Delen via

Nauwkeurigheid van statistieken controleren in een toegewezen SQL-pool

  • Artikel

Van toepassing op: Azure Synapse Analytics

Bijgewerkte statistieken zijn essentieel voor het genereren van een optimaal uitvoeringsplan. Er zijn twee verschillende perspectieven die u moet evalueren als het gaat om het bepalen van de nauwkeurigheid van statistieken:

Stap 1: controleer de nauwkeurigheid van het aantal besturingsknooppuntrijen

In de toegewezen SQL-pool moet de primaire engine voor het maken van gedistribueerde queryplannen worden bijgewerkt over het aantal rijen op de rekenknooppunten. Voer de volgende query uit om tabellen te identificeren die verschillen hebben tussen het aantal rijen:

SELECT objIdsWithStats.[object_id]
    ,actualRowCounts.[schema]
    ,actualRowCounts.logical_table_name
    ,statsRowCounts.stats_row_count
    ,actualRowCounts.actual_row_count
    ,row_count_difference = CASE 
        WHEN actualRowCounts.actual_row_count >= statsRowCounts.stats_row_count
            THEN actualRowCounts.actual_row_count - statsRowCounts.stats_row_count
        ELSE statsRowCounts.stats_row_count - actualRowCounts.actual_row_count
        END
    ,percent_deviation_from_actual = CASE 
        WHEN actualRowCounts.actual_row_count = 0
            THEN statsRowCounts.stats_row_count
        WHEN statsRowCounts.stats_row_count = 0
            THEN actualRowCounts.actual_row_count
        WHEN actualRowCounts.actual_row_count >= statsRowCounts.stats_row_count
            THEN CONVERT(NUMERIC(18, 0), CONVERT(NUMERIC(18, 2), (actualRowCounts.actual_row_count - statsRowCounts.stats_row_count)) / CONVERT(NUMERIC(18, 2), actualRowCounts.actual_row_count) * 100)
        ELSE CONVERT(NUMERIC(18, 0), CONVERT(NUMERIC(18, 2), (statsRowCounts.stats_row_count - actualRowCounts.actual_row_count)) / CONVERT(NUMERIC(18, 2), actualRowCounts.actual_row_count) * 100)
        END
    ,'UPDATE STATISTICS ' + quotename(actualRowCounts.[schema]) + '.' + quotename(actualRowCounts.logical_table_name) + ';' as update_stats_stmt
FROM (
    SELECT DISTINCT object_id
    FROM sys.stats
    WHERE stats_id > 1
    ) objIdsWithStats
LEFT JOIN (
    SELECT object_id
        ,sum(rows) AS stats_row_count
    FROM sys.partitions
    GROUP BY object_id
    ) statsRowCounts ON objIdsWithStats.object_id = statsRowCounts.object_id
LEFT JOIN (
    SELECT sm.name [schema]
        ,tb.name logical_table_name
        ,tb.object_id object_id
        ,SUM(rg.row_count) actual_row_count
    FROM sys.schemas sm
    INNER JOIN sys.tables tb ON sm.schema_id = tb.schema_id
    INNER JOIN sys.pdw_table_mappings mp ON tb.object_id = mp.object_id
    INNER JOIN sys.pdw_nodes_tables nt ON nt.name = mp.physical_name
    INNER JOIN sys.dm_pdw_nodes_db_partition_stats rg ON rg.object_id = nt.object_id
        AND rg.pdw_node_id = nt.pdw_node_id
        AND rg.distribution_id = nt.distribution_id
    INNER JOIN sys.indexes ind on tb.object_id = ind.object_id
    WHERE rg.index_id < 2 -- In case this condition removed the number of rows will gets duplicated based on the number of index.
    AND ind.type_desc IN ('CLUSTERED COLUMNSTORE', 'HEAP') -- Switch between the CCI (Column store) and HEAP, You should at least keep one value or else the total number of rows will gets duplicated based on the number of indexes.
    GROUP BY sm.name
        ,tb.name
        ,tb.object_id
    ) actualRowCounts ON objIdsWithStats.object_id = actualRowCounts.object_id

Stap 2: ervoor zorgen dat statistieken up-to-date zijn

Het bijwerken van gegevens kan een aanzienlijke invloed hebben op de statistische histogrammen die worden gebruikt om effectieve uitvoeringsplannen te genereren. Voer de volgende query uit om te bepalen of de laatst bijgewerkte datum van uw statistieken overeenkomt met de wijzigingspatronen van de tabel:

SELECT ob.[object_id],max(sm.[name]) AS [schema_name]
    ,max(tb.[name]) AS [table_name]
    ,st.[stats_id]
    ,max(st.[name]) AS [stats_name]
    ,string_agg(co.[name], ',') AS [stats_column_names]
    ,STATS_DATE(ob.[object_id], st.[stats_id]) AS [stats_last_updated_date]
    ,'UPDATE STATISTICS ' + quotename(max(sm.[name])) + '.' + quotename(max(tb.[name])) + ';' as [update_stats_stmt]
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.[stats_id] > 1
GROUP BY ob.[object_id], st.[stats_id]
ORDER BY stats_last_updated_date

Stap 3: Statistieken voor geïdentificeerde tabellen bijwerken

Nadat u in de vorige stappen kandidaattabellen hebt geïdentificeerd, voert u de instructie(s) uit die zijn gegenereerd in de update_stats_stmt kolom van de query's om de statistieken bij te werken.

Opmerking

Het wordt afgeraden afzonderlijke statistieken bij te werken, zelfs niet wanneer de gebruiker is gemaakt. Door uit te voeren UPDATE STATISTICS zonder een statistische naam op te geven, worden alle statistieken die zijn gekoppeld aan de tabel, evenals het aantal rijen voor het besturingsknooppunt, bijgewerkt. U kunt overwegen het standaardscanpercentage te overschrijven door of te gebruiken WITH FULLSCANWITH SAMPLE <SamplePercent> PERCENT om de juiste nauwkeurigheid te bereiken voor grote tabellen. Zie UPDATE STATISTICS (Transact-SQL) voor de volledige syntaxis.

Bijvoorbeeld:

UPDATE STATISTICS [dbo].[MyAwesomeTable];

Nadat de statistieken zijn bijgewerkt, voert u de probleemquery opnieuw uit om te bepalen of de updates van statistieken de uitvoeringsduur hebben verbeterd.

Meer resources voor onderhoud van statistieken