共用方式為


統計資料

適用於:Microsoft Fabric 中的 SQL ServerAzure SQL 資料庫 Azure SQL 受控執行個體 Azure Synapse Analytics SQL 資料庫

查詢最佳化工具會使用統計資料來建立可改善查詢效能的查詢計劃。 對於大部分查詢而言,查詢最佳化工具已經產生高品質查詢計劃的必要統計資料。不過,在少數情況下,您必須建立其他統計資料或修改查詢設計,以便獲得最佳結果。 本文討論有效使用查詢最佳化統計資料的概念和指導方針。

元件和概念

統計資料

查詢最佳化的統計資料是指包含資料表或索引檢視表之一或多個資料行中值分佈相關統計資料的二進位大型物件 (BLOB)。 查詢最佳化工具會使用這些統計資料來估計查詢結果中的基數或資料列數目。 這些基數估計值可讓查詢最佳化工具建立高品質的查詢計劃。 例如,根據您的述詞而定,查詢最佳化工具可使用基數估計值來選擇索引搜尋運算子,而非需要更大量資源的索引掃描運算子 (如果這樣做會改善查詢效能)。

每個統計資料物件都是針對一或多個資料表資料行的清單所建立,其中包含「長條圖」以顯示第一個資料行中的值分佈狀態。 多個資料行的統計資料物件也會儲存這些資料行之間值相互關聯的相關統計資料。 這些相互關聯統計資料 (或稱「密度」) 衍生自資料行值之相異資料列的數目。

長條圖

「長條圖」可測量資料集中每一個相異值的發生頻率。 查詢最佳化工具會計算有關統計資料物件之第一個索引鍵資料行中資料行值的長條圖,以統計方式取樣資料列或執行資料表或檢視表中所有資料列的完整掃描來選取資料行值。 如果長條圖是從一組取樣的資料列所建立,資料列數和相異值數的儲存總計會是預估值,而且不需要為整數。

注意

SQL Server 中的長條圖只會針對單一資料行建置;也就是統計資料物件的索引鍵資料行集合中第一個資料行。

為了建立長條圖,查詢最佳化工具會排序資料行值、計算符合每一個相異資料行值的值數目,然後將資料行值彙總成最多 200 個連續長條圖步驟。 每一個長條圖步驟都包含某個範圍的資料行值,後面緊接著上限資料行值。 此範圍包括界限值之間的所有可能資料行值,但是不包括界限值本身。 最低的已排序資料行值就是第一個長條圖步驟的上限值。

更詳細來說,SQL Server 會以下列三個步驟,從已排序的資料行值集合來建立長條圖

  • 長條圖初始化:第一個步驟會從已排序的集合開頭處理一連串值,並收集最多 200 個 range_high_keyequal_rowsrange_rowsdistinct_range_rows 的值 (在此步驟中,range_rowsdistinct_range_rows 一律為零)。 當所有的輸入都已用完,或已找到 200 個值時,就會結束第一個步驟。
  • 使用貯體合併掃描:第二個步驟會依順序處理統計資料索引鍵之前置資料行的每一個額外值;每個後續的值可以新增到最後一個範圍,或在結束時建立新的範圍 (由於輸入的值會排序,因此這是可行的)。 建立新的範圍時,會將現有的一組相鄰範圍摺疊成單一範圍。 系統會選取這一組範圍,以將資訊遺失的機率降至最低。 此方法會使用「最大差異」演算法,讓長條圖中的步驟數減至最少,同時讓界限值之間的差異最大化。 在這整個步驟期間,範圍摺疊之後的步驟數目仍然為 200。
  • 長條圖彙總:第三個步驟會摺疊更多範圍 (如果不會遺失大量資訊的話)。 長條圖步驟的數目可以少於相異值數目,即使包含了少於 200 個界限點的資料行也是如此。 因此,即使資料行具有超過 200 個唯一值,長條圖仍可能只需 200 個以下的步驟。 若資料行都是由唯一值組成,則合併的長條圖將只有最少的三個步驟。

注意

如果已使用樣本來建置長條圖,而非進行完整掃描,則 equal_rowsrange_rowsdistinct_range_rowsaverage_range_rows 的值會是預估值,而且不需要為整數。

下列長條圖顯示包含六個步驟的長條圖。 第一個上限值左側的區域就是第一個步驟。

如何從取樣的資料行值中計算長條圖的示意圖。

針對上述每一個長條圖步驟:

  • 粗線代表上限值 (range_high_key) 以及其所發生的次數 (equal_rows)

  • range_high_key 左邊的實線區域代表資料行值範圍,以及每一個資料行值發生的平均次數 (average_range_rows)。 第一個長條圖步驟的 average_range_rows 一定是 0。

  • 虛線代表用來預估範圍內相異值總數的取樣值 (distinct_range_rows) 以及範圍內的值總數 (range_rows)。 查詢最佳化工具會使用 range_rowsdistinct_range_rows 來計算 average_range_rows,而且不會儲存取樣值。

