统计信息简介

TiDB 优化器会根据统计信息来选择最优的执行计划。统计信息收集了表级别和列级别的信息,表的统计信息包括总行数和修改的行数。列的统计信息包括不同值的数量、NULL 的数量、直方图、列上出现次数最多的值 TOPN 以及该列的 Count-Min Sketch 信息。

统计信息的收集

手动收集

可以通过执行 ANALYZE 语句来收集统计信息。

全量收集

注意:

在 TiDB 中执行 ANALYZE TABLE 语句比在 MySQL 或 InnoDB 中耗时更长。InnoDB 采样的只是少量页面,但 TiDB 会完全重构一系列统计信息。适用于 MySQL 的脚本会误以为执行 ANALYZE TABLE 耗时较短。

如需更快的分析速度,可将 tidb_enable_fast_analyze 设置为 1 来打开快速分析功能。该参数的默认值为 0

快速分析功能开启后,TiDB 会随机采样约 10000 行的数据来构建统计信息。因此在数据分布不均匀或者数据量比较少的情况下,统计信息的准确度会比较差。可能导致执行计划不优,比如选错索引。如果可以接受普通 ANALYZE 语句的执行时间,则推荐关闭快速分析功能。

可以通过以下几种语法进行全量收集。

收集 TableNameList 中所有表的统计信息:

  1. ANALYZE TABLE TableNameList [WITH NUM BUCKETS];

WITH NUM BUCKETS 可以用来指定生成直方图的桶数量上限。

收集 TableName 中所有的 IndexNameList 中的索引列的统计信息:

  1. ANALYZE TABLE TableName INDEX [IndexNameList] [WITH NUM BUCKETS];

IndexNameList 为空时会收集所有索引列的统计信息。

收集 TableName 中所有的 PartitionNameList 中分区的统计信息:

  1. ANALYZE TABLE TableName PARTITION PartitionNameList [WITH NUM BUCKETS];

收集 TableName 中所有的 PartitionNameList 中分区的索引列统计信息:

  1. ANALYZE TABLE TableName PARTITION PartitionNameList [IndexNameList] [WITH NUM BUCKETS];

增量收集

对于类似时间列这样的单调不减列,在进行全量收集后,可以使用增量收集来单独分析新增的部分,以提高分析的速度。

注意:

  1. 目前只有索引提供了增量收集的功能
  2. 使用增量收集时,必须保证表上只有插入操作,且应用方需要保证索引列上新插入的值是单调不减的,否则会导致统计信息不准,影响 TiDB 优化器选择合适的执行计划

可以通过以下几种语法进行增量收集。

增量收集 TableName 中所有的 IndexNameList 中的索引列的统计信息:

  1. ANALYZE INCREMENTAL TABLE TableName INDEX [IndexNameList] [WITH NUM BUCKETS];

增量收集 TableName 中所有的 PartitionNameList 中分区的索引列统计信息:

  1. ANALYZE INCREMENTAL TABLE TableName PARTITION PartitionNameList INDEX [IndexNameList] [WITH NUM BUCKETS];

自动更新

在发生增加,删除以及修改语句时,TiDB 会自动更新表的总行数以及修改的行数。这些信息会定期持久化下来, 更新的周期是 20 * stats-leasestats-lease 的默认值是 3s,如果将其指定为 0,那么将不会自动更新。

和统计信息自动更新相关的三个系统变量如下:

系统变量名 默认值 功能
tidb_auto_analyze_ratio 0.5 自动更新阈值
tidb_auto_analyze_start_time 00:00 +0000 一天中能够进行自动更新的开始时间
tidb_auto_analyze_end_time 23:59 +0000 一天中能够进行自动更新的结束时间

当某个表 tbl 的修改行数与总行数的比值大于 tidb_auto_analyze_ratio,并且当前时间在 tidb_auto_analyze_start_timetidb_auto_analyze_end_time 之间时,TiDB 会在后台执行 ANALYZE TABLE tbl 语句自动更新这个表的统计信息。

在查询语句执行时,TiDB 会以 feedback-probability 的概率收集反馈信息,并将其用于更新直方图和 Count-Min Sketch。feedback-probability 可通过配置文件修改,其默认值是 0.0

控制 ANALYZE 并发度

执行 ANALYZE 语句的时候,你可以通过一些参数来调整并发度,以控制对系统的影响。

tidb_build_stats_concurrency

目前 ANALYZE 执行的时候会被切分成一个个小的任务,每个任务只负责某一个列或者索引。tidb_build_stats_concurrency 可以控制同时执行的任务的数量,其默认值是 4。

tidb_distsql_scan_concurrency

在执行分析普通列任务的时候,tidb_distsql_scan_concurrency 可以用于控制一次读取的 Region 数量,其默认值是 15。

tidb_index_serial_scan_concurrency

在执行分析索引列任务的时候,tidb_index_serial_scan_concurrency 可以用于控制一次读取的 Region 数量,其默认值是 1。

查看 ANALYZE 状态

在执行 ANALYZE 时,可以通过 SQL 语句来查看当前 ANALYZE 的状态。

语法如下:

