常规统计信息

TiDB 使用统计信息作为优化器的输入,用于估算 SQL 语句的执行计划中每个步骤处理的行数。优化器会估算每个可用执行计划的成本,包括索引的选择和表连接的顺序,并为每个可用执行计划生成成本。然后,优化器会选择总体成本最低的执行计划。

收集统计信息

本小节介绍收集统计信息的两种方式:自动更新和手动收集。

自动更新

对于 INSERTDELETEUPDATE 语句,TiDB 会自动更新统计信息中表的总行数和修改的行数。

TiDB 会定期持久化更新的统计信息,更新周期为 20 * stats-leasestats-lease 配置项的默认值为 3s,如果将其指定为 0,TiDB 将停止自动更新统计信息。

TiDB 根据表的变更次数自动调度 ANALYZE 来收集这些表的统计信息。统计信息的自动更新由 tidb_enable_auto_analyze 系统变量和以下 tidb_auto_analyze% 变量控制。

系统变量名默认值功能描述
tidb_enable_auto_analyzeON是否启用自动更新表的统计信息
tidb_auto_analyze_ratio0.5自动更新阈值
tidb_auto_analyze_start_time00:00 +0000一天中能够进行自动更新的开始时间
tidb_auto_analyze_end_time23:59 +0000一天中能够进行自动更新的结束时间
tidb_auto_analyze_partition_batch_size128TiDB 自动 analyze 分区表(即自动更新分区表的统计信息)时,每次同时 analyze 分区的个数
tidb_enable_auto_analyze_priority_queueON是否启用优先队列来调度自动收集统计信息的任务。开启该变量后,TiDB 会优先收集那些更有收集价值的表,例如新创建的索引、发生分区变更的分区表等。同时,TiDB 也会优先处理那些健康度较低的表,将它们安排在队列的前端。

当某个表 tbl 的修改行数与总行数的比值大于 tidb_auto_analyze_ratio,并且当前时间在 tidb_auto_analyze_start_timetidb_auto_analyze_end_time 之间时,TiDB 会在后台执行 ANALYZE TABLE tbl 语句自动更新这个表的统计信息。

为了避免小表因为少量数据修改而频繁触发自动更新,当表的行数小于 1000 时,TiDB 不会触发对此表的自动更新。你可以通过 SHOW STATS_META 语句来查看表的行数。

手动收集

目前 TiDB 收集统计信息为全量收集。你可以通过 ANALYZE TABLE 语句的以下语法来全量收集统计信息:

  • 收集 TableNameList 中所有表的统计信息:

    ANALYZE TABLE TableNameList [WITH NUM BUCKETS|TOPN|CMSKETCH DEPTH|CMSKETCH WIDTH]|[WITH NUM SAMPLES|WITH FLOATNUM SAMPLERATE];
  • WITH NUM BUCKETS 用于指定生成直方图的桶数量上限。

  • WITH NUM TOPN 用于指定生成的 TOPN 数量的上限。

  • WITH NUM CMSKETCH DEPTH 用于指定 CM Sketch 的长。

  • WITH NUM CMSKETCH WIDTH 用于指定 CM Sketch 的宽。

  • WITH NUM SAMPLES 用于指定采样的数目。

  • WITH FLOAT_NUM SAMPLERATE 用于指定采样率。

WITH NUM SAMPLESWITH FLOAT_NUM SAMPLERATE 这两种设置对应了两种不同的收集采样的算法。

相关详细解释参见直方图Top-N 值 and CMSketch (Count-Min Sketch)。关于 SAMPLESSAMPLERATE,参见提升统计信息收集性能

关于持久化 ANALYZE 配置以便后续沿用的更多信息,参见持久化 ANALYZE 配置

统计信息的类型

本小节介绍统计信息的三种类型:直方图、Count-Min Sketch 和 Top-N。

直方图

直方图统计信息被优化器用于估算区间或范围谓词的选择,并可能用于确定列中不同值的数量,以估算 Version 2 统计信息(参见统计信息版本)中的等值查询或 IN 查询的谓词。

直方图是对数据分布的近似表示。它将整个数值范围划分为一系列桶,并使用简单的数据来描述每个桶,例如落入该桶的数值数量。在 TiDB 中,会为每个表的具体列创建等深直方图,可用于估算区间查询。

等深直方图,就是让落入每个桶里的数值数量尽量相等。例如,对于给定的集合 {1.6, 1.9, 1.9, 2.0, 2.4, 2.6, 2.7, 2.7, 2.8, 2.9, 3.4, 3.5} 生成 4 个桶,那么最终的等深直方图就会如下图所示,包含四个桶 [1.6, 1.9][2.0, 2.6][2.7, 2.8][2.9, 3.5],其桶深均为 3。

等深直方图示例

你可以通过 WITH NUM BUCKETS 参数控制直方图的桶数量上限,参见手动收集小节。桶数量越多,直方图的估算精度就越高,不过也会同时增加统计信息的内存使用。可以视具体情况来调整桶的数量上限。

Count-Min Sketch

Count-Min Sketch 是一种哈希结构,当处理等值查询(如 a = 1)或者 IN 查询(如 a in (1, 2, 3))时,TiDB 便会使用这种数据结构来进行估算。

由于 Count-Min Sketch 是一个哈希结构,就有出现哈希冲突的可能。当在 EXPLAIN 语句中发现等值查询的估算偏离实际值较大时,就可以认为是一个比较大的值和一个比较小的值被哈希到了一起。这时有以下两种方法来避免哈希冲突:

