第13期：表统计信息的计算

本篇介绍 MySQL 表如何计算统计信息。表统计信息是数据库基于成本的优化器最重要的参考信息；统计信息不准确，优化器可能给出不够优化的执行计划或者是错误的执行计划。

对统计信息的计算分为 非持久化统计信息（实时计算）与 持久化统计信息。

非持久化统计信息

统计信息没有保存在磁盘上，而是频繁的实时计算统计信息；
每次对表的访问都会重新计算其统计信息；

假设针对一张大表的频繁查询，那么每次都要重新计算统计信息，很耗费资源。

持久化统计信息

把一张表在某一时刻的统计信息值保存在磁盘上；
避免每次查询时重新计算；
如果表更新不是很频繁，或者没有达到 MySQL 必须重新计算统计信息的临界值，可直接从磁盘上获取；
即使 MySQL 服务重启，也可以快速的获取统计信息值；
统计信息的持久化可以针对全局设置也可以针对单表设置。

接下来，详细说 MySQL 统计信息如何计算，何时计算，效果评估等问题。

在 MySQL Server 层来控制是否自动计算统计信息的分布，并且来决策是持久化还是非持久化。

一、持久化统计相关参数：

innodb_stats_persistent ：是否开启统计信息持久化，默认开启。
innodb_stats_auto_recalc ：是否自动重新计算持久化统计信息，默认开启。

二、具体的更新策略为：

当一张表数据变化超过 10% 后，MySQL 会针对这张表统计信息的更新时间戳做一个判断，检查最后一次更新的时间是否超过 10 秒；如果不到 10 秒，把这张表加到一个统计信息更新队列中，到时间了再重新计算；如果超过了10秒，直接重新计算，并且更新时间戳。

目前这个超时时间写死在 MySQL 代码里，暂时不能更改。不过在某些 MySQL 分支版还可以控制这个时间，比如 Percona。

innodb_stats_include_delete_marked ：更新持久化统计信息时，是否会计算已经标记为删除的行。

默认是关闭的，会获取未提交的脏数据。开启这个选项，MySQL计算统计信息时只会考虑已经提交的数据。
innodb_stats_persistent_sample_pages ：用于更新持久化索引分布或者其他统计信息的随机基数页，默认20个。

页数越多，统计信息也就越准确，也就有助于查询优化器选择最优的查询计划。

什么时候考虑更改这个值呢？

当查询计划不是很准确时。比如对比指定表在系统表mysql.innodb_index_stats 的数据跟 distinct 查询的结果，如果相差太大，可以考虑增加这个值。
当 analyze table 变的非常慢时，可能是这个值设置的太大了，此时要考虑减小这个值。

三、非持久化统计信息参数

innodb_stats_transient_sample_pages：设置非持久化统计信息的采样页数目，默认8个。
innodb_stats_on_metadata：当统计信息配置为非持久化时生效，默认关闭。

参数 innodb_stats_persistent 为 0 或者建表时属性STATS_PERSISTENT=0 才起作用。

当开启后，对以下元数据的访问会自动更新统计信息：

show table status
show index
information_schema.tables
information_schema.statistics

所以开启这个选项会额外增加访问表的开销，特别是大表。

还有一些其他的场景会自动更新非持久化统计信息，比如：

表第一次被访问；
InnoDB 检测到有十六分之一的表自从上次统计信息计算后被更新了，这时触发自动更新；
MySQL 客户端默认选项 --auto-rehash 打开所有 InnoDB 表，导致所有 InnoDB 表被自动更新统计信息；

四、表属性控制

STATS_AUTO_RECALC

用来指定是否要自动计算指定 InnoDB 表的统计信息。

三个值：default, 0, 1

default：也就是默认值，依赖 server 端参数 innodb_stats_auto_recalc 的设置效果
0：表示禁用统计信息的自动重新计算，也就是永远不重新计算，需要手动执行 analyze table
1：表示当表数据有 10% 的数据变化后，则重新计算持久化统计信息。

