DB2 優化器中分布統計信息的應用與參數標記影響分析

基本統計 vs 分布統計

RUNSTATS 收集基本統計：表頁面數、行數、溢出行、基數；欄位基數、平均長度、次大/次小值、NULL 數。基本統計假設值均勻分布，無法反映數據傾斜。

分布統計類型

頻率統計

記錄特定值出現次數。例：CARS 表 100 萬行，型號 A 佔 50%、B 佔 30%、C 佔 10%。優化器可精確估算 WHERE TYPE='H' 的過濾因子。

分位數統計

記錄值的分布區間。例：STATE 欄位按升序，定期採樣記錄行數對應值。優化器可估算 WHERE STATE < 100 或 BETWEEN 的過濾因子，20 個量值誤差 <5%。

實戰範例：分布統計如何改善計劃

表 CARS 100 萬行，99.9% 已完工 (STATE=100)，型號均勻。查詢：SELECT * FROM CARS WHERE STATE < 100 AND TYPE='A'。

• 無分布統計：優化器以為 STATE<100 返回 10 萬行，選擇 I_TYPE 索引，實讀 99,336 行，耗時 0.53 秒。
• 有分布統計：優化器知曉 STATE<100 僅 1,000 行，選擇 I_STATE 索引，實讀 1,000 行，耗時 0.014 秒，快 36 倍。

生成分布統計

# 僅基本統計
RUNSTATS ON TABLE SAMPLE.CARS AND INDEXES ALL

# 全欄位分布統計
RUNSTATS ON TABLE SAMPLE.CARS WITH DISTRIBUTION AND INDEXES ALL

# 指定欄位及數量
RUNSTATS ON TABLE SAMPLE.CARS WITH DISTRIBUTION ON COLUMNS (TYPE, STATE) AND INDEXES ALL
RUNSTATS ON TABLE SAMPLE.CARS WITH DISTRIBUTION ON COLUMNS (TYPE NUM_FREQVALUES 10 NUM_QUANTILES 20, STATE NUM_FREQVALUES 15 NUM_QUANTILES 30) AND INDEXES ALL

適用條件：欄位有大量重複值（頻率）或值分布不均/聚集（分位數），且用於相應謂詞中。

檢查分布統計是否存在

SELECT * FROM SYSCAT.COLDIST WHERE TABSCHEMA='SAMPLE' AND TABNAME='CARS'

SYSCAT.COLDIST 結構：TYPE (F=頻率, Q=分位數)、SEQNO、COLVALUE、VALCOUNT、DISTCOUNT。

參數標記/主變量對分布統計的影響

JDBC 兩種介面：Statement（字串拼接）與 PreparedStatement（參數標記）。後者編譯時無具體值，優化器無法利用分布統計，導致生成次優計劃（如仍選 I_TYPE 索引）。

範例：SELECT * FROM CARS WHERE STATE < ? AND TYPE = ? 使用參數標記時，即使有分布統計，優化器也無法使用，計劃退化。

建議

• 對於靜態/動態 SQL 且值已知時，優先使用字串拼接或常量，讓優化器利用分布統計。
• 必須用 PreparedStatement 時，考慮 REOPT 選項或在應用層處理。