密度向量

密度是給定資料行或組合資料行中的重複項目數量資訊,其計算方式為 1/(相異值數目)。 查詢最佳化工具會使用密度來增強查詢的基數預估,這些查詢會從相同的資料表或索引檢視表傳回多個資料行。 當密度降低時,值的選擇性會增加。 例如,在表示車種的資料表中,許多車種的製造商都是相同的,但每輛車都有一個唯一的汽車識別號碼。 由於 VIN 的密度比製造商低,因此 VIN 的索引會比製造商的索引更具選擇性。

注意

「頻率」是統計資料物件第一個索引鍵資料行中每一個相異值的發生次數資訊,其計算方式為 row count * density。 如果資料行具有唯一值,則其最大頻率為 1。

密度向量針對統計資料物件中資料行的每個前置詞各包含一個密度。 例如,如果統計資料物件具有 CustomerIdItemIdPrice 等索引鍵資料行,就會根據下列每一個資料行前置詞來計算密度。

資料行前置詞 計算密度的依據
CustomerId CustomerId 的值相符的資料列
CustomerIdItemId CustomerIdItemId 的值相符的資料列
CustomerId、 、 PriceItemId CustomerIdItemIdPrice 的值相符的資料列

篩選的統計資料

對於從定義完善的資料子集中選取的查詢而言,篩選的統計資料可以改善查詢效能。 篩選的統計資料會使用篩選述詞來選取統計資料中所含的資料子集。 設計完善的篩選統計資料可以改善查詢執行計畫 (相較於完整資料表統計資料而言)。 如需篩選述詞的詳細資訊,請參閱 CREATE STATISTICS (Transact-SQL)。 如需何時要建立篩選統計資料的詳細資訊,請參閱本文的何時建立統計資料一節。

統計資料選項

下列選項可影響統計資料的建立及更新時機和方式。 您只能在資料庫層級設定這些選項。

AUTO_CREATE_STATISTICS 選項

開啟自動建立統計資料選項 AUTO_CREATE_STATISTICS 時,查詢最佳化工具就會視需要針對查詢述詞中的個別資料行來建立統計資料,以便改善查詢計劃的基數估計值。 這些單一資料行統計資料是針對在現有統計資料物件中尚未具有長條圖的資料行建立的。 AUTO_CREATE_STATISTICS 選項不會判斷系統是否針對索引建立了統計資料。 這個選項也不會產生篩選的統計資料。 它會嚴格套用至完整資料表的單一資料行統計資料。

當查詢最佳化工具因使用 AUTO_CREATE_STATISTICS 選項而產生統計資料時,統計資料名稱就會以 _WA 作為開頭。 您可以使用下列查詢來判斷查詢最佳化工具是否已經針對查詢述詞資料行建立統計資料。

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 選項

開啟自動更新統計資料選項 AUTO_UPDATE_STATISTICS 時,查詢最佳化工具會判斷統計資料何時過期,然後在查詢使用統計資料時加以更新。 此動作也稱為統計資料重新編譯。 當插入、更新、刪除或合併作業所做的修改變更資料表或索引檢視表中的資料分佈之後,統計資料就會變成過期。 查詢最佳化工具會計算自從上次更新統計資料以來資料列修改的次數,並將資料列修改次數與某個閾值比較,藉以判斷統計資料是否可能已經過期。 閾值是以資料表基數為基礎,可定義為資料表或索引檢視表中的資料列數目。

即使 AUTO_UPDATE_STATISTICS 選項為 OFF,仍會根據資料列修改將統計資料標示為過期。 當 AUTO_UPDATE_STATISTICS 選項為 OFF 時,即使統計資料標示為過期,也不會更新統計資料。 計畫會繼續使用過期的統計資料物件。 將 AUTO_UPDATE_STATISTICS 設定為 OFF 可能會導致次佳查詢計劃並降低查詢效能。 建議將 AUTO_UPDATE STATISTICS 選項設定為 ON。

  • 一直到 SQL Server 2014 (12.x),資料庫引擎都是根據評估統計資料時資料表或索引檢視表中的資料列數目,使用重新編譯閾值。 不論資料表是暫時或永久的,閾值都會不同。

    資料表類型 資料表基數 (n) 重新編譯閾值 (修改次數)
    暫存 n< 6 6
    暫存 6 <= n<= 500 500
    持續性 n<= 500 500
    暫時或永久 n> 500 500 + (0.20 * n)

    例如,如果您的資料表包含 2 萬個資料列,則計算結果為 500 + (0.2 * 20,000) = 4,500,而且每修改 4,500 次即會更新統計資料。

  • 從 SQL Server 2016 (13.x) 開始且在 資料庫相容性層級130 中,資料庫引擎也會使用遞減的動態統計資料重新編譯閾值,此閾值會依照評估統計資料時的資料表基數來調整。 由於此變更,大型資料表上的統計資料會頻繁地更新。 不過,如果資料庫的相容性層級低於 130,則會套用 SQL Server 2014 (12.x) 閾值。