  • 修改 WITH NUM TOPN 参数。TiDB 会将出现频率前 x 的数据单独储存,之后的数据再储存到 Count-Min Sketch 中。因此,为了避免一个比较大的值和一个比较小的值被哈希到一起,可以调大 WITH NUM TOPN 的值。该参数的默认值是 20,最大值是 1024。关于该参数的更多信息,参见手动收集小节。
  • 修改 WITH NUM CMSKETCH DEPTHWITH NUM CMSKETCH WIDTH 两个参数。这两个参数会影响哈希的桶数和冲突概率,可视具体情况适当调大这两个参数的值来减少冲突概率,不过调大后也会增加统计信息的内存使用。WITH NUM CMSKETCH DEPTH 的默认值是 5WITH NUM CMSKETCH WIDTH 的默认值是 2048。关于这两个参数的更多信息,参见手动收集小节。

Top-N

Top-N 值是列或索引中出现次数前 N 的值。Top-N 统计信息通常被称为频率统计信息或数据倾斜。

TiDB 会记录 Top-N 的值和出现次数。参数 WITH NUM TOPN 控制 Top-N 值的数量,默认值是 20,表示收集出现频率最高的前 20 个值;最大值是 1024。关于该参数的详细信息,参见手动收集小节。

选择性收集统计信息

本小节介绍如何选择性地收集统计信息。

收集索引的统计信息

如果要收集 TableNameIndexNameList 里所有索引的统计信息,请使用以下语法:

ANALYZE TABLE TableName INDEX [IndexNameList] [WITH NUM BUCKETS|TOPN|CMSKETCH DEPTH|CMSKETCH WIDTH]|[WITH NUM SAMPLES|WITH FLOATNUM SAMPLERATE];

IndexNameList 为空时,该语法将收集 TableName 中所有索引的统计信息。

收集部分列的统计信息

当 TiDB 执行 SQL 语句时,优化器在大多数情况下只会用到部分列的统计信息。例如,WHEREJOINORDER BYGROUP BY 子句中出现的列,这些被用到的列称为 PREDICATE COLUMNS

如果一个表有很多列,收集所有列的统计信息会产生较大的开销。为了降低开销,你可以只收集选定列或者 PREDICATE COLUMNS 的统计信息供优化器使用。如果要持久化列配置以便将来沿用,参见持久化列配置

  • 如果要收集指定列的统计信息,请使用以下语法:

    ANALYZE TABLE TableName COLUMNS ColumnNameList [WITH NUM BUCKETS|TOPN|CMSKETCH DEPTH|CMSKETCH WIDTH]|[WITH NUM SAMPLES|WITH FLOATNUM SAMPLERATE];

    其中,ColumnNameList 表示指定列的名称列表。如果需要指定多列,请使用用逗号 , 分隔列名。例如, ANALYZE table t columns a, b。该语法除了收集指定表中指定列的统计信息,将同时收集该表中索引列的统计信息以及所有索引的统计信息。

  • 如果要收集 PREDICATE COLUMNS 的统计信息,请使用以下语法:

    ANALYZE TABLE TableName PREDICATE COLUMNS [WITH NUM BUCKETS|TOPN|CMSKETCH DEPTH|CMSKETCH WIDTH]|[WITH NUM SAMPLES|WITH FLOATNUM SAMPLERATE];

    TiDB 将每隔 100 * stats-lease 的时间将 PREDICATE COLUMNS 信息写入系统表 mysql.column_stats_usage

    以上语法除了收集指定表中 PREDICATE COLUMNS 的统计信息之外,将同时收集该表中索引列的统计信息以及所有索引的统计信息。

  • 如果要收集所有列的统计信息以及所有索引的统计信息,请使用以下语法:

    ANALYZE TABLE TableName ALL COLUMNS [WITH NUM BUCKETS|TOPN|CMSKETCH DEPTH|CMSKETCH WIDTH]|[WITH NUM SAMPLES|WITH FLOATNUM SAMPLERATE];

收集分区的统计信息

  • 如果要收集 TableNamePartitionNameList 里所有分区的统计信息,请使用以下语法:

    ANALYZE TABLE TableName PARTITION PartitionNameList [WITH NUM BUCKETS|TOPN|CMSKETCH DEPTH|CMSKETCH WIDTH]|[WITH NUM SAMPLES|WITH FLOATNUM SAMPLERATE];
  • 如果要收集 TableNamePartitionNameList 里所有分区的索引统计信息,请使用以下语法:

    ANALYZE TABLE TableName PARTITION PartitionNameList INDEX [IndexNameList] [WITH NUM BUCKETS|TOPN|CMSKETCH DEPTH|CMSKETCH WIDTH]|[WITH NUM SAMPLES|WITH FLOATNUM SAMPLERATE];
  • 当收集分区的统计信息时,如果只需要收集部分列的统计信息,请使用以下语法:

    ANALYZE TABLE TableName PARTITION PartitionNameList [COLUMNS ColumnNameList|PREDICATE COLUMNS|ALL COLUMNS] [WITH NUM BUCKETS|TOPN|CMSKETCH DEPTH|CMSKETCH WIDTH]|[WITH NUM SAMPLES|WITH FLOATNUM SAMPLERATE];

