一、统计信息为什么重要
在数据库的世界里，统计信息就像是导航地图。如果没有准确的统计信息，优化器就像是在黑夜中开车——虽然也能走，但很容易走弯路。OceanBase 作为一款分布式数据库，统计信息的准确性直接影响执行计划的生成，进而影响查询性能。
举个简单的例子：
-- 假设有一张订单表 orders，其中包含 1000 万条数据
-- 如果统计信息显示某字段的区分度很高（比如 order_id），优化器可能会选择索引扫描
-- 但如果统计信息过时，优化器可能错误地选择全表扫描
SELECT * FROM orders WHERE order_id = '123456';
统计信息通常包括表的行数、列的基数（Cardinality）、数据分布直方图等。OceanBase 会利用这些信息来决定是否使用索引、选择哪种连接方式（Nested Loop Join、Hash Join 等）。
二、自动更新的工作原理
OceanBase 的自动统计信息更新是通过后台任务完成的，默认情况下会定期检查表的数据变化量，如果变化超过阈值（比如 10% 的行被修改），就会触发统计信息收集。
自动更新的优点很明显：
- 省心：DBA 不需要手动干预，系统自动维护统计信息的准确性。
- 及时：对于频繁变化的表，能较快地反映最新数据特征。
但自动更新也有缺点：
- 可能影响性能：在业务高峰期，统计信息收集可能占用额外资源。
- 不够灵活：某些特殊场景下，自动策略可能无法满足需求。
我们可以通过以下命令查看和调整自动统计信息收集策略：
-- 查看当前统计信息收集策略
SHOW PARAMETERS LIKE '%optimizer_stats%';
-- 调整自动收集的阈值（例如将阈值从 10% 调整为 5%）
ALTER SYSTEM SET optimizer_stats_auto_analyze_threshold=5;
三、手动更新的适用场景
虽然自动更新很方便，但在某些情况下，手动更新更合适：
- 大批量数据加载后
比如数据迁移或 ETL 作业完成后，自动更新可能还未触发，此时手动更新可以立即让优化器使用最新统计信息。
-- 在数据导入后立即手动收集统计信息
ANALYZE TABLE orders COMPUTE STATISTICS;
-- 也可以只收集特定列的统计信息
ANALYZE TABLE orders COMPUTE STATISTICS FOR COLUMNS order_id, customer_id;
查询性能突然下降
如果发现某个查询变慢，而表数据量变化不大，可能是统计信息不准确导致的，手动更新可以快速验证问题。特殊业务场景
例如某些报表查询需要更精确的直方图统计，自动收集的默认参数可能不够用。
四、如何平衡自动与手动更新
在实际生产环境中，建议采用混合策略：
- 核心业务表：启用自动更新，并设置较低的阈值（比如 5%）。
- 低频变更表：关闭自动更新，改为定期手动更新。
- 特殊场景：在关键操作（如数据归档、大批量更新）后手动触发。
可以通过以下方式监控统计信息的健康度：
-- 检查统计信息的最后更新时间
SELECT table_name, last_analyzed FROM user_tables WHERE table_name = 'ORDERS';
-- 检查统计信息是否过时（例如 7 天未更新）
SELECT table_name FROM user_tables
WHERE last_analyzed < SYSDATE - 7;
五、性能影响与优化建议
统计信息收集本身是资源密集型操作，尤其是在大表上。以下是一些优化建议：
- 避开高峰期：手动更新尽量在业务低峰期执行。
- 增量收集：OceanBase 支持增量统计信息收集，只更新变化的部分。
- 采样分析：对于超大表，可以使用采样减少开销。
-- 使用采样率 10% 收集统计信息（减少 I/O 和 CPU 开销）
ANALYZE TABLE orders ESTIMATE STATISTICS SAMPLE 10 PERCENT;
六、总结
统计信息是数据库优化的基石，OceanBase 的自动更新机制适合大多数场景，但在关键业务或特殊需求下，手动更新仍然是不可或缺的。合理的策略应该是自动与手动相结合，同时注意统计信息收集对系统性能的影响。
评论