    資料表類型 資料表基數 (n) 重新編譯閾值 (修改次數)
    暫存 n < 6 6
    暫存 6 <= n <= 500 500
    持續性 n <= 500 500
    暫時或永久 n > 500 MIN ( 500 + (0.20 * n), SQRT(1,000 * n) )

    例如,如果您的資料表包含 2 百萬個資料列,則計算結果是最小值 500 + (0.20 * 2,000,000) = 400,500SQRT(1,000 * 2,000,000) = 44,721。 這表示統計資料會每修改 44,721 次即會更新一次。

重要

在 SQL Server 2008 R2 (10.50.x) 到 SQL Server 2014 (12.x),或在 SQL Server 2016 (13.x) 和更新版本且在資料庫相容性層級 120 和更低版本中,啟用追蹤旗標 2371,讓 SQL Server 使用遞減的動態統計資料更新閾值。

雖然建議適用於所有案例,但啟用追蹤旗標 2371 是選用程序。 但您可以使用下列指導方針,在 SQL Server 2016 (13.x) 之前版本的環境中啟用追蹤旗標 2371:

  • 如果您是在 SAP 系統上,請啟用此追蹤。 如需詳細資訊,請參閱這篇有關追蹤旗標 2371 的部落格文章
  • 如果您因為目前的自動更新未頻繁地觸發,而必須依賴夜間作業來更新統計資料,請考慮啟用追蹤旗標 2371 以依照資料表基數調整閾值。

在編譯查詢及執行快取查詢計劃之前,查詢最佳化工具會檢查是否有過期的統計資料。 在編譯查詢之前,查詢最佳化工具會使用查詢述詞中的資料行、資料表和索引檢視表來判斷哪些統計資料可能已過期。 在執行快取查詢計畫之前,資料庫引擎會確認查詢計畫是否參考最新的統計資料。

AUTO_UPDATE_STATISTICS 選項會套用至針對索引所建立的統計資料物件、查詢述詞中的單一資料行,以及使用 CREATE STATISTICS 陳述式所建立的統計資料。 此外,這個選項也會套用至篩選的統計資料。

如果您希望以手動方式更新統計資料,您可以使用 sys.dm_db_stats_properties 來準確地追蹤資料表中已變更資料列的數目。

如果是記憶體最佳化的資料表,AUTO_UPDATE_STATISTICS 永遠都是 OFF。

AUTO_UPDATE_STATISTICS_ASYNC

非同步統計資料更新選項 AUTO_UPDATE_STATISTICS_ASYNC 會決定查詢最佳化工具要使用同步或非同步統計資料更新。 根據預設,非同步統計資料更新選項會處於關閉狀態,而查詢最佳化工具會以同步方式更新統計資料。 AUTO_UPDATE_STATISTICS_ASYNC 選項會套用至針對索引所建立的統計資料物件、查詢述詞中的單一資料行,以及使用 CREATE STATISTICS 陳述式所建立的統計資料。

注意

若要在 SQL Server Management Studio 中設定非同步統計資料更新選項,請在 [資料庫屬性] 視窗的 [選項] 頁面中,將 [自動更新統計資料] 和 [自動非同步更新統計資料] 選項設定為 [True]。

統計資料更新可以是同步 (預設值) 或非同步。

  • 使用同步統計資料更新時,查詢一律會依據最新的統計資料進行編譯和執行。 當統計資料過期時,查詢最佳化工具會先等待統計資料更新,再編譯並執行查詢。

  • 使用非同步統計資料更新時,即使現有的統計資料已過期,查詢仍會依據現有的統計資料進行編譯。 如果查詢編譯時統計資料已過期,則查詢最佳化工具可能會選擇次佳的查詢計畫。 統計資料通常會在之後立即更新。 如果查詢是在統計資料更新完成之後進行編譯,即可使用更新的統計資料,並獲得相關優勢。

當您執行變更資料分佈的作業時 (例如截斷資料表,或大量更新大部分的資料列),請考慮使用同步統計資料。 如果未在完成此作業之後手動更新統計資料,則可使用同步的統計資料先確保統計資料處於最新狀態,再針對變更的資料執行查詢。

在下列狀況中,請考慮使用非同步統計資料來達到更可預測的查詢回應時間:

  • 您的應用程式經常會執行相同的查詢、相似的查詢或相似的快取查詢計劃。 相較於使用同步統計資料更新,使用非同步統計資料更新可能會讓您更容易預測查詢的回應時間,因為查詢最佳化工具不需要等候最新的統計資料,就可以執行傳入的查詢。 這樣會避免延遲某些查詢,但無法避免延遲其他查詢。

  • 您的應用程式遇到等候更新統計資料之一或多個查詢所造成的用戶端要求逾時。 在某些情況下,等候同步統計資料可能會造成具有彙總逾時的應用程式失敗。

注意

無論 AUTO_UPDATE_STATISTICS_ASYNC 選項為何,本機暫存資料表上的統計資料一律同步更新。 依使用者資料庫設定的 AUTO_UPDATE_STATISTICS_ASYNC 選項,決定同步或非同步更新全域暫存資料表上的統計資料。

