MySQL统计数据
作者：互联网
13 统计数据
表结构
CREATE TABLE single_table (
id int not null auto_increment,
key1 VARCHAR(100),
key2 int,
key3 varchar(100),
key_part1 varchar(100),
key_part2 varchar(100),
key_part3 varchar(100),
common_field varchar(100),
primary key (id),
key idx_key1 (key1),
unique key uk_key2 (key2),
key idx_key3 (key3),
key idx_part (key_part1, key_part2, key_part3)
) ENGINE = INNODB
CHARSET = utf8;
统计数据的存储方式
InnoDB提供了两种的统计数据存储方式，分别是永久性地统计数据（存储在磁盘）、非永久性地统计数据（存储在内存），InnoDB默认以表为单位来存储统计数据，可以通过指定stats_persistent属性来指明表统计数据的存储方式。
永久性地统计数据
当选择把表的统计数据存储在磁盘上时，实际上是把这些统计数据存储到2个表上：
show tables from mysql like 'innodb%stats';
+--------------------------------+
| Tables_in_mysql (innodb%stats) |
+--------------------------------+
| innodb_index_stats |
| innodb_table_stats |
+--------------------------------+
innodb_table_stats：表中地每一条记录对应一个表的统计数据
innodb_index_stats：表中的每一条记录对应一个索引的统计数据
查看single_table表的统计数据
select *
from mysql.innodb_table_stats where table_name='single_table';
| database_name | table_name | last_update | n_rows | clustered_index_size | sum_of_other_index_sizes |
|---|---|---|---|---|---|
| mysql_run | single_table | 2022-01-13 22:24:52 | 9937 | 33 | 63 |
clustered_index_size：聚簇索引占用页面的数量
sum_of_other_index_sizes：其他索引占用页面的数量
n_rows：表中记录数量的估计值，InnoDB计算记录数量的大致过程是，按照一定的算法从聚簇索引中选取叶子节点页面，统计页面中的记录数量，然后计算平均值乘叶子节点的数量计算表记录数量估算时，页面采样数量是系统变量
innodb_stats_persistent_sample_pages决定的
聚簇索引页面及其他索引页面数量的统计
一个索引有两个段（叶子节点段、非叶子节点段），每个段由一些零星的页面及一个完整的区（64个页）构成。统计一个段的页面数量步骤如下：
- 从数据字典找到表的各个索引对应的根页面位置，sys_indexes表存储了各个索引对应的
根页面信息 - 根页面中的
Page Header部分中包含了Segment Header信息（对应叶子结点段、非叶子节点段） - 从两个段中的找到对应的
INODE Entry结构 - 针对每个段的INODE Entry结构，可以找出各个零星页面的地址、
free、not_free、full的链表基节点 - 统计零星页面的个数、在链表基节点上读取占用
区的数量（在区中可能有些页面并没有被占用，但统计时也把它们算进去了）
查看single_table索引的统计数据
select *
from mysql.innodb_index_stats
where table_name = 'single_table';
| database_name | table_name | index_name | last_update | stat_name | stat_value | sample_size | stat_description |
|---|---|---|---|---|---|---|---|
| mysql_run | single_table | PRIMARY | 2022-01-13 22:24:52 | n_diff_pfx01 | 9937 | 20 | id |
| mysql_run | single_table | PRIMARY | 2022-01-13 22:24:52 | n_leaf_pages | 32 | NULL | Number of leaf pages in the index |
| mysql_run | single_table | PRIMARY | 2022-01-13 22:24:52 | size | 33 | NULL | Number of pages in the index |
| mysql_run | single_table | idx_key1 | 2022-01-13 22:24:52 | n_diff_pfx01 | 4183 | 13 | key1 |
| mysql_run | single_table | idx_key1 | 2022-01-13 22:24:52 | n_diff_pfx02 | 10000 | 13 | key1,id |
| mysql_run | single_table | idx_key1 | 2022-01-13 22:24:52 | n_leaf_pages | 13 | NULL | Number of leaf pages in the index |
| mysql_run | single_table | idx_key1 | 2022-01-13 22:24:52 | size | 14 | NULL | Number of pages in the index |
