文档中心

统计信息

SequoiaDB 巨杉数据库提供收集统计信息的能力。外部收集而来的统计信息用于分析处理,分析后的最优结果将会被用于生成最优的访问计划,以此提高查询效率。因此统计信息对查询访问计划的构成以及查询性能起关键性作用。 SequoiaDB 包含两种统计信息,分别是集合的统计信息和索引的统计信息。

集合的统计信息

  • 集合的统计信息存放在数据节 SYSSTAT.SYSCOLLECTIONSTAT 集合中,具体字段如下:
字段名 数据类型 默认值 必须 说明
CollectionSpace String 统计收集的集合空间名
Collection String 统计收集的集合名
CreateTime NumberLong 0 统计收集的时间戳
SampleRecords NumberLong 0 统计收集时抽样的文档个数
TotalDataPages NumberInt 1 统计收集时的数据页个数
TotalDataSize NumberLong 统计收集时的数据总大小(字节数)
TotalRecords NumberLong 10 统计收集时的文档个数
AvgNumFields NumberInt 10 文档的平均字段数
  • SYSSTAT.SYSCOLLECTIONSTAT 统计信息示例:
{
  "Collection": "sample",
  "CollectionSpace": "employee",
  "CreateTime": 1496910925978,
  "SampleRecords": 200,
  "TotalDataPages": 1284,
  "TotalDataSize": 65929411,
  "TotalRecords": 600000,
  "AvgNumFields" : 10
}

索引的统计信息

  • 索引的统计信息存放在数据节点 SYSSTAT.SYSINDEXSTAT 集合中,具体字段如下:
字段名 数据类型 默认值 必须 说明
CollectionSpace String 统计收集的集合空间名
Collection String 统计收集的集合名
CreateTime NumberLong 0 统计收集的时间戳
Index String 统计收集的索引名
IndexLevels NumberInt 1 统计收集时索引的层数
IndexPages NumberInt 1 统计收集时索引页的个数
IsUnique BOOL FALSE 统计收集的索引是否唯一索引
KeyPattern BSONObj 统计收集的索引字段定义,如:{a:1}
SampleRecords NumberLong 0 统计收集时抽样的文档个数
TotalRecords NumberLong 10 统计收集时的文档个数
MCV Object 频繁数值集合(Most Common Values),如:
MCV: { Values: [ {a:1}, {a:2}, ... ], Frac: [ 50, 50, ... ] }
MCV.Values Array 频繁数值中的值
MCV.Frac Array 频繁数值的比例,每个值的取值 0 ~ 10000,最终比例为 (Frac / 10000) * 100%
  • SYSSTAT.SYSINDEXSTAT 统计信息示例:
{
  "Collection": "sample",
  "CollectionSpace": "employee",
  "CreateTime": 1496910926035,
  "Index": "index",
  "IndexLevels": 2,
  "IndexPages": 256,
  "IsUnique": false,
  "KeyPattern": {
    "a": 1
  },
  "MCV": {
    "Values": [
      {
        "a": 2358
      },
      {
        "a": 7074
      },
      {
        "a": 11790
      },
      ...
    ],
    "Frac": [
      50,
      50,
      50,
      ...
    ]
  },
  "SampleRecords": 200,
  "TotalRecords": 600000
}

评估策略

查询优化器会根据统计信息对候选访问计划进行评估,以此选取合适的访问计划来执行查询,详情见基于代价的访问计划评估

相等比较的选择率估算

  • 如果字段建立了唯一索引,则选择率为:selectivity = 1 / TotalRecords
  • 如果相等比较的值落入频繁数值集合中,假设命中下标为 i,则选择率为:selectivity = MCV.Frac[i]
  • 如果相等比较的值没有落入频繁数值集合中,则选择率为:selectivity = ( 1 - sum( MCV.Frac ) ) * 0.005

范围比较的选择率估算

  • 如果相等比较的范围落入频繁数值集合中,假设命中下标为 m 至 n,则选择率为:selectivity = MCV.Frac[m] + ... + MCV.Frac[n]
  • 如果相等比较的范围没有落入频繁数值集合中,则选择率为:selectivity = ( 1 - sum( MCV.Frac ) ) * 0.05

示例

如表中字段 val 建立了索引,生成该表的统计信息,字段 val 的频繁数值集合为:

MCV : {
  Val : [
    1, 2, 3, 4, 5, 6, 7, 8, 9
  ],
  Frac : [
    1000, 1200, 800, 1300, 700, 1000, 1000, 1000, 1000
  ]
}
  • 如果字段索引是唯一索引,相等条件选择率为:selectivity = 1 / TotalRecords
  • 如果字段索引是普通索引,相等条件{ val : { $et : 1 } } 命中频繁数值集合,其选择率为:selectivity = 0.1
  • 如果字段索引是普通索引,相等条件{ val : { $et : 10 } } 没有命中频繁数值集合,其选择率为:selectivity = 0.0005
  • 范围条件{ val : { $lt : 4 } } 命中了频繁数值集合的下标0、1 和 2,其选择率为:selectivity = 0.2
  • 范围条件{ val : { $gt : 9 } } 没有命中频繁数值集合,其选择率为:selectivity = 0.005

Note:

频繁数值的比例,每个值的取值范围为 0 ~ 10000,最终比例为(Frac / 10000) * 100%

回到顶部