CBO の統計情報を収集する

このトピックでは、StarRocks のコストベースオプティマイザ (CBO) の基本概念と、CBO が最適なクエリプランを選択するための統計情報の収集方法について説明します。StarRocks 2.4 では、正確なデータ分布統計を収集するためにヒストグラムが導入されました。

v3.2.0 以降、StarRocks は Hive、Iceberg、Hudi テーブルからの統計情報の収集をサポートしており、他のメタストアシステムへの依存を減らしています。構文は StarRocks 内部テーブルの収集と似ています。

CBO とは

CBO はクエリ最適化において重要です。SQL クエリが StarRocks に到着すると、論理実行プランに解析されます。CBO は論理プランを複数の物理実行プランに書き換え、変換します。その後、CBO はプラン内の各オペレーターの実行コスト（CPU、メモリ、ネットワーク、I/O など）を推定し、最もコストが低いクエリパスを最終的な物理プランとして選択します。

StarRocks CBO は StarRocks 1.16.0 で導入され、1.19 以降でデフォルトで有効になっています。Cascades フレームワークに基づいて開発された StarRocks CBO は、さまざまな統計情報に基づいてコストを推定します。数万の実行プランの中から最もコストの低い実行プランを選択することができ、複雑なクエリの効率とパフォーマンスを大幅に向上させます。

統計情報は CBO にとって重要です。これにより、コスト推定が正確で有用であるかどうかが決まります。以下のセクションでは、統計情報の種類、収集ポリシー、統計情報の収集方法、および統計情報の表示方法について詳しく説明します。

統計情報の種類

StarRocks は、コスト推定の入力としてさまざまな統計情報を収集します。

基本統計

デフォルトで、StarRocks は定期的にテーブルと列の以下の基本統計を収集します。

• row_count: テーブル内の総行数

• data_size: 列のデータサイズ

• ndv: 列のカーディナリティ（列内の異なる値の数）

• null_count: 列内の NULL 値を持つデータの量

• min: 列内の最小値

• max: 列内の最大値

完全な統計情報は _statistics_ データベースの column_statistics に保存されます。このテーブルを表示してテーブル統計をクエリできます。以下は、このテーブルから統計データをクエリする例です。

SELECT * FROM _statistics_.column_statistics\G
*************************** 1. row ***************************
      table_id: 10174
  partition_id: 10170
   column_name: is_minor
         db_id: 10169
    table_name: zj_test.source_wiki_edit
partition_name: p06
     row_count: 2
     data_size: 2
           ndv: NULL
    null_count: 0
           max: 1
           min: 0

ヒストグラム

StarRocks 2.4 では、基本統計を補完するためにヒストグラムが導入されました。ヒストグラムはデータ表現の効果的な方法と考えられています。データが偏っているテーブルに対して、ヒストグラムはデータ分布を正確に反映できます。

StarRocks は等高ヒストグラムを使用しており、いくつかのバケットで構成されています。各バケットには等量のデータが含まれています。頻繁にクエリされ、選択性に大きな影響を与えるデータ値に対して、StarRocks はそれらに個別のバケットを割り当てます。バケットが多いほど推定が正確になりますが、メモリ使用量がわずかに増加する可能性があります。ヒストグラム収集タスクのためにバケット数と最も一般的な値 (MCV) を調整できます。

ヒストグラムは、データが高度に偏っており、頻繁にクエリされる列に適用されます。テーブルデータが均一に分布している場合、ヒストグラムを作成する必要はありません。ヒストグラムは、数値型、DATE、DATETIME、または文字列型の列にのみ作成できます。文字列型の場合、StarRocks は最も一般的な値 (MCV) のみを収集し、ヒストグラムバケットは収集しません。

ヒストグラムは _statistics_ データベースの histogram_statistics テーブルに保存されます。以下は、このテーブルから統計データをクエリする例です。

SELECT * FROM _statistics_.histogram_statistics\G
*************************** 1. row ***************************
   table_id: 10174
column_name: added
      db_id: 10169
 table_name: zj_test.source_wiki_edit
    buckets: NULL
        mcv: [["23","1"],["5","1"]]
update_time: 2023-12-01 15:17:10.274000

複数列の共同統計

v3.5.0 以降、StarRocks は複数列の共同統計収集をサポートしています。現在、StarRocks がカーディナリティ推定を実行する場合、ほとんどのシナリオでオプティマイザは複数の列が互いに完全に独立している、つまり列間に相関がないと仮定します。しかし、列間に相関関係がある場合、現在の推定方法では誤った結果を導く可能性がある。そのため、オプティマイザは誤った実行計画を生成してしまう。現在のところ、複数列のジョイント NDV のみがサポートされており、主に以下のようなシナリオでカーディナリティ推定に使用されます。

• 複数の AND 結合された等価述語の評価。
• Agg ノードの評価。
• 集約プッシュダウン戦略に適用する。

現在、複数列の結合統計量収集は手動収集のみをサポートしています。デフォルトのタイプはサンプリング収集です。多列統計は、各 StarRocks クラスタの _statistics_ データベースの multi_column_statistics テーブルに格納されます。クエリを実行すると、以下のような情報が返されます：

mysql> select * from _statistics_.multi_column_statistics \G
*************************** 1. row ***************************
    table_id: 1695021
  column_ids: 0#1
       db_id: 110099
  table_name: db.test_multi_col_stats
column_names: id,name
         ndv: 11
 update_time: 2025-04-11 15:09:50

収集タイプと方法

テーブル内のデータサイズとデータ分布は常に変化します。統計情報はデータの変化を表すために定期的に更新する必要があります。統計収集タスクを作成する前に、ビジネス要件に最も適した収集タイプと方法を選択する必要があります。

StarRocks は完全収集とサンプル収集をサポートしており、どちらも自動および手動で実行できます。デフォルトでは、StarRocks はテーブルの完全統計を自動的に収集します。データ更新を 5 分ごとにチェックします。データの変化が検出されると、データ収集が自動的にトリガーされます。自動完全収集を使用したくない場合は、収集タスクをカスタマイズできます。