非同步統計資料更新是由背景要求執行的。 當要求準備好將更新後的統計資料寫入資料庫時,要求會嘗試取得統計資料中繼資料物件的結構描述修改鎖定。 如果不同工作階段已取得相同物件的鎖定,非同步統計資料更新即會遭到封鎖,直到可取得結構描述修改鎖定為止。 同樣地,需要取得統計資料中繼資料物件結構描述穩定性 (Sch-S) 鎖定,以編譯查詢的工作階段也會遭到非同步統計資料更新背景工作階段封鎖,因為後者已取得或正在等待取得結構描述修改鎖定。 因此,針對需要經常進行查詢編譯和統計資料更新的工作負載,使用非同步統計資料會增加因鎖定封鎖而產生並行問題的可能性。

在 Azure SQL Database、Azure SQL 受控執行個體中,以及從 SQL Server 2022 (16.x) 開始,若啟用 ASYNC_STATS_UPDATE_WAIT_AT_LOW_PRIORITY 資料庫範圍設定,即可使用非同步統計資料更新來避免潛在的並行問題。 啟用這項設定時,背景要求將會等待取得結構描述修改 (Sch-M) 鎖定並將更新的統計資料保存在另外一個低優先順序的佇列中,允許其他要求繼續使用現有的統計資料編譯查詢。 一旦沒有其他工作階段持有統計資料中繼資料物件的鎖定,背景要求便會取得其結構描述修改鎖定,並更新統計資料。 雖然不常發生,但若背景要求無法在數分鐘的逾時期間內取得鎖定,非同步統計資料更新即會中止,且統計資料將不會更新,直到觸發另一個自動統計資料更新,或直到統計資料都已手動更新為止。

注意

在 Azure SQL Database、Azure SQL 受控執行個體,以及從 SQL Server 2022 (16.x) 開始的 SQL Server 中,均提供 ASYNC_STATS_UPDATE_WAIT_AT_LOW_PRIORITY 資料庫範圍設定選項。

AUTO_DROP 選項

適用於:Azure SQL Database、Azure SQL 受控執行個體,以及從 SQL Server 2022 (16.x) 開始

在 SQL Server 2022 (16.x) 之前的 SQL Server 中,如果使用者或第三方工具在使用者資料庫上手動建立統計資料,這些統計資料物件可能會封鎖或干擾您可能想要的結構描述變更。

從 SQL Server 2022 (16.x) 開始,預設會在所有新的和已移轉的資料庫上啟用自動卸除選項。 AUTO_DROP 屬性允許在模式中建立統計資料物件,讓統計資料物件不會封鎖後續的結構描述變更,而是視需要卸除統計資料。 如此一來,啟用自動卸除的手動建立統計資料運作方式,就像自動建立的統計資料一樣。

注意

嘗試在自動建立的統計資料上設定或取消設定自動卸除屬性,會引發錯誤。 自動建立的統計資料一律會使用自動卸除。 還原時,某些備份的此屬性會設定不正確,直到下次統計資料物件更新 (手動或自動) 為止。 不過,自動建立的統計資料一律會以和自動卸除統計資料相同的方式運作。 從舊版將資料庫還原至 SQL Server 2022 (16.x) 時,建議在資料庫上執行 sp_updatestats,為統計資料自動卸除功能設定適當的中繼資料。

例如,若要在 dbo.DatabaseLog 資料表上手動建立統計資料物件:

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

例如,若要在 dbo.DatabaseLog 資料表上更新統計資料物件自動卸除設定:

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

若要評估現有統計資料的自動卸除設定,請使用 sys.stats 中的 auto_drop 資料行:

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

如需詳細資訊,請參閱 CREATE STATISTICS (Transact-SQL)

INCREMENTAL

適用於:SQL Server 2014 (12.x) 和更新版本。

當 CREATE STATISTICS 的 INCREMENTAL 選項為 ON 時,所建立的統計資料會依據每個分割區統計資料累加。 若為 OFF,則會卸除統計資料樹狀結構,且 SQL Server 會重新計算統計資料。 預設值為 OFF。 此設定會覆寫資料庫層級 INCREMENTAL 屬性。 如需建立累加統計資料的詳細資訊,請參閱 CREATE STATISTICS (Transact-SQL)。 如需自動建立每個分割區統計資料的詳細資訊,請參閱資料庫屬性 (選項頁面)ALTER DATABASE SET 選項 (Transact-SQL)

當新的分割區區加入到大型資料表時,應更新統計資料,以包含新的分割區區。 但是掃描整個資料表 (FULLSCANSAMPLE 選項) 所需的時間可能會很長。 此外,由於可能只需要新分割區區的統計資料,所以不需要掃描整個資料表。 累加選項會以每個分割區區為基礎,建立及儲存統計資料,更新時只會重新整理需要新統計資料之分割區區的統計資料。

