在了解統計資訊（1/6）：密度向量裡，我們讨論了在統計裡存儲的密度向量資訊。這篇文章會讨論下直方圖。我們再次建立SalesOrderDetail表的副本，并在上面建立2個索引。
1 USE StatisticsDB
2 GO
3 SELECT * INTO SalesOrderDetail FROM AdventureWorks2008r2.Sales.SalesOrderDetail
4 CREATE UNIQUE CLUSTERED INDEX ix_SalesOrderDetailID ON SalesOrderDetail(SalesOrderDetailID)
5 CREATE NONCLUSTERED INDEX ix_productid ON SalesOrderDetail(productid) 我們來看看非聚集索引的直方圖資訊。
1 DBCC SHOW_STATISTICS('dbo.SalesOrderDetail', 'ix_productid') WITH HISTOGRAM 
你會在輸出裡看到200條記錄，上圖隻顯示了前18條記錄。為了建立直方圖，SQL Server基于索引的第一列值把資料分成不同的桶（步長）。輸出結果裡每條記錄被稱為步長。基于資料分布情況，步長的最大個數是200。直方圖是你資料的統計表述（statistical representation）。換句話說，它是基于索引的第一列值的資料分布情況。直方圖總是基于索引的第一列，即使索引是組合列。這也是為什麼建議把經常被選到的列（most selective column）作為索引的第一列的原因，但也有例外。
我們來看直方圖的輸出結果。它是基于productid值把表裡121317條記錄分成200個桶（步長）。
RANGE_HI_KEY清單示每桶的上邊界值。每桶的下邊界值是上一桶的RANGE_HI_KEY+1。對于第一桶，下邊界值是生成直方圖列的最小值。
RANGE_ROWS清單示在那桶範圍内的記錄數，但不等于RANGE_HI_KEY值。第一條記錄的0值辨別，在整個表裡沒有一條記錄productid值是小于707的。我們來看第11條記錄，它的RANGE_HI_KEY值是718，RANGE_ROWS 列值是218。這就是說，有218條記錄的productid是大于716（上一條RANGE_HI_KEY值）且小于718的。我們可以去驗證下。
1 SELECT COUNT(*) FROM SalesOrderDetail WHERE productid>716 AND productid<718 
EQ_ROWS清單示表裡與RANGE_HI_KEY值比對的記錄數。對于第一條記錄，EQ_ROWS值為3083表示表裡productid值為707的記錄有3083條。我們可以驗證下。
1 SELECT COUNT(*) FROM SalesOrderDetail WHERE productid=707 DISTINCT_RANGE_ROWS 清單示在2個RANGE_HI_KEY值之間的不同記錄數（不同productid值）。我們來看第11條的RANGE_HI_KEY值是718，DISTINCT_RANGE_ROWS列值為1，這就是說productid值大于716（上一個RANGE_HI_KEY值）且小于718隻有1條不同記錄。我們可以驗證下。
1 SELECT COUNT(distinct productid) FROM SalesOrderDetail WHERE productid>716 AND productid<718 AVG_RANGE_ROWS清單示每個不同值的平均記錄數。如果AVG_RANGE_ROWS值大于0的話，和RANGE_ROWS / DISTINCT_RANGE_ROWS相等，不然AVG_RANGE_ROWS的值為1。
SQL Server優化器如何使用直方圖來做基數計算（cardinality estimation ）呢？我們看下下面查詢的執行計劃，點選工具欄的
顯示包含實際的執行計劃。
1 SELECT productid FROM SalesOrderDetail WHERE productid>=716 AND productid<=718 估計行數1513是怎麼計算來的呢？我們看下直方圖。
紅色方框裡的數字合計（1076+218+219=1513）就是執行計劃裡估計行數值。
1076是productid值為716的記錄數。
218是productid值大于716且小于718的記錄數。
219是productid值等于718的記錄數。
三個值的彙總就是上述執行計劃裡的估計行數。
當where條件複雜時，優化器會建立稱為列統計的統計資訊，并在直方圖資料上使用複合算法（complex algorithm）進行基數計算（cardinality estimation）。我們在下篇文章會談論這個的更多細節。
參考文章：
http://www.sqlservercentral.com/blogs/practicalsqldba/2013/06/27/sql-server-part-2-all-about-sql-server-statistics-histogram/
注：此文章為
WoodyTu學習MS SQL技術，收集整理相關文檔撰寫，歡迎轉載，請在文章頁面明顯位置給出此文連結！
若您覺得這篇文章還不錯請點選下右下角的推薦，有了您的支援才能激發作者更大的寫作熱情，非常感謝！