PAYATHON 2026

如何强制 SQL Server 使用近期数据样本进行查询估算？

支付老李

结论

SQL Server 不支持在基数估算时优先采样最近插入、最近更新或主键值较高的行。无论是查询级、表级还是数据库级，都没有“近期数据优先采样”这一配置。

SQL Server 通常也不会在每次编译查询时重新抽取数据样本。查询优化器使用已有的统计信息，包括直方图、密度信息和行数等。数据采样发生在创建或更新统计信息时，不是在执行每条查询时。

如果近期数据分布发生变化，导致基数估算出现偏差，可以采用这些办法：

  • 及时更新相关统计信息；
  • 对关键统计信息使用 FULLSCAN；
  • 为近期数据创建筛选统计信息；
  • 按时间分区后使用增量统计信息；
  • 处理参数嗅探和执行计划复用问题；
  • 检查查询谓词是否超出统计信息直方图的有效范围。

为什么不能让采样偏向近期数据

统计信息需要描述整个统计对象的数据分布。SQL Server 创建采样统计信息时，会从表或索引中抽取部分数据，再据此构建统计信息。系统没有提供按照插入时间、更新时间或主键大小设置采样权重的接口。

即使只采样最近的数据，得到的统计信息也可能严重误判针对历史数据的查询。优化器需要的是与具体查询谓词相匹配的数据分布，而不是单纯的“最新样本”。

统计信息直方图最多包含 200 个步骤。即使使用 FULLSCAN，也只是扫描全部数据来构建统计信息，并不表示直方图会保存每一个不同值。

首先确认哪个统计信息导致了误差

在实际执行计划中，比较各个关键算子的：

  • Estimated Number of Rows
  • Actual Number of Rows

如果两者差异很大，再检查该算子使用的连接条件、筛选条件和相关列。可以通过 DBCC SHOW_STATISTICS 查看对应的统计信息：

DBCC SHOW_STATISTICS
(
    N'dbo.Payments',
    N'IX_Payments_PaymentDate'
)
WITH STAT_HEADER, DENSITY_VECTOR, HISTOGRAM;

重点检查：

  • Updated：统计信息最后更新时间；
  • Rows 和 Rows Sampled：总行数和采样行数；
  • 直方图是否覆盖查询使用的近期值；
  • 近期数据增长后，统计信息是否仍未触发自动更新；
  • 查询条件是否涉及多个强相关列，而统计信息无法准确描述这些列之间的相关性。

也可以查询统计信息属性：

SELECT
    s.name AS statistics_name,
    sp.last_updated,
    sp.rows,
    sp.rows_sampled,
    sp.modification_counter
FROM sys.stats AS s
CROSS APPLY sys.dm_db_stats_properties(s.object_id, s.stats_id) AS sp
WHERE s.object_id = OBJECT_ID(N'dbo.Payments');

更新关键统计信息

如果报表运行前刚完成大批量付款数据导入，可以在加载结束后更新相关统计信息：

UPDATE STATISTICS dbo.Payments
    IX_Payments_PaymentDate;

对于很重要且数据量可控的统计信息，可以使用全表扫描：

UPDATE STATISTICS dbo.Payments
    IX_Payments_PaymentDate
WITH FULLSCAN;

也可以指定采样比例：

UPDATE STATISTICS dbo.Payments
    IX_Payments_PaymentDate
WITH SAMPLE 50 PERCENT;

FULLSCAN 可以消除抽样误差，但不能解决所有估算问题。多列相关性、参数嗅探、表达式转换和直方图步数限制仍可能造成偏差。对大型表执行 FULLSCAN 还会消耗更多 I/O、CPU 和维护时间，因此不适合不加区分地更新整个数据库的所有统计信息。

如果希望后续更新继续使用指定的采样比例，可以设置 PERSIST_SAMPLE_PERCENT，但是否支持以及具体行为取决于 SQL Server 版本：

UPDATE STATISTICS dbo.Payments
    IX_Payments_PaymentDate
WITH SAMPLE 50 PERCENT,
     PERSIST_SAMPLE_PERCENT = ON;

这只能固定采样比例，不能让采样偏向近期行。

为近期数据创建筛选统计信息

如果报表总是查询一个相对固定的近期范围，可以创建筛选统计信息，专门描述这部分数据：

CREATE STATISTICS ST_Payments_Recent
ON dbo.Payments (PaymentDate)
WHERE PaymentDate >= '20260901';

如果查询还会按状态筛选，可以针对常用条件创建统计信息：

CREATE STATISTICS ST_Payments_Unreconciled_Date
ON dbo.Payments (PaymentDate)
WHERE ReconciliationStatus = 'Pending';

