# 统计信息调优
#### 统计信息调优介绍
GaussDB是基于代价估算生成的最优执行计划。优化器需要根据analyze收集的统计信息进行行数估算和代价估算，因此统计信息对优化器行数估算和代价估算起着至关重要的作用。通过analyze收集全局统计信息，主要包括：[PG_CLASS](https://support.huaweicloud.com/distributed-devg-v8-gaussdb/gaussdb-12-0929.html#ZH-CN_TOPIC_0000002527986368)系统表中的relpages和reltuples，pg_statistic表中的stadistinct、stanullfrac、stanumbersN、stavaluesN、histogram_bounds等。
#### 实例分析1：未收集统计信息导致查询性能差
在很多场景下，由于查询中涉及到的表或列没有收集统计信息，会对查询性能有很大的影响。
表结构如下所示：
```
CREATE TABLE LINEITEM
(
L_ORDERKEY         BIGINT        NOT NULL
, L_PARTKEY        BIGINT        NOT NULL
, L_SUPPKEY        BIGINT        NOT NULL
, L_LINENUMBER     BIGINT        NOT NULL
, L_QUANTITY       DECIMAL(15,2) NOT NULL
, L_EXTENDEDPRICE  DECIMAL(15,2) NOT NULL
, L_DISCOUNT       DECIMAL(15,2) NOT NULL
, L_TAX            DECIMAL(15,2) NOT NULL
, L_RETURNFLAG     CHAR(1)       NOT NULL
, L_LINESTATUS     CHAR(1)       NOT NULL
, L_SHIPDATE       DATE          NOT NULL
, L_COMMITDATE     DATE          NOT NULL
, L_RECEIPTDATE    DATE          NOT NULL
, L_SHIPINSTRUCT   CHAR(25)      NOT NULL
, L_SHIPMODE       CHAR(10)      NOT NULL
, L_COMMENT        VARCHAR(44)   NOT NULL
) distribute by hash(L_ORDERKEY);
CREATE TABLE ORDERS
(
O_ORDERKEY        BIGINT        NOT NULL
, O_CUSTKEY       BIGINT        NOT NULL
, O_ORDERSTATUS   CHAR(1)       NOT NULL
, O_TOTALPRICE    DECIMAL(15,2) NOT NULL
, O_ORDERDATE     DATE NOT NULL
, O_ORDERPRIORITY CHAR(15)      NOT NULL
, O_CLERK         CHAR(15)      NOT NULL
, O_SHIPPRIORITY  BIGINT        NOT NULL
, O_COMMENT       VARCHAR(79)   NOT NULL
) distribute by hash(O_ORDERKEY);
```
查询语句如下所示：
```
explain verbose select
count(*) as numwait 
from
lineitem l1,
orders 
where
o_orderkey = l1.l_orderkey
and o_orderstatus = 'F'
and l1.l_receiptdate > l1.l_commitdate
and not exists (
select
*
from
lineitem l3
where
l3.l_orderkey = l1.l_orderkey
and l3.l_suppkey <> l1.l_suppkey
and l3.l_receiptdate > l3.l_commitdate
)
order by
numwait desc;
```
当出现该问题时，可以通过如下方法确认查询中涉及到的表或列有没有做过analyze收集统计信息。
1. 通过explain verbose执行query分析执行计划时会提示WARNING信息，如下所示：
   ```
   WARNING:Statistics in some tables or columns(public.lineitem.l_receiptdate, public.lineitem.l_commitdate, public.lineitem.l_orderkey, public.lineitem.l_suppkey, public.orders.o_orderstatus, public.orders.o_orderkey) are not collected.
   HINT:Do analyze for them in order to generate optimized plan.
