统计信息

SequoiaDB在查询优化中使用的统计信息，包含集合和索引的数据分布信息。查询优化器可以根据这些统计信息来估计查询结果中的基数，从而创建高质量的查询计划。

在SequoiaDB中有两种统计信息，集合的统计信息和索引的统计信息。

集合的统计信息

集合的统计信息存放在数据节点的SYSSTAT.SYSCOLLECTIONSTAT集合中，具体的字段如下：

字段名数据类型默认值必须说明
CollectionSpaceString是统计的Collection所在Collection Space的名称
CollectionString是统计的Collection的名称（不带Collection Space名字）
CreateTimeNumberLong0是统计收集的时间戳
SampleRecordsNumberLong0是统计收集时抽样的文档个数
TotalRecordsNumberLong10是统计收集时的文档个数
TotalDataPagesNumberInt1是统计收集时的数据页个数
TotalDataSizeNumberLong是统计收集时的数据总大小（字节数）
AvgNumFieldsNumberInt10否文档的平均字段数

例子：

  1. {
  2.   "Collection": "foo",
  3.   "CollectionSpace": "bar",
  4.   "CreateTime": 1496910925978,
  5.   "SampleRecords": 200,
  6.   "TotalDataPages": 1284,
  7.   "TotalDataSize": 65929411,
  8.   "TotalRecords": 600000,
  9.   "AvgNumFields" : 10
  10. }

索引的统计信息

索引的统计信息存放在数据节点的SYSSTAT.SYSINDEXSTAT集合中，具体的字段如下：

字段名数据类型默认值必须说明
CollectionSpaceString是统计的Collection所在Collection Space的名称
CollectionString是统计的Collection的名称（不带Collection Space名字）
CreateTimeNumberLong0是统计收集的时间戳
IndexString是统计Index的名称
KeyPatternBSONObj是统计索引的字段定义，例如：{a:1, b:-1}
SampleRecordsNumberLong0是统计收集时抽样的文档个数
TotalRecordsNumberLong10是统计收集时的文档个数
IndexPagesNumberInt1是统计收集时索引的页个数
IndexLevelsNumberInt1是统计收集时索引的层数
IsUniqueBOOLFALSE是Index是否唯一索引
MCVObjectundefined否频繁数值集合(Most Common Values)
如：MCV: { Values: [ {a:1,b:1}, {a:2, b:2}, … ], Frac: [ 1000, 1000, … ] }
MCV.ValuesArray是(如有MCV)频繁数值的值
MCV.FracArray是(如有MCV)频繁数值的比例，每个值的取值 0 ~ 10000，最终比例为 (Frac / 10000) * 100%
  1. {
  3.   "Collection": "foo",
  4.   "CollectionSpace": "bar",
  5.   "CreateTime": 1496910926035,
  6.   "Index": "index",
  7.   "IndexLevels": 2,
  8.   "IndexPages": 256,
  9.   "IsUnique": false,
  10.   "KeyPattern": {
  11.     "a": 1
  12.   },
  13.   "MCV": {
  14.     "Values": [
  15.       {
  16.         "a": 2358
  17.       },
  18.       {
  19.         "a": 7074
  20.       },
  21.       {
  22.         "a": 11790
  23.       },
  24.       ...
  25.     ],
  26.     "Frac": [
  27.       50,
  28.       50,
  29.       50,
  30.       ...
  31.     ]
  32.   },
  33.   "SampleRecords": 200,
  34.   "TotalRecords": 600000
  35. }

统计信息的使用

统计信息可以用于查询优化器评估索引的选择率，参考 基于代价的访问计划评估。

相等比较的选择率估算

  1. 如果字段上建立的是唯一索引，则选择率为：selectivity = 1 / TotalRecords

  2. 如果相等比较的值落入频繁数值集合中，假设命中下标为 i，则选择率为：selectivity = MCV.Frac[i]

  3. 如果相等比较的值没有落入频繁数值集合中，则选择率为：selectivity = ( 1 - sum( MCV.Frac ) ) * 0.005

范围比较的选择率估算

  1. 如果相等比较的范围落入频繁数值集合中，假设命中下标为 m 至 n，则选择率为：selectivity = MCV.Frac[m] + ... + MCV.Frac[n]

  2. 如果相等比较的范围没有落入频繁数值集合中，则选择率为：selectivity = ( 1 - sum( MCV.Frac ) ) * 0.05

示例

统计信息中的字段 “val” 的频繁数值集合的内容为：

  1. MCV : {
  2.   Val : [
  3.     1, 2, 3, 4, 5, 6, 7, 8, 9
  4.   ],
  5.   Frac : [
  6.     1000, 1200, 800, 1300, 700, 1000, 1000, 1000, 1000
  7.   ]
  8. }
  1. { val : { $et : 1 } } 命中频繁数值集合，因此其选择率估算为：selectivity = 0.1
  2. { val : { $et : 10 } } 没有命中频繁数值集合，因此其选择率估算为：selectivity = 0.1 * 0.005 = 0.0005
  3. { val : { $lt : 4 } } 命中了频繁数值集合的下标0、1 和 2，因此其选择率估算为：selectivity = 0.1 + 0.12 + 0.08 = 0.2

Note:

频繁数值的比例，每个值的取值 0 ~ 10000，最终比例为 (Frac / 10000) * 100%

统计信息的收集

请参考db.analyze()。