1.2 优化器模型
优化器的作用是在合理的时间内找到合理的执行计划。TiDB 采用了 System R 的优化器模型，优化过程分为逻辑优化和物理优化两个阶段。在逻辑优化过程中，依次遍历内部定义实现的优化规则，不断地调整 SQL 的逻辑执行计划。物理优化则是将改写后逻辑执行计划变成可以执行的物理执行计划，这一过程会决定执行操作的具体方法，比如用什么索引读表，用什么算法做 Join 操作等。
1.2.1 常见逻辑优化规则简介
1 基本逻辑算子介绍
TiDB 中的逻辑算子主要有以下几个：
- DataSource：数据源，表示一个源表，如
select * from t中的t。 - Selection： 代表了相应的过滤条件，
select * from t where a = 5中的where a = 5。 - Projection：投影操作，也用于表达式计算，
select c, a + b from t里面的c和a + b就是投影和表达式计算操作。 - Join：两个表的连接操作，
select t1.b, t2.c from t1 join t2 on t1.a = t2.a中的t1 join t2 on t1.a = t2.a就是两个表t1和t2的连接操作。Join 有内连接，左连接，右连接等多种连接方式。
Selection，Projection，Join（简称 SPJ） 是 3 种最基本的算子。
2 常见逻辑优化规则
逻辑优化是基于规则的优化，通过对输入的逻辑执行计划按顺序应用优化规则，使整个逻辑执行计划变得更加高效。这些常用逻辑优化规则包括：
| 列表 1 | 列表 2 |
|---|---|
| 1、列裁剪 | 6、外连接转内连接 |
| 2、分区剪裁 | 7、子查询去关联 |
| 3、聚合消除 | 8、谓词下推 |
| 4、Max / Min 优化 | 9、聚合下推 |
| 5、外连接消除 | 10、TopN / Limit 下推 |
逻辑优化部分示例如下：
例子 1：外连接消除
外连接消除指的是将整个连接操作从查询中移除。外连接消除需要满足一定条件：
- 条件 1：LogicalJoin 的父亲算子只会用到 LogicalJoin 的 outer plan 所输出的列
- 条件 2：
- 条件 2.1：LogicalJoin 中的 join key 在 inner plan 的输出结果中满足唯一性
- 条件 2.2：LogicalJoin 的父亲算子会对输入的记录去重
条件 1 和条件 2 必须同时满足，但条件 2.1 和条件 2.2 只需满足一条即可。
满足条件 1 和 条件 2.1 的一个例子：
select t1.a from t1 left join t2 on t1.b = t2.b;
可以被改写成：
select t1.a from t1;
例子 2：Max / Min 优化
Max / Min 优化，会对 Max / Min 语句进行改写。如下面的语句：
select min(id) from t;
改成下面的写法，可以实现类似的效果：
select id from t order by id desc limit 1;
前一个语句生成的执行计划，是一个 TableScan 上面接一个 Aggregation，这是一个全表扫描的操作。后一个语句，生成执行计划是 TableScan + Sort + Limit。通常数据表中的 id 列是主键或者存在索引，数据本身有序，这样 Sort 就可以消除，最终变成 TableScan/IndexLookUp + Limit，这样就避免了全表扫描的操作，只需要读到第一条数据就能返回结果。
最大最小消除由优化器“自动”地做这个变换。
1.2.2 物理优化原理
物理优化是基于代价的优化，这一阶段中，优化器会为逻辑执行计划中的每个算子选择具体的物理实现，以将逻辑优化阶段产生的逻辑执行计划转换成物理执行计划。逻辑算子的不同物理实现有着不同的时间复杂度、资源消耗和物理属性等。在这个过程中，优化器会根据数据的统计信息来确定不同物理实现的代价，并选择整体代价最小的物理执行计划。
物理优化需要做的决策有很多，比如说：
- 读取数据的方式：使用索引扫描或全表扫描读取数据。
- 与此同时，如果存在多个索引，索引之间的选择，也同步完成。
- 逻辑算子的物理实现，即实际使用的算法。
- 是否可以将算子下推到存储层执行，以提升执行效率。
1.2.3 统计信息的收集与维护
TiDB 优化器会根据统计信息来选择最优的执行计划。统计信息收集了表级别和列级别的信息，表的统计信息包括总行数和修改的行数。列的统计信息包括不同值的数量、NULL 的数量、直方图、列上出现次数最多的值 TOPN 等信息。
1 手动搜集
通过执行 ANALYZE 语句来收集统计信息。如需更快的分析速度，可将 tidb_enable_fast_analyze（默认值为 0）设置为 1 来打开快速分析功能，此时将采取采样的方式收集统计信息。以数据库中 person 表为例，使用 fast analyze 的执行语句如下：
set @@tidb_enable_fast_analyze = 1;
analyze table person;
收集统计信息过程中，可以通过 show analyze status 语句查询执行状态，该语句也可以通过 where 子句对输出结果进行过滤，显示输出结果如下：
mysql> show analyze status where job_info = 'analyze columns';
+--------------+------------+-----------------+---------------------+----------+
| Table_schema | Table_name | Job_info | Start_time | State |
+--------------+------------+-----------------+---------------------+----------+
| test | person | analyze columns | 2020-03-07 06:22:34 | finished |
| test | customer | analyze columns | 2020-03-07 06:32:19 | finished |
| test | person | analyze columns | 2020-03-07 06:35:27 | finished |
+--------------+------------+-----------------+---------------------+----------+
3 rows in set (0.01 sec)
2 自动更新
在执行 DML 语句时，TiDB 会自动更新表的总行数以及修改的行数。这些信息会定期自动持久化，更新周期默认是 1 分钟（20 * stats-lease）