   ```
   
2. 可以通过在gs_log目录下的日志文件中查找以下信息来确认当前执行的query是否由于没有收集统计信息导致查询性能变差。
   ```
   2017-06-14 17:28:30.336 CST 140644024579856 20971684 [BACKEND] LOG:Statistics in some tables or columns(public.lineitem.l_receiptdate, public.lineitem.l_commitdate, public.lineitem.l_orderkey, public.linei
   tem.l_suppkey, public.orders.o_orderstatus, public.orders.o_orderkey) are not collected.
   2017-06-14 17:28:30.336 CST 140644024579856 20971684 [BACKEND] HINT:Do analyze for them in order to generate optimized plan.
   ```
   
当通过以上方法查看到哪些表或列没有做analyze，可以通过对WARNING或日志中上报的表或列做analyze来解决由于未收集统计信息导致查询变慢的问题。
#### 实例分析2：多表join的复杂查询存在中间结果不准调优
**现象描述：**查询与指定人在前后15分钟内、同一网吧登记上网的人员信息：
```
SELECT
C.WBM,
C.DZQH,
C.DZ,
B.ZJHM,
B.SWKSSJ,
B.XWSJ
FROM
b_zyk_wbswxx A,
b_zyk_wbswxx B,
b_zyk_wbcs C
WHERE
A.ZJHM = '522522******3824'
AND A.WBDM = B.WBDM
AND A.WBDM = C.WBDM
AND abs(to_date(A.SWKSSJ,'yyyymmddHH24MISS') - to_date(B.SWKSSJ,'yyyymmddHH24MISS')) < INTERVAL '15 MINUTES'
ORDER BY
B.SWKSSJ,
B.ZJHM
limit 10 offset 0
;
```
执行计划如[图1]所示。该查询实际耗时约12秒。
图1应用unlogged table案例（一）   
![](https://support.huaweicloud.com/distributed-devg-v8-gaussdb/figure/zh-cn_image_0000002526897412.png "点击放大")
**优化分析：**分析过程如下：
1. 分析该执行计划发现，扫描节点已使用Index Scan，耗时主要在最外层Nest Loop Join的Join Filter计算中，且该计算执行了字符串的加减法和不等值比较。
2. 考虑使用unlogged table保存目标人的上网信息，且在插入时处理上网开始时间和终止时间，以避免后续进行时间加减。
   ```
   //创建临时unlogged table
   CREATE UNLOGGED TABLE temp_tsw
   (
   ZJHM         NVARCHAR2(18),
   WBDM         NVARCHAR2(14),
   SWKSSJ_START NVARCHAR2(14),
   SWKSSJ_END   NVARCHAR2(14),
   WBM          NVARCHAR2(70),
   DZQH         NVARCHAR2(6),
   DZ           NVARCHAR2(70),
   IPDZ         NVARCHAR2(39)
   )
   ;
   //插入目标人的上网记录，并处理上网开始和结束时间。
   INSERT INTO
   temp_tsw
   SELECT
   A.ZJHM,
   A.WBDM,
   to_char((to_date(A.SWKSSJ,'yyyymmddHH24MISS') - INTERVAL '15 MINUTES'),'yyyymmddHH24MISS'),
   to_char((to_date(A.SWKSSJ,'yyyymmddHH24MISS') + INTERVAL '15 MINUTES'),'yyyymmddHH24MISS'),
   B.WBM,B.DZQH,B.DZ,B.IPDZ
   FROM
   b_zyk_wbswxx A,
   b_zyk_wbcs B
   WHERE
   A.ZJHM='522522******3824' AND A.WBDM = B.WBDM
   ;
   //查询和目标人在前后十五分钟内在同一网吧上网的人员信息，比较大小时强制转换为int8。
   SELECT
   A.WBM,
   A.DZQH,
   A.DZ,
   A.IPDZ,
   B.ZJHM,
   B.XM,
   to_date(B.SWKSSJ,'yyyymmddHH24MISS') as SWKSSJ,
   to_date(B.XWSJ,'yyyymmddHH24MISS') as XWSJ,