収集タイプ	収集方法	説明	利点と欠点
完全収集	自動/手動	テーブル全体をスキャンして統計を収集します。統計はパーティションごとに収集されます。パーティションにデータの変化がない場合、このパーティションからデータは収集されず、リソース消費が削減されます。完全統計は _statistics_.column_statistics テーブルに保存されます。	利点: 統計が正確であり、CBO が正確な推定を行うのに役立ちます。欠点: システムリソースを消費し、遅いです。2.5 以降、StarRocks は自動収集期間を指定でき、リソース消費を削減します。
サンプル収集	自動/手動	テーブルの各パーティションから N 行のデータを均等に抽出します。統計はテーブルごとに収集されます。各列の基本統計は 1 つのレコードとして保存されます。列のカーディナリティ情報 (ndv) はサンプルデータに基づいて推定され、正確ではありません。サンプル統計は _statistics_.table_statistic_v1 テーブルに保存されます。	利点: システムリソースを消費せず、速いです。欠点: 統計が完全ではなく、コスト推定の正確性に影響を与える可能性があります。

v3.5.0 以降、サンプリング統計量と完全収集統計量の両方が _statistics_.column_statistics テーブルに格納されるようになった。これは、現在のオプティマイザがカーディナリティ推定において直近に収集された統計情報に注目する一方で、バックグラウンドが自動的に統計情報を収集するたびに、テーブルの健全性の状態が異なるために異なる収集方法を使用する可能性があるためである。データスキューがある場合、完全テーブルの統計情報のサンプリング誤差が大きくなり、同じクエリでも収集方法が異なるために異なる統計情報が使用され、オプティマイザが誤った実行計画を生成する可能性があります。そのため、サンプル・コレクションとフル・コレクションはいずれも、パーティション・レベルで統計情報を収集することを前提としています。FEの設定項目 statistic_use_meta_statistics を false に変更することで、以前の収集方法と保存方法に合わせることができます。

Predicate Column

v3.5.0以降、StarRocks は Predicate Column 統計の収集をサポートしています。

Predicate Column とは、クエリのフィルタ条件（WHERE句、JOIN条件、GROUP BY列、DISTINCT列）としてよく使用される列のことです。StarRocks は、クエリに関係するテーブルの各述語列を自動的に記録し、_statistics_. predicate_columns テーブルに格納します。クエリは以下を返します：

select * from _statistics_.predicate_columns \G
*************************** 1. row ***************************
      fe_id: 127.0.0.1_9011_1735874871718
      db_id: 1684773
   table_id: 1685786
  column_id: 1
      usage: normal,predicate,join,group_by
  last_used: 2025-04-11 20:39:32
    created: 2025-04-11 20:39:53

また、information_schema.column_stats_usage ビューにクエリを実行することで、より観測可能な情報を得ることができます。極端なシナリオ（列数が多い）では、完全な収集には大きなオーバーヘッドが発生します。一方、現実には、安定したワークロードでは、すべての列の統計情報は必要なく、いくつかのキーとなる Filter、Join、Aggregation に関係する列のみの統計情報が必要になることがよくあります。そのため、StarRocks では、コストと精度を比較するために、Predicate Column の統計情報を手動で収集することと、統計情報を自動収集する際にポリシーに従って Predicate Column の統計情報を収集し、テーブル内のすべての列の統計情報を収集しないことをサポートしています。クラスタ内の各 FE ノードは定期的にFEキャッシュに述語列情報を同期更新し、利用を高速化します。

統計情報を収集する

StarRocks は柔軟な統計収集方法を提供します。自動、手動、またはカスタム収集のいずれかを選択し、ビジネスシナリオに適した方法を選択できます。

デフォルトでは、 StarRocks は定期的にテーブルの全統計を自動的に収集します。デフォルトの間隔は 10 分です。データの更新率が条件を満たしていることをシステムが検知すると、自動的に収集が開始されます。完全な統計情報の収集は、多くのシステムリソースを消費する可能性があります。完全な統計情報の自動収集を使用したくない場合は、FEの設定項目 enable_collect_full_statistic を false に設定すると、定期的な収集タスクが完全な統計情報の収集からサンプリング収集に変更されます。

v3.5.0 以降、StarRocks は自動収集中に、テーブルのデータが前回の収集から現在のテーブルまで大きく変化していることが判明した場合、自動的に完全収集をサンプル収集に変更します。サンプル収集が使用されている場合、テーブル内に Predicate Column（PREDICATE/JOIN/GROUP BY/DISTINCT）があると、StarRocks はサンプル収集タスクを完全コレクションに変換し、統計の正確性を確保するために Predicate Column の統計を収集します。テーブル内のすべての列の統計は収集されません。これはFEの設定項目 statistic_auto_collect_use_full_predicate_column_for_sample で設定できます。加えて、StarRocksは、テーブル内の列数がFE設定項目 statistic_auto_collect_predicate_columns_threshold を超えた場合、全列の完全収集から述語列の完全収集に切り替えます。

自動収集

基本統計については、StarRocks はデフォルトでテーブルの完全統計を自動的に収集し、手動操作を必要としません。統計が収集されていないテーブルについては、StarRocks はスケジューリング期間内に自動的に統計を収集します。統計が収集されたテーブルについては、StarRocks はテーブル内の総行数と変更された行数を更新し、この情報を定期的に保存して自動収集をトリガーするかどうかを判断します。ヒストグラムと複数列の共同統計は、現在の自動収集タスクでは捕捉されない。

2.4.5 以降、StarRocks は自動完全収集の収集期間を指定でき、自動完全収集によるクラスターのパフォーマンスの揺れを防ぎます。この期間は FE パラメータ statistic_auto_analyze_start_time と statistic_auto_analyze_end_time によって指定されます。

