一、什么是数据库统计信息
数据库统计信息是数据库管理系统（DBMS）中存储的关于表、索引、列等对象的元数据，用于描述数据的分布特征和存储结构。这些信息帮助查询优化器估算不同执行计划的成本，从而选择最高效的方式执行查询。
统计信息视为数据库的“数据地图”，地图越详细，优化器越能选择最佳路径（执行计划），地图过时：可能导致“迷路”（性能下降）。
二、数据库统计信息的核心内容
1.表级统计
◦ 行数（Row Count）：表的总行数。
◦ 数据页数（Page Count）：表占用的物理存储页数。
◦ 修改频率（Modification Counter）：自上次统计后数据的增删改次数。
2. 列级统计
◦ 唯一值数量（Cardinality）：列中不同值的数量（如性别列可能只有2个唯一值）。
◦ 空值比例（Null Ratio）：列中空值（NULL）的比例。
◦ 数据分布直方图（Histogram）：列值的分布情况（如工资列的高、中、低区间分布）。
◦ 最常出现值（MCV, Most Common Values）：高频出现的值及其频率（如状态列中“已处理”占80%）。
3. 索引统计
◦ 索引基数（Index Cardinality）：索引键的唯一值数量。
◦ 索引高度（Index Height）：B+树索引的层级深度。
◦ 索引范围密度（Index Range Density）：索引键的范围扫描效率。
三、数据库统计信息 的作用原理
数据库优化器通过统计信息回答以下问题：
数据规模：表有多大？扫描全表需要多少I/O？
示例：100万行的表更可能触发全表扫描，而10行的表可能直接缓存。
过滤效果：WHERE age > 30 会过滤多少行？
直方图显示年龄分布，优化器估算符合条件的行数。
连接成本：JOIN两个表的顺序如何影响性能？
小表（统计显示100行）与大表（1亿行）关联时，优先处理小表更高效。
索引价值：使用索引是否比全表扫描更快？
如果索引基数低（如“性别”列索引），优化器可能跳过索引。
四、数据库统计信息的更新机制
1. 自动更新
• 触发条件：当数据修改量超过阈值（如SQL Server的20%数据变化）时自动更新。
• 后台进程：如PostgreSQL的 autovacuum 进程自动收集统计信息。
2. 手动更新
-- MySQL/PostgreSQL
ANALYZE TABLE orders;
3. 更新策略
• 全量采集：FULLSCAN 精度高但资源消耗大，适合小表或关键表。
• 采样采集：如 WITH SAMPLE 30 PERCENT，平衡速度与精度。
• 分区统计：仅更新特定分区的统计信息（如Oracle分区表）。
五、数据库统计信息的更新注意事项
1.资源消耗：全表扫描更新统计信息可能消耗大量I/O和CPU，建议在低峰期操作。
2.锁问题：部分数据库（如MySQL的InnoDB）的统计信息更新是非阻塞的，可能引发短暂锁竞争。
