浅析MySQL的基数统计

一、基数是啥？
Cardinality指的就是MySQL表中某一列的不同值的数量。

如果这一类是唯一索引，那基数 = 行数。

如果这一列是sex，枚举类型只有男女，那它是基数就是2

Cardinality越高，列就越有成为索引的价值。MySQL执行计划也会基于Cardinality选择索引。

通过下面的方式可以看到表中各列的基数。

比如这个经典的例子：
有一列为sex，那对于sex列中存储的值来说 非男即女，它的基数最大就是2。
那也就完全没有必要为sex建立索引。因为，为了提升你基于sex的查询速度，MySQL会为你选择的这个新索引创建一棵全新的B+Tree。但你sex只有两种值，对于MySQL来说，即使它为你指定的列建立了B+Tree索引，真正执行查询时，最多进行一次二分查询，剩下的操作只能是遍历，所以为sex创建索引意义不大。

二、InnoDB更新基数的时机？
参数：innodb_stats_auto_recalc控制MySQL是否主动重新计算这些持久性的信息。默认为1表示true，0表示false。
默认情况下当表中的行变化超过10%时，重新计算基数信息。

三、基数是估算出来

基数并不会实时更新！而且它是通过采样估算出来的值！

至于基数的公式是怎样的，可能并不重要。

重要的是你得知道，他是通过随机采样数据页的方式统计出来的一个估算值。

而且随机采样的页数可以通过参数innodb_stats_persistent_sample_pages 设置，默认值是20。

这就意味着 基数值并不准确，甚至你每次计算的结果相擦还是蛮大的。

四、持久化基数

可以通过参数innodb_stats_persistent 控制是否持久化基数，默认为off。

当然你可以为一个单独的表设置 STATS_PERSISTENT=1 那么它的 innodb_stats_persistent将自动被启用。

开启它的好处是：重启MySQL不会再重复计算这个值，加快重启速度。

五、如何主动更新基数？

执行下面的SQL时都会触发InnoDB更新基数（即使你并没有意识到它会更新基数）。

所以尽量选择一个业务低峰期

analyze table tableName;

如果因为采样的数量太少了，计算的基数错的离谱。那很可能会导致MySQL的优化器选错索引。这是你可以将这个值适当调大。但是增加 太多可能会导致 ANALYZE TABLE运行缓慢。

反之， ANALYZE TABLE运行太慢。你可以适度调整参数innodb_stats_persistent_sample_pages 的值。但是这又可能导致基数计算的不准确。

如果没有办法平衡两者的关系。可以考虑减少表中索引列的数量或限制分区的数量以降低 ANALYZE TABLE复杂性。表的主键中的列数也很重要，因为主键列被附加到每个非唯一索引中。

参考：

https://dev.mysql.com/doc/refman/5.7/en/innodb-persistent-stats.html

https://dev.mysql.com/doc/refman/5.7/en/innodb-analyze-table-complexity.html