理解 DB2 中列组统计信息

DB2 SQL 优化器(后文简称为优化器)可以估计每个备选访问计划的执行成本，并根据其估计结果选择一个最佳访问计划。一个访问计划可以指定用来解析一条 SQL 语句的操作次序。

　　为正确地确定每种访问计划的成本，DB2 优化器需要准确的基数估计值。基数估计是这样一种过程：在应用了谓词或执行了聚集之后，优化器使用统计信息确定部分查询结果的大小。对于访问计划的每个操作符，优化器将估计该操作符的基数输出。一个或更多谓词的应用可以减少输出流基数。

　　在计算谓词对于基数估计值的组合过滤效果时，通常会假设这些谓词彼此之间是独立的。然而，这些谓词可以在统计方面彼此关联。单独地处理它们通常会导致优化器低估基数值。而基数值的低估又会导致优化器选择一个次优的访问计划。

　　对于至少应用了至少两个本地等式谓词的 SQL 语句，优化器将考虑使用多列统计信息来检测统计关联，并更加准确地估计多个谓词组合的过滤效果。同样对于连接两个或更多表的 SQL 语句，以及在一对表间至少使用了两个等式连接谓词的连接，优化器也会使用多列统计信息。

　　一个本地等式谓词是一个应用于单个表的等式谓词，其描述如下所示：

COLUMN = literal

　　其中 literal 可以是以下任一内容：

　　一个常量值; 　　一个参数标记或一个主变量; 　　一个专用寄存器(例如，CURRENT DATE)

　　一个等式连接谓词的描述如下所示，它用于表 1 和表 2 间的连接：

T1.COLUMN = T2.COLUMN

　　DB2 V8.2 使用下面的多列统计信息：

　　索引 keycard 统计信息：FIRST2KEYCARD、FIRST3KEYCARD、FIRST4KEYCARD 和 FULLKEYCARD 　　列组统计信息：列组基数值

　　这些统计信息描述了包含两个或更多列的列集中不同分组的数量。

　　在 DB2 V8.2 出现之前，只能使用索引 keycard 统计信息，并且要受下列条件约束：

　　索引必须是完全限定的。如果键中的所有列都可以被等式谓词 引用(连接谓词或本地谓词，但不是两者的混合)，那么这个索引就是完全限定的。 　　对于连接谓词，索引也必须是惟一的。

　　在 DB2 V8.2 中，通过考虑到所有索引 keycard 统计信息而不要求索引完全限定，DB2 SQL 优化器进一步扩展了多列统计信息的使用。它还考虑到了用户收集的任何列组统计信息。本文讨论了优化器如何利用这些统计信息，以及用户如何识别要收集的列组统计信息。

DB2 SQL 优化器(后文简称为优化器)可以估计每个备选访问计划的执行成本，并根据其估计结果选择一个最佳访问计划。一个访问计划可以指定用来解析一条 SQL 语句的操作次序。

　　为正确地确定每种访问计划的成本，DB2 优化器需要准确的基数估计值。基数估计是这样一种过程：在应用了谓词或执行了聚集之后，优化器使用统计信息确定部分查询结果的大小。对于访问计划的每个操作符，优化器将估计该操作符的基数输出。一个或更多谓词的应用可以减少输出流基数。

　　在计算谓词对于基数估计值的组合过滤效果时，通常会假设这些谓词彼此之间是独立的。然而，这些谓词可以在统计方面彼此关联。单独地处理它们通常会导致优化器低估基数值。而基数值的低估又会导致优化器选择一个次优的访问计划。

　　对于至少应用了至少两个本地等式谓词的 SQL 语句，优化器将考虑使用多列统计信息来检测统计关联，并更加准确地估计多个谓词组合的过滤效果。同样对于连接两个或更多表的 SQL 语句，以及在一对表间至少使用了两个等式连接谓词的连接，优化器也会使用多列统计信息。

　　一个本地等式谓词是一个应用于单个表的等式谓词，其描述如下所示：

COLUMN = literal

　　其中 literal 可以是以下任一内容：

　　一个常量值; 　　一个参数标记或一个主变量; 　　一个专用寄存器(例如，CURRENT DATE)

　　一个等式连接谓词的描述如下所示，它用于表 1 和表 2 间的连接：

T1.COLUMN = T2.COLUMN

　　DB2 V8.2 使用下面的多列统计信息：

　　索引 keycard 统计信息：FIRST2KEYCARD、FIRST3KEYCARD、FIRST4KEYCARD 和 FULLKEYCARD 　　列组统计信息：列组基数值

　　这些统计信息描述了包含两个或更多列的列集中不同分组的数量。

　　在 DB2 V8.2 出现之前，只能使用索引 keycard 统计信息，并且要受下列条件约束： 索引必须是完全限定的。如果键中的所有列都可以被等式谓词 引用(连接谓词或本地谓词，但不是两者的混合)，那么这个索引就是完全限定的。 对于连接谓词，