收集动态裁剪模式下的分区表统计信息

在分区表开启动态裁剪模式(从 v6.3.0 开始,默认开启)的情况下,TiDB 将收集表级别的汇总统计信息,以下称 GlobalStats。目前 GlobalStats 由分区统计信息合并汇总得到。在动态裁剪模式下,任何分区表的统计信息更新都可能触发 GlobalStats 更新。

如果分区为空,或者某些分区上的列缺失,那么统计信息收集行为将受 tidb_skip_missing_partition_stats 变量的控制:

  • 当触发 GlobalStats 更新且 tidb_skip_missing_partition_statsOFF 时:

    • 如果某些分区缺失统计信息(例如从未进行过 analyze 的新分区),GlobalStats 生成会中断,并显示 warning 信息提示这些分区没有可用的统计信息。
    • 如果某些分区中缺失某些列的统计信息(这些分区中指定了不同的列进行 analyze),当这些列的统计信息被合并汇总时,GlobalStats 生成会中断,并显示 warning 信息提示某些分区中缺少某些列的统计信息。
  • 当触发 GlobalStats 更新且 tidb_skip_missing_partition_statsON 时:

    • 如果某些分区缺失全部列或部分列的统计信息,TiDB 在生成 GlobalStats 时会跳过这些缺失的分区统计信息,不影响 GlobalStats 生成。

在动态裁剪模式下,分区和分区表的 ANALYZE 配置应保持一致。因此,如果在 ANALYZE TABLE TableName PARTITION PartitionNameList 语句后指定了 COLUMNS 配置或在 WITH 后指定了 OPTIONS 配置,TiDB 将忽略这些配置并返回 warning 信息提示。

提升统计信息收集性能

TiDB 提供了两种方法来提升统计信息收集的性能:

统计信息采样

采样是通过 ANALYZE 语句的两个选项来实现的,每个选项对应一种不同的收集算法:

  • WITH NUM SAMPLES 指定了采样集的大小,在 TiDB 中是以蓄水池采样的方式实现。当表较大时,不推荐使用这种方式收集统计信息。因为蓄水池采样中间结果集会产生一定的冗余结果,会对内存等资源造成额外的压力。
  • WITH FLOAT_NUM SAMPLERATE 是从 v5.3.0 开始引入的采样方式,指定了采样率的大小,取值范围是 (0, 1]。在 TiDB 中是以伯努利采样的方式实现,更适合对较大的表进行采样,在收集效率和资源使用上更有优势。

在 v5.3.0 之前,TiDB 采用蓄水池采样的方式收集统计信息。自 v5.3.0 版本起,TiDB Version 2 的统计信息默认会选取伯努利采样的方式收集统计信息。若要重新使用蓄水池采样的方式采样,可以使用 WITH NUM SAMPLES 语句。

目前采样率基于自适应算法进行计算。当你通过 SHOW STATS_META 可以观察到一个表的行数时,可通过这个行数去计算采集 10 万行所对应的采样率。如果你观察不到这个值,可通过表 SHOW TABLE REGIONS 结果中所有 APPROXIMATE_KEYS 列值的总和作为另一个参考来计算采样率。

统计信息收集的内存限制

TiDB 从 v6.1.0 开始引入了统计信息收集的内存限制,你可以通过 tidb_mem_quota_analyze 变量来控制 TiDB 更新统计信息时的最大总内存占用。

要合理地配置 tidb_mem_quota_analyze 的值,你需要考虑集群的数据规模。在使用默认采样率的情况下,主要考虑列的数量、列值的大小,以及 TiDB 的内存配置。你可参考以下建议来配置该变量的最大值和最小值:

  • 最小值:需要大于 TiDB 从集群上列最多的表收集统计信息时使用的最大内存。一个粗略的参考信息是,在测试集上,20 列的表在默认配置下,统计信息收集的最大内存使用量约为 800 MiB;160 列的表在默认配置下,统计信息收集的最大内存使用量约为 5 GiB。
  • 最大值:需要小于集群在不进行统计信息收集时的内存空余量。

持久化 ANALYZE 配置

从 v5.4.0 起,TiDB 支持 ANALYZE 配置持久化,方便后续收集统计信息时沿用已有配置。

TiDB 支持以下 ANALYZE 配置的持久化:

配置对应的 ANALYZE 语法
直方图桶数WITH NUM BUCKETS
TopN 个数WITH NUM TOPN
采样数WITH NUM SAMPLES
采样率WITH FLOATNUM SAMPLERATE
ANALYZE 的列的类型AnalyzeColumnOption ::= ( 'ALL COLUMNS' | 'PREDICATE COLUMNS' | 'COLUMNS' ColumnNameList )
ANALYZE 的列ColumnNameList ::= Identifier ( ',' Identifier )*

开启 ANALYZE 配置持久化

ANALYZE 配置持久化功能默认开启,即系统变量 tidb_analyze_version 为默认值 2tidb_persist_analyze_options 为默认值 ON

ANALYZE 配置持久化功能可用于记录手动执行 ANALYZE 语句时指定的持久化配置。记录后,当 TiDB 下一次自动更新统计信息或者你手动收集统计信息但未指定配置时,TiDB 会按照记录的配置收集统计信息。

如果要查询某张表上的持久化配置用于自动更新统计信息,使用以下 SQL 语句:

SELECT sample_num, sample_rate, buckets, topn, column_choice, column_ids FROM mysql.analyze_options opt JOIN information_schema.tables tbl ON opt.table_id = tbl.tidb_table_id WHERE tbl.table_schema = '{db_name}' AND tbl.table_name = '{table_name}';