自動収集をトリガーする条件：

• 前回の統計収集以降、テーブルデータが変更されている。

• 収集時間が設定された収集期間の範囲内にある。（デフォルトの収集期間は終日です。）

• 前回の収集ジョブの更新時間がパーティションの最新の更新時間よりも早い。

• テーブル統計の健全性が指定されたしきい値（statistic_auto_collect_ratio）を下回っている。

統計の健全性を計算するための公式：

1. データが更新されたパーティションの数が 10 未満の場合、公式は 1 - (前回の収集以降に更新された行数/総行数) です。
2. データが更新されたパーティションの数が 10 以上の場合、公式は 1 - MIN(前回の収集以降に更新された行数/総行数, 前回の収集以降に更新されたパーティション数/総パーティション数) です。
3. v3.5.0以降、パーティションが健全かどうかを判断するために、StarRocksは統計情報の収集時間とデータ更新時間を比較しなくなりました。代わりに、パーティション更新行の比率を比較します。これは FE 構成項目 statistic_partition_health_v2_threshold で構成できます。また、FE 設定項目 statistic_partition_health_v2 を false に設定すると、以前のヘルスチェックの動作に戻ります。

さらに、StarRocks はテーブルサイズとテーブル更新頻度に基づいて収集ポリシーを設定できます：

• データ量が少ないテーブルの場合、**統計はリアルタイムで制限なく収集されます。テーブルデータが頻繁に更新されていても、statistic_auto_collect_small_table_size パラメータを使用してテーブルが小さいか大きいかを判断できます。また、statistic_auto_collect_small_table_interval を使用して小さいテーブルの収集間隔を設定できます。

• データ量が多いテーブルの場合、以下の制限が適用されます：

  • デフォルトの収集間隔は 12 時間以上であり、statistic_auto_collect_large_table_interval を使用して設定できます。

  • 収集間隔が満たされ、統計の健全性が自動サンプル収集のしきい値 (statistic_auto_collect_sample_threshold) より低い場合、サンプル収集がトリガされます。この動作は、FEの設定項目 statistic_auto_collect_sample_threshold を使用して設定できます。v3.5.0以降では、以下の条件をすべて満たすと、サンプル収集は Predicate Column のフル収集に変換されます：

    • Predicate Column がテーブルに存在し、Predicate Column の数が statistic_auto_collect_max_predicate_column_size_on_sample_strategy よりも少ない。
    • FE 設定 statistic_auto_collect_use_full_predicate_column_for_sample が true に設定されている。

  • 収集間隔が満たされ、統計の健全性が自動サンプル収集のしきい値 (statistic_auto_collect_sample_threshold) より高く、自動収集のしきい値 (statistic_auto_collect_ratio) より低い場合、フル収集がトリガーされる。

  • 収集間隔が満たされ、統計の健全性が自動サンプル収集のしきい値（statistic_auto_collect_sample_threshold）を上回り、自動収集のしきい値（statistic_auto_collect_ratio）を下回っている場合、完全収集がトリガーされます。

  • データを収集するパーティションのサイズ（statistic_max_full_collect_data_size）が 100 GB を超える場合、サンプル収集がトリガーされます。

  • 更新時間が前回の収集タスクの時間よりも遅いパーティションのみの統計が収集されます。データに変更がないパーティションの統計は収集されません。

• Predicate Column を持つテーブルで、カラムの総数が statistic_auto_collect_predicate_columns_threshold を超える場合、統計情報はテーブルの Predicate Column に対してのみ収集されます。

ヒント

テーブルのデータが変更された後、このテーブルのサンプル収集タスクを手動でトリガーすると、サンプル収集タスクの更新時間がデータ更新時間よりも遅くなり、このスケジューリング期間内にこのテーブルの自動完全収集がトリガーされません。

