观察analyze table compute statistics 都对什么对象统计了信息+user_tab_histograms中的endpoint_value

analyze table compute statistics = analyze table compute statistics for table for all indexes for all columns;

比analyze table compute statistics for table for all indexes for all indexed columns 分析了更多的信息

但这里并不是鼓励使用 analyze table 的方法进行分析。
SQL> create table t as select * from all_objects;

Table created.

SQL> create index t_idx on t(object_id);

Index created.

SQL> analyze table t compute statistics for table

2 for all indexes for all indexed columns;

Table analyzed.

SQL> select t.num_rows, i.num_rows, c.cnt

2 from (select num_rows from user_tables where table_name = 'T') t,

3 (select num_rows from user_indexes where table_name = 'T' ) i,

4 (select count(distinct column_name) cnt from user_tab_histograms where tab

le_name = 'T' ) c

5 /

NUM_ROWS NUM_ROWS CNT

------------------- -------------------- ----------

31213 31213 1 <------- 在这里因为只有1列建立有索引，因此只统计了object_id列的数据分布，这里object_id因为唯一，所以是均匀分布的

SQL> analyze table t delete statistics;

Table analyzed.

SQL> select t.num_rows, i.num_rows, c.cnt

2 from (select num_rows from user_tables where table_name = 'T') t,

3 (select num_rows from user_indexes where table_name = 'T' ) i,

4 (select count(distinct column_name) cnt from user_tab_histograms where ta

ble_name = 'T' ) c;

NUM_ROWS NUM_ROWS CNT

-------------------- ------------------- ------------

0

SQL> analyze table t compute statistics;

Table analyzed.

SQL> select t.num_rows, i.num_rows, c.cnt

2 from (select num_rows from user_tables where table_name = 'T') t,

3 (select num_rows from user_indexes where table_name = 'T' ) i,

4 (select count(distinct column_name) cnt from user_tab_histograms where ta

ble_name = 'T' ) c;

NUM_ROWS NUM_ROWS CNT

-------------------- ------------------- -----------

31213 31213 13 <------- 统计了所有的列，但这些列并不是都用在 where col='X' 上的，因此很多信息其实都没有实际意义。

DBMS_STATS 和TABLE的MONITOR结合，可以当表数据量发生10%的变化的时候，自动重新收集统计信息。

我平常更喜欢使用SIZE SKEWONLY 分析histograms

==========================================================================

analyze table t compute statistics = analyze table t compute statistics for table for all indexes for all columns

for table的统计信息存在于视图：user_tables 、all_tables、dba_tables

for all indexes的统计信息存在于视图: user_indexes 、all_indexes、dba_indexes

for all columns的统计信息存在于试图：user_tab_columns、all_tab_columns、dba_tab_columns

当analyze table t delete statistics 会删除所有的statistics

===========================================================================

[Q]怎么样分析表或索引

[A]命令行方式可以采用analyze命令

如Analyze table tablename compute statistics;

Analyze index|cluster indexname estimate statistics;

ANALYZE TABLE tablename COMPUTE STATISTICS

FOR TABLE

FOR ALL [LOCAL] INDEXES

FOR ALL [INDEXED] COLUMNS;

ANALYZE TABLE tablename DELETE STATISTICS

ANALYZE TABLE tablename VALIDATE REF UPDATE

ANALYZE TABLE tablename VALIDATE STRUCTURE

[CASCADE]|[INTO TableName]

ANALYZE TABLE tablename LIST CHAINED ROWS [INTO TableName]

等等。

如果想分析整个用户或数据库，还可以采用工具包，可以并行分析

Dbms_utility(8i以前的工具包)

Dbms_stats(8i以后提供的工具包)

如

dbms_stats.gather_schema_stats(User,estimate_percent=>100,cascade=> TRUE);

dbms_stats.gather_table_stats(User,TableName,degree => 4,cascade => true);