   B.SWZDH
   FROM temp_tsw A,
   b_zyk_wbswxx B
   WHERE
   A.ZJHM <> B.ZJHM
   AND A.WBDM = B.WBDM
   AND (B.SWKSSJ)::int8 > (A.swkssj_start)::int8
   AND (B.SWKSSJ)::int8 < (A.swkssj_end)::int8
   order by
   B.SWKSSJ,
   B.ZJHM
   limit 10 offset 0
   ;
   ```
   上述查询耗时约7秒，执行计划如[图2]所示。
   图2应用unlogged table案例（二）   
   ![](https://support.huaweicloud.com/distributed-devg-v8-gaussdb/figure/zh-cn_image_0000002527057368.png "点击放大") 
3. 分析上述执行计划，发现执行了Hash Join，对大表b_zyk_wbswxx（网吧上网信息）建立了Hash Table。由于该表数据量大，创建过程耗时较长。 由于temp_tsw（上网人员信息）中仅包含几百条记录，且temp_tsw和b_zyk_wbswxx（网吧上网信息）均通过wbdm（网吧代码）执行等值连接。因此，如果Join方式改为Nest Loop Join，则扫描节点可以实现Index Scan，性能预计将会提升。
   
4. 执行如下语句，将Join方式改为Nest Loop Join。
   ```
   SET enable_hashjoin = off;
   ```
   执行计划如[图3]所示。查询耗时约3秒。
   图3应用unlogged table案例（三）   
   ![](https://support.huaweicloud.com/distributed-devg-v8-gaussdb/figure/zh-cn_image_0000002527057370.png "点击放大") 
5. 使用unlogged table保存结果集并用于分页显示。 如果需要在上层应用页面实现分页显示，需要修改offset值确定显示目标页的结果集。按此实现，每次翻页时均执行上面查询语句，耗时较长。
   为解决上述问题，建议使用unlogged table保存结果集。
   ```
   //创建保存结果集的unlogged table
   CREATE UNLOGGED TABLE temp_result
   (
   WBM      NVARCHAR2(70),
   DZQH     NVARCHAR2(6),
   DZ       NVARCHAR2(70),
   IPDZ     NVARCHAR2(39),
   ZJHM     NVARCHAR2(18),
   XM       NVARCHAR2(30),
   SWKSSJ   date,
   XWSJ     date,
   SWZDH    NVARCHAR2(32)
   );
   //将结果集插入unlogged table，插入耗时约3秒。
   INSERT INTO
   temp_result
   SELECT
   A.WBM,
   A.DZQH,
   A.DZ,
   A.IPDZ,
   B.ZJHM,
   B.XM,
   to_date(B.SWKSSJ,'yyyymmddHH24MISS') as SWKSSJ,
   to_date(B.XWSJ,'yyyymmddHH24MISS') as XWSJ,
   B.SWZDH
   FROM temp_tsw A,
   b_zyk_wbswxx B
   WHERE
   A.ZJHM <> B.ZJHM
   AND A.WBDM = B.WBDM
   AND (B.SWKSSJ)::int8 > (A.swkssj_start)::int8
   AND (B.SWKSSJ)::int8 < (A.swkssj_end)::int8
   ;
   //查询结果集表进行分页显示，分页查询耗时约10ms。
   SELECT
   *
   FROM
   temp_result
   ORDER BY
   SWKSSJ,
   ZJHM
   LIMIT 10 OFFSET 0;
   ```
   ![](https://support.huaweicloud.com/distributed-devg-v8-gaussdb/public_sys-resources/caution_3.0-zh-cn.png)
   收集更准确的统计信息，通常会改善查询性能，但是也有可能使性能劣化。如果遇到性能劣化，可以考虑：
   - 恢复默认的统计信息。
   
   - 使用plan hint来调整到之前的查询计划（详细请参见[使用Plan Hint进行调优](https://support.huaweicloud.com/distributed-devg-v8-gaussdb/gaussdb-12-0271.html#ZH-CN_TOPIC_0000002527985876)）。