- 创建和删除直方图
- 直方图信息
- 优化案例
查询优化器负责将SQL查询转换为尽可能高效的执行计划，但随着数据环境不断变化，查询优化器可能无法找到最佳的执行计划，导致SQL效率低下。造成这种情况的原因是优化器对查询的数据了解的不够充足，例如：每个表有多少行数据，每列中有多少不同的值，每列的数据分布情况。
因此MySQL8.0.3推出了直方图(histogram)功能，直方图是列的数据分布的近似值，其向优化器提供更多的统计信息。比如字段NULL的个数，每个不同值的百分比，最大/最小值等。
MySQL的直方图分为：等宽直方图和等高直方图，MySQL会自动分配使用哪种类型的直方图，无法干预 等宽直方图：每个bucket保存一个值以及这个值的累计频率
- 等高直方图：每个bucket保存不同值的个数，上下限以及累计频率
直方图同时也存在一定的限制条件：
- 不支持几何类型以及json类型的列
- 不支持加密表和临时表
- 无法为单列唯一索引的字段生成直方图
创建和删除直方图
创建语法
ANALYZE TABLE tbl_name UPDATE HISTOGRAM ON col_name [, col_name] WITH N BUCKETS;
创建直方图时能够同时为多个列创建直方图，但必须指定bucket数量，范围在1-1024之间，默认100。对于bucket数量应该综合考虑其有多少不同值、数据的倾斜度、精度等，建议从较低的值开始，不符合再依次增加。
删除语法
ANALYZE TABLE tbl_name DROP HISTOGRAM ON col_name [, col_name];
基于 Spring Boot + MyBatis Plus + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能。
直方图信息
MySQL通过字典表column_statistics来保存直方图的定义，每行记录对应一个字段的直方图，已JSON格式保存。
root@employees 13:49: select json_pretty(histogram) from information_schema.column_statistics where table_name='employees' and column_name='first_name';; { "buckets": [ [ "base64:type254:QWFtZXI=", "base64:type254:QWRlbA==", 0.010176045588684237, 13 ], "data-type": "string", "null-values": 0.0, "collation-id": 255, "last-updated": "2020-09-09 05:47:32.548874", "sampling-rate": 0.163495700259278, "histogram-type": "equi-height", "number-of-buckets-specified": 100 }
MySQL为employees的first_name字段分配了等高直方图，默认为100个bucket。
当生成直方图时，MySQL会将所有数据都加载到内存中，并在内存中执行所有工作。如果在大表上生成直方图，可能会将几百M的数据读取到内存中的风险，因此我们可以通过参数hitogram_generation_max_mem_size来控制生成直方图最大允许的内存量，当指定内存满足不了所有数据集时就会采用采样的方式。
root@employees 14:12: select histogram->>'$."sampling-rate"' from information_schema.column_statistics where table_name='employees' and column_name='first_name';; +---------------------------------+ | histogram->>'$."sampling-rate"' | +---------------------------------+ | 0.163495700259278 | +---------------------------------+
从MySQL8.0.19开始，存储引擎自身提供了存储在表中数据的采样实现，存储引擎不支持时，MySQL使用默认采样需要全表扫描，这样对于大表来说成本太高，采样实现避免了全表扫描提高采样性能。
通过INNODB_METRICS计数器可以监视数据页的采样情况，这需要提前开启计数器
root@employees 14:26: SELECT NAME, COUNT FROM INFORMATION_SCHEMA.INNODB_METRICS WHERE NAME LIKE 'sampled%'\G *************************** 1. row *************************** NAME: sampled_pages_read COUNT: 430 *************************** 2. row *************************** NAME: sampled_pages_skipped COUNT: 456 2 rows in set (0.04 sec)
采样率的计算公式为：sampled_page_read/(sampled_pages_read + sampled_pages_skipped)
基于微服务的思想，构建在 B2C 电商场景下的项目实战。核心技术栈，是 Spring Boot + Dubbo 。未来，会重构成 Spring Cloud Alibaba 。
优化案例
复制一张表出来，源表不添加直方图，新表添加直方图
root@employees 14:32: create table employees_like like employees; Query OK, 0 rows affected (0.03 sec) root@employees 14:33: insert into employees_like select * from employees; Query OK, 300024 rows affected (3.59 sec) Records: 300024 Duplicates: 0 Warnings: 0 root@employees 14:33: ANALYZE TABLE employees_like update HISTOGRAM on birth_date,first_name; +--------------------------+-----------+----------+-------------------------------------------------------+ | Table | Op | Msg_type | Msg_text | +--------------------------+-----------+----------+-------------------------------------------------------+ | employees.employees_like | histogram | status | Histogram statistics created for column 'birth_date'. | | employees.employees_like | histogram | status | Histogram statistics created for column 'first_name'. | +--------------------------+-----------+----------+-------------------------------------------------------+
分别在两张表上查看SQL的执行计划
root@employees 14:43: explain format=json select count(*) from employees where (birth_date between '1953-05-01' and '1954-05-01') and first_name like 'A%'; { "query_block": { "select_id": 1, "cost_info": { "query_cost": "30214.45" }, "table": { "table_name": "employees", "access_type": "ALL", "rows_examined_per_scan": 299822, "rows_produced_per_join": 3700, "filtered": "1.23", "cost_info": { "read_cost": "29844.37", "eval_cost": "370.08", "prefix_cost": "30214.45", "data_read_per_join": "520K" }, "used_columns": [ "birth_date", "first_name" ], "attached_condition": "((`employees`.`employees`.`birth_date` between '1953-05-01' and '1954-05-01') and (`employees`.`employees`.`first_name` like 'A%'))" } } } root@employees 14:45: explain format=json select count(*) from employees where (birth_date between '1953-05-01' and '1954-05-01') and first_name like 'A%'; { "query_block": { "select_id": 1, "cost_info": { "query_cost": "18744.56" }, "table": { "table_name": "employees", "access_type": "range", "possible_keys": [ "idx_birth", "idx_first" ], "key": "idx_first", "used_key_parts": [ "first_name" ], "key_length": "58", "rows_examined_per_scan": 41654, "rows_produced_per_join": 6221, "filtered": "14.94", "index_condition": "(`employees`.`employees`.`first_name` like 'A%')", "cost_info": { "read_cost": "18122.38", "eval_cost": "622.18", "prefix_cost": "18744.56", "data_read_per_join": "874K" }, "used_columns": [ "birth_date", "first_name" ], "attached_condition": "(`employees`.`employees`.`birth_date` between '1953-05-01' and '1954-05-01')" } } }
可以看出Cost值从30214.45降到了18744.56，扫描行数从299822降到了41654，性能有所提升。
参考资料：
