MySQL 直方图统计信息怎样帮助优化器选择计划

MySQL 直方图不是索引，也不会强制优化器选择某个索引；它补充的是列值分布信息。对于值分布倾斜、但仅靠普通统计信息难以估准选择率的列，优化器可以利用直方图更接近地估算过滤后会剩下多少行，从而比较不同执行计划。

官方资料：https://dev.mysql.com/doc/refman/8.4/en/optimizer-statistics.html

直方图到底补充了哪类统计信息

优化器需要估算条件会命中多少行，才能在索引、扫描、连接顺序等候选计划之间做比较。单一的基数或平均分布假设，在列值高度倾斜时可能不够：例如某个状态值占了绝大多数行，另一些状态几乎没有数据，同样的列却对应完全不同的过滤选择率。

直方图把列值范围或离散值整理成多个桶，并把这些分布摘要保存在数据字典中。用户通过 INFORMATION_SCHEMA.COLUMN_STATISTICS 读取视图，不直接操作底层数据字典表。它提供的是优化器参考信息，不是查询结果缓存，也不会替代合适的索引。

用 ANALYZE TABLE 为目标列生成直方图

先挑选真正参与过滤、分布明显不均匀或估算经常偏差的列，而不是给整张表的所有列都建立直方图。最小语句如下：

-- 为 orders.status 生成直方图，帮助优化器了解状态值分布。
ANALYZE TABLE orders
  UPDATE HISTOGRAM ON status;

-- 需要更细的分布摘要时显式指定桶数量。
ANALYZE TABLE orders
  UPDATE HISTOGRAM ON status WITH 64 BUCKETS;

UPDATE HISTOGRAM 语法一次只针对一张表；同一语句可以列出多个目标列。WITH N BUCKETS 的 N 范围是 1 到 1024，省略时默认 100。桶越多不等于计划一定越好，还要考虑生成成本、数据规模和分布复杂度。

该操作需要目标表的 SELECT 和 INSERT 权限。MySQL 8.4 文档还说明，几何类型和 JSON 列不支持直方图，单列唯一索引覆盖的列也不能生成直方图；临时表和加密表同样不在可用范围内。

先查看 COLUMN_STATISTICS，再判断估算是否有依据

生成后不要只看语句返回成功，还要知道统计信息是否确实存在、采样比例是多少：

-- 读取指定表和列的直方图摘要，避免把别的表混在一起看。
SELECT SCHEMA_NAME,
       TABLE_NAME,
       COLUMN_NAME,
       HISTOGRAM
FROM INFORMATION_SCHEMA.COLUMN_STATISTICS
WHERE SCHEMA_NAME = DATABASE()
  AND TABLE_NAME = 'orders'
  AND COLUMN_NAME = 'status';

-- 只取采样比例，1.0 表示生成时读取了全部数据。
SELECT HISTOGRAM->>'$."sampling-rate"' AS sampling_rate
FROM INFORMATION_SCHEMA.COLUMN_STATISTICS
WHERE SCHEMA_NAME = DATABASE()
  AND TABLE_NAME = 'orders'
  AND COLUMN_NAME = 'status';

返回的 HISTOGRAM 是 JSON 对象，常见信息包括 histogram-type、number-of-buckets-specified、last-updated、null-values 和 sampling-rate。sampling-rate 小于 1 说明生成过程采用了采样，不能把桶看成完整数据的逐行复刻。

如果生成期间需要读取的数据超过 histogram_generation_max_mem_size，MySQL 会改为采样；可以通过这个字段判断当前直方图的依据是否足够覆盖业务数据。这里的判断重点是“统计信息是否新鲜、是否有采样、是否与当前过滤场景相符”，而不是单独追求一个更大的桶数。

用 EXPLAIN 对照计划，别把直方图当成强制提示

直方图是否真正改变了优化器选择，要回到具体查询观察估算行数、访问方式和过滤条件。可以在生成前后分别保存同一条查询的计划：

-- 用同一条查询对照估算行数和访问方式，避免把查询文本也一起改掉。
EXPLAIN FORMAT=JSON
SELECT order_id, created_at
FROM orders
WHERE status = 'pending';

重点对照的是估算行数、过滤条件对应的选择率以及访问路径是否更符合数据分布。计划变化本身不是成功标准：如果直方图过期、采样不足，或者优化器基于新估算选择了更差的路径，查询仍可能变慢。应在接近真实数据量和真实条件的环境中，用同一条 SQL、同一组参数做前后对照。

直方图也不能表达任意列之间的相关性。两个条件分别看似稀疏，组合起来可能高度相关；单列直方图并不会自动得到完整的多列联合分布。因此它适合补充某个列的分布估计，不应被当成“有了统计信息就能解决所有计划问题”。

桶数量、采样与自动更新怎么取舍

小桶数适合分布简单、维护成本敏感的列；分布有多个明显密集区时，可以增加桶数，但要用 HISTOGRAM 的桶数和 sampling-rate 一起判断。只调大桶数而不关注数据是否采样，可能只是让摘要更复杂，并没有带来等比例的估算收益。

-- 让后续持久化统计更新时按同样桶数自动更新该列直方图。
ANALYZE TABLE orders
  UPDATE HISTOGRAM ON status
  WITH 64 BUCKETS AUTO UPDATE;

-- 如果自动更新带来的计划变化不符合预期，删除这一列的直方图。
ANALYZE TABLE orders
  DROP HISTOGRAM ON status;

AUTO UPDATE 会启用自动更新；不写时默认是 MANUAL UPDATE。自动更新依赖持久化统计信息的更新机制，并不意味着每次 DML 完成后直方图都会立刻同步。若数据刚完成大批量导入、分布发生明显变化且需要立即刷新，显式执行 ANALYZE TABLE 更直接。

常见问题

直方图会不会强制 MySQL 使用某个索引？

不会。它提供列值分布摘要，影响的是优化器的估算依据；最终计划仍由优化器结合成本、索引和其他条件决定。

桶数是不是越大越好？

不是。桶数要与分布复杂度、表规模、生成成本和采样情况一起看。先用默认值观察估算，再针对确有偏差的列调整。

什么时候应该删除直方图？

当数据分布已变化、统计信息长期过期，或对照同一查询发现新计划持续变差时，可以先重新生成；如果该列不再需要分布摘要，再执行 DROP HISTOGRAM 清除。