主页 / dba / 问题 / 126011
Accepted
Geoff Patterson
Asked: 2016-01-13 08:24:15 +0800 CST

SQL Server 2014 COUNT(DISTINCT x) 忽略列 x 的统计密度向量

  • 772

对于COUNT(DISTINCT)具有约 10 亿个不同值的 a，我得到一个查询计划，其散列聚合估计只有约 300 万行。

为什么会这样？SQL Server 2012 产生了一个很好的估计，那么这是 SQL Server 2014 中的一个错误，我应该在 Connect 上报告吗？

查询及差评

-- Actual rows: 1,011,719,166
-- SQL 2012 estimated rows: 1,079,130,000 (106% of actual)
-- SQL 2014 estimated rows: 2,980,240 (0.29% of actual)
SELECT COUNT(DISTINCT factCol5)
FROM BigFactTable
OPTION (RECOMPILE, QUERYTRACEON 9481) -- Include this line to use SQL 2012 CE

-- Stats for the factCol5 column show that there are ~1 billion distinct values
-- This is a good estimate, and it appears to be what the SQL 2012 CE uses
DBCC SHOW_STATISTICS (BigFactTable, _WA_Sys_00000005_24927208)
--All density   Average Length  Columns
--9.266754E-10  8               factCol5
SELECT 1 / 9.266754E-10
-- 1079126520.46229

查询计划

在此处输入图像描述

完整脚本

这是使用仅统计数据库的情况的完整重现。

到目前为止我试过的

我深入研究了相关列的统计数据，发现密度向量显示了大约 11 亿个不同的值。SQL Server 2012 使用此估计并生成一个好的计划。令人惊讶的是，SQL Server 2014 似乎忽略了统计数据提供的非常准确的估计，而是使用了一个低得多的估计。这会产生一个慢得多的计划，它不会保留几乎足够的内存并溢出到 tempdb。

我尝试了 trace flag 4199，但这并没有解决问题。最后，我尝试通过跟踪标志的组合深入了解优化器信息，如本文(3604, 8606, 8607, 8608, 8612)后半部分所示。但是，在最终输出树中出现之前，我无法看到任何解释错误估计的信息。

连接问题

根据这个问题的答案，我也将此作为问题提交到 Connect

sql-server sql-server-2014

1 个回答

  1. Best Answer

    推导基数估计的方式对我来说肯定是违反直觉的。非重复计数计算（可通过扩展事件或跟踪标志 2363 和 3604 查看）为：

    统计推导

    注意帽子。这的一般逻辑似乎非常合理（不能有更多不同的值），但上限是从抽样的多列统计数据中应用的：

    DBCC SHOW_STATISTICS 
    (BigFactTable, [PK_BigFactTable])
WITH
    STAT_HEADER, 
    DENSITY_VECTOR;

    PK 数据

    这显示了从 3,439,431,721 行中抽取的 2,980,235 行，其 Col5 级别的密度向量为 3.35544E-07。其倒数给出了 2,980,235 的多个不同值，使用实数四舍五入为 2,980,240。

    现在的问题是，给定抽样统计数据，模型应该对不同值的数量做出什么样的假设。我希望它可以推断，但这并没有完成，也许是故意的。

    更直观地说，我希望它不会使用多列统计信息，而是查看 Col5 上的密度（但它没有）：

    DBCC SHOW_STATISTICS 
    (BigFactTable, [_WA_Sys_00000005_24927208])
WITH
    STAT_HEADER, 
    DENSITY_VECTOR;

    Col5 统计数据

    这里的密度是 9.266754E-10，它的倒数是1,079,126,528。

    同时，一个明显的解决方法是使用全扫描更新多列统计信息。另一种是使用原始基数估计器。

    您打开的连接项SQL 2014 sampled multi-column statistics override more accurate single-column statistics for non-leading columns标记为Fixed for SQL Server 2017。

    • 15

相关问题