innodb的统计信息对optimizer成本预估影响实例

实为吾之愚见,望诸君酌之!闻过则喜，与君共勉

第一节 innodb引擎统计信息

mysql会依据innodb表的数据变化阈值来自动收集和计算表的统计信息(innodb_stats_auto_recalc)以供优化器使用，统计信息的收集是先通过获取一部分符合条件的索引页中的leaf page（是leaf page，不是non-leaf
page）的数据，然后通过对这些采集的leaf page计算估计出不同值的数量，进而估算出的信息，信息采集的准确度除了和数据本身的构成有关，还与采集page数量有关，数量越多，采集精度越准确，在mysql5.6中引入了Persistent Optimizer
Statistics来解决之前的Non-Persistent Optimizer Statistics带来的一些问题，可以使用innodb_stats_persistent_sample_pages/innodb_stats_sample_pages控制采集精度，innodb_stats_sample_pages已经不推荐使用。innodb_stats_persistent_sample_pages参数是全局的，如果想单独指定某个表的采集page数量，可以使用STATS_SAMPLE_PAGES选项，采集信息结果不准确甚至过度不准确会影响执行计划的生成，造成语句的执行出现问题以至于影响数据库的正常运行，这时可能就需要手动指定采集page数量来收集准确的统计信息，矫正执行计划。查看mysql的统计信息（5.6）可以从mysql.innodb_table_stats and
mysql.innodb_index_stats以及information_schema.INNODB_SYS_TABLESTATS获取

第二节准备数据和对比测试

2.1 建测试表

CREATE TABLE `MOCK_DATA` (

`autoid` int(11) NOT NULL AUTO_INCREMENT,

`id` int(11) DEFAULT NULL,

`first_name` varchar(50) DEFAULT NULL,

`last_name` varchar(50) DEFAULT NULL,

`email` varchar(50) DEFAULT NULL,

`gender` varchar(50) DEFAULT NULL,

`ip_address` varchar(20) DEFAULT NULL,

PRIMARY KEY (`autoid`),

KEY
`first_name` (`first_name`),

KEY
`id` (`id`)

) ENGINE=InnoDB AUTO_INCREMENT=16580327
DEFAULT CHARSET=latin1

其中autoid是clustered index，first_name和id是secondary index，且id是1至1000连续的数字循环插入，

即id列只有1至1000这些数字

2.2 生成测试数据

使用mockaroo临时生成16384000行测试数据：

2.3 查询统计信息表

Index_name为id的stat_value为15185，即以index列为索引，在16384000的数据里有15185个不同值（实际是1至1000个不同值），index_name索引有18368个索引页（nonleaf
page+leaf page），有15985个叶子页(leaf page)

该表经过统计，预估有16312847行数据，primary index有82736个索引页，除primary index外其他索引一共有40128个索引页（正好是innodb_index_stats中first_name和id索引页的和）

Index name为id的索引其Cardinality是30377（与innodb_index_stats中的stat_value的distinct
value的数值不同）

如上获取的一些统计信息是在innodb_stats_persistent_sample_pages为20的情况下，手动analyze table MOCK_DATA生成的

2.4 执行查询

执行如下语句：

SET optimizer_trace="enabled=on";

EXPLAIN EXTENDED select count(1) from
MOCK_DATA where id=1

查看INFORMATION_SCHEMA.OPTIMIZER_TRACE表的优化器追踪信息：

以上是正常情况下的执行计划，下面进行修改统计信息数据，模拟统计信息对执行计划的影响在哪里

2.5 修改统计信息

只修改innodb_table_stats的n_rows变为10，同样执行：

SET optimizer_trace="enabled=on";

EXPLAIN EXTENDED select count(1) from
MOCK_DATA where id=1

改完之后要执行flush table重新加载统计信息

如下：

执行计划：

和之前的对比，执行计划有明显的变化，再次查看INFORMATION_SCHEMA.OPTIMIZER_TRACE表的优化器追踪信息：

通过对比发现，虽然生成的执行计划使用的索引和access type没有错误，但是在生成过程中的cost与之前相比已经变化明显了。不准确的统计信息有很大可能对优化器的cost预估产生影响。所以我们可能有时候需要手工的进行统计信息的收集，除了统计信息还有很多情况会对optimizer的执行计划生成产生影响，比如索引的数量，索引数据的分布等等

第三节
统计信息收集

统计信息收集最常用的是analyze table 和optimize
table，一般情况下这两个操作是有效的，但是也有少数情况analyze table和optimize table完全失效（获取不了准确的统计信息），即使我们知道表和索引的数据分布并非如此，我们也无法使用analyze和optimize来获取，此时可能就需要更精确的收集，拿上面的表举例子，其有16384000行数据，使用analyze 和optimize 在innodb_stats_persistent_sample_pages为20的情况下，对数据量大的表和索引预估可能并不完全准确（16384000已经比较准确了），如果我们需要其预估完全准确的话（正常情况下不需要完全准确，会加重统计信息采集时间），我们可以对innodb表尝试如下两种方式：

1，
调大innodb_stats_persistent_sample_pages的值，然后再执行analyze table

2，单独设置该表的STATS_SAMPLE_PAGES数量

2.1 调整innodb_stats_persistent_sample_pages

通过如下信息：

因为只有一个Primary key有92634和leaf page，没有其他的unique key，这里

分别设置innodb_stats_persistent_sample_pages为60000和92634和92635，

然后与默认的20进行对比，如下：

1），set global
innodb_stats_persistent_sample_pages=60000：

2），set global
innodb_stats_persistent_sample_pages=92634：

3），set global
innodb_stats_persistent_sample_pages=92635:

通过对比，当设置为92635（leaf page+1）时，数量才可以完全的准确，此时的mysql.innodb_index_stats表如下，已经很准确了，如下

2.2 调整STATS_SAMPLE_PAGES

同样分别设置STATS_SAMPLE_PAGES为60000和92634和92635

1），STATS_SAMPLE_PAGES=60000

2），STATS_SAMPLE_PAGES=92634以及STATS_SAMPLE_PAGES=92634

3），调整STATS_SAMPLE_PAGES设置为 65535，该参数最大为65535（STATS_SAMPLE_PAGES的最大值，文档未标明，测试所得，应该是代码限制）

未能达到innodb_stats_persistent_sample_pages的效果，当STATS_SAMPLE_PAGES为65535时，此时innodb_index_stats的信息如下：

2.3 问题延伸

如果该表除了primary key，还有一个unique key时？sample page也需要这么多吗？

2.4 测试结果

通过测试，发现默认采集20个leaf page一般情况是比较准确的，故正常情况下，我们是不需要手工干预的，可以交给mysql根据数据量的变化自动统计，太精确的采集page数量过多会造成系统的负担，只有当明确的得知统计信息错误（表中的数据分布并非如此），而且默认采集page数量使用analyze和optimize无法获取更精确的统计信息时可以尝试这样做

问题：为何STATS_SAMPLE_PAGES最大值代码里限制为65535暂时不清楚为何，测试所得其最大为65535

时间： 2024-11-15 23:12:40