自動完全収集はデフォルトで有効になっており、システムがデフォルト設定を使用して実行します。

以下の表はデフォルト設定を示しています。これらを変更する必要がある場合は、ADMIN SET CONFIG コマンドを実行してください。

FE 設定項目	タイプ	デフォルト値	説明
enable_statistic_collect	BOOLEAN	TRUE	統計を収集するかどうか。このスイッチはデフォルトでオンになっています。
enable_collect_full_statistic	BOOLEAN	TRUE	自動完全収集を有効にするかどうか。このスイッチはデフォルトでオンになっています。
statistic_collect_interval_sec	LONG	300	自動収集中のデータ更新をチェックする間隔。単位：秒。
statistic_auto_analyze_start_time	STRING	00:00:00	自動収集の開始時間。値の範囲：00:00:00 - 23:59:59。
statistic_auto_analyze_end_time	STRING	23:59:59	自動収集の終了時間。値の範囲：00:00:00 - 23:59:59。
statistic_auto_collect_small_table_size	LONG	5368709120	自動完全収集のためにテーブルが小さいか大きいかを判断するしきい値。この値を超えるサイズのテーブルは大きいテーブルと見なされ、この値以下のサイズのテーブルは小さいテーブルと見なされます。単位：バイト。デフォルト値：5368709120 (5 GB)。
statistic_auto_collect_small_table_interval	LONG	0	小さいテーブルの完全統計を自動的に収集する間隔。単位：秒。
statistic_auto_collect_large_table_interval	LONG	43200	大きいテーブルの完全統計を自動的に収集する間隔。単位：秒。デフォルト値：43200 (12 時間)。
statistic_auto_collect_ratio	FLOAT	0.8	自動収集の統計が健全かどうかを判断するしきい値。統計の健全性がこのしきい値を下回る場合、自動収集がトリガーされます。
statistic_auto_collect_sample_threshold	DOUBLE	0.3	自動サンプル収集をトリガーするための統計の健全性のしきい値。統計の健全性がこのしきい値を下回る場合、自動サンプル収集がトリガーされます。
statistic_max_full_collect_data_size	LONG	107374182400	自動収集のためにデータを収集するパーティションのデータサイズ。単位：バイト。デフォルト値：107374182400 (100 GB)。データサイズがこの値を超える場合、完全収集は破棄され、サンプル収集が代わりに実行されます。
statistic_full_collect_buffer	LONG	20971520	自動収集タスクによって占有される最大バッファサイズ。単位：バイト。デフォルト値：20971520 (20 MB)。
statistic_collect_max_row_count_per_query	INT	5000000000	単一の分析タスクでクエリする最大行数。この値を超える場合、分析タスクは複数のクエリに分割されます。
statistic_collect_too_many_version_sleep	LONG	600000	収集タスクが実行されるテーブルにデータバージョンが多すぎる場合の自動収集タスクのスリープ時間。単位：ミリ秒。デフォルト値：600000 (10 分)。
statistic_auto_collect_use_full_predicate_column_for_sample	BOOLEAN	TRUE	自動フル収集タスクがサンプル収集ポリシーに当たったときに、Predicate Column のフル収集に変換するかどうか。
statistic_auto_collect_max_predicate_column_size_on_sample_strategy	INT	16	自動フル収集タスクがサンプル収集ポリシーに当たったとき、テーブルに異常に多くのPredicate Columnがあり、この設定項目を超えた場合、タスクはPredicate Columnのフル収集に切り替わらず、すべての列のサンプル収集に維持されます。この設定項目は、この動作のためのPredicate Columnの最大値を制御します。
statistic_auto_collect_predicate_columns_threshold	INT	32	自動収集中にテーブルの列数がこの設定を超えた場合、Predicate Columnの列統計のみが収集されます。
statistic_predicate_columns_persist_interval_sec	LONG	60	FE が Predicate Column の統計情報を同期し、永続化する間隔。
statistic_predicate_columns_ttl_hours	LONG	24	FE にキャッシュされた Predicate Column の TTL（時間）。vacuum が古いデータを削除。負の値で vacuum を無効化。
enable_predicate_columns_collection	BOOLEAN	TRUE	Predicate Column の収集を有効にするかどうか。無効にすると、クエリ最適化中に Predicate Column が記録されません。
enable_manual_collect_array_ndv	BOOLEAN	FALSE	ARRAY タイプの NDV 情報の手動収集を有効にするかどうか。
enable_auto_collect_array_ndv	BOOLEAN	FALSE	ARRAY タイプの NDV 情報の自動収集を有効にするかどうか。

統計収集の大部分は自動ジョブに依存できますが、特定の要件がある場合は、ANALYZE TABLE ステートメントを実行して手動でタスクを作成するか、CREATE ANALYZE ステートメントを実行して自動タスクをカスタマイズできます。

手動収集

ANALYZE TABLE を使用して手動収集タスクを作成できます。デフォルトでは、手動収集は同期操作です。非同期操作に設定することもできます。非同期モードでは、ANALYZE TABLE を実行した後、システムはこのステートメントが成功したかどうかを即座に返します。ただし、収集タスクはバックグラウンドで実行され、結果を待つ必要はありません。SHOW ANALYZE STATUS を実行してタスクのステータスを確認できます。非同期収集はデータ量の多いテーブルに適しており、同期収集はデータ量の少ないテーブルに適しています。手動収集タスクは作成後に一度だけ実行されます。手動収集タスクを削除する必要はありません。 対応するテーブルに対して INSERT および SELECT 権限を持っている必要があります。

基本統計を手動で収集する

ANALYZE [FULL|SAMPLE] TABLE tbl_name 
    [( col_name [, col_name]... )
    | col_name [, col_name]...
    | ALL COLUMNS
    | PREDICATE COLUMNS
    | MULTIPLE COLUMNS ( col_name [, col_name]... )]
[PARTITION (partition_name [, partition_name]...)]
[WITH [SYNC | ASYNC] MODE]
[PROPERTIES (property [, property]...)]

パラメータの説明：

• 収集タイプ

  • FULL: 完全収集を示します。
  • SAMPLE: サンプル収集を示します。
  • 収集タイプが指定されていない場合、デフォルトで完全収集が使用されます。

• 統計情報を収集するカラムの型：

  • col_name： 統計情報を収集する列。複数の列はカンマ (,) で区切る。このパラメータが指定されない場合は、テーブル全体が収集される。
  • ALL COLUMNS： すべての列から統計情報を収集する。v3.5.0 からサポートされている。
  • PREDICATE COLUMNS：Predicate Column のみから統計情報を収集する。ネイティブテーブルでは v3.5.0 から、Hive、Iceberg、Hudi、ODPS、Delta Lake、Paimon を含む分析可能な外部テーブルでは v4.1.4 からサポートされている。
  • MULTIPLE COLUMNS：指定した複数の列から共同の統計情報を収集する。現在のところ、複数列の手動同期収集のみがサポートされている。手動で統計情報を収集する列の数は statistics_max_multi_column_combined_num を超えることはできず、デフォルト値は 10 である。v3.5.0 からサポートされている。

• WITH SYNC | ASYNC MODE: 手動収集タスクを同期モードまたは非同期モードで実行するかどうか。指定しない場合、デフォルトで同期収集が使用されます。

• PROPERTIES: カスタムパラメータ。PROPERTIES が指定されていない場合、fe.conf ファイルのデフォルト設定が使用されます。実際に使用されるプロパティは、SHOW ANALYZE STATUS の出力の Properties 列で確認できます。

PROPERTIES	タイプ	デフォルト値	説明
statistic_sample_collect_rows	INT	200000	サンプル収集のために収集する最小行数。パラメータ値がテーブルの実際の行数を超える場合、完全収集が実行されます。

例

手動完全収集

-- デフォルト設定を使用してテーブルの完全統計を手動で収集します。
ANALYZE TABLE tbl_name;

-- デフォルト設定を使用してテーブルの完全統計を手動で収集します。
ANALYZE FULL TABLE tbl_name;

-- デフォルト設定を使用してテーブル内の指定された列の統計を手動で収集します。
ANALYZE TABLE tbl_name(c1, c2, c3);