筛选统计信息比“近期优先采样”更贴合这种需求，因为它直接描述了查询关心的数据子集。

筛选条件中的日期必须是固定边界，不能直接使用 GETDATE() 等动态表达式。因此，滚动时间窗口需要通过维护任务定期重建统计信息，或者改用分区方案。查询谓词还要与筛选条件形成足够明确的匹配，优化器才更容易使用该统计信息。

对按时间增长的大表使用分区和增量统计信息

如果 Payments 表按日期分区，可以考虑启用增量统计信息。近期分区发生变化后，只需更新受影响分区的统计信息，不必频繁扫描整张历史大表。

创建增量统计信息的示例：

CREATE STATISTICS ST_Payments_PaymentDate
ON dbo.Payments (PaymentDate)
WITH INCREMENTAL = ON;

更新指定分区的示例：

UPDATE STATISTICS dbo.Payments
    ST_Payments_PaymentDate
WITH RESAMPLE ON PARTITIONS (12);

这种方式要求表采用兼容的分区结构，并且 SQL Server 版本支持增量统计信息。它解决的是大型分区表的统计信息维护成本，并不会改变采样算法，使其偏向新数据。

检查递增键和超出直方图范围的问题

日期列、标识列和持续递增的数值主键经常会遇到这种情况：新插入的值已经超过统计信息直方图记录的最大值。查询这些值时，优化器没有直接的历史分布依据，只能按照基数估算模型进行推断，结果可能明显偏低。

最直接的处理方法是在批量加载完成后更新相应统计信息：

UPDATE STATISTICS dbo.Payments
    PK_Payments
WITH FULLSCAN;

UPDATE STATISTICS dbo.Payments
    IX_Payments_PaymentDate
WITH FULLSCAN;

如果问题持续出现，还需要确认数据库兼容级别和当前使用的基数估算器。不同基数估算模型对超出直方图范围的值可能采用不同的推断方式，但不应仅为修正一条查询，就贸然更改整个数据库的兼容级别。

排除参数嗅探和计划复用问题

“偶尔出现坏计划”未必是采样造成的。如果同一查询在不同参数下返回的行数相差很大，首次编译时使用的参数可能生成只适合某类数据的执行计划。该计划随后被其他参数复用，就可能出现问题。

可以先使用 OPTION (RECOMPILE) 验证：

SELECT
    p.PaymentId,
    p.PaymentDate,
    p.Amount,
    p.ReconciliationStatus
FROM dbo.Payments AS p
WHERE p.PaymentDate >= @StartDate
  AND p.PaymentDate < @EndDate
  AND p.ReconciliationStatus = @Status
OPTION (RECOMPILE);

重新编译会让优化器根据当前参数和现有统计信息生成计划。这可能缓解参数嗅探问题，但也会增加编译成本。它适合执行频率较低、计算量较大的日报查询，不一定适合高频短查询。

还可以根据实际数据分布评估：

OPTION (OPTIMIZE FOR (@Status = 'Pending'));

或：

OPTION (OPTIMIZE FOR UNKNOWN);

这些提示都不是通用修复方案：

  • OPTIMIZE FOR 会使计划偏向指定参数；
  • OPTIMIZE FOR UNKNOWN 使用较为通用的估算，可能无法针对典型参数进行优化；
  • RECOMPILE 可以避免复用不合适的计划，但会带来额外的编译开销。

在支持 Query Store 提示的版本中，还可以通过 Query Store 为查询应用提示，而不必修改应用程序 SQL。具体能使用哪些功能，需要结合 SQL Server 版本确认。

建议的处理顺序

对于每日 reconciliation report，可以按以下顺序排查：

  1. 获取坏计划的实际执行计划，确定哪个算子出现了估算偏差。
  2. 检查相关统计信息的更新时间、采样行数和修改计数。
  3. 每日数据加载完成后，只更新与报表条件有关的统计信息。
  4. 对关键统计信息测试 FULLSCAN，确认问题是否由抽样误差造成。
  5. 如果报表只访问近期数据或特定状态的数据，考虑使用筛选统计信息或合适的复合索引。
  6. 如果表按日期分区，评估是否使用增量统计信息。
  7. 如果坏计划只是偶发，重点检查参数嗅探和计划缓存，不要只关注统计信息采样。
  8. 使用 Query Store 对比好计划和坏计划，必要时考虑计划强制或 Query Store 提示。

因此，处理方向不是配置“近期数据优先采样”，而是让统计信息覆盖查询真正关心的数据范围，并按照数据加载节奏及时维护统计信息，同时处理可能存在的参数嗅探和计划复用问题。

备注：内容仅供参考。