如何避免 SQL 服务器对缺失值使用默认行估计？

Question

我有一个 table 有几百万行，其中 Status 列是非聚集索引中的第 2 列。状态为 char(10)，包含“新建”、“处理中”、“处理中”和“失败”

轮询函数检查新行

SELECT TOP 1 ... FROM Table WHERE firstColumnInIdex = 1 AND Status = 'New' ORDER BY Id

（其实是对状态“Processing”的更新和一些其他的区别，不过这里没关系）

查询使用非聚集索引，但行估计是行的 ~30%，因此内存授予在 GB 范围内。

我的测试显示问题出在统计数据上。由于 table 中通常没有状态为“新建”的行，因此统计信息中不存在“新建”（表示数百万个“已处理”和数千个“失败”）。 SQL 服务器似乎采用默认估计，在本例中为 ~30% 的行，如果在统计信息中未找到该值。

我在 table 中添加了一行，状态为“新建”，并使用 FULLSCAN NORECOMPUTE 创建了新的统计信息。（所以它变成了数百万个“已处理”，数千个“失败”和 1 个“新”）

现在，行估计为 1 行，查询成本从 82 下降到 6，并提供少量内存。

（删除统计数据再次导致 30%）

虽然这个技巧解决了这个问题，但感觉就像是一个 hack，可能有一天会停止工作（例如，一些未来的 dba 发现了这个过时的统计数据并且 deletes/updates 它）。

有没有更好的方法解决这个问题？例如

改用整数状态？
让 SQL 服务器知道带有外键或约束的“新建”状态？

版本为 2016SP1

Answer 1

我觉得有用的一件事是filtered index。

假设这是一个队列并且事情以状态 'new' 开始，你

Select 一或所有 'new' 行（获取 PK ID）
根据这些 ID 采取行动
根据ID更新状态

在这些情况下，您可以创建一个过滤索引，它基本上只是状态为 'new'.

的所有行的 up-to-date 列表

CREATE NONCLUSTERED INDEX ix_myindex ON [myTable] 
([ID])
WHERE (Status = 'New')

注意 - 索引将非常 'hot' 例如，有很多更改（一旦它们不再 'new'，它们就会从索引中删除）。

然而，我们的想法是尽可能小，这并不重要。

确保索引包含识别相关行（例如，您的 PK）所需的所有字段，以使其尽可能保持 simple/small，并查看它是否有效。

更新以下评论

这些问题可能与 'Ascending key problem' 有关 - 请随时研究和审查。

我可能在上面犯了一个小错误 - 如果您实际包含要过滤的字段，过滤索引通常会工作得更好。所以下面的可能更好

CREATE NONCLUSTERED INDEX ix_myindex ON [myTable] 
([ID], [Status])
WHERE (Status = 'New')

关于解决方案中的方法 - 我们的想法是我们将完全忽略统计数据。相反，我们实际上创建了一个具有相关行数的临时 table，这些将限制基数估计。

为了测试，我有一个名为 'test' 的 table，它有大约 150 万行，ID PK 和 4 列 UUID（本质上是随机数据）。

我用它来创建一个带有状态栏的新 table 'test2'。其中大约 80% 的状态为 'Processed'，10% 的状态为 'Processing'，10% 的状态为 'Failed'.

然后我插入状态为 'New' 的新行。请注意，统计数据 不会更新 。

但是，我随后使用过滤索引来识别相关行，方法是将它们放入临时 table - 并使用该 table 进行进一步处理。

设置

IF OBJECT_ID (N'test2', N'U') IS NOT NULL DROP TABLE dbo.Test2;
GO

CREATE TABLE [dbo].[test2](
    [ID] [int] NOT NULL,
    [Status] [varchar](12) NULL,
    [col2] [varchar](100) NULL,
    [col3] [varchar](100) NULL,
    [col4] [varchar](100) NULL,
    [col5] [varchar](100) NULL,
    
 CONSTRAINT [PK_test2] PRIMARY KEY CLUSTERED ([ID] ASC)
 );
GO

CREATE NONCLUSTERED INDEX [IX_test2_StatusNew] ON [dbo].[test2] ([ID] ASC, [Status] ASC)
    WHERE ([Status]='New');
GO

INSERT INTO dbo.Test2 (ID, Status, Col2, Col3, Col4, Col5)
    SELECT ID, CASE WHEN ID % 12 < 10 THEN 'Processed' WHEN ID % 12 = 10 THEN 'Processing' ELSE 'Failed' END,
          Col2, Col3, Col4, Col5
    FROM dbo.Test;
GO

