Calcul des stats : Quelle méthode ?

* Bonjour, *

J’ai une base de production 11gR2 comme DataWareHouse de 10 To avec chargement et déchargement assez fréquent le jour.

Quelle politique de calcul de statistiques à adopter ?

- Calculer les stats 11g une seule fois et les figer une fois pour toute ? : Pas top si la volumétrie change un jour de façon importante… ?
- Ne rien faire et laisser le job de nuit calculer les stats obsolètes ? : Pas évident si chargement/déchargement fréquent dans la journée… ?
- Calculer les stats après chaque chargement : Le calcul risque d’être lent …?
- Pas de stats et activer le dynamic sampling ? Dynamic sampling = manque de précision…?

Quel choix à faire ? Dans quelles conditions ? Contraintes à prévoir ?

merci :ccool:

Bonjour,

Pour les stats sur le nombre de lignes, et n'est pas nécessaire de les calculer à chaque fois, du moment que les volumes sont représentatifs de manière relative.
Par exemple s'il y a 4 tables de 100 lignes, une de 1 000 000 lignes et une de 10 000 000 de lignes, les plans d'exécutions ne devraient pas changer si on passe à 2 000 000 et 20 000 000 de lignes.

En datawarehouse, la cléf de la scalabilité est le partitionnement: il est peut-être possible de ne calculer les stats que sur la dernière partition. Et pour les stats globales, en 11g il y a les stats incrémentales, qui par contre vont prendre de la place dans SYSAUX, mais permettent de mettre à jour le nombre de valeurs distinctes d'une colonne sans relire toutes les partitions.

Par contre, les stats de valeur minimale et maximales sont très importantes. Par exemple, une colonne DATE qui sera plus grande à chaque chargement. Il est alors possible de fixer la valeur après chaque chargement.

Dynamic sampling, c'est bien, mais en plus des stats, pas pour les remplacer.

Il y a aussi la question des histogrammes à se poser...

Donc si ce n'est pas possible de recalculer les stats après chaque chargement, je dirais:
0. désactiver le job automatique qui va prendre les stats n'importe quand
1. calculer les stats à un moment où c'est représentatif - sans histogrammes
2. mettre à jour les min/max qui changent après le chargement (SET_COLUMN_STATS)
3. utiliser dynamic sampling pour avoir des stats plus précises sur des prédicats complexes
4. ajouter des histogrammes seulement sur les colonnes où c'est nécessaire (distribution inégale + prédicats avec literals + dynamic sampling insuffisant)
5. calculer les stats sur les dernières partitions chargées à chaque chargement, et maintenir les stats globales avec les stats incrémentales - si nécessaire.

Cordialement,
Franck.