最佳实践：解读GaussDB(DWS) 统计信息自动收集方案
💡
原文中文，约4200字，阅读约需10分钟。
📝
内容提要
本文介绍了GaussDB(DWS)的统计信息自动收集方案，包括手动采样、轮询采样、动态采样和前台动态采样等功能。还提供了解决统计信息收集失败的最佳实践，如开启light动态采样、使用exchange partition等。同时介绍了保证及时触发的方法，如异步广播和实时广播。最后，提供了解决查询计划差、数据特征统计不准等问题的解决方案。
🎯
关键要点
- 商用优化器依赖统计信息进行查询代价评估，统计信息的实时性和准确性至关重要。
- GaussDB(DWS)提供了手动采样、轮询采样、动态采样和前台动态采样等统计信息收集功能。
- 统计信息收集的痛点包括资源消耗、实时性要求高和人力成本。
- 自动收集方案旨在解决统计信息收集不及时和不准确的问题。
- 前台动态采样和后台轮询采样的区别在于实时性和锁机制。
- 触发动态采样的条件包括无统计信息或表的修改量超过阈值。
- 异步广播和实时广播确保跨CN查询场景的修改计数一致性。
- 最佳实践包括开启light动态采样以避免事务块中的手动analyze造成的锁竞争。
- 使用exchange partition可以解决多数据源并发加工同一张表的问题。
- 开启统计信息推算功能可以解决新导入数据不在统计信息中导致的查询计划差问题。
- 提高随机数质量和使用优化蓄水池采样算法可以解决数据特征统计不准的问题。
➡️
