托马斯·冯德拉：查询计划的最优选择有多频繁？
内容提要
查询优化器旨在选择最佳查询计划，但其选择依赖于成本估算，实际选择常常不准确。对于不同的选择性，索引扫描并不总是最佳，位图扫描在大多数情况下表现更佳。尽管优化器基于统计和成本模型进行选择，但可能并非最佳。改进统计和成本模型是必要的，但信息总会缺失。尽管如此，基于成本的规划仍是最佳方法。
关键要点
-
查询优化器的基本承诺是选择最佳查询计划，但选择依赖于成本估算。
-
实际选择的查询计划常常不准确，尤其是在选择性较低的情况下。
-
位图扫描在大多数情况下优于索引扫描，尤其是在选择性较低时。
-
优化器基于统计和成本模型进行选择，但可能并非最佳选择。
-
改进统计和成本模型是必要的，但信息总会缺失。
-
在不同的数据分布下，优化器的选择可能会出现错误。
-
对于复杂查询，优化器的行为会更加复杂。
-
尽管存在局限性，基于成本的规划仍然是最佳方法。
延伸解读
查询优化器的局限性
尽管查询优化器旨在选择最佳查询计划，但其选择依赖于成本估算，这可能导致实际选择不准确。尤其是在选择性较低的情况下，优化器可能会错误地选择索引扫描，而位图扫描在大多数情况下表现更佳。用户在使用数据库时应关注这些潜在的性能差异，尤其是在处理复杂查询时。
数据分布对查询性能的影响
不同的数据分布对查询优化器的选择有显著影响。在均匀数据集上，优化器的选择相对简单，但在具有不同相关模式的数据集上，选择的准确性可能下降。用户在设计数据库时应考虑数据的分布特性，以优化查询性能。
成本模型的挑战
成本模型是查询优化器的核心，但它仅是对硬件行为的粗略近似。在云环境中，复杂的存储系统可能使得成本模型的准确性进一步降低。用户在使用云数据库时，应意识到这一点，并在必要时手动调整查询计划，以获得更好的性能。
延伸问答
查询优化器如何选择最佳查询计划？
查询优化器通过成本估算来选择最佳查询计划，这些估算基于选择性和基本资源的成本。
为什么索引扫描在某些情况下不是最佳选择？
在选择性较低的情况下，索引扫描往往不是最佳选择，位图扫描通常表现更佳。
如何改进查询优化器的统计和成本模型？
可以通过增加更多统计信息（如列间相关性）来改进统计和成本模型，但总会有信息缺失。
在复杂查询中，优化器的行为会有什么变化？
在复杂查询中，优化器的选择行为会更加复杂，可能导致更多的选择错误。
为什么基于成本的规划仍然是最佳方法？
尽管存在局限性，基于成本的规划是目前最好的方法，因为没有更好的替代方案。
查询优化器在不同数据分布下的表现如何？
在不同的数据分布下，优化器的选择可能会出现错误，尤其是在数据相关性较强时。
