列組統計信息 (Column Group Statistics) 概覽
DB2 優化器依賴統計信息估算查詢基數 (Cardinality)。單列統計 (均值、頻率、直方圖) 無法捕捉列間相關性 (如城市-省份、品牌-類別、年-月)。列組統計 (Column Group Statistics, 又稱多列統計/聯合統計) 通過記錄多列值組合的分佈，顯著提升多列謂詞、連接、分組查詢的基數估算準確度，從而生成更優訪問計劃。
為什麼需要列組統計？
假設表 `customers(city, province)`，單列統計顯示 `city='Shanghai'` 選擇率 1%，`province='Shanghai'` 選擇率 1%。優化器假設獨立，估算聯合選擇率 0.01% (1/10000)。實際上上海市即上海省，真實選擇率 1%。誤差 100 倍導致優化器選擇嵌套循環連接而非哈希連接、錯誤判斷索引掃描代價。列組統計直接記錄 `(city, province)` 組合頻率，消除獨立性假設偏差。
創建與收集列組統計
語法 (RUNSTATS)
RUNSTATS ON TABLE schema.customers
ON ALL COLUMNS
AND COLUMNS ((city, province)) -- 列組，括號括起
AND INDEXES ALL
ALLOW WRITE ACCESS;
- 可指定多個列組：`AND COLUMNS ((c1, c2), (c3, c4, c5))`。
- 列組順序無關 (內部排序)，但建議按查詢謂詞順序 (等值連接列在前)。
- 與單列統計、索引統計可同時收集。
系統目錄表
- `SYSCAT.COLGROUPS`：記錄列組定義 (GROUPENAME, COLNAMES, COLNOs)。
- `SYSCAT.COLDIST`：存儲列組分佈統計 (TYPE='G' 表示列組)，包含 `COLVALUE` (組合值)、`VALCOUNT` (頻率)、`DISTCOUNT` (直方圖桶)。
優化器使用場景
| 查詢模式 | 列組幫助 | 示例 |
|---|
| 多列等值謂詞 | 直接查找組合頻率，避免獨立性假設 | WHERE city=? AND province=? |
| 多列連接 | 估算連接基數，選擇最優連接方法/順序 | JOIN ON t1.city=t2.city AND t1.province=t2.province |
| GROUP BY 多列 | 估算分組數，決定哈希/排序分組、內存分配 | GROUP BY city, province |
| 複合索引匹配 | 輔助優化器判斷索引選擇性 (索引鍵列即天然列組) | INDEX (city, province) + WHERE city=? AND province=? |
| 星型模式維度連接 | 事實表外鍵列組 (dim1_key, dim2_key) 提升連接基數估算 | FACT JOIN DIM1, DIM2 ON ... |
設計與維護最佳實踐
- 識別高價值列組：分析工作負載 (包緩存 `MON_GET_PKG_CACHE_STMT`、查詢審計)、找出頻繁共同出現在 WHERE/JOIN/GROUP BY 中的列組合 (2-4 列最佳，>5 列統計開銷大、直方圖稀疏)。
- 避免冗餘：若已有複合索引 `(a,b,c)`，優化器已利用索引統計 (FIRSTKEYCARD, FULLKEYCARD) 隱含列組信息，額外創建列組 `(a,b,c)` 邊際收益低。但 `(a,b)` 可能仍有價值 (前綴列)。
- 收集頻率與采樣：高變更率表每日/每周 `RUNSTATS ... TABLESAMPLE SYSTEM (10)` (采樣) + 列組；低變更率每月全掃描。列組統計對采樣敏感度較高，建議全掃描或大采樣率。
- 統計信息版本管理：重大統計變更前備份 `db2look -t schema.table -stats`，回滾時恢復。
- 監控統計健康度：`RUNSTATS` 後對比 `SYSCAT.COLDIST` 列組行數與表行數比例、桶分佈均勻度；異常觸發重收集。
進階：統計信息反饋與自動調優
- DB2 10.5+ 引入 `STATISTICS FEEDBACK`：執行時發現基數估算誤差大，自動記錄反饋，下次 `RUNSTATS` 自動建議/創建列組。
- 自動維護窗口 (`AUTO_MAINT`, `AUTO_RUNSTATS`) 可配置 `AUTO_STATS_COLGROUPS ON` 自動發現並收集高價值列組 (需工作負載代表性)。
常見誤區
- 「所有列組合都建列組」→ 統計收集時間激增、目錄表膨脹、優化器編譯時間增加。只建業務關鍵列組。
- 「列組替代複合索引」→ 列組僅供優化器估算，**不提供訪問路徑**。需訪問路徑仍須創建索引。
- 「收集後永久有效」→ 數據分佈漂移 (新城市、新產品) 會導致列組統計失效，需定期刷新。
總結
DB2 列組統計信息是解決多列相關性導致基數估算偏差的利器。通過工作負載驅動識別關鍵列組、合理收集維護、配合自動統計反饋，可顯著提升複雜查詢穩定性與性能，是高級 DBA 必備調優技能。
- 上一篇文章： DB2 數據複製中的字符集轉換分析與實踐
- 下一篇文章： 使用腳本加速 DB2 存儲過程開發：模板、生成與部署自動化
Copyright ©
程式碼之家 All Rights Reserved