如果不支援每個分割區的統計資料,則會忽略此選項,並產生警告。 針對下列統計資料類型,不支援累加統計資料:

  • 建立統計資料時,所使用的索引未與基底資料表進行分割區對齊。
  • 在 AlwaysOn 可讀取次要資料庫上建立的統計資料。
  • 在唯讀資料庫上建立的統計資料。
  • 在篩選的索引上建立的統計資料。
  • 在檢視上建立的統計資料。
  • 在內部資料表上建立的統計資料。
  • 使用空間索引或 XML 索引建立的統計資料。

何時建立統計資料

查詢最佳化工具已經用下列方式建立統計資料:

  1. 建立索引時,查詢最佳化工具就會針對資料表或檢視表的索引建立統計資料。 這些統計資料是針對索引的索引鍵資料行所建立的。 如果索引是篩選的索引,查詢最佳化工具就會在針對篩選索引所指定的相同資料列子集上建立篩選的統計資料。 如需篩選索引的詳細資訊,請參閱建立篩選的索引CREATE INDEX (Transact-SQL)

    注意

    從 SQL Server 2014 (12.x) 開始,不會在建立或重建資料分割索引時,掃描資料表中的所有資料列來建立統計資料。 反之,查詢最佳化工具會使用預設的取樣演算法來產生統計資料。 升級具有分割區索引的資料庫之後,可能會注意到這些索引之長條圖資料的差異。 此行為變更可能不會影響查詢效能。 若要在掃描資料表中所有資料列時取得分割區索引的統計資料,使用子句 FULLSCAN 時請使用 CREATE STATISTICSUPDATE STATISTICS

  2. 開啟 AUTO_CREATE_STATISTICS 時,查詢最佳化工具會針對查詢述詞中的單一資料行建立統計資料。

對於大部分查詢而言,這兩種建立統計資料的方法可確保高品質的查詢計劃。不過,在少數情況下,您可以使用 CREATE STATISTICS 陳述式來建立其他統計資料,以便改善查詢計劃。 這些額外的統計資料可以擷取查詢最佳化工具在建立索引或單一資料行的統計資料時無法說明的統計相互關聯。 您的應用程式可能會在資料表資料中具有其他統計相互關聯,如果它們計算成統計資料物件,就可讓查詢最佳化工具改善查詢計劃。 例如,資料列子集的篩選統計資料或查詢述詞資料行的多重資料行統計資料可能會改善查詢計劃。

使用 CREATE STATISTICS 陳述式來建立統計資料時,我們建議您繼續將 AUTO_CREATE_STATISTICS 選項設為 ON,讓查詢最佳化工具能夠繼續照常針對查詢述詞資料行建立單一資料行統計資料。 如需查詢述詞的詳細資訊,請參閱搜尋條件 (Transact-SQL)

當下列任何情況適用時,請考慮使用 CREATE STATISTICS 陳述式來建立統計資料:

  • Database Engine Tuning Advisor 建議您建立統計資料。
  • 查詢述詞包含多個尚未存在相同索引中的相互關聯資料行。
  • 查詢會從資料子集中選取。
  • 查詢具有遺失的統計資料。

注意

如需記憶體內部 OLTP 相關資料表和統計資料的特定資訊,請參閱經記憶體最佳化的資料表統計資料

查詢述詞包含多個相互關聯的資料行

當查詢述詞包含多個具有跨資料行關聯性與相依性的資料行時,多個資料行的統計資料可能會改善查詢計劃。 多個資料行的統計資料包含跨資料行相互關聯統計資料 (稱為「密度」,而且這些統計資料不會在單一資料行統計資料中提供。 當查詢結果相依於多個資料行之間的資料關聯性時,密度可以改善基數估計值。

如果資料行已經存在相同的索引中,就表示多重資料行統計資料物件已經存在,而且您不需要手動建立此物件。 如果資料行尚未存在相同的索引中,您可以針對資料行建立索引或使用 CREATE STATISTICS 陳述式,藉以建立多重資料行統計資料。 相較於統計資料物件而言,這種統計資料需要更多系統資源來維護索引。 如果應用程式不需要多重資料行索引,您就可以建立統計資料物件而不建立索引,藉以節省系統資源。

建立多重資料行統計資料時,統計資料物件定義中的資料行順序會影響建立基數估計值之密度的有效性。 統計資料物件會將索引鍵資料行之每個前置詞的密度儲存在統計資料物件定義中。 如需有關密度的詳細資訊,請參閱本頁面中的密度一節。

若要建立對於基數估計值有用的密度,查詢述詞中的資料行必須與統計資料物件定義的其中一個資料行前置詞相符。 例如,下列範例會針對 LastNameMiddleNameFirstName 資料行建立多重資料行統計資料物件。

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

在這則範例中,統計資料物件 LastFirst 具有下列資料行前置詞的密度:(LastName)(LastName, MiddleName)(LastName, MiddleName, FirstName)。 此密度不適用於 (LastName, FirstName)。 如果查詢使用 LastNameFirstName 而不使用 MiddleName,此密度就不適用於基數估計值。

