확인하려면 다음을 사용합니다.

SELECT [name],
    is_auto_create_stats_on,
    is_auto_update_stats_on,
    is_auto_update_stats_async_on
FROM sys.databases
WHERE [name] = DB_NAME();

통계를 효율적으로 사용하는 쿼리

쿼리 조건자의 로컬 변수 및 복잡한 식과 같은 특정 쿼리 구현은 최적이 아닌 쿼리 계획으로 이어질 수 있습니다. 이러한 문제를 방지하려면 통계를 효과적으로 사용하기 위한 쿼리 디자인 지침을 따르세요. 쿼리 조건자에 대한 자세한 내용은 검색 조건참조하세요.

쿼리 조건자에 사용된 식, 변수 및 함수에 대한 카디널리티 예상치 정확도를 높이기 위해 효율적으로 통계를 사용하는 쿼리 설계 지침을 적용하여 쿼리 계획을 향상시킬 수 있습니다. 쿼리 최적화 프로그램에서 식, 변수 또는 함수의 값을 모르는 경우 히스토그램에서 조회할 값을 알지 못하므로 히스토그램에서 최상의 카디널리티 예상치를 검색할 수 없습니다. 대신 쿼리 최적화 프로그램은 히스토그램에서 샘플링된 모든 행에 대한 고유한 값마다 평균 행 수에 대한 카디널리티 예상치를 예측합니다. 이 상황은 최적이 않은 카디널리티 예상치로 이어지며 쿼리 성능을 저하할 수 있습니다. 히스토그램에 대한 자세한 내용은 이 문서 또는 sys.dm_db_stats_histogram히스토그램 섹션을 참조하세요.

다음 지침에서는 카디널리티 예상치를 개선하여 쿼리 계획을 개선하기 위해 쿼리를 작성하는 방법을 설명합니다.

식에 대한 카디널리티 예상치 개선

식에 대한 카디널리티 예상치 정확도를 높이려면 다음 지침에 따르십시오.

• 가능하면 상수가 포함된 식을 간소화합니다. 쿼리 최적화 프로그램은 카디널리티 예상치를 결정하기 전에 상수가 포함된 모든 함수와 식을 평가하지 않습니다. 예를 들어 ABS(-100) 식을 100으로 단순화합니다.
• 식에서 여러 변수를 사용하는 경우 식에 대해 계산된 열을 만든 다음 계산된 열에 대해 통계 또는 인덱스를 만드십시오. 예를 들어 식 WHERE PRICE + Tax > 100에 대한 계산 열을 만드는 경우 쿼리 조건자 Price + Tax의 카디널리티 추정치가 더 좋을 수 있습니다.

변수 및 함수에 대한 카디널리티 예상치 개선

변수 및 함수에 대한 카디널리티 예상치를 개선하려면 다음 지침을 따르세요.

• 쿼리 조건자가 지역 변수를 사용하는 경우 지역 변수 대신 매개 변수를 사용하도록 쿼리를 다시 작성하는 것이 좋습니다. 쿼리 최적화 프로그램은 쿼리 실행 계획을 만들 때 지역 변수의 값을 알지 못합니다. 쿼리에서 매개 변수를 사용하는 경우 쿼리 최적화 프로그램은 저장 프로시저가 받는 첫 번째 실제 매개 변수 값에 대한 카디널리티 예상치를 사용합니다.

• 표준 테이블 또는 임시 테이블을 사용하여 다중 상태 테이블 반환 함수의 결과를 보관하는 것이 좋습니다. 쿼리 최적화 프로그램은 다중 상태 테이블 반환 함수에 대한 통계를 만들지 않습니다. 쿼리 최적화 프로그램은 이 방법을 사용하여 테이블 열에 대한 통계를 만들고 이를 사용하여 더 나은 쿼리 계획을 만들 수 있습니다.

• 표준 테이블 또는 임시 테이블을 테이블 변수 대신 사용하는 것이 좋습니다. 쿼리 최적화 프로그램은 테이블 변수에 대한 통계를 만들지 않습니다. 쿼리 최적화 프로그램은 이 방법을 사용하여 테이블 열에 대한 통계를 만들고 이를 사용하여 더 나은 쿼리 계획을 만들 수 있습니다. 임시 테이블 또는 테이블 변수를 사용할지 여부를 결정하는 데는 장단 사항이 있습니다. 저장 프로시저에 사용되는 테이블 변수는 임시 테이블보다 저장 프로시저를 더 적게 다시 컴파일합니다. 애플리케이션에 따라 테이블 변수 대신 임시 테이블을 사용하면 성능이 향상되지 않을 수 있습니다.

• 저장 프로시저에 전달된 매개 변수를 사용하는 쿼리가 포함된 경우 쿼리에서 사용하기 전에 저장 프로시저 내에서 매개 변수 값을 변경하지 마십시오. 쿼리에 대한 카디널리티 추정치는 업데이트된 값이 아닌 전달된 매개 변수 값을 기반으로 합니다. 매개 변수 값을 변경하지 않도록 쿼리를 다시 작성하여 두 개의 저장 프로시저를 사용할 수 있습니다.

  예를 들어 Sales.GetRecentSales이 @date인 경우 다음 저장 프로시저 @date에서는 매개 변수 NULL의 값을 변경합니다.