  1. SHOW ANALYZE STATUS [ShowLikeOrWhere];

该语句会输出 ANALYZE 的状态,可以通过使用 ShowLikeOrWhere 来筛选需要的信息。

目前 SHOW ANALYZE STATUS 会输出 7 列,具体如下:

语法元素 说明
table_schema 数据库名
table_name 表名
partition_name 分区名
job_info 任务具体信息。如果分析索引则会包含索引名
row_count 已经分析的行数
start_time 任务开始执行的时间
state 任务状态,包括 pending(等待)、running(正在执行)、finished(执行成功)和 failed(执行失败)

统计信息的查看

你可以通过一些语句来查看统计信息的状态。

表的元信息

你可以通过 SHOW STATS_META 来查看表的总行数以及修改的行数等信息。

语法如下:

  1. SHOW STATS_META [ShowLikeOrWhere];

该语句会输出所有表的总行数以及修改行数等信息,你可以通过 ShowLikeOrWhere 来筛选需要的信息。

目前 SHOW STATS_META 会输出 6 列,具体如下:

语法元素 说明
db_name 数据库名
table_name 表名
partition_name 分区名
update_time 更新时间
modify_count 修改的行数
row_count 总行数

注意:

在 TiDB 根据 DML 语句自动更新总行数以及修改的行数时,update_time 也会被更新,因此并不能认为 update_time 是最近一次发生 Analyze 的时间。

表的健康度信息

通过 SHOW STATS_HEALTHY 可以查看表的统计信息健康度,并粗略估计表上统计信息的准确度。当 modify_count >= row_count 时,健康度为 0;当 modify_count < row_count 时,健康度为 (1 - modify_count/row_count) * 100。

通过以下命令来查看表的统计信息健康度,你可以通过 ShowLikeOrWhere 来筛选需要的信息:

  1. SHOW STATS_HEALTHY [ShowLikeOrWhere];

目前,SHOW STATS_HEALTHY 会输出 4 列,具体如下:

语法元素 说明
db_name 数据库名
table_name 表名
partition_name 分区名
healthy 健康度

列的元信息

你可以通过 SHOW STATS_HISTOGRAMS 来查看列的不同值数量以及 NULL 数量等信息。

语法如下:

  1. SHOW STATS_HISTOGRAMS [ShowLikeOrWhere];

该语句会输出所有列的不同值数量以及 NULL 数量等信息,你可以通过 ShowLikeOrWhere 来筛选需要的信息。

目前 SHOW STATS_HISTOGRAMS 会输出 8 列,具体如下:

语法元素 说明
db_name 数据库名
table_name 表名
partition_name 分区名
column_name 根据 is_index 来变化:is_index 为 0 时是列名,为 1 时是索引名
is_index 是否是索引列
update_time 更新时间
distinct_count 不同值数量
null_count NULL 的数量
avg_col_size 列平均长度

直方图桶的信息

你可以通过 SHOW STATS_BUCKETS 来查看直方图每个桶的信息。

语法如下:

  1. SHOW STATS_BUCKETS [ShowLikeOrWhere];

该语句会输出所有桶的信息,你可以通过 ShowLikeOrWhere 来筛选需要的信息。

目前 SHOW STATS_BUCKETS 会输出 10 列,具体如下:

语法元素 说明
db_name 数据库名
table_name 表名
partition_name 分区名
column_name 根据 is_index 来变化:is_index 为 0 时是列名,为 1 时是索引名
is_index 是否是索引列
bucket_id 桶的编号
count 所有落在这个桶及之前桶中值的数量
repeats 最大值出现的次数
lower_bound 最小值
upper_bound 最大值

删除统计信息

可以通过执行 DROP STATS 语句来删除统计信息。

语法如下:

  1. DROP STATS TableName;

该语句会删除 TableName 中所有的统计信息。

统计信息的导入导出

导出统计信息

统计信息的导出接口如下。

通过以下接口可以获取数据库 ${db_name} 中的表 ${table_name} 的 json 格式的统计信息:

  1. http://${tidb-server-ip}:${tidb-server-status-port}/stats/dump/${db_name}/${table_name}

通过以下接口可以获取数据库 ${db_name} 中的表 ${table_name} 在指定时间上的 json 格式统计信息。指定的时间应在 GC SafePoint 之后。

  1. http://${tidb-server-ip}:${tidb-server-status-port}/stats/dump/${db_name}/${table_name}/${yyyyMMddHHmmss}

通过以下接口可以获取数据库 ${db_name} 中的表 ${table_name} 在指定时间上的 json 格式统计信息。指定的时间应在 GC SafePoint 之后。

  1. http://${tidb-server-ip}:${tidb-server-status-port}/stats/dump/${db_name}/${table_name}/${yyyy-MM-dd HH:mm:ss}

导入统计信息

导入的统计信息一般是通过统计信息导出接口得到的 json 文件。

语法如下:

  1. LOAD STATS 'file_name';

file_name 为要导入的统计信息的文件名。