Sql 统计和基数估计-为什么我看到这个结果？

当我试图解决一个更复杂的问题时，我遇到了这个小问题，并且在试图找出优化器时，我已经穷途末路了。假设我有一个名为“MyTable”的表，可以这样定义：

CREATE TABLE MyTable (
GroupClosuresID int identity(1,1) not null, 
SiteID int not null, 
DeleteDateTime datetime null
, CONSTRAINT PK_MyTable PRIMARY KEY (GroupClosuresID, SiteID))

此表中有286685行，运行

DBCC SHOW\u STATISTICS（'MyTable'，'PK\u MyTable'）

将产生：

Name                                                                                                                             Updated              Rows                 Rows Sampled         Steps  Density       Average key length String Index Filter Expression                                                                                                                                                                                                                                                Unfiltered Rows
-------------------------------------------------------------------------------------------------------------------------------- -------------------- -------------------- -------------------- ------ ------------- ------------------ ------------ ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- --------------------
PK_MyTable                                                                                                                       Aug 10 2011  1:00PM  286685               286685               18     0.931986      8                  NO           NULL                                                                                                                                                                                                                                                             286685

(1 row(s) affected)

All density   Average Length Columns
------------- -------------- ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
3.743145E-06  4              GroupClosuresID
3.488149E-06  8              GroupClosuresID, SiteID

(2 row(s) affected)

RANGE_HI_KEY RANGE_ROWS    EQ_ROWS       DISTINCT_RANGE_ROWS  AVG_RANGE_ROWS
------------ ------------- ------------- -------------------- --------------
1            0             8             0                    1
129          1002          7             127                  7.889764
242          826           6             112                  7.375
531          2010          6             288                  6.979167
717          1108          5             185                  5.989189
889          822           4             171                  4.807017
1401         2044          4             511                  4
1763         1101          3             361                  3.049861
14207        24780         1             12443                1.991481
81759        67071         1             67071                1
114457       31743         1             31743                1
117209       2047          1             2047                 1
179109       61439         1             61439                1
181169       1535          1             1535                 1
229410       47615         1             47615                1
235846       2047          1             2047                 1
275456       39442         1             39442                1
275457       0             1             0                    1

现在我在这个表上运行一个查询，没有创建额外的索引或统计信息

SELECT GroupClosuresID FROM MyTable WHERE SiteID = 1397 AND DeleteDateTime IS NULL

现在出现了两个新的统计对象，一个用于

SiteID

列，另一个用于

DeleteDateTime

列。分别如下（注：部分非相关信息已排除）：

为上面运行的查询生成的执行计划没有让我感到意外。它包括一个简单的聚集索引扫描，估计行数为14282.3，实际行数为15676。根据我对统计和成本估算的了解，使用上述两个直方图，我们可以将SiteID的选择性（16005.02/286685）乘以DeleteDateTime的选择性（255827/286685），得到0.049818730748019的复合选择性。乘以总行数（286685）得到的结果与优化器所做的完全相同：14282.3

但这就是我感到困惑的地方。我使用

create index IX_MyTable ON MyTable（SiteID，DeleteDateTime）

创建了一个索引，它创建了自己的统计对象：

Name                                                                                                                             Updated              Rows                 Rows Sampled         Steps  Density       Average key length String Index Filter Expression                                                                                                                                                                                                                                                Unfiltered Rows
    -------------------------------------------------------------------------------------------------------------------------------- -------------------- -------------------- -------------------- ------ ------------- ------------------ ------------ ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- --------------------
IX_MyTable                                                                                                                       Aug 10 2011  1:41PM  286685               286685               200    0.02749305    8.822645           NO    NULL                                                                                                                            
                                                                                                                             286685

(1 row(s) affected)

All density   Average Length Columns
------------- -------------- ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
0.0007107321  4              SiteID
7.42611E-05   4.822645       SiteID, DeleteDateTime
3.488149E-06  8.822645       SiteID, DeleteDateTime, GroupClosuresID

(3 row(s) affected)

RANGE_HI_KEY RANGE_ROWS    EQ_ROWS       DISTINCT_RANGE_ROWS  AVG_RANGE_ROWS
------------ ------------- ------------- -------------------- --------------
.
.
.
1397         504           15686         12                   42
.
.
.

当我运行与以前相同的查询时（

从MyTable中选择GroupClosuresID，其中SiteID=1397，DeleteDateTime为NULL

），仍然返回15676行，但我估计的行数现在是181.82

我试着操纵数字，试图找出这个估计是从哪里来的，但我就是搞不懂。我必须假设它与IX_MyTable的密度值有关

任何帮助都将不胜感激。谢谢

编辑：这是最后一次查询执行的执行计划。

---

这一次需要挖掘

这是一个产品：

• NULL

  日期字段中的密度（从您的第一组统计数据

  255827/286685=.892363

• …乘以新索引中第一个字段（

  siteid

  ）的密度：

  0.0007107321

公式是：

.00071017321 * 286685 = 203.7562 
-- est. rows with your value in siteid based on even distribution of values

255827 / 286685 = 0.892363
-- Probability of a NULL across all rows

203.7562 * 0.892363 = 181.8245

---

我猜，因为这个实例中的行数实际上不会影响任何东西，所以优化器采用了最简单的方法，将概率相乘。

只是想写一下，但JNK是第一个

基本上，散列函数现在计算两列的结果。SiteID=1397和DeleteDateTime的散列函数结果为空，匹配大约181行

---

行估计值为181.82的运算符上执行了多少次？另外，请显示新索引的附加节点值。1执行。我还添加了一个屏幕截图。当你说附加节点值时，你指的是其他直方图值？如果我不得不猜测它与索引中的第二个键。有多少个值，你知道吗？你，先生，是一位学者和绅士。谢谢！顺便问一下，你是怎么知道的？在我看来，优化器仍然能够利用15686的值，但我想没有。我把它放进电子表格，把我们知道的所有数据放进去，然后玩一旦我找到了答案，这很有意义，但基本上我只是将行数乘以密度和频率

.00071017321 * 286685 = 203.7562 
-- est. rows with your value in siteid based on even distribution of values

255827 / 286685 = 0.892363
-- Probability of a NULL across all rows

203.7562 * 0.892363 = 181.8245