手動サンプル収集

-- デフォルト設定を使用してテーブルの部分統計を手動で収集します。
ANALYZE SAMPLE TABLE tbl_name;

-- 収集する行数を指定して、テーブル内の指定された列の統計を手動で収集します。
ANALYZE SAMPLE TABLE tbl_name (v1, v2, v3) PROPERTIES(
    "statistic_sample_collect_rows" = "1000000"
);

• 複数列のジョイント手動収集

-- 複数列ジョイントの手動サンプル収集
ANALYZE SAMPLE TABLE tbl_name MULTIPLE COLUMNS (v1, v2);

-- 複数列ジョイントの手動フル収集
ANALYZE FULL TABLE tbl_name MULTIPLE COLUMNS (v1, v2);

• Predicate Column 手動収集

-- Predicate Column の手動サンプル収集
ANALYZE SAMPLE TABLE tbl_name PREDICATE COLUMNS

-- Predicate Column の手動フル収集
ANALYZE FULL TABLE tbl_name PREDICATE COLUMNS

ヒストグラムを手動で収集する

ANALYZE TABLE tbl_name UPDATE HISTOGRAM ON col_name [, col_name]
[WITH SYNC | ASYNC MODE]
[WITH N BUCKETS]
[PROPERTIES (property [,property])]

パラメータの説明：

• col_name: 統計を収集する列。複数の列をカンマ（,）で区切ります。このパラメータが指定されていない場合、テーブル全体が収集されます。ヒストグラムにはこのパラメータが必要です。

• WITH SYNC | ASYNC MODE: 手動収集タスクを同期モードまたは非同期モードで実行するかどうか。指定しない場合、デフォルトで同期収集が使用されます。

• WITH N BUCKETS: ヒストグラム収集のためのバケット数 N。指定しない場合、fe.conf のデフォルト値が使用されます。

• PROPERTIES: カスタムパラメータ。PROPERTIES が指定されていない場合、fe.conf のデフォルト設定が使用されます。

PROPERTIES	タイプ	デフォルト値	説明
statistic_sample_collect_rows	INT	200000	収集する最小行数。パラメータ値がテーブルの実際の行数を超える場合、完全収集が実行されます。
histogram_buckets_size	LONG	64	ヒストグラムのデフォルトバケット数。
histogram_mcv_size	INT	100	ヒストグラムの最も一般的な値 (MCV) の数。
histogram_sample_ratio	FLOAT	0.1	ヒストグラムのサンプリング比率。
histogram_max_sample_row_count	LONG	10000000	ヒストグラムのために収集する最大行数。
histogram_collect_bucket_ndv_mode	STRING	none	ヒストグラムバケットごとの重複排除カウント (NDV) を推定するモード。none (デフォルト、重複排除カウントは収集されません)、hll (HyperLogLog を使用して正確に推定)、または sample (低オーバーヘッドのサンプルベースの推定器を使用)。

ヒストグラムのために収集する行数は、複数のパラメータによって制御されます。それは statistic_sample_collect_rows とテーブル行数 * histogram_sample_ratio の間の大きい値です。この数は histogram_max_sample_row_count で指定された値を超えることはできません。値を超えた場合、histogram_max_sample_row_count が優先されます。

実際に使用されるプロパティは、SHOW ANALYZE STATUS の出力の Properties 列で確認できます。

例

-- デフォルト設定を使用して v1 にヒストグラムを手動で収集します。
ANALYZE TABLE tbl_name UPDATE HISTOGRAM ON v1;

-- 32 バケット、32 MCV、および 50% のサンプリング比率で v1 と v2 にヒストグラムを手動で収集します。
ANALYZE TABLE tbl_name UPDATE HISTOGRAM ON v1,v2 WITH 32 BUCKETS 
PROPERTIES(
   "histogram_mcv_size" = "32",
   "histogram_sample_ratio" = "0.5"
);

-- v3 のヒストグラムを 'hll' モードで収集し、バケットごとの重複排除カウントを正確に推定します。
ANALYZE TABLE tbl_name UPDATE HISTOGRAM ON v3
PROPERTIES(
   "histogram_collect_bucket_ndv_mode" = "hll"
);

カスタム収集

自動収集タスクをカスタマイズする

StarRocks が提供するデフォルトの収集タスクは、すべてのデータベースとすべてのテーブルについて、ポリシーに従って自動的に統計を収集しますので、デフォルトでは、カスタムの収集タスクを作成する必要はありません。

自動収集タスクをカスタマイズしたい場合は、CREATE ANALYZE ステートメントを使用して作成する必要があります。収集タスクを作成するには、収集するテーブルの INSERT 権限と SELECT 権限が必要です。

-- すべてのデータベースの統計を自動的に収集します。
CREATE ANALYZE [FULL|SAMPLE] ALL [PROPERTIES (property [,property])]

-- データベース内のすべてのテーブルの統計を自動的に収集します。
CREATE ANALYZE [FULL|SAMPLE] DATABASE db_name
[PROPERTIES (property [,property])]

-- テーブル内の指定された列の統計を自動的に収集します。
CREATE ANALYZE [FULL|SAMPLE] TABLE tbl_name (col_name [,col_name])
[PROPERTIES (property [,property])]

-- テーブル内の指定された列のヒストグラムを自動的に収集します。
CREATE ANALYZE TABLE tbl_name UPDATE HISTOGRAM ON col_name [, col_name]
[WITH SYNC | ASYNC MODE]
[WITH N BUCKETS]
[PROPERTIES (property [,property])]

パラメータの説明：

• 収集タイプ

  • FULL: 完全収集を示します。
  • SAMPLE: サンプル収集を示します。
  • 収集タイプが指定されていない場合、デフォルトでサンプル収集が使用されます。