STATS_PERSISTENT

用来指定是否要开启指定 InnoDB 表的统计信息持久化。

三个值：default, 0, 1

default：依赖 server 端参数 innodb_stats_persistent 的设置
0：表示不需要持久化统计信息
1：表示开启持久化统计信息

STATS_SAMPLE_PAGES

用来指定计算统计信息时的采样页数量。

五、手动更新统计信息

analyze table 用来手动更新表统计信息。建议在业务低峰时执行。

六、持久化表统计元数据信息

优化器通过两张元数据表里的数据来决定查询最优执行计划。

表统计信息保存在表 mysql.innodb_table_stats 里

比如表 ytt_sample_persist 的统计信息

重要列说明：

n_rows：表的行数
clustered_index_size：主键的数据页个数
sum_of_other_index_sizes：二级索引的数据页个数

以下例子可以看到表 ytt_sample_persist 表行数大概为 36W 行，聚簇索引页数为 15162，二级索引页数为 4113。

这些值都是基于采样页来计算的，所以是一个预估值。

mysql> select n_rows,clustered_index_size,sum_of_other_index_sizes  from innodb_table_stats where database_name ='ytt' and table_name = 'ytt_sample_persist';
+--------+----------------------+--------------------------+
| n_rows | clustered_index_size | sum_of_other_index_sizes |
+--------+----------------------+--------------------------+
| 356960 |                15162 |                     4113 |
+--------+----------------------+--------------------------+
1 row in set (0.00 sec)

其实表 ytt_sample_persist 真实数据为 40W 行。

mysql> select count(*) from ytt_sample_persist;
+----------+
| count(*) |
+----------+
|   406644 |
+----------+
1 row in set (0.90 sec)

强制更新统计信息

mysql> analyze table ytt_sample_persist;
+------------------------+---------+----------+----------+
| Table                  | Op      | Msg_type | Msg_text |
+------------------------+---------+----------+----------+
| ytt.ytt_sample_persist | analyze | status   | OK       |
+------------------------+---------+----------+----------+
1 row in set (0.28 sec)

统计信息已经更新为最新，数据又离真实数据接近一点。

mysql> select n_rows,clustered_index_size,sum_of_other_index_sizes from innodb_table_stats where database_name ='ytt' and table_name ='ytt_sample_persist';
+--------+----------------------+--------------------------+
| n_rows | clustered_index_size | sum_of_other_index_sizes |
+--------+----------------------+--------------------------+
| 387202 |                16380 |                     4562 |
+--------+----------------------+--------------------------+
1 row in set (0.01 sec)

索引统计信息保存在表 mysql.innodb_index_stats 里

比如表 ytt_sample_persist 索引统计信息

Index_name : 索引名字
stat_name / stat_value：统计名字和对应的值
sample_size: 采样页个数
stat_description：统计名字详细信息描述

比如表 ytt_sample_persist 的联合主键统计信息如下：

stat_name 显示的值 n_diff_pfx01 代表联合主键中第一个列状态名字，对应的 stat_value 为第一个列的唯一值个数；n_diff_pfx02 代表第二列状态名字，对应的 stat_value 为前两列的唯一值个数，以此类推。

n_leaf_pages /stat_value 代表叶子节点的页数目；size 代表索引的总页数。

mysql> select index_name,stat_name,stat_value,sample_size,stat_description from innodb_index_stats where database_name ='ytt' and table_name ='ytt_sample_persist'  and index_name = 'PRIMARY';
+------------+--------------+------------+-------------+-----------------------------------+
| index_name | stat_name    | stat_value | sample_size | stat_description                  |
+------------+--------------+------------+-------------+-----------------------------------+
| PRIMARY    | n_diff_pfx01 |      14137 |          20 | i1                                |
| PRIMARY    | n_diff_pfx02 |      75398 |          20 | i1,i2                             |
| PRIMARY    | n_diff_pfx03 |     387202 |          20 | i1,i2,i3                          |
| PRIMARY    | n_leaf_pages |      15708 |        NULL | Number of leaf pages in the index |
| PRIMARY    | size         |      16380 |        NULL | Number of pages in the index      |
+------------+--------------+------------+-------------+-----------------------------------+
5 rows in set (0.00 sec)

那关于表的统计信息相关知识点就介绍到此，了解这块对我们优化 SQL 来说，会更加得心应手。

总结

简单总结下，本篇主要介绍了 MySQL 表和索引的统计信息计算，包括持久化统计信息与非持久化统计信息。如果后期有 SQL 走的执行计划不对，或者不是最优的，那就可以断定相关统计信息太旧了，需要及时更新。比如有时候多表 JOIN 的顺序不对，导致查询效率变差，需要人工介入等等。

关于 MySQL 的技术内容，你们还有什么想知道的吗？赶紧留言告诉小编吧！