CREATE STATISTICS [S_Status] ON [dbo].[test2]([Status]);
GO

DBCC SHOW_STATISTICS ('dbo.Test2', 'S_Status');
/*
RANGE_HI_KEY  RANGE_ROWS EQ_ROWS   DISTINCT_RANGE_ROWS  AVG_RANGE_ROWS
Failed        0          141420    0                    1
Processed     0          1417080   0                    1
Processing    0          141420    0                    1
*/

这是我的存储过程 - 它首先标记适当的行（将它们的状态更改为 'Processing'）并记录它们的 ID。

然后使用 ID 处理 table 中的行，然后再次将状态更新为 'Processed'。

为简洁起见，我没有包含任何交易或 error-checking。

CREATE PROCEDURE UpdateTest2News
AS
BEGIN
SET NOCOUNT ON;

    CREATE TABLE #IDs_to_process (ID int PRIMARY KEY);

    UPDATE      test2
        SET     Status = 'Processing'
        OUTPUT  deleted.ID
        INTO    #IDs_to_process
        WHERE   Status = 'New';

    UPDATE      test2
        SET     Col2 = NEWID(),
                Col3 = NEWID(),
                Col4 = NEWID(),
                Col5 = NEWID()
        FROM    test2
                INNER JOIN #IDs_to_Process IDs ON test2.ID = IDs.ID;

    UPDATE      test2
        SET     Status = 'Processed'
        FROM    test2
                INNER JOIN #IDs_to_Process IDs ON test2.ID = IDs.ID;

END;

然后我在 Test2 中添加一个新行（状态为 'New'）。检查统计数据时，它们没有改变（没有发生足够的变化来强制更新）。

SELECT TOP 1 ID FROM dbo.test2 ORDER BY ID DESC; -- Getting the latest value for next step
/* Max ID = 1699920 */

INSERT INTO dbo.Test2 (ID, Status, Col2, Col3, Col4, Col5)
SELECT 1699921, 'New', NULL, NULL, NULL, NULL;

DBCC SHOW_STATISTICS ('dbo.Test2', 'S_Status');
/*  Same as above  */
DBCC SHOW_STATISTICS ('dbo.Test2', 'IX_test2_StatusNew');
/*  No records represented in stats  */
GO

现在，最后的步骤

运行 SET STATISTICS TIME, IO ON; 查看处理统计数据
同时设置 'Include actual execution plan' 以查看估计值与实际值等

EXEC UpdateTest2News

这里有一个 cleaned-up 版本统计数据 - 非常好。

Stats summary

SQL Server parse and compile time: 
   CPU time = 0 ms, elapsed time = 1 ms.

Table '#IDs_to_process___...________________0000000000BC'. Scan count 0, logical reads 2
Table 'test2'. Scan count 1, logical reads 7
Table 'Worktable'. Scan count 1, logical reads 5

 SQL Server Execution Times:
   CPU time = 0 ms,  elapsed time = 14 ms.


SQL Server parse and compile time: 
   CPU time = 25 ms, elapsed time = 25 ms.

Table 'test2'. Scan count 0, logical reads 11
Table '#IDs_to_process________...__________0000000000BC'. Scan count 1, logical reads 2

 SQL Server Execution Times:
   CPU time = 0 ms,  elapsed time = 593 ms.


SQL Server parse and compile time: 
   CPU time = 0 ms, elapsed time = 1 ms.

Table 'test2'. Scan count 0, logical reads 3
Table '#IDs_to_process_____...______0000000000BC'. Scan count 1, logical reads 2

 SQL Server Execution Times:
   CPU time = 0 ms,  elapsed time = 45 ms.


 SQL Server Execution Times:
   CPU time = 61 ms,  elapsed time = 683 ms.

这是执行 plan/etc，估计与实际也很好。

注意 - 它执行 remember/cache 执行计划，当您的 'new' 行数大不相同时，这可能会成为一个问题。

如果需要，您可以将 OPTION (RECOMPILE) 放在存储过程中的语句 2 或 3 上，以便采用新的行数估计值。

此外，如果需要，命令 UPDATE STATISTICS test2 (IX_test2_StatusNew) WITH fullscan 对于运行来说是微不足道的（因为该索引中几乎没有行）- 这可能对您的情况有所帮助。

如何避免 SQL 服务器对缺失值使用默认行估计？

How to avoid SQL Server using default row estimate for missing values?

sql-server

sql-execution-plan

更新以下评论