• col_name: 統計を収集する列。複数の列をカンマ（,）で区切ります。このパラメータが指定されていない場合、テーブル全体が収集されます。

• PROPERTIES: カスタムパラメータ。PROPERTIES が指定されていない場合、fe.conf のデフォルト設定が使用されます。

PROPERTIES	タイプ	デフォルト値	説明
statistic_auto_collect_ratio	FLOAT	0.8	自動収集の統計が健全かどうかを判断するしきい値。統計の健全性がこのしきい値を下回る場合、自動収集がトリガーされます。
statistic_sample_collect_rows	INT	200000	収集する最小行数。パラメータ値がテーブルの実際の行数を超える場合、完全収集が実行されます。
statistic_exclude_pattern	String	null	ジョブで除外する必要があるデータベースまたはテーブルの名前。ジョブで統計を収集しないデータベースとテーブルを指定できます。これは正規表現パターンであり、マッチする内容は database.table です。
statistic_auto_collect_interval	LONG	0	自動収集の間隔。単位：秒。デフォルトでは、StarRocks はテーブルサイズに基づいて statistic_auto_collect_small_table_interval または statistic_auto_collect_large_table_interval を収集間隔として選択します。分析ジョブを作成する際に statistic_auto_collect_interval プロパティを指定した場合、この設定が statistic_auto_collect_small_table_interval および statistic_auto_collect_large_table_interval より優先されます。

例

自動完全収集

-- すべてのデータベースの完全統計を自動的に収集します。
CREATE ANALYZE ALL;

-- データベースの完全統計を自動的に収集します。
CREATE ANALYZE DATABASE db_name;

-- データベース内のすべてのテーブルの完全統計を自動的に収集します。
CREATE ANALYZE FULL DATABASE db_name;

-- テーブル内の指定された列の完全統計を自動的に収集します。
CREATE ANALYZE TABLE tbl_name(c1, c2, c3); 

-- 指定されたデータベース 'db_name' を除外して、すべてのデータベースの統計を自動的に収集します。
CREATE ANALYZE ALL PROPERTIES (
   "statistic_exclude_pattern" = "db_name\."
);

-- 指定されたデータベース、テーブル、列のヒストグラムを自動的に収集します。
CREATE ANALYZE TABLE tbl_name UPDATE HISTOGRAM ON c1,c2;

自動サンプル収集

-- デフォルト設定を使用してデータベース内のすべてのテーブルの統計を自動的に収集します。
CREATE ANALYZE SAMPLE DATABASE db_name;

-- 指定されたテーブル 'db_name.tbl_name' を除外して、データベース内のすべてのテーブルの統計を自動的に収集します。
CREATE ANALYZE SAMPLE DATABASE db_name PROPERTIES (
   "statistic_exclude_pattern" = "db_name.tbl_name"
);

-- 統計の健全性と収集する行数を指定して、テーブル内の指定された列の統計を自動的に収集します。
CREATE ANALYZE SAMPLE TABLE tbl_name(c1, c2, c3) PROPERTIES (
   "statistic_auto_collect_ratio" = "0.5",
   "statistic_sample_collect_rows" = "1000000"
);

StarRocks が提供する自動収集タスクのかわりに、db_name.tbl_name テーブルを収集しないユーザー定義収集タスクを使用します。

ADMIN SET FRONTEND CONFIG("enable_auto_collect_statistics"="false");
DROP ALL ANALYZE JOB;
CREATE ANALYZE FULL ALL db_name PROPERTIES (
   "statistic_exclude_pattern" = "db_name.tbl_name"
);

データロード中に統計情報を収集する

データロード直後のクエリに対する適切な実行計画を保証するために、StarRocks は INSERT INTO/OVERWRITE DML ステートメントの終了時に非同期統計収集タスクをトリガさせ、デフォルトでは DML 終了後 30 秒間待機します。統計収集タスクが 30 秒以内に終了しない場合は、DML の実行結果が返されます。

INSERT INTO

• 統計情報の収集は、パーティションへのデータの最初のロードに対してのみ行われます。
• このロードの行数が statistic_sample_collect_rows より大きい場合、サンプル収集タスクが起動され、そうでない場合は完全収集が使用される。

INSERT OVERWRITE

• OVERWRITE 前後の行数の変化の比率が statistic_sample_collect_ratio_threshold_of_first_load より小さい場合、統計情報収集タスクは起動されない。
• この OVERWRITE 操作の行数が statistic_sample_collect_rows より大きい場合、サンプル収集タスクが起動され、そうでない場合は完全収集が使用される。

以下のプロパティ(PROPERTIES)は、データロード用にカスタマイズされた収集タスクを作成するために使用される。設定されていない場合は、対応する FE 設定項目の値が使用されます。

PROPERTIES	タイプ	デフォルト	説明
enable_statistic_collect_on_first_load	BOOLEAN	TRUE	INSERT INTO/OVERWRITE実行後に統計収集タスクを起動するかどうか。
semi_sync_collect_statistic_await_seconds	LONG	30	結果を返すまでに統計が収集されるのを待つ最大時間。
statistic_sample_collect_ratio_threshold_of_first_load	DOUBLE	0.1	統計収集タスクをトリガしないOVERWRITE操作におけるデータ変更の比率。
statistic_sample_collect_rows	LONG	200000	DML ステートメントによってロードされたデータ行の合計がこの値を超えると、サンプリング収集が統計収集に使用される。

カスタム収集タスクを表示する

SHOW ANALYZE JOB [WHERE predicate][ORDER BY columns][LIMIT num]

WHERE 句を使用して結果をフィルタリングできます。このステートメントは次の列を返します。

列名	説明
Id	収集タスクの ID。
Database	データベース名。
Table	テーブル名。
Columns	列名。
Type	統計のタイプ。FULL および SAMPLE を含みます。
Schedule	スケジューリングのタイプ。自動タスクの場合は SCHEDULE です。
Properties	カスタムパラメータ。
Status	タスクのステータス。PENDING、RUNNING、SUCCESS、FAILED を含みます。
LastWorkTime	最後の収集の時間。
Reason	タスクが失敗した理由。タスクの実行が成功した場合は NULL が返されます。

