如何在 SQL Server 中提示多对多连接？

Question

我有 3 个“大”表，它们连接在一对列上（都是ints）。

• 表 1 有大约 2 亿行
• 表 2 有大约 150 万行
• 表 3 有约 600 万行

每个表在Key1、上都有一个聚集索引Key2，然后还有一个列。Key1具有低基数并且非常偏斜。它总是在WHERE子句中被引用。条款中Key2从未提及WHERE。每个连接都是多对多的。

问题在于基数估计。每个连接的输出估计变小而不是变大。当实际结果达到数百万时，这导致最终估计值低至数百。

我有什么办法可以让 CE 做出更好的估计吗？

SELECT 1
FROM Table1 t1
     JOIN Table2 t2
       ON t1.Key1 = t2.Key1
          AND t1.Key2 = t2.Key2
     JOIN Table3 t3
       ON t1.Key1 = t3.Key1
          AND t1.Key2 = t3.Key2
WHERE t1.Key1 = 1;

我尝试过的解决方案：

• 在 上创建多列统计信息Key1，Key2
• 创建大量过滤统计信息Key1（这有很大帮助，但我最终在数据库中得到了数千个用户创建的统计信息。）

屏蔽执行计划（抱歉屏蔽不好）

在我查看的情况下，结果有 900 万行。新的 CE 估计为 180 行；旧版 CE 估计为 6100 行。

这是一个可重现的示例：

DROP TABLE IF EXISTS #Table1, #Table2, #Table3;
CREATE TABLE #Table1 (Key1 INT NOT NULL, Key2 INT NOT NULL, T1Key3 INT NOT NULL, CONSTRAINT pk_t1 PRIMARY KEY CLUSTERED (Key1, Key2, T1Key3));
CREATE TABLE #Table2 (Key1 INT NOT NULL, Key2 INT NOT NULL, T2Key3 INT NOT NULL, CONSTRAINT pk_t2 PRIMARY KEY CLUSTERED (Key1, Key2, T2Key3));
CREATE TABLE #Table3 (Key1 INT NOT NULL, Key2 INT NOT NULL, T3Key3 INT NOT NULL, CONSTRAINT pk_t3 PRIMARY KEY CLUSTERED (Key1, Key2, T3Key3));

-- Table1 
WITH Numbers
     AS (SELECT TOP (1000000) Number = ROW_NUMBER() OVER(ORDER BY t1.number)
         FROM master..spt_values t1
              CROSS JOIN master..spt_values t2),
     DataSize (Key1, NumberOfRows)
     AS (SELECT 1, 2000 UNION
         SELECT 2, 10000 UNION
         SELECT 3, 25000 UNION
         SELECT 4, 50000 UNION
         SELECT 5, 200000)
INSERT INTO #Table1
SELECT Key1
     , Key2 = ROW_NUMBER() OVER (PARTITION BY Key1, T1Key3 ORDER BY Number)
     , T1Key3
FROM DataSize
     CROSS APPLY (SELECT TOP(NumberOfRows) 
                         Number
                       , T1Key3 = Number%(Key1*Key1) + 1 
                  FROM Numbers
                  ORDER BY Number) size;

-- Table2 (same Key1, Key2 values; smaller number of distinct third Key)
WITH Numbers
     AS (SELECT TOP (1000000) Number = ROW_NUMBER() OVER(ORDER BY t1.number)
         FROM master..spt_values t1
              CROSS JOIN master..spt_values t2)
INSERT INTO #Table2
SELECT DISTINCT 
       Key1
     , Key2
     , T2Key3
FROM #Table1
     CROSS APPLY (SELECT TOP (Key1*10) 
                         T2Key3 = Number
                  FROM Numbers
                  ORDER BY Number) size;

-- Table2 (same Key1, Key2 values; smallest number of distinct third Key)
WITH Numbers
     AS (SELECT TOP (1000000) Number = ROW_NUMBER() OVER(ORDER BY t1.number)
         FROM master..spt_values t1
              CROSS JOIN master..spt_values t2)
INSERT INTO #Table3
SELECT DISTINCT 
       Key1
     , Key2
     , T3Key3
FROM #Table1
     CROSS APPLY (SELECT TOP (Key1) 
                         T3Key3 = Number
                  FROM Numbers
                  ORDER BY Number) size;


DROP TABLE IF EXISTS #a;
SELECT col = 1 
INTO #a
FROM #Table1 t1
     JOIN #Table2 t2
       ON t1.Key1 = t2.Key1
          AND t1.Key2 = t2.Key2
WHERE t1.Key1 = 1;

DROP TABLE IF EXISTS #b;
SELECT col = 1 
INTO #b
FROM #Table1 t1
     JOIN #Table2 t2
       ON t1.Key1 = t2.Key1
          AND t1.Key2 = t2.Key2
     JOIN #Table3 t3
       ON t1.Key1 = t3.Key1
          AND t1.Key2 = t3.Key2
WHERE t1.Key1 = 1;

Answer 1

需要明确的是，优化器已经知道这是一个多对多连接。如果您强制合并连接并查看估计计划，您可以看到连接运算符的属性，该属性告诉您连接是否可以是多对多的。您需要在这里解决的问题是提高基数估计值，大概是这样您就可以为您遗漏的查询部分获得更有效的查询计划。

的第一件事，我会尝试是放的结果从加入Object3和Object5到一个临时表。对于您发布的计划，它只是 51393 行上的单列，因此它几乎不会占用 tempdb 中的任何空间。您可以在临时表上收集完整的统计数据，仅此一项就足以获得足够准确的最终基数估计。收集完整的统计数据Object1也可能有所帮助。当您从右向左遍历计划时，基数估计通常会变得更糟。

如果这不起作用，ENABLE_QUERY_OPTIMIZER_HOTFIXES如果您尚未在数据库或服务器级别启用它，您可以尝试查询提示。Microsoft 将 SQL Server 2016 的影响计划的性能修复锁定在该设置后面。其中一些与基数估计有关，所以也许您会很幸运，其中一个修复程序将有助于您的查询。您还可以尝试使用带有FORCE_LEGACY_CARDINALITY_ESTIMATION查询提示的旧基数估计器。某些数据集可能会使用旧版 CE 获得更好的估计。

作为最后的手段，您可以使用 Adam Machanic 的MANY()函数通过您喜欢的任何因素手动增加基数估计。我在另一个答案中谈到了它，但看起来链接已经死了。如果你有兴趣，我可以试着挖掘一些东西。