代码分支版本：master 20240102

代价估计

利用代价模型（cost model）比较不同执行计划的优劣，代价估计模型需考虑：

• 统计信息：数据分布、行数、Distinct值个数
• 统计信息收集时机与方法：
  • 不能影响在线业务；
  • 采样收集；
• 基数估计->代价估计：基数估计来估算中间结果个数，从而用于代价估计

统计数据假设

• 均匀分布假设（uniform distribution assumption）：
  • 认为属性内部取值是均匀分布的
• 属性独立假设（attribute independence assumption）：
  • 认为不同属性的取值之间相互独立

通过代码总结的基数估计公式

补充说明：

1. 基数估计的方式有很多，比如：

• 直方图，但是暂时因为消耗内存，回滚了（详见PR:https://github.com/apache/doris/pull/27896）；
• Count-Min算法 估计数据出现频率，这个在Doris代码中应该是没有使用；
  doris中基数估计暂时是依托于统计的列信息和表行数来进行计算的。

2.我总结的基数估计的推导公式均是通过代码反推的，部分数学公式如有不准的地方希望您能帮忙指出，不胜感激

WechatIMG47156.png