| mysql_run | single_table | idx_key3 | 2022-01-13 22:24:52 | n_diff_pfx01 | 4209 | 14 | key3 |
| mysql_run | single_table | idx_key3 | 2022-01-13 22:24:52 | n_diff_pfx02 | 10000 | 14 | key3,id |
| mysql_run | single_table | idx_key3 | 2022-01-13 22:24:52 | n_leaf_pages | 14 | NULL | Number of leaf pages in the index |
| mysql_run | single_table | idx_key3 | 2022-01-13 22:24:52 | size | 15 | NULL | Number of pages in the index |
| mysql_run | single_table | idx_part | 2022-01-13 22:24:52 | n_diff_pfx01 | 4188 | 16 | key_part1 |
| mysql_run | single_table | idx_part | 2022-01-13 22:24:52 | n_diff_pfx02 | 8492 | 16 | key_part1,key_part2 |
| mysql_run | single_table | idx_part | 2022-01-13 22:24:52 | n_diff_pfx03 | 9905 | 16 | key_part1,key_part2,key_part3 |
| mysql_run | single_table | idx_part | 2022-01-13 22:24:52 | n_diff_pfx04 | 10000 | 16 | key_part1,key_part2,key_part3,id |
| mysql_run | single_table | idx_part | 2022-01-13 22:24:52 | n_leaf_pages | 16 | NULL | Number of leaf pages in the index |
| mysql_run | single_table | idx_part | 2022-01-13 22:24:52 | size | 17 | NULL | Number of pages in the index |
| mysql_run | single_table | uk_key2 | 2022-01-13 22:24:52 | n_diff_pfx01 | 10000 | 16 | key2 |
| mysql_run | single_table | uk_key2 | 2022-01-13 22:24:52 | n_leaf_pages | 16 | NULL | Number of leaf pages in the index |
| mysql_run | single_table | uk_key2 | 2022-01-13 22:24:52 | size | 17 | NULL | Number of pages in the index |
stat_name列的值中有
n_leaf_pages：索引`叶子节点实际占用的页面数size：索引占用的页面数（包括未使用的页面）n_diff_pfxNN：索引中第一列到该列不重复的个数，对于联合索引，NN为01，则为联合索引中第1个列不重复值，02则为1~2列，在上面表格中04，则为key_part1,key_part2,key_part3,id这4个索引列组合中的不重复的个数。对于普通索引，它们可能有重复的值，此时只有在
索引列基础上加上主键值才可以区分索引值相同的记录。对于主键索引、唯一索引，它们保证索引列的值唯一，所以不需要在索引列的基础上加上主键列就可以进行区分。
定期更新统计数据
随着对表进行增删改操作，相关的统计数据也会发生变化，MySQL提供了2种更新统计数据的方式：
-
开启
innodb_stats_auto_recalc：默认开启， 发生变动的记录超过表大小的10%时，就会自动重新计算统计数据，这个操作是异步的 -
手动调用analyze table：
analyze table single_table;，这个操作是同步的，表的索引较多时，这个过程可能比较慢
- 存储统计数据的表和普通表一样，我们可以对它进行更新操作
非永久性地统计数据
把系统变量innodb_stats_persistent设置为关闭、创建或修改表时设置stats_persistent为0，之后创建的表（对应的表）地统计数据地方式是非永久性的，非永久性的统计数据页面采样数量由
innodb_stats_transient_sample_pages决定（默认值是8）。
Null值与innodb_stas_method的使用
索引列的不重复值的数量对MySQL的优化器十分重要，它只要应用在
- 单调扫描区间太多时，将使用统计数据计算扫描区间的记录数量，而不使用index dive
- 在执行连接查询时，如果涉及了
等值匹配连接条件，而被驱动表对应列上又有索引，那么就可以使用reff访问方法
查询被驱动表，在执行真正的查询前，
on子句连接条件上的常数值并没有确定，也就不能使用index dive的方法来计算扫描区间中记录的数量，此时只能依赖于统计数据进行计算
在统计索引列不重复值的记录数时，可能会遇到对应的列包含NULL的情况，对于NULL值，我们可以有不同的方式看待NULL值：
- 每一个NULL值都是不同的
- NULL都是相同的
- NULL是没有意义的，计算不重复值时不考虑NULL
MySQL认为任何与NULL值进行比较的值都为NULL，但它提供了
innodb_stats_method来设置对待NULL的方式，这些方式分别对应上面看待NULL值的方式
nulls_unequal：索引列NULL值多时，优化器认为重复值比较多，会倾向于不使用索引方法
nulls_equal：索引列NULL值多时，优化器认为重复值比较少，会倾向于使用索引方法
nulls_ignored
标签：24,13,01,22,统计数据,runsingle,索引,MySQL 来源： https://blog.csdn.net/m0_46369347/article/details/122868622