例

-- すべてのカスタム収集タスクを表示します。
SHOW ANALYZE JOB

-- データベース `test` のカスタム収集タスクを表示します。
SHOW ANALYZE JOB where `database` = 'test';

カスタム収集タスクを削除する

DROP ANALYZE <ID>
| DROP ALL ANALYZE JOB

タスク ID は SHOW ANALYZE JOB ステートメントを使用して取得できます。

例

DROP ANALYZE 266030;

DROP ALL ANALYZE JOB;

収集タスクのステータスを表示する

SHOW ANALYZE STATUS ステートメントを実行して、現在のすべてのタスクのステータスを表示できます。このステートメントはカスタム収集タスクのステータスを表示するためには使用できません。カスタム収集タスクのステータスを表示するには、SHOW ANALYZE JOB を使用してください。

SHOW ANALYZE STATUS [WHERE predicate];

LIKE または WHERE を使用して返す情報をフィルタリングできます。

このステートメントは次の列を返します。

リスト名	説明
Id	収集タスクの ID。
Database	データベース名。
Table	テーブル名。
Columns	列名。
Type	統計のタイプ。FULL、SAMPLE、HISTOGRAM を含みます。
Schedule	スケジューリングのタイプ。ONCE は手動、SCHEDULE は自動を意味します。
Status	タスクのステータス。
StartTime	タスクが実行を開始した時間。
EndTime	タスクの実行が終了した時間。
Properties	カスタムパラメータ。
Reason	タスクが失敗した理由。実行が成功した場合は NULL が返されます。

統計情報を表示する

基本統計のメタデータを表示する

SHOW STATS META [WHERE predicate][ORDER BY columns][LIMIT num]

このステートメントは次の列を返します。

列名	説明
Database	データベース名。
Table	テーブル名。
Columns	列名。
Type	統計のタイプ。FULL は完全収集、SAMPLE はサンプル収集を意味します。
UpdateTime	現在のテーブルの最新の統計更新時間。
Properties	カスタムパラメータ。
Healthy	統計情報の健全性。
ColumnStats	列の ANALYZE タイプ。
TabletStatsReportTime	テーブルの Tablet メタデータが FE で更新された時間。
TableHealthyMetrics	統計情報における健全性の指標。
TableUpdateTime	テーブルが更新された時間。

ヒストグラムのメタデータを表示する

SHOW HISTOGRAM META [WHERE predicate]

このステートメントは次の列を返します。

列名	説明
Database	データベース名。
Table	テーブル名。
Column	列。
Type	統計のタイプ。ヒストグラムの場合は値は HISTOGRAM です。
UpdateTime	現在のテーブルの最新の統計更新時間。
Properties	カスタムパラメータ。

統計情報を削除する

不要な統計情報を削除できます。統計を削除すると、統計のデータとメタデータ、および期限切れのキャッシュ内の統計が削除されます。自動収集タスクが進行中の場合、以前に削除された統計が再び収集される可能性があることに注意してください。収集タスクの履歴を表示するには、SHOW ANALYZE STATUS を使用できます。

基本統計を削除する

以下のステートメントはdefault_catalog._statistics_.column_statisticsテーブルに格納されている統計情報を削除し、FEによってキャッシュされた対応するテーブル統計情報も無効になります。v3.5.0以降、このステートメントはこのテーブルの複数列のジョイント統計も削除します。

DROP STATS tbl_name

以下のステートメントは、default_catalog._statistics_.multi_column_statisticsテーブルに格納されている複数列のジョイント統計情報を削除し、FEによってキャッシュされた対応するテーブルの複数列のジョイント統計情報も無効になります。このステートメントでは、テーブルの基本統計量は削除されません。

DROP MULTIPLE COLUMNS STATS tbl_name

ヒストグラムを削除する

ANALYZE TABLE tbl_name DROP HISTOGRAM ON col_name [, col_name]

収集タスクをキャンセルする

KILL ANALYZE ステートメントを使用して、実行中の 収集タスクをキャンセルできます。手動およびカスタムタスクを含みます。

KILL ANALYZE <ID>

手動収集タスクのタスク ID は SHOW ANALYZE STATUS から取得できます。カスタム収集タスクのタスク ID は SHOW ANALYZE JOB から取得できます。

その他の FE 設定項目

FE 設定項目	タイプ	デフォルト値	説明
statistic_manager_sleep_time_sec	LONG	60	メタデータがスケジュールされる間隔。単位：秒。システムはこの間隔に基づいて次の操作を実行します：統計を保存するテーブルを作成します。削除された統計を削除します。期限切れの統計を削除します。
statistic_analyze_status_keep_second	LONG	259200	収集タスクの履歴を保持する期間。単位：秒。デフォルト値：259200 (3 日)。

セッション変数

statistic_collect_parallel: BEs で実行できる統計収集タスクの並行性を調整するために使用されます。デフォルト値：1。この値を増やして収集タスクを高速化できます。

外部テーブルの統計情報を収集する

v3.2.0 以降、StarRocks は Hive、Iceberg、Hudi テーブルの統計情報の収集をサポートしています。構文は StarRocks 内部テーブルの収集と似ています。ただし、手動完全収集、手動ヒストグラム収集（v3.2.7 以降）、および自動完全収集のみがサポートされています。 v3.3.0 以降、StarRocks は Delta Lake テーブルの統計情報と STRUCT のサブフィールドの統計情報の収集をサポートしています。v3.4.0 以降、StarRocks はクエリトリガーによる ANALYZE タスクを介した自動統計収集をサポートしています。v3.4.0以降、StarRocks では外部テーブルに対する手動サンプル収集（ANALYZE TABLE ... SAMPLE）もサポートされています。ヒストグラムの収集は、現時点では Hive 外部テーブルでのみサポートされています。