TiDB 会使用最新的 ANALYZE 语句中指定的配置覆盖先前记录的持久化配置。例如,如果你运行 ANALYZE TABLE t WITH 200 TOPN; ,它将在 ANALYZE 语句中设置前 200 个值。随后,执行 ANALYZE TABLE t WITH 0.1 SAMPLERATE; 将为自动 ANALYZE 语句同时设置前 200 个值和 0.1 的采样率,类似于 ANALYZE TABLE t WITH 200 TOPN, 0.1 SAMPLERATE;

关闭 ANALYZE 配置持久化

如果要关闭 ANALYZE 配置持久化功能,请将系统变量 tidb_persist_analyze_options 设置为 OFF。此外,由于 ANALYZE 配置持久化功能在 tidb_analyze_version = 1 的情况下不适用,因此设置 tidb_analyze_version = 1 同样会达到关闭配置持久化的效果。

关闭 ANALYZE 配置持久化功能后,已持久化的配置记录不会被清除。因此,当再次开启该功能时,TiDB 会继续使用之前记录的持久化配置收集统计信息。

持久化列配置

如果要持久化 ANALYZE 语句中列的配置(包括 COLUMNS ColumnNameListPREDICATE COLUMNSALL COLUMNS),请将系统变量 tidb_persist_analyze_options 的值设置为 ON,以开启持久化 ANALYZE 配置功能。开启 ANALYZE 配置持久化之后:

  • 当 TiDB 自动收集统计信息或者你手动执行 ANALYZE 语句收集统计信息但未指定列的配置时,TiDB 会继续沿用之前持久化的配置。
  • 当多次手动执行 ANALYZE 语句并指定列的配置时,TiDB 会使用最新一次 ANALYZE 指定的配置项覆盖上一次记录的持久化配置。

如果要查看一个表中哪些列是 PREDICATE COLUMNS、哪些列的统计信息已经被收集,请使用 SHOW COLUMN_STATS_USAGE 语句。

在以下示例中,执行 ANALYZE TABLE t PREDICATE COLUMNS; 后,TiDB 将收集 bcd 列的统计信息,其中 b 列是 PREDICATE COLUMNc 列和 d 列是索引列。

CREATE TABLE t (a INT, b INT, c INT, d INT, INDEX idx_c_d(c, d)); Query OK, 0 rows affected (0.00 sec) -- 在此查询中优化器用到了 b 列的统计信息。 SELECT * FROM t WHERE b > 1; Empty set (0.00 sec) -- 等待一段时间(100 * stats-lease)后,TiDB 将收集的 `PREDICATE COLUMNS` 写入 mysql.column_stats_usage。 -- 指定 `last_used_at IS NOT NULL` 表示显示 TiDB 收集到的 `PREDICATE COLUMNS`。 SHOW COLUMN_STATS_USAGE WHERE db_name = 'test' AND table_name = 't' AND last_used_at IS NOT NULL; +---------+------------+----------------+-------------+---------------------+------------------+ | Db_name | Table_name | Partition_name | Column_name | Last_used_at | Last_analyzed_at | +---------+------------+----------------+-------------+---------------------+------------------+ | test | t | | b | 2022-01-05 17:21:33 | NULL | +---------+------------+----------------+-------------+---------------------+------------------+ 1 row in set (0.00 sec) ANALYZE TABLE t PREDICATE COLUMNS; Query OK, 0 rows affected, 1 warning (0.03 sec) -- 指定 `last_analyzed_at IS NOT NULL` 表示显示收集过统计信息的列。 SHOW COLUMN_STATS_USAGE WHERE db_name = 'test' AND table_name = 't' AND last_analyzed_at IS NOT NULL; +---------+------------+----------------+-------------+---------------------+---------------------+ | Db_name | Table_name | Partition_name | Column_name | Last_used_at | Last_analyzed_at | +---------+------------+----------------+-------------+---------------------+---------------------+ | test | t | | b | 2022-01-05 17:21:33 | 2022-01-05 17:23:06 | | test | t | | c | NULL | 2022-01-05 17:23:06 | | test | t | | d | NULL | 2022-01-05 17:23:06 | +---------+------------+----------------+-------------+---------------------+---------------------+ 3 rows in set (0.00 sec)

统计信息版本

系统变量 tidb_analyze_version 用于控制 TiDB 收集统计信息的行为。目前 TiDB 支持两个版本的统计信息,即 tidb_analyze_version = 1tidb_analyze_version = 2

  • 从 v5.3.0 开始,变量 tidb_analyze_version 的默认值从 1 变为了 2
  • 如果从 v5.3.0 之前版本的集群升级至 v5.3.0 或之后的版本,该变量的默认值不会发生变化。

更推荐选择 Version 2。Version 2 将继续增强,并最终完全取代 Version 1。与 Version 1 相比,Version 2 提高了大数据量场景下多项统计信息收集的准确性。此外,Version 2 在进行谓词选择率估算时不再需要收集 Count-Min Sketch 统计信息,并支持仅对选定列进行自动收集(参见收集部分列的统计信息),从而提高了收集性能。

以下表格列出了两个统计信息版本为优化器估算收集的信息:

信息Version 1Version 2
表的总行数
等值查询或 IN 查询的谓词估算⎷(列/索引 Top-N & Count-Min Sketch)⎷(列/索引 Top-N & 直方图)
Range 范围谓词估算⎷(列/索引 Top-N & 直方图)⎷(列/索引 Top-N & 直方图)
NULL 谓词估算
列的平均长度
索引的平均长度

切换统计信息版本

建议确保所有表、索引(和分区)使用相同版本的统计信息收集功能。推荐使用 Version 2,但不建议在没有正当理由(例如使用中的版本出现问题)的情况下切换版本。版本之间的切换可能需要一段时间,在此期间可能没有统计信息,直到所有表都使用了新版本进行统计。如果没有统计信息,可能会影响优化器的计划选择。

切换版本的正当理由可能包括:使用 Version 1 在收集 Count-Min Sketch 统计信息时,由于哈希冲突导致等值查询或 IN 查询谓词估算不准确。此时,你可以参考 Count-Min Sketch 小节中描述的解决方案,或者设置 tidb_analyze_version = 2 并对所有对象重新运行 ANALYZE。在 Version 2 的早期阶段,执行 ANALYZE 后有内存溢出的风险,现在这个问题已经解决,但最初的解决方案是设置 tidb_analyze_version = 1 并对所有对象重新运行 ANALYZE

要为切换统计信息版本做好 ANALYZE 准备,请根据情况进行以下操作:

  • 如果 ANALYZE 语句是手动执行的,请手动统计每张需要统计的表:

    SELECT DISTINCT(CONCAT('ANALYZE TABLE ', table_schema, '.', table_name, ';')) FROM information_schema.tables JOIN mysql.stats_histograms ON table_id = tidb_table_id WHERE stats_ver = 2;
  • 如果 ANALYZE 语句是由 TiDB 自动执行的(当开启自动更新统计信息时),请执行以下语句生成 DROP STATS 语句:

    SELECT DISTINCT(CONCAT('DROP STATS ', table_schema, '.', table_name, ';')) FROM information_schema.tables ON mysql.stats_histograms ON table_id = tidb_table_id WHERE stats_ver = 2;
  • 如果上一条语句的返回结果太长,不方便复制粘贴,可以将结果导出到临时文件后,再执行:

    SELECT DISTINCT ... INTO OUTFILE '/tmp/sql.txt'; mysql -h ${TiDB_IP} -u user -P ${TIDB_PORT} ... < '/tmp/sql.txt'

查看统计信息

你可以使用一些 SQL 语句来查看 ANALYZE 的状态和统计信息的情况。

ANALYZE 状态

在执行 ANALYZE 语句时,可以使用 SHOW ANALYZE STATUS 语句来查看当前 ANALYZE 的状态。

从 TiDB v6.1.0 起,执行 SHOW ANALYZE STATUS 语句将显示集群级别的任务,且 TiDB 重启后仍能看到重启之前的任务记录。在 TiDB v6.1.0 之前,执行 SHOW ANALYZE STATUS 语句仅显示实例级别的任务,且 TiDB 重启后任务记录会被清空。

SHOW ANALYZE STATUS 仅显示最近的任务记录。从 TiDB v6.1.0 起,你可以通过系统表 mysql.analyze_jobs 查看过去 7 天内的历史记录。

当设置了系统变量 tidb_mem_quota_analyze 且 TiDB 后台的统计信息自动更新任务的内存占用超过了这个阈值时,自动更新任务会重试。失败的任务和重试的任务都可以在 SHOW ANALYZE STATUS 语句的执行结果中查看。

tidb_max_auto_analyze_time 大于 0 时,如果后台统计信息自动更新任务的执行时间超过这个阈值,该任务会被终止。

语法如下:

SHOW ANALYZE STATUS [ShowLikeOrWhere];
+--------------+------------+----------------+-------------------------------------------------------------------------------------------+----------------+---------------------+---------------------+----------+-------------------------------------------------------------------------------| | Table_schema | Table_name | Partition_name | Job_info | Processed_rows | Start_time | End_time | State | Fail_reason | +--------------+------------+----------------+-------------------------------------------------------------------------------------------+----------------+---------------------+---------------------+----------+-------------------------------------------------------------------------------| | test | sbtest1 | | retry auto analyze table all columns with 100 topn, 0.055 samplerate | 2000000 | 2022-05-07 16:41:09 | 2022-05-07 16:41:20 | finished | NULL | | test | sbtest1 | | auto analyze table all columns with 100 topn, 0.5 samplerate | 0 | 2022-05-07 16:40:50 | 2022-05-07 16:41:09 | failed | analyze panic due to memory quota exceeds, please try with smaller samplerate |

表的元信息

你可以使用 SHOW STATS_META 语句来查看表的总行数以及修改的行数等信息。

表的健康度信息

你可以使用 SHOW STATS_HEALTHY 语句查看表的统计信息健康度,并粗略估计表上统计信息的准确度。当 modify_count >= row_count 时,健康度为 0;当 modify_count < row_count 时,健康度为 (1 - modify_count/row_count) * 100。

列的元信息

你可以使用 SHOW STATS_HISTOGRAMS 语句查看列的不同值数量以及 NULL 数量等信息。

直方图桶的信息

你可以使用 SHOW STATS_BUCKETS 语句查看直方图每个桶的信息。

Top-N 信息

你可以使用 SHOW STATS_TOPN 语句查看当前 TiDB 收集的 Top-N 值的信息。

删除统计信息

你可以通过执行 DROP STATS 语句来删除统计信息。

加载统计信息

默认情况下,列的统计信息占用空间大小不同,TiDB 对统计信息的加载方式也会不同:

  • 对于 count、distinctCount、nullCount 等占用空间较小的统计信息,只要有数据更新,TiDB 就会自动将对应的统计信息加载进内存供 SQL 优化阶段使用。
  • 对于直方图、TopN、CMSketch 等占用空间较大的统计信息,为了确保 SQL 执行的性能,TiDB 会按需进行异步加载。例如,对于直方图,只有当某条 SQL 语句的优化阶段使用到了某列的直方图统计信息时,TiDB 才会将该列的直方图信息加载到内存。按需异步加载的优势是统计信息加载不会影响到 SQL 执行的性能,但在 SQL 优化时有可能使用不完整的统计信息。

从 v5.4.0 开始,TiDB 引入了统计信息同步加载的特性,支持执行当前 SQL 语句时将直方图、TopN、CMSketch 等占用空间较大的统计信息同步加载到内存,提高该 SQL 语句优化时统计信息的完整性。

要开启该特性,请将系统变量 tidb_stats_load_sync_wait 的值设置为 SQL 优化可以等待的同步加载完整的列统计信息的最长超时时间(单位为毫秒)。该变量的默认值为 100,代表开启统计信息同步加载。

开启同步加载统计信息特性后,你可以进一步配置该特性:

  • 通过修改系统变量 tidb_stats_load_pseudo_timeout 的值控制 SQL 优化等待超时后 TiDB 的行为。该变量默认值为 ON,表示超时后 SQL 优化过程不会使用任何列上的直方图、TopN 或 CMSketch。当该变量设置为 OFF 时,表示超时后 SQL 执行失败。
  • 通过修改 TiDB 配置项 stats-load-concurrency 的值控制统计信息同步加载可以并发处理的最大列数。该配置项的默认值为 5
  • 通过修改 TiDB 配置项 stats-load-queue-size 的值设置统计信息同步加载最多可以缓存多少列的请求。该配置项的默认值为 1000

在 TiDB 启动阶段,初始统计信息加载完成之前执行的 SQL 可能有不合理的执行计划,从而影响性能。为了避免这种情况,从 v7.1.0 开始,TiDB 引入了配置参数 force-init-stats。你可以使用该配置参数控制 TiDB 启动时是否在统计信息初始化完成后再对外提供服务。该配置参数从 v7.2.0 起默认开启。

从 v7.1.0 开始,TiDB 引入了配置参数 lite-init-stats,用于控制是否开启轻量级的统计信息初始化。

  • lite-init-stats 设置为 true 时,统计信息初始化时列和索引的直方图、TopN、Count-Min Sketch 均不会加载到内存中。
  • lite-init-stats 设置为 false 时,统计信息初始化时索引和主键的直方图、TopN、Count-Min Sketch 会被加载到内存中,非主键列的直方图、TopN、Count-Min Sketch 不会加载到内存中。当优化器需要某一索引或者列的直方图、TopN、Count-Min Sketch 时,这些统计信息会被同步或异步加载到内存中。

lite-init-stats 的默认值为 true,即开启轻量级的统计信息初始化。将 lite-init-stats 设置为 true 可以加速统计信息初始化,避免加载不必要的统计信息,从而减少 TiDB 的内存使用。

导出和导入统计信息

本小节介绍如何导出和导入统计信息。

导出统计信息

统计信息的导出接口如下:

  • 通过以下接口可以获取数据库 ${db_name} 中的表 ${table_name} 的 JSON 格式的统计信息:

    http://${tidb-server-ip}:${tidb-server-status-port}/stats/dump/${db_name}/${table_name}

    示例如下:

    curl -s http://127.0.0.1:10080/stats/dump/test/t1 -o /tmp/t1.json
  • 通过以下接口可以获取数据库 ${db_name} 中的表 ${table_name} 在指定时间上的 JSON 格式的统计信息。指定的时间应在 GC SafePoint 之后。

    http://${tidb-server-ip}:${tidb-server-status-port}/stats/dump/${db_name}/${table_name}/${yyyyMMddHHmmss}

导入统计信息

导入的统计信息一般指通过统计信息导出接口得到的 JSON 文件。你可以使用 LOAD STATS 语句来导入统计信息。

语法如下:

LOAD STATS 'file_name';

file_name 为要导入的统计信息的文件名。

锁定统计信息

从 v6.5.0 开始,TiDB 支持锁定统计信息。当一张表或一个分区的统计信息被锁定以后,该表或分区的统计信息将无法被修改,也无法对该表进行 ANALYZE 操作。示例如下:

创建表 t,并插入一些数据。在未锁定表 t 的统计信息时,可以成功执行 ANALYZE 语句:

mysql> CREATE TABLE t(a INT, b INT); Query OK, 0 rows affected (0.03 sec) mysql> INSERT INTO t VALUES (1,2), (3,4), (5,6), (7,8); Query OK, 4 rows affected (0.00 sec) Records: 4 Duplicates: 0 Warnings: 0 mysql> ANALYZE TABLE t; Query OK, 0 rows affected, 1 warning (0.02 sec) mysql> SHOW WARNINGS; +-------+------+-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+ | Level | Code | Message | +-------+------+-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+ | Note | 1105 | Analyze use auto adjusted sample rate 1.000000 for table test.t, reason to use this rate is "Row count in stats_meta is much smaller compared with the row count got by PD, use min(1, 15000/4) as the sample-rate=1" | +-------+------+-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+ 1 row in set (0.00 sec)