查詢會從資料子集中選取

當查詢最佳化工具針對單一資料行和索引建立統計資料時,它就會針對所有資料列中的值建立統計資料。 當查詢從資料列的子集中選取,而且該資料列子集具有唯一的資料分佈時,篩選的統計資料就可以改善查詢計劃。 您可以使用 CREATE STATISTICS 陳述式搭配 WHERE 子句來定義篩選述詞運算式,藉此建立篩選統計資料。

例如,在使用 AdventureWorks2022 時,Production.Product 資料表中的每個產品都屬於 Production.ProductCategory 資料表中下列四個類別目錄的其中一項:BikesComponentsClothingAccessories。 其中每個類別目錄都具有不同的重量資料分佈:腳踏車 (Bikes) 的重量範圍是從 13.77 到 30.0、元件 (Components) 的重量範圍是從 2.12 到 1050.00 且有些是 NULL 值、衣服 (Clothing) 的重量全部為 NULL,配件 (Accessories) 的重量也是 NULL

以 Bikes 為例,相較於在 Weight 資料行上具有完整資料表統計資料或不存在統計資料而言,針對所有腳踏車重量的篩選統計資料將能為查詢最佳化工具提供更精確的統計資料,而且可以改善查詢計劃品質。 雖然腳踏車重量資料行適合做為篩選的統計資料,但是不一定適合做為篩選的索引 (如果重量查閱的數目相當小的話)。 篩選索引為查閱所提供的效能提升程度可能不會超過將篩選索引加入至資料庫的額外維護和儲存成本。

下列陳述式會針對 Bikes 的所有子類別目錄建立 BikeWeights 篩選統計資料。 篩選述詞運算式會使用比較 Production.ProductSubcategoryID IN (1,2,3)來列舉所有腳踏車子類別目錄,藉以定義腳踏車。 此述詞無法使用 Bikes 類別目錄,因為它儲存在 Production.ProductCategory 資料表中,而且篩選運算式的所有資料行都必須位於相同的資料表中。

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

查詢最佳化工具可以使用 BikeWeights 篩選統計資料,來針對下列會選取所有重量超過 25 之腳踏車的查詢,改善其查詢計劃。

SELECT P.Weight AS Weight, S.Name AS BikeName
FROM Production.Product AS P
    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

查詢會識別遺失的統計資料

如果有錯誤或其他事件讓查詢最佳化工具無法建立統計資料,查詢最佳化工具會在不使用統計資料的情況下建立查詢計劃。 查詢最佳化工具會將統計資料標示為遺失,並且嘗試在下一次執行查詢時重新產生統計資料。

當查詢的執行計畫是利用 SQL Server Management Studio 以圖形顯示時,系統即會以警告指出遺失的統計資料 (以紅字顯示資料表名稱)。 此外,請使用 SQL Server Profiler 來指出統計資料遺失的時間,以監視遺失資料行統計資料事件類別。 如需詳細資訊,請參閱錯誤和警告事件類別目錄 (資料庫引擎)

如果統計資料已遺失,請執行下列步驟:

如果唯讀資料庫或唯讀快照集上的統計資料遺漏或過時,資料庫引擎會在 tempdb 中建立及維護暫時統計資料。 當資料庫引擎建立暫時統計資料時,統計資料名稱會附加後置詞 _readonly_database_statistic,以便區分暫時統計資料與永久統計資料。 後置詞 _readonly_database_statistic 會保留給 SQL Server 產生的統計資料使用。 暫時統計資料的指令碼可以在讀寫資料庫上建立和複製。 若已編寫指令碼,則 Management Studio 會將統計資料名稱的後置詞從 _readonly_database_statistic 變更為 _readonly_database_statistic_scripted

只有 SQL Server 可以建立和更新暫時統計資料。 但是,您可以使用永久統計資料所使用的相同工具來刪除暫時統計資料及監控統計資料屬性:

  • 使用 DROP STATISTICS 陳述式刪除暫時統計資料。
  • 使用 sys.statssys.stats_columns 目錄檢視來監視統計資料。 sys.stats 系統目錄檢視包含 is_temporary 資料行,以指示哪些統計資料為永久性及哪些統計資料為暫時性。

因為暫時統計資料會儲存在 tempdb 中,所以重新啟動 SQL Server 服務會導致所有暫時統計資料消失。

何時更新統計資料

查詢最佳化工具會判斷統計資料可能過期的時間,然後在查詢計劃需要它們時進行更新。 在某些情況下,您可讓統計資料更新頻率高於 AUTO_UPDATE_STATISTICS 開啟時的更新頻率,藉此改善查詢計畫而提升查詢效能。 您可以使用 UPDATE STATISTICS 陳述式或 sp_updatestats 預存程序來更新統計資料。