注意：stats-lease 的默认值是 3s，如果将其设定为 0，则关闭统计信息自动更新。
3 统计信息查看
查看表的统计信息 meta 信息：
mysql> show stats_meta where table_name = 'person';
+---------+------------+----------------+---------------------+--------------+-----------+
| Db_name | Table_name | Partition_name | Update_time | Modify_count | Row_count |
+---------+------------+----------------+---------------------+--------------+-----------+
| test | person | | 2020-03-07 07:20:54 | 0 | 4 |
+---------+------------+----------------+---------------------+--------------+-----------+
1 row in set (0.01 sec)
查看表的健康度信息：
mysql> show stats_healthy where table_name = 'person';
+---------+------------+----------------+---------+
| Db_name | Table_name | Partition_name | Healthy |
+---------+------------+----------------+---------+
| test | person | | 100 |
+---------+------------+----------------+---------+
1 row in set (0.00 sec)
可通过 SHOW STATS_HISTOGRAMS 来查看列的不同值数量以及 NULL 值数量等信息:
mysql> show stats_histograms where table_name = 'person';
+---------+------------+----------------+-------------+----------+---------------------+----------------+------------+--------------+-------------+
| Db_name | Table_name | Partition_name | Column_name | Is_index | Update_time | Distinct_count | Null_count | Avg_col_size | Correlation |
+---------+------------+----------------+-------------+----------+---------------------+----------------+------------+--------------+-------------+
| test | person | | name | 0 | 2020-03-07 07:20:54 | 4 | 0 | 6.25 | -0.2 |
+---------+------------+----------------+-------------+----------+---------------------+----------------+------------+--------------+-------------+
1 row in set (0.00 sec)
可通过 SHOW STATS_BUCKETS 来查看直方图每个桶的信息：
mysql> show stats_buckets;
+---------+------------+----------------+-------------+----------+-----------+-------+---------+-------------+-------------+
| Db_name | Table_name | Partition_name | Column_name | Is_index | Bucket_id | Count | Repeats | Lower_Bound | Upper_Bound |
+---------+------------+----------------+-------------+----------+-----------+-------+---------+-------------+-------------+
| test | person | | name | 0 | 0 | 1 | 1 | jack | jack |
| test | person | | name | 0 | 1 | 2 | 1 | peter | peter |
| test | person | | name | 0 | 2 | 3 | 1 | smith | smith |
| test | person | | name | 0 | 3 | 4 | 1 | tom | tom |
+---------+------------+----------------+-------------+----------+-----------+-------+---------+-------------+-------------+
4 rows in set (0.01 sec)
4 删除统计信息
可通过执行 DROP STATS 语句来删除统计信息。语句如下：
mysql> DROP STATS person;
5 统计信息导入导出
统计信息导出
通过以下接口可以获取数据库 ${db_name} 中的表 ${table_name} 的 json 格式的统计信息：
http://${tidb-server-ip}:${tidb-server-status-port}/stats/dump/${db_name}/${table_name}
示例：获取本机上 test 数据库中 person 表的统计信息：
curl -G "http://127.0.0.1:10080/stats/dump/test/person" > person.json
统计信息导入
将统计信息导出接口得到的 json 文件导入数据库中：
mysql> LOAD STATS 'file_name';
file_name 为被导入的统计信息文件名。