锁定表 t 的统计信息,再执行 ANALYZE 语句,warning 提示跳过对表 tANALYZE

mysql> LOCK STATS t; Query OK, 0 rows affected (0.00 sec) mysql> SHOW STATS_LOCKED; +---------+------------+----------------+--------+ | Db_name | Table_name | Partition_name | Status | +---------+------------+----------------+--------+ | test | t | | locked | +---------+------------+----------------+--------+ 1 row in set (0.01 sec) mysql> ANALYZE TABLE t; Query OK, 0 rows affected, 2 warnings (0.00 sec) mysql> SHOW WARNINGS; +---------+------+-----------------------------------------------------------------------------------------------------------------------------------------+ | Level | Code | Message | +---------+------+-----------------------------------------------------------------------------------------------------------------------------------------+ | Note | 1105 | Analyze use auto adjusted sample rate 1.000000 for table test.t, reason to use this rate is "use min(1, 110000/8) as the sample-rate=1" | | Warning | 1105 | skip analyze locked table: test.t | +---------+------+-----------------------------------------------------------------------------------------------------------------------------------------+ 2 rows in set (0.00 sec)

解锁表 t 的统计信息,可以成功执行 ANALYZE 语句:

mysql> UNLOCK STATS t; Query OK, 0 rows affected (0.01 sec) mysql> ANALYZE TABLE t; Query OK, 0 rows affected, 1 warning (0.03 sec) mysql> SHOW WARNINGS; +-------+------+-----------------------------------------------------------------------------------------------------------------------------------------+ | Level | Code | Message | +-------+------+-----------------------------------------------------------------------------------------------------------------------------------------+ | Note | 1105 | Analyze use auto adjusted sample rate 1.000000 for table test.t, reason to use this rate is "use min(1, 110000/8) as the sample-rate=1" | +-------+------+-----------------------------------------------------------------------------------------------------------------------------------------+ 1 row in set (0.00 sec)

另外,你也可以通过 LOCK STATS 语句锁定分区的统计信息。示例如下:

创建分区表 t,并插入一些数据。在未锁定分区 p1 的统计信息时,可以成功执行 ANALYZE 语句:

mysql> CREATE TABLE t(a INT, b INT) PARTITION BY RANGE (a) (PARTITION p0 VALUES LESS THAN (10), PARTITION p1 VALUES LESS THAN (20), PARTITION p2 VALUES LESS THAN (30)); Query OK, 0 rows affected (0.03 sec) mysql> INSERT INTO t VALUES (1,2), (3,4), (5,6), (7,8); Query OK, 4 rows affected (0.00 sec) Records: 4 Duplicates: 0 Warnings: 0 mysql> ANALYZE TABLE t; Query OK, 0 rows affected, 6 warning (0.02 sec) mysql> SHOW WARNINGS; +---------+------+--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+ | Level | Code | Message | +---------+------+--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+ | Warning | 1105 | disable dynamic pruning due to t has no global stats | | Note | 1105 | Analyze use auto adjusted sample rate 1.000000 for table test.t's partition p0, reason to use this rate is "Row count in stats_meta is much smaller compared with the row count got by PD, use min(1, 15000/4) as the sample-rate=1" | | Warning | 1105 | disable dynamic pruning due to t has no global stats | | Note | 1105 | Analyze use auto adjusted sample rate 1.000000 for table test.t's partition p1, reason to use this rate is "TiDB assumes that the table is empty, use sample-rate=1" | | Warning | 1105 | disable dynamic pruning due to t has no global stats | | Note | 1105 | Analyze use auto adjusted sample rate 1.000000 for table test.t's partition p2, reason to use this rate is "TiDB assumes that the table is empty, use sample-rate=1" | +---------+------+--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+ 6 rows in set (0.01 sec)

锁定分区 p1 的统计信息,再执行 ANALYZE 语句,warning 提示跳过对分区 p1ANALYZE

mysql> LOCK STATS t PARTITION p1; Query OK, 0 rows affected (0.00 sec) mysql> SHOW STATS_LOCKED; +---------+------------+----------------+--------+ | Db_name | Table_name | Partition_name | Status | +---------+------------+----------------+--------+ | test | t | p1 | locked | +---------+------------+----------------+--------+ 1 row in set (0.00 sec) mysql> ANALYZE TABLE t PARTITION p1; Query OK, 0 rows affected, 2 warnings (0.01 sec) mysql> SHOW WARNINGS; +---------+------+----------------------------------------------------------------------------------------------------------------------------------------------------------------------+ | Level | Code | Message | +---------+------+----------------------------------------------------------------------------------------------------------------------------------------------------------------------+ | Note | 1105 | Analyze use auto adjusted sample rate 1.000000 for table test.t's partition p1, reason to use this rate is "TiDB assumes that the table is empty, use sample-rate=1" | | Warning | 1105 | skip analyze locked table: test.t partition (p1) | +---------+------+----------------------------------------------------------------------------------------------------------------------------------------------------------------------+ 2 rows in set (0.00 sec)