更新統計資料可確保查詢使用最新的統計資料進行編譯。 透過任何程序更新統計資料,會導致查詢計劃自動重新編譯。 我們建議您不要太頻繁地手動更新統計資料,因為在改善查詢計劃與重新編譯查詢所花費的時間之間必須權衡效能取捨。 特定的權衡取捨完全取決於您的應用程式。

使用 UPDATE STATISTICSsp_updatestats 來更新統計資料時,建議您將 AUTO_UPDATE_STATISTICS 保持設定為 ON,讓查詢最佳化工具能夠繼續照常更新統計資料。

AUTO_UPDATE_STATISTICS 設定為 OFF 時,計畫重新編譯仍可能會因為各種其他原因而發生,但不會因為過期的統計資料更新而自動發生。 當 AUTO_UPDATE_STATISTICS 設為 OFF 時,統計資料更新只會透過其他手動排程的程序執行,例如維護計畫。 因此將 AUTO_UPDATE_STATISTICS 設定為 OFF 可能會導致次佳查詢計劃並降低查詢效能。

偵測過期的統計資料

若要判斷上次更新統計資料的時間,請使用 sys.dm_db_stats_propertiesSTATS_DATE 函式。

在下列狀況中,請考慮更新統計資料:

  • 查詢執行時間很慢。
  • 插入作業針對遞增或遞減索引鍵資料行進行。
  • 在維護作業之後。

如需手動更新統計資料的範例,請參閱 UPDATE STATISTICS (Transact-SQL)

查詢執行時間很慢

如果查詢回應時間很慢或無法預測,請先確定查詢具有最新的統計資料,然後再執行其他疑難排解步驟。

插入作業在遞增或遞減索引鍵資料行上發生

遞增或遞減索引鍵資料行 (例如 IDENTITY 或即時時間戳記資料行) 上的統計資料所需的統計資料更新頻率,可能會比查詢最佳化工具所執行的更新頻率更高。 插入作業會將新的值附加至遞增或遞減資料行。 所加入的資料列數目可能會太小,而無法觸發統計資料更新。 如果統計資料不是最新的,而且查詢會從最近加入的資料列中選取,則目前的統計資料將不會具有這些新值的基數估計值。 這可能會導致基數估計值不精確以及查詢效能緩慢。

例如,如果統計資料沒有更新成包含最新銷售訂單日期的基數估計值,則從最新銷售訂單日期中選取的查詢就會具有不精確的基數估計值。

在維護作業之後

在執行變更資料分佈的維護程序 (例如截斷資料表或針對大部分的資料列執行大量插入) 之後,請考慮更新統計資料。 這樣做可在查詢等候自動統計資料更新時,避免未來查詢處理產生延遲。

重建、重組或重新組織索引等作業都不會變更資料的分佈。 因此,在執行 ALTER INDEX REBUILDDBCC DBREINDEXDBCC INDEXDEFRAGALTER INDEX REORGANIZE 作業之後,您就不需要更新統計資料。 當您使用 ALTER INDEX REBUILDDBCC DBREINDEX 來重建資料表或檢視表的索引時,查詢最佳化工具就會更新統計資料。不過,這種統計資料更新是重新建立索引的副產品。 在 DBCC INDEXDEFRAGALTER INDEX REORGANIZE 作業之後,查詢最佳化工具則不會更新統計資料。

提示

從 SQL Server 2016 (13.x) SP1 CU4 開始,請使用 CREATE STATISTICS (Transact-SQL)UPDATE STATISTICS (Transact-SQL) 的 PERSIST_SAMPLE_PERCENT 選項,以針對沒有明確指定取樣百分比的後續統計資料更新,設定並保留特定的取樣百分比。

自動索引與統計資料管理

利用自適性索引子磁碟重組等智慧解決方案,為一或多個資料庫自動管理索引重組以及統計資料更新。 這項程序會根據索引分散程度與其他參數,自動選擇要進行重建或是重新組織索引,並以線性閾值更新統計資料。

有效使用統計資料的查詢

某些查詢實作 (例如查詢述詞中的區域變數和複雜運算式) 可能會導致次佳的查詢計劃。 不過,遵循查詢設計指導方針來有效使用統計資料有助於避免這種情況發生。 如需查詢述詞的詳細資訊,請參閱搜尋條件 (Transact-SQL)

您可以套用有效使用統計資料的查詢設計指導方針來改善查詢述詞中使用之運算式、變數和函數的「基數估計值」,藉以改善查詢計劃。 當查詢最佳化工具不知道運算式、變數或函式的值時,它就不知道要在長條圖中查閱哪個值,因此無法從長條圖中擷取最佳的基數估計值。 此時,查詢最佳化工具會改為以長條圖中所有取樣資料列之每個相異值的平均資料列數目做為基數估計值的基礎。 這樣會導致次佳的基數估計值,而且可能會損及查詢效能。 如需長條圖的詳細資訊,請參閱本頁面中的長條圖一節,或是 sys.dm_db_stats_histogram

