分布式数据库学习Note58：OceanBase社区版中，数据库中的"统计信息"是什么？

数据库中的"统计信息"是指优化器统计信息（Optimizer Statistics），它是一个描述数据库中表和列信息的数据集合。

优化器代价模型（Optimizer Cost Model）依赖于查询中涉及到的表、列、谓词等对象的统计信息来选取计划，优化器可以利用统计信息来优化计划的选择，所以统计信息是代价模型中选取最优执行计划的关键。

在 OceanBase 数据库优化器中，统计信息以普通数据的形式存储在内部表中，并且会在本地维护统计信息的缓存，以提高优化器对统计信息的访问速度。

统计信息包含表统计信息（Table Level Statistics）和列统计信息（Column Level Statistics）两种类型。

表级统计信息

表的统计信息主要包含以下信息：

• 表的基本信息（包括 tenant_id、table_id、partition_id 等）

• 表的统计信息类型（信息级别分为 GLOBAL、PARTITION 和 SUBPARTITION）

• 表的行数

• 表所占用的宏块数

• 表所占用的微块数

• 表的平均行长

• 表的收集统计信息时间

• 表的统计信息是否锁定

列级统计信息

列的统计信息主要包含以下信息：

• 列的基本信息（包括 tenant_id、table_id、partition_id、column_id）

• 列的统计信息类型（信息级别分为 GLOBAL、PARTITION 和 SUBPARTITION）

• 列中不同的值的数量 NDV（Number of Distinct Values）

• 列中 NULL 值的数量

• 列的最大值和最小值

• 列的采样数据量大小

• 列的直方图的稠密度

• 列的直方图桶个数

• 直方图类型（频率直方图/ TopK 直方图/混合直方图）