解锁分区 p1 的统计信息,可以成功执行 ANALYZE 语句:

mysql> UNLOCK STATS t PARTITION p1; Query OK, 0 rows affected (0.00 sec) mysql> ANALYZE TABLE t PARTITION p1; Query OK, 0 rows affected, 1 warning (0.01 sec) mysql> SHOW WARNINGS; +-------+------+----------------------------------------------------------------------------------------------------------------------------------------------------------------------+ | Level | Code | Message | +-------+------+----------------------------------------------------------------------------------------------------------------------------------------------------------------------+ | Note | 1105 | Analyze use auto adjusted sample rate 1.000000 for table test.t's partition p1, reason to use this rate is "TiDB assumes that the table is empty, use sample-rate=1" | +-------+------+----------------------------------------------------------------------------------------------------------------------------------------------------------------------+ 1 row in set (0.00 sec)

锁定统计信息的行为说明

  • 如果统计信息在分区表上锁定,那么该分区表上所有分区的统计信息就都保持锁定。
  • 如果表或者分区被 truncate,该表或分区上的统计信息锁定将会被解除。

具体行为参见下面表格:

删除整张表Truncate 整张表Truncate 某个分区创建一个新分区删除某个分区Reorganize 某个分区交换某个分区
非分区表被锁定锁定失效锁定失效,因为 TiDB 删除了旧表,所以锁定信息也一起被删除/////
分区表并且整张表被锁定锁定失效锁定失效,因为 TiDB 删除了旧表,所以锁定信息也一起被删除旧的分区锁定信息失效,自动锁定新的分区自动锁定新分区被删除的分区锁定信息被清理,整张表锁继续生效被删除的分区锁定信息被清理,新分区被自动锁定锁定信息被转移到被交换表,新分区被自动锁定
分区表并且只锁定了某些分区锁定失效锁定失效,因为 TiDB 删除了旧的分区表,所以锁定信息也一起被删除锁定失效,因为 TiDB 删除了旧的分区表,所以锁定信息也一起被删除/被删除的分区锁定信息被清理被删除的分区锁定信息被清理锁定信息被转移到被交换表

管理 ANALYZE 任务与并发

本小节介绍如何终止后台的 ANALYZE 任务,如何控制 ANALYZE 并发度。

终止后台的 ANALYZE 任务

从 TiDB v6.0 起,TiDB 支持通过 KILL 语句终止正在后台运行的 ANALYZE 任务。如果发现正在后台运行的 ANALYZE 任务消耗大量资源影响业务,你可以通过以下步骤终止该 ANALYZE 任务:

  1. 执行以下 SQL 语句:

    SHOW ANALYZE STATUS

    查看 instance 列和 process_id 列,获得正在执行后台 ANALYZE 任务的 TiDB 实例地址和任务 ID

  2. 终止正在后台运行的 ANALYZE 任务。

    • 如果 enable-global-kill 的值为 true(默认为 true),你可以直接执行 KILL TIDB ${id}; 语句。其中,${id} 为上一步中查询得到的后台 ANALYZE 任务的 ID
    • 如果 enable-global-kill 的值为 false,你需要先使用客户端连接到执行后台 ANALYZE 任务的 TiDB 实例,然后再执行 KILL TIDB ${id}; 语句。如果使用客户端连接到其他 TiDB 实例,或者客户端和 TiDB 中间有代理,则 KILL 语句不能终止后台的 ANALYZE 任务。

    关于 KILL 语句的更多信息,参见 KILL

控制 ANALYZE 并发度

执行 ANALYZE 语句的时候,你可以通过一些系统变量来调整并发度,以控制对系统的影响。

相关系统变量的关系如下图所示:

analyze_concurrency

tidb_build_stats_concurrencytidb_build_sampling_stats_concurrencytidb_analyze_partition_concurrency 为上下游关系。实际的总并发为:tidb_build_stats_concurrency* (tidb_build_sampling_stats_concurrency + tidb_analyze_partition_concurrency) 。所以在变更这些参数的时候,需要同时考虑这三个参数的值。建议按 tidb_analyze_partition_concurrencytidb_build_sampling_stats_concurrencytidb_build_stats_concurrency 的顺序逐个调节,并观察对系统的影响。这三个参数的值越大,对系统的资源开销就越大。

tidb_build_stats_concurrency

ANALYZE 任务在执行时会被切分成一个个小任务,每个任务只负责某一个列或者索引的统计信息收集。你可以使用 tidb_build_stats_concurrency 控制可以同时执行的小任务的数量,其默认值是 2。TiDB v7.4.0 及其之前版本中,默认值为 4

tidb_build_sampling_stats_concurrency

在执行 ANALYZE 普通列任务的时候,你可以使用 tidb_build_sampling_stats_concurrency 控制执行采样任务的并发数量,其默认值是 2

tidb_analyze_partition_concurrency

在执行 ANALYZE 任务的时候,你可以使用 tidb_analyze_partition_concurrency 控制对分区表统计信息进行读写的并发度,其默认值是 2。TiDB v7.4.0 及其之前版本中,默认值为 1

tidb_distsql_scan_concurrency

在执行 ANALYZE 普通列任务的时候,你可以使用 tidb_distsql_scan_concurrency 控制一次读取的 Region 数量,其默认值是 15。修改该变量的值会影响查询性能,请谨慎调整。

tidb_index_serial_scan_concurrency

在执行 ANALYZE 索引列任务的时候,你可以使用 tidb_index_serial_scan_concurrency 控制一次读取的 Region 数量,其默认值是 1。修改该变量的值会影响查询性能,请谨慎调整。

另请参阅

文档内容是否有帮助?