下列指導方針描述的是如何撰寫查詢,以便透過改善基數估計值,改善查詢計劃。

改善運算式的基數估計值

若要改善運算式的基數估計值,請遵循下列指導方針:

  • 您應該盡可能簡化含有常數的運算式。 在判斷基數估計值之前,查詢最佳化工具不會評估包含常數的所有函式和運算式。 例如,請將運算式 ABS(-100) 簡化為 100
  • 如果運算式使用多個變數,請考慮建立運算式的計算資料行,然後再針對計算資料行建立統計資料或索引。 例如,如果您建立了 WHERE PRICE + Tax > 100 運算式的計算資料行, Price + Tax查詢述詞可能會具有較佳的基數估計值。

改善變數和函式的基數估計值

若要改善變數和函數的基數估計值,請遵循下列指導方針:

  • 如果查詢述詞使用區域變數,請考慮將查詢重新撰寫成使用參數而非區域變數。 當查詢最佳化工具建立查詢執行計畫時,並無法得知區域變數的值。 當查詢使用參數時,查詢最佳化工具就會使用傳遞給預存程序之第一個實際參數值的基數估計值。

  • 請考慮使用標準資料表或暫存資料表來保存多重陳述式資料表值函式 (mstvf) 的結果。 查詢最佳化工具不會針對多重陳述式資料表值函式建立統計資料。 透過這種方法,查詢最佳化工具就可以建立資料表資料行的統計資料,然後使用它們來建立較佳的查詢計劃。

  • 請考慮使用標準資料表或暫存資料表當做資料表變數的取代項目。 查詢最佳化工具不會針對資料表變數建立統計資料。 透過這種方法,查詢最佳化工具就可以建立資料表資料行的統計資料,然後使用它們來建立較佳的查詢計劃。 當您在判斷要使用暫存資料表或資料表變數時,存在權衡取捨。在預存程序中使用的資料表變數會讓預存程序重新編譯的次數比暫存資料表更少。 根據應用程式而定,使用暫存資料表來取代資料表變數可能不會改善效能。

  • 如果預存程序包含使用傳入參數的查詢,請避免在查詢中使用之前,變更預存程序中的參數值。 查詢的基數估計值是以傳入參數而非更新的值為基礎。 若要避免變更參數值,您可以將查詢重新撰寫成使用兩個預存程序。

    例如,下列預存程序 Sales.GetRecentSales 會在 @dateNULL 時變更 @date 參數的值。

    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 h, Sales.SalesOrderDetail d
        WHERE h.SalesOrderID = d.SalesOrderID
        AND h.OrderDate > @date
    END
    GO
    

    如果預存程序 Sales.GetRecentSales 的第一次呼叫傳遞 NULL@date 參數,查詢最佳化工具就會使用 @date = NULL 的基數估計值來編譯此預存程序,即使沒有使用 @date = NULL 來呼叫查詢述詞也一樣。 這個基數估計值可能會與實際查詢結果中的資料列數目具有大幅差異。 因此,查詢最佳化工具可能會選擇到次佳的查詢計劃。 為了協助避免這種情況發生,您可以將此預存程序重新撰寫成兩個程序,如下所示:

    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))
        EXEC 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 h, Sales.SalesOrderDetail d
        WHERE h.SalesOrderID = d.SalesOrderID
        AND h.OrderDate > @date
    END
    GO
    

使用查詢提示來改善基數估計值

若要改善區域變數的基數估計值,您可以使用 OPTIMIZE FOR <value>OPTIMIZE FOR UNKNOWN 查詢提示搭配 RECOMPILE。 如需詳細資訊,請參閱 查詢提示 (Transact-SQL)

對於某些應用程式而言,每次執行查詢都重新編譯查詢可能會花費太多時間。 即使您沒有使用 RECOMPILE 選項,OPTIMIZE FOR 查詢提示仍然有所幫助。 例如,您可以將 OPTIMIZE FOR 選項加入預存程序 Sales.GetRecentSales,以指定特定日期。 下列範例會將 OPTIMIZE FOR 選項加入 Sales.GetRecentSales 程序。

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 h, Sales.SalesOrderDetail d
    WHERE h.SalesOrderID = d.SalesOrderID
    AND h.OrderDate > @date
    OPTION ( OPTIMIZE FOR ( @date = '2004-05-01 00:00:00.000'))
END;
GO

使用計劃指南來改善基數估計值

有些應用程式可能不適用查詢設計指導方針,因為您無法變更查詢,或 RECOMPILE 查詢提示可能會導致重新編譯次數太多。 此時,您可以使用計畫指南來指定其他提示 (例如 USE PLAN),以便控制查詢的行為,同時向應用程式廠商調查應用程式變更。 如需有關計畫指南的詳細資訊,請參閱 計畫指南

在 Azure SQL Database 中,請考慮使用查詢存放區提示來強制執行計畫,而不是使用計劃指南。 如需詳細資訊,請參閱查詢存放區提示

後續步驟

Microsoft SQL Server Tiger 小組工具箱中的 Adaptive Index Defrag