我应该在数据仓库中禁用“自动更新统计信息”吗？

我在SQL Server中有200 GB的数据仓库。

对于某些查询，我的执行时间一直很慢；例如12个小时的简单delete查询inner join。

在对执行计划进行了一些研究之后，我使用该WITH FULLSCAN选项更新了查询中涉及的2个表的统计信息。

现在查询将在不到一秒钟的时间内执行，因此看来统计信息不是最新的。

我正在考虑禁用auto update statistics数据库，并UPDATE STATISTICS在加载数据仓库后手动运行。每天晚上，从源ERP系统增量加载数据仓库。

我假设auto update statistics在数据仓库场景中不是真的有用吗？相反，加载数据后手动更新统计信息是否更有意义？

这是关于何时自动更新统计信息的白皮书。以下是自动更新统计信息的要点：

• 表的大小从0行增加到0行以上（测试1）。
• 收集统计信息时表中的行数为500或更少，并且此后统计信息对象的前列的colmodctr更改了500多个（测试2）。
• 收集统计信息时，该表具有超过500行，并且收集统计信息时，统计对象的前导列的colmodctr更改了表中的行数的500 + 20％以上（测试3） 。

因此，@ JNK在注释中指出，如果表中有10亿行，则需要对统计信息的第一列进行20,000,5000次写操作才能触发更新。

让我们采用以下结构：

CREATE TABLE dbo.test_table (
    test_table_id INTEGER IDENTITY(1,1) NOT NULL, 
    test_table_value VARCHAR(50), 
    test_table_value2 BIGINT, 
    test_table_value3 NUMERIC(10,2)
);

CREATE CLUSTERED INDEX cix_test_table ON dbo.test_table (test_table_id, test_table_value);

现在我们可以检查一下统计领域发生了什么。

select * 
    from sys.stats
        where object_id = OBJECT_ID('dbo.test_table')

但是，要查看这是否是有意义的统计对象，我们需要：

dbcc show_statistics('dbo.test_table',cix_test_table)

因此，该统计信息尚未更新。那是因为看起来统计数据直到a SELECT出现才更新，即使如此，它SELECT也必须超出SQL Server在其直方图中的范围。这是我用来测试的测试脚本：

    CREATE TABLE test_table (
        test_table_id INTEGER IDENTITY(1,1) NOT NULL, 
        test_table_value VARCHAR(50), 
        test_table_value2 BIGINT, 
        test_table_value3 NUMERIC(10,2)
    );

    CREATE CLUSTERED INDEX cix_test_table ON test_table (test_table_id, test_table_value);

    ALTER TABLE test_table ADD CONSTRAINT pk_test_table PRIMARY KEY  (test_table_id)

    SELECT * 
        FROM sys.stats
            WHERE object_id = OBJECT_ID('dbo.test_table')

    --DBCC SHOW_STATISTICS('dbo.test_table',pk_test_table)
    DBCC SHOW_STATISTICS('dbo.test_table',cix_test_table) WITH STAT_HEADER;

declare @test int = 0

WHILE @test < 1
    BEGIN
        INSERT INTO test_table (test_table_value,test_table_value2,test_table_value3) VALUES
            ('stats test' + CAST(@test AS VARCHAR(10)),@test, @test)
        SET @test = @test + 1;
    END

SELECT 'one row|select < 1', * FROM test_table WHERE test_table_id < 1;
--DBCC SHOW_STATISTICS('dbo.test_table',pk_test_table);
DBCC SHOW_STATISTICS('dbo.test_table',cix_test_table) WITH STAT_HEADER;

SET @test = 1

WHILE @test < 500
    BEGIN
        INSERT INTO test_table (test_table_value,test_table_value2,test_table_value3) VALUES
            ('stats test' + CAST(@test AS VARCHAR(10)),@test, @test)
        SET @test = @test + 1;
    END

