部分覆盖范围谓词的基数估计

Question

目前我正试图弄清楚 SQL Server 如何评估部分覆盖直方图步骤的范围谓词的基数。

在互联网上，在cardinality-estimation-for-and-for-intra-step-statistics-value我遇到了一个类似的问题，Paul White 给出了一个相当有趣的答案。

根据Paul的回答，谓词>=和>的基数估计公式（在这种情况下，我只对至少120的基数估计器模型感兴趣）如下：

对于 >：

Cardinality = EQ_ROWS + (AVG_RANGE_ROWS * (F * (DISTINCT_RANGE_ROWS - 1)))

对于 >=：

Cardinality = EQ_ROWS + (AVG_RANGE_ROWS * ((F * (DISTINCT_RANGE_ROWS - 1)) + 1))

我基于范围谓词使用TransactionDate列和“20140614”和“20140618”之间的日期时间范围测试了这些公式在AdventureWorks2014数据库的[Production].[TransactionHistory]表上的应用。

这个范围的直方图步骤的统计如下：

根据公式，我计算了以下查询的基数：

SELECT COUNT(1)
FROM [AdventureWorks2014].[Production].[TransactionHistory]
WHERE [TransactionDate] BETWEEN '20140615 00:00:00.000' AND '20140616 00:00:00.000'

使用以下代码进行计算：

  DECLARE @predStart DATETIME =  '20140615 00:00:00.000'
  DECLARE @predEnd DATETIME = '20140616 00:00:00.000'

  DECLARE @stepStart DATETIME = '20140614 00:00:00.000'
  DECLARE @stepEnd DATETIME = '20140618 00:00:00.000'

  DECLARE @predRange FLOAT = DATEDIFF(ms, @predStart, @predEnd)
  DECLARE @stepRange FLOAT = DATEDIFF(ms, @stepStart, @stepEnd)

  DECLARE @F FLOAT = @predRange / @stepRange;

  DECLARE @avg_range_rows FLOAT = 100.3333
  DECLARE @distinct_range_rows INT = 3
  DECLARE @EQ_ROWS INT = 0

  SELECT @F AS 'F'

  --for new cardinality estimator

  SELECT @EQ_ROWS + @avg_range_rows * (@F * (@distinct_range_rows - 1) + 1) AS [new_card]

经过计算，我得到以下结果：

根据公式，结果是150.5，但是优化器估计谓词为225.75行，如果你把谓词的上边框改为'20140617'，优化器已经计算了250.833行，而使用我们得到的公式只有200.6666 行。

请告诉我，Cardinality Estimator 在这种情况下如何评估，也许我在理解引用的公式时犯了错误？

Answer 1

SQL Server 在不同的情况下使用不同的计算。您的示例与链接的问答不同，因为您的范围完全包含在一个步骤中；它不跨越台阶边界。它也是一个有两个端点而不是一个端点的区间。编写BETWEEN与使用>=和编写两个单独的谓词相同<=。

具有两个边界的间隔，在一个步骤内

公式被修改为在步骤内针对预期的不同值的数量执行线性插值，并反映现在指定了两个范围端点（并假设存在于直方图步骤中）而不是一个。

使用问题中给出的直方图步骤：

对于带有 的查询BETWEEN '20140615' AND '20140616'，计算为：

DECLARE
    @Q1 float = CONVERT(float, CONVERT(datetime, '2014-06-15')),
    @Q2 float = CONVERT(float, CONVERT(datetime, '2014-06-16')),
    @K1 float = CONVERT(float, CONVERT(datetime, '2014-06-14')),
    @K2 float = CONVERT(float, CONVERT(datetime, '2014-06-18')),
    @RANGE_ROWS float = 301,
    @DISTINCT_RANGE_ROWS float = 3;

DECLARE
    @S1 float = (@Q1 - @K1) / (@K2 - @K1),
    @S2 float = (@Q2 - @K1) / (@K2 - @K1);

DECLARE
    @F float = @S2 - @S1;

DECLARE
    @AVG_RANGE_ROWS float = @RANGE_ROWS / @DISTINCT_RANGE_ROWS;

SELECT
    @AVG_RANGE_ROWS * ((@F * (@DISTINCT_RANGE_ROWS - 2)) + 2);

...给225.75。@Q2从'20140616'to更改'20140617'为250.833的结果。

两个结果都与问题中给出的结果相匹配。