  USE AdventureWorks2022;
  GO
  
  IF OBJECT_ID('Sales.GetRecentSales', 'P') IS NOT NULL
      DROP PROCEDURE Sales.GetRecentSales;
  GO
  
  CREATE PROCEDURE Sales.GetRecentSales
  @date DATETIME
  AS
  BEGIN
      IF @date IS NULL
          SET @date = DATEADD(MONTH, -3,
              (SELECT MAX(ORDERDATE)
              FROM Sales.SalesOrderHeader));
      SELECT *
      FROM Sales.SalesOrderHeader AS h, Sales.SalesOrderDetail AS d
      WHERE h.SalesOrderID = d.SalesOrderID
          AND h.OrderDate > @date;
  END
  GO
  

  저장 프로시저 Sales.GetRecentSales를 최초로 호출할 때, NULL 매개 변수에 @date을 전달하면, 쿼리 조건자가 @date = NULL로 호출되지 않아도 쿼리 최적화 프로그램은 @date = NULL에 대한 카디널리티 추정치를 사용하여 저장 프로시저를 컴파일합니다. 이 카디널리티 예상치는 실제 쿼리 결과의 행 수와 크게 다를 수 있습니다. 그 결과 쿼리 최적화 프로그램에서 만족스럽지 못한 쿼리 계획을 선택할 수 있습니다. 이 문제를 방지하기 위해 다음과 같이 저장 프로시저를 두 개의 프로시저로 다시 작성할 수 있습니다.

  USE AdventureWorks2022;
  GO
  
  IF OBJECT_ID('Sales.GetNullRecentSales', 'P') IS NOT NULL
      DROP PROCEDURE Sales.GetNullRecentSales;
  GO
  
  CREATE PROCEDURE Sales.GetNullRecentSales
  @date DATETIME
  AS
  BEGIN
      IF @date IS NULL
          SET @date = DATEADD(MONTH, -3,
              (SELECT MAX(ORDERDATE)
              FROM Sales.SalesOrderHeader));
      EXECUTE Sales.GetNonNullRecentSales @date;
  END
  GO
  
  IF OBJECT_ID('Sales.GetNonNullRecentSales', 'P') IS NOT NULL
      DROP PROCEDURE Sales.GetNonNullRecentSales;
  GO
  
  CREATE PROCEDURE Sales.GetNonNullRecentSales
  @date DATETIME
  AS
  BEGIN
      SELECT *
      FROM Sales.SalesOrderHeader AS h, Sales.SalesOrderDetail AS d
      WHERE h.SalesOrderID = d.SalesOrderID
          AND h.OrderDate > @date;
  END
  GO
  

쿼리 힌트를 사용하여 카디널리티 예상치 정확도 향상

지역 변수에 대한 카디널리티 예상치를 향상하려면 .와 함께 OPTIMIZE FOR <value>또는 OPTIMIZE FOR UNKNOWN 쿼리 힌트를 사용합니다RECOMPILE. 자세한 내용은 쿼리 힌트를 참조하세요.

일부 애플리케이션의 경우 쿼리를 실행할 때마다 다시 컴파일하는 데 너무 많은 시간이 걸릴 수 있습니다. OPTIMIZE FOR 옵션을 사용하지 않는 경우에도 RECOMPILE 쿼리 힌트가 도움이 될 수 있습니다. 예를 들어 특정 날짜를 지정하기 위해 OPTIMIZE FOR 옵션을 Sales.GetRecentSales 저장 프로시저에 추가할 수 있습니다. 다음 예에서는 OPTIMIZE FOR 옵션을 Sales.GetRecentSales 프로시저에 추가합니다.

USE AdventureWorks2022;
GO

IF OBJECT_ID('Sales.GetRecentSales', 'P') IS NOT NULL
    DROP PROCEDURE Sales.GetRecentSales;
GO

CREATE PROCEDURE Sales.GetRecentSales
@date DATETIME
AS
BEGIN
    IF @date IS NULL
        SET @date = DATEADD(MONTH, -3,
            (SELECT MAX(ORDERDATE)
            FROM Sales.SalesOrderHeader));
    SELECT *
    FROM Sales.SalesOrderHeader AS h, Sales.SalesOrderDetail AS d
    WHERE h.SalesOrderID = d.SalesOrderID AND h.OrderDate > @date
    OPTION (OPTIMIZE FOR (@date = '2004-05-01 00:00:00.000'));
END
GO

계획 지침을 사용하여 카디널리티 예상치 정확도 향상

일부 애플리케이션의 경우 쿼리를 변경할 수 없거나 RECOMPILE 쿼리 힌트로 인해 너무 많은 다시 컴파일이 발생할 수 있으므로 쿼리 디자인 지침이 적용되지 않을 수 있습니다. 계획 지침을 사용하여 애플리케이션 공급업체에서 애플리케이션 변경 내용을 조사하는 동안 쿼리 동작을 제어하는 것과 같은 USE PLAN다른 힌트를 지정할 수 있습니다. 계획 지침에 대한 자세한 내용은 Plan Guides를 참조하십시오.

Azure SQL Database에서 계획 지침 대신 계획을 강제로 적용하려면 쿼리 저장소 힌트를 고려하세요. 자세한 내용은 쿼리 저장소 힌트를 참조하세요.

관련 콘텐츠

• 메모리 액세스에 최적화된 테이블에 대한 통계
• CREATE STATISTICS (Transact-SQL)
• UPDATE UPDATE STATISTICS (Transact-SQL)
• sp_updatestats(Transact-SQL)
• DBCC SHOW_STATISTICS(Transact-SQL)
• ALTER DATABASE SET options(Transact-SQL)
• DROP STATISTICS (Transact-SQL)
• CREATE INDEX (Transact-SQL)
• ALTER INDEX (Transact-SQL)
• 필터링된 인덱스 만들기
• STATS_DATE(Transact-SQL)
• sys.dm_db_stats_properties(Transact-SQL)
• sys.dm_db_stats_histogram(Transact-SQL)
• sys.stats
• sys.stats_columns(Transact-SQL)
• 적응형 인덱스 조각 모음