SELECT '100 rows(add 99)|select < 100',* FROM test_table WHERE test_table_id < 100;
--DBCC SHOW_STATISTICS('dbo.test_table',pk_test_table);
DBCC SHOW_STATISTICS('dbo.test_table',cix_test_table) WITH STAT_HEADER;
--get the table up to 500 rows/changes
WHILE @test < 500
    BEGIN
        INSERT INTO test_table (test_table_value,test_table_value2,test_table_value3) VALUES
            ('stats test' + CAST(@test AS VARCHAR(10)),@test, @test)
        SET @test = @test + 1;
    END
SELECT '500 rows(add 400)|select < 100',* FROM test_table WHERE test_table_id < 100;
DBCC SHOW_STATISTICS('dbo.test_table',cix_test_table) WITH STAT_HEADER;
SELECT '500 rows(add 400)|select < 500',* FROM test_table WHERE test_table_id < 500;
--DBCC SHOW_STATISTICS('dbo.test_table',pk_test_table);
DBCC SHOW_STATISTICS('dbo.test_table',cix_test_table) WITH STAT_HEADER;
--bump it to 501
SET @test = 500;
WHILE @test < 501
    BEGIN
        INSERT INTO test_table (test_table_value,test_table_value2,test_table_value3) VALUES
            ('stats test' + CAST(@test AS VARCHAR(10)),@test, @test)
        SET @test = @test + 1;
    END


SELECT '501 rows(add 1)|select < 501',* FROM test_table WHERE test_table_id < 501;
--DBCC SHOW_STATISTICS('dbo.test_table',pk_test_table);
DBCC SHOW_STATISTICS('dbo.test_table',cix_test_table) WITH STAT_HEADER;

--bump it to 600
SET @test = 501;
WHILE @test < 600
    BEGIN
        INSERT INTO test_table (test_table_value,test_table_value2,test_table_value3) VALUES
            ('stats test' + CAST(@test AS VARCHAR(10)),@test, @test)
        SET @test = @test + 1;
    END

SELECT '600 rows (add 100)|select < 600',* FROM test_table WHERE test_table_id < 600;
--DBCC SHOW_STATISTICS('dbo.test_table',pk_test_table);
DBCC SHOW_STATISTICS('dbo.test_table',cix_test_table) WITH STAT_HEADER;

--bump it to 700
SET @test = 600;
WHILE @test < 700
    BEGIN
        INSERT INTO test_table (test_table_value,test_table_value2,test_table_value3) VALUES
            ('stats test' + CAST(@test AS VARCHAR(10)),@test, @test)
        SET @test = @test + 1;
    END

SELECT '700 rows (add 100)|select < 700', * FROM test_table WHERE test_table_id < 700;
--DBCC SHOW_STATISTICS('dbo.test_table',pk_test_table);
DBCC SHOW_STATISTICS('dbo.test_table',cix_test_table) WITH STAT_HEADER;

--bump it to 1200
SET @test = 700;
WHILE @test < 1200
    BEGIN
        INSERT INTO test_table (test_table_value,test_table_value2,test_table_value3) VALUES
            ('stats test' + CAST(@test AS VARCHAR(10)),@test, @test)
        SET @test = @test + 1;
    END

SELECT '1200 rows (add 500)|select < 1200',* FROM test_table WHERE test_table_id < 1200;
--DBCC SHOW_STATISTICS('dbo.test_table',pk_test_table);
DBCC SHOW_STATISTICS('dbo.test_table',cix_test_table) WITH STAT_HEADER;
--DROP TABLE test_table

与其盲目地禁用auto_update统计信息，不如尝试检查您的数据集是否倾斜。如果数据表现出明显的偏差，那么您需要考虑创建过滤的统计信息，然后决定手动管理统计信息更新是否是正确的做法。

要分析偏斜，您需要DBCC SHOW_STATISTICS(<stat_object>, <index_name>);在WITH STAT_HEADER要检查的特定统计信息/索引组合上运行（在上面的脚本中，没有）。观察偏斜的一种快速方法是查看直方图（第三结果集），并检查中的方差EQ_ROWS。如果相当一致，则您的歪斜很小。要逐步提高它，您需要查看该RANGE_ROWS列并查看其中的差异，因为这可以衡量每个步骤之间存在多少行。最后，您可以[All density]从DENSITY_VECTOR（第二个结果集）中获取结果，并将其乘以（第一个结果集）中的[Rows Sampled]值，STAT_HEADER然后查看对该列查询的平均期望值。您将该平均值与您的平均值进行比较EQ_ROWS 如果在很多地方变化很大，那您就会有偏差。

如果发现确实存在偏斜，则需要考虑在具有很高或很高的范围上创建一些过滤的统计信息，RANGE_ROWS以便您可以给出其他步骤以更好地估计这些值。

一旦有了这些过滤的统计信息，便可以查看手动更新统计信息的可能性。