这是对命令与工具包的一些总结

1、对于分区表，建议使用DBMS_STATS，而不是使用Analyze语句。

a) 可以并行进行，对多个用户，多个Table

b) 可以得到整个分区表的数据和单个分区的数据。

c) 可以在不同级别上Compute Statistics：单个分区，子分区，全表，所有分区

d) 可以导出统计信息

e) 可以用户自动收集统计信息

2、DBMS_STATS的缺点

a) 不能Validate Structure

b) 不能收集CHAINED ROWS, 不能收集CLUSTER TABLE的信息，这两个仍旧需要使用Analyze语句。

c) DBMS_STATS 默认不对索引进行Analyze，因为默认Cascade是False，需要手工指定为True

3、对于oracle 9里面的External Table，Analyze不能使用，只能使用DBMS_STATS来收集信息。

==================================================================

来源：http://bianxq.iteye.com/blog/464679

直方图视图user_tab_histograms中的endpoint_value

对于那些上严重倾斜性的列来说，直方图是CBO正确选择执行计划的重要基础。

我们一般查询直方图都是查询user_tab_histograms，all_tab_histograms或者dba_tab_histograms。

以user_tab_histograms来说明下视图各个字段的含义

SQL> desc user_tab_histograms

名称 是否为空? 类型

—————————————– ——– ————–

TABLE_NAME VARCHAR2(30)

COLUMN_NAME VARCHAR2(4000)

ENDPOINT_NUMBER NUMBER

ENDPOINT_VALUE NUMBER

ENDPOINT_ACTUAL_VALUE VARCHAR2(1000)

TABLE_NAME ————— 表名

COLUMN_NAME ————— 字段名

ENDPOINT_NUMBER ———– 结束点序号

ENDPOINT_VALUE ———– 结束点值

ENDPOINT_ACTUAL_VALUE—— 结束点真实值(一般为空)

以前使用直方图的时候没有过多的关注ENDPOINT_VALUE字段，一直以后这个字段存储的结束点的实际值。

可今天发现不是这样的。

SQL> create table sunwg (id number,grade varchar2(1));

表已创建。

SQL> insert into sunwg values(1,’a');

已创建 1 行。

SQL> insert into sunwg values(2,’b');

已创建 1 行。

SQL> commit;

提交完成。

SQL> begin

2 dbms_stats.gather_table_stats(

3 ownname => ‘SUNWG’,

4 tabname => ‘SUNWG’,

5 method_opt => ‘FOR TABLE FOR ALL COLUMNS SIZE AUTO’);

6 end;

7 /

PL/SQL 过程已成功完成。

SQL> select column_name,endpoint_number,endpoint_value

2 from user_tab_histograms

3 where table_name = ‘SUNWG’

4 order by 1,2;

COLUMN_NAM ENDPOINT_NUMBER ENDPOINT_VALUE

———- ————— ————–

GRADE 0 5.0365E+35

GRADE 1 5.0885E+35

ID 0 1

ID 1 2

从这个测试结果能看出来，对于列ID存储的是实际值，而对于列GRADE则不是。

后来查询了user_tab_histograms的底层表才知道ENDPOINT_VALUE存储的原来是实际值的hash值。

create table histgrm$ /* histogram table */

( obj# number not null, /* object number */

col# number not null, /* column number */

row# number, /* row number (in row cache) */

bucket number not null, /* bucket number */

endpoint number not null, /* endpoint hashed value */

intcol# number not null, /* internal column number */

epvalue varchar2(1000), /* endpoint value information */

spare1 number,

spare2 number)

cluster c_obj#_intcol#(obj#, intcol#)

/

endpoint number not null, /* endpoint hashed value */

这样就清楚了，5.0365E+35是'a'的hash值。

oracle这样可能是为了增强通用性吧，否则需要建一系列的endpoint，字符型的endpoint，数据型的endpoint，日期型的endpoint等。

而使用了hash之后，结果就唯一，一串数字而已。

><

来源：http://www.oratea.net/?p=296