Version imprimable
Bonjour,
Je viens de découvrir une bizarrerie pour laquelle j'aimerais avoir une explication.
Dans phpMyAdmin, une colonne indexée indique une cardinalité égale au nombre de lignes de la table, ce qui fait de cette colonne une clé candidate.
Par contre, un SELECT COUNT(DISTINCT ..) de cette colonne donne un nombre inférieur ! 8O
Vérification faite sur une partie des données, il y a effectivement plusieurs lignes pour une même valeur de cette colonne.
Quelqu'un peut-il m'expliquer ce phénomène ?
Salut Philippe !
Est-ce qu'un ANALYZE TABLE règle le problème ?
Quel est ton moteur de stockage ?
Peux-tu nous donner le CREATE TABLE ?
Non. ANALYSE TABLE a répondu OK de même que CHECK TABLE.
On a supprimé l'index et recréé, le résultat est le même.
Je ne peux donner ici le script de création de la table car elle comporte beaucoup de colonnes et elle est sur un autre ordi auquel je n'ai pas accès direct.
La colonne en question est une varchar.
Je crois avoir eu le même phénomène sur une autre table dans une autre base de données (mais à plusieurs dizaines de millions de lignes, j'hésite à relancer un SELECT COUNT(DISTINCT ...) :? ).
Quel est ton moteur de stockage ?
Quelle est la collation de la colonne ?
Est-ce qu'un SHOW INDEX te donne les mêmes chiffres que phpMyAdmin ?
Moteur MyISAM
Collation euh... j'ai pas fait gaffe et maintenant l'ordi est arrêté.
En fait j'ai initié aujourd'hui mes collègues au concept de SGBDR (je leur ai servi du Merise ce matin :D ) à partir d'un fichier texte qu'on vient de recevoir et qu'il serait intéressant de modéliser parce qu'il fait 132 colonnes et plus de 2 millions de lignes.
On a donc travaillé avec un extrait de 500 000 lignes du fichier et on a remarqué ce phénomène.
Pour la collation, c'est un peu une hyptohèse d'école (mais je n'ai pas d'autre idée en stock). Supposons que par exemple tu aies les valeurs suivantes :
Avec une collation insensible à la casse et aux accents, un COUNT DISTINCT te donnerait 1. Par contre, je ne sais pas trop comment serait calculée la cardinalité de l'index (en théorie, de la même manière, mais en pratique je n'en sais rien).Citation:
CinePhil
CinéPhil
cinephil
Mon collègue fait joujou avec donc j'ai pu avoir l'info :
Collation : latin1_swedish_ci
On a au moins un cas ou cette colonne (qui est un identifiant d'individu) ne contient que des chiffres et existe en deux exemplaires.
ok, si ça ne contient que des chiffres, alors ce n'est pas un problème de collation.
:koi:
Bon j'ai trouvé quelques pistes d'explication...
D'abord dans cet article qui parle de la sélectivité d'un index.
Cet article m'a renvoyé sur la documentation MySQL qui précise que la cardinalité retournée par une commande SHOW INDEX (est-ce celle utilisée par phpMyAdmin pour afficher la cardinalité dans le tableau des index ?) est approximative et basée sur des statistiques.
L'article renvoie également sur un autre en anglais qui montre que les cardinalités affichées sont parfois fantaisistes. Le plus inquiétant est que le plan de requête se sert des cardinalités pour optimiser l'exécution !
Je ne sais pas si c'est pareil dans les autres SGBD mais MySQL n'obtient pas une bonne note en la matière !
Conclusion : Si vous voulez connaître le nombre de valeurs distinctes d'une colonne : utilisez
C'est long sur les grosses tables mais vous aurez un résultat exact.Code:SELECT COUNT(DISTINCT colonne)