代码分支版本：master 20240102
代价估计
利用代价模型（cost model）比较不同执行计划的优劣，代价估计模型需考虑：
- 统计信息：数据分布、行数、Distinct值个数
- 统计信息收集时机与方法：
- 不能影响在线业务；
- 采样收集；
- 基数估计->代价估计：基数估计来估算中间结果个数，从而用于代价估计
统计数据假设
- 均匀分布假设（uniform distribution assumption）：
- 认为属性内部取值是均匀分布的
- 属性独立假设（attribute independence assumption）：
- 认为不同属性的取值之间相互独立
通过代码总结的基数估计公式
补充说明：
- 基数估计的方式有很多，比如：
- 直方图，但是暂时因为消耗内存，回滚了（详见PR:https://github.com/apache/doris/pull/27896）；
- Count-Min算法 估计数据出现频率，这个在Doris代码中应该是没有使用；
doris中基数估计暂时是依托于统计的列信息和表行数来进行计算的。
2.我总结的基数估计的推导公式均是通过代码反推的，部分数学公式如有不准的地方希望您能帮忙指出，不胜感激
WechatIMG47156.png
网友评论