优化器如何使用分布统计信息

优化器将使用分布统计信息，以便更好地估算不同查询存取方案的成本。

除非优化器有关于值在低值与高值之间的分布情况的附加信息，否则将假定数据值均匀分布。如果数据值彼此差异较大、在范围的某些部分集群或者包含许多重复值，那么优化器将选择次于最优的存取方案。

请考虑以下示例：为了选择成本较低的存取方案，优化器需要估算某个列值满足等式或范围谓词的行数。估算越准确，优化器选择最优存取方案的可能性就越大。对于下列查询：

   select c1, c2
     from table1
     where c1 = 'NEW YORK'
     and c2 <= 10

假定对列 C1 和 C2 都定义了索引。一种可能的存取方案是，使用基于 C1 的索引来检索所有符合条件 C1 = 'NEW YORK' 的行，然后对检索到的每一行检查是否符合条件 C2 <= 10。备用计划是使用 C2 上的索引通过 C2 <= 10检索所有行，然后检查是否

C1
= 'NEW YORK'

对应每个检索到的行。因为执行查询的主要成本通常是检索行的成本，所以检索次数最少的方案最好。选择此方案意味着需要估算满足每个谓词的行数。

如果没有分布统计信息，但已对表或统计视图运行 RUNSTATS 实用程序，那么可供优化器使用的信息只有列中的次高数据值（HIGH2KEY）、次低数据值（LOW2KEY）、相异值数目（COLCARD）和行数（CARD）。假定列中的数据值具有相等的频率，并且各个数据值在 LOW2KEY 与 HIGH2KEY 之间均匀分布，以此为前提估算满足等式或范围谓词的行数。具体而言，满足等式谓词 (C1 = KEY) 的行数估算为 CARD/COLCARD，而满足范围谓词 (C1 BETWEEN KEY1 AND KEY2) 的行数可通过以下公式估算：

       KEY2 - KEY1
    ------------------  x CARD
    HIGH2KEY - LOW2KEY

仅当数据值在列中的真实分布相当均匀时，这些估算才准确。如果没有分布统计信息，并且数据值的频率变动很大，或者数据值的分布非常不均匀，那么估算可能偏差很大，并且优化器选择的存取方案可能并非最优。

存在可用的分布统计信息时，可通过以下方法大大减少此类误差的可能性：使用高频值统计信息来估算满足等式谓词的行数，使用高频值统计信息和分位数统计信息来估算满足范围谓词的行数。