収集された統計情報は default_catalog の _statistics_ の external_column_statistics テーブルに保存されます。Hive Metastore には保存されず、他の検索エンジンと共有することはできません。Hive/Iceberg/Hudi テーブルの統計情報が収集されているかどうかを確認するために、default_catalog._statistics_.external_column_statistics テーブルからデータをクエリできます。

以下は external_column_statistics から統計データをクエリする例です。

SELECT * FROM _statistics_.external_column_statistics\G
*************************** 1. row ***************************
    table_uuid: hive_catalog.tn_test.ex_hive_tbl.1673596430
partition_name: 
   column_name: k1
  catalog_name: hive_catalog
       db_name: tn_test
    table_name: ex_hive_tbl
     row_count: 3
     data_size: 12
           ndv: NULL
    null_count: 0
           max: 3
           min: 2
   update_time: 2023-12-01 14:57:27.137000

制限

外部テーブルの統計情報を収集する際には、以下の制限が適用されます：

• Hive、Iceberg、Hudi、および Delta Lake（v3.3.0 以降）テーブルの統計情報のみを収集できます。
• サポートされているのは、手動フル収集、手動ヒストグラム収集（v3.2.7 以降）、自動フル収集、クエリによる収集（v3.4.0 以降）、および手動サンプル収集（v3.4.0 以降）のみです。ヒストグラム収集は、Hive 外部テーブルでのみサポートされています。
• システムが完全統計を自動的に収集するには、Analyze ジョブを作成する必要があります。これは、StarRocks 内部テーブルの統計を収集する場合とは異なり、システムがデフォルトでバックグラウンドで行います。
• 自動収集タスクの場合：
  • 特定のテーブルの統計情報のみを収集できます。データベース内のすべてのテーブルの統計情報や外部カタログ内のすべてのデータベースの統計情報を収集することはできません。
  • StarRocks は Hive および Iceberg テーブルのデータが更新されたかどうかを検出し、更新されたパーティションのみの統計情報を収集します。StarRocks は Hudi テーブルのデータが更新されたかどうかを認識できず、定期的に完全収集を行います。
• クエリトリガー収集タスクの場合：
  • 現在、Leader FE ノードのみが ANALYZE タスクをトリガーできます。
  • システムは Hive および Iceberg テーブルのパーティション変更のみをチェックし、データが変更されたパーティションの統計情報のみを収集します。Delta Lake/Hudi テーブルの場合、システムはテーブル全体の統計情報を収集します。
  • Iceberg テーブルに Partition Transforms が適用されている場合、identity、year、month、day、hour タイプの Transforms のみ統計情報の収集がサポートされています。
  • Iceberg テーブルの Partition Evolution に関する統計情報の収集は、バージョン 4.0 以降でサポートされています。

以下の例は、Hive 外部カタログのデータベースで発生します。default_catalog から Hive テーブルの統計情報を収集したい場合は、テーブルを [catalog_name.][database_name.]<table_name> 形式で参照してください。

クエリトリガー収集

v3.4.0 以降、システムはクエリトリガーによる ANALYZE タスクを介して外部テーブルの自動統計収集をサポートしています。Hive、Iceberg、Hudi、または Delta Lake テーブルをクエリする際、システムはバックグラウンドで ANALYZE タスクを自動的にトリガーし、対応するテーブルと列の統計情報を収集し、後続のクエリプランの最適化に使用します。

ワークフロー：

1. オプティマイザが FE でキャッシュされた統計情報をクエリする際、クエリされたテーブルと列に基づいて ANALYZE タスクのオブジェクトを決定します（ANALYZE タスクはクエリに含まれる列の統計情報のみを収集します）。
2. システムはタスクオブジェクトを ANALYZE タスクとしてカプセル化し、PendingTaskQueue に追加します。
3. スケジューラースレッドは定期的に PendingTaskQueue からタスクを取得し、RunningTasksQueue に追加します。
4. ANALYZE タスクの実行中に、統計情報を収集して BE に書き込み、FE にキャッシュされた期限切れの統計情報をクリアします。

この機能はデフォルトで有効になっています。以下のシステム変数と設定項目で上記のプロセスを制御できます。

システム変数

enable_query_trigger_analyze

• デフォルト: true
• タイプ: Boolean
• 説明: クエリトリガー ANALYZE タスクを有効にするかどうか。
• 導入バージョン: v3.4.0

FE 設定

connector_table_query_trigger_analyze_small_table_rows

• デフォルト: 10000000
• タイプ: Int
• 単位: -
• 変更可能: はい
• 説明: クエリトリガー ANALYZE タスクのためにテーブルが小さいかどうかを判断するしきい値。
• 導入バージョン: v3.4.0

connector_table_query_trigger_analyze_small_table_interval

• デフォルト: 2 * 3600
• タイプ: Int
• 単位: 秒
• 変更可能: はい
• 説明: 小さいテーブルのクエリトリガー ANALYZE タスクの間隔。
• 導入バージョン: v3.4.0

connector_table_query_trigger_analyze_large_table_interval

• デフォルト: 12 * 3600
• タイプ: Int
• 単位: 秒
• 変更可能: はい
• 説明: 大きいテーブルのクエリトリガー ANALYZE タスクの間隔。
• 導入バージョン: v3.4.0

connector_table_query_trigger_analyze_max_pending_task_num

• デフォルト: 100
• タイプ: Int
• 単位: -
• 変更可能: はい
• 説明: FE 上で Pending 状態のクエリトリガー ANALYZE タスクの最大数。
• 導入バージョン: v3.4.0

connector_table_query_trigger_analyze_schedule_interval

• デフォルト: 30
• タイプ: Int
• 単位: 秒
• 変更可能: はい
• 説明: スケジューラースレッドがクエリトリガー ANALYZE タスクをスケジュールする間隔。
• 導入バージョン: v3.4.0

connector_table_query_trigger_analyze_max_running_task_num

• デフォルト: 2
• タイプ: Int
• 単位: -
• 変更可能: はい
• 説明: FE 上で Running 状態のクエリトリガー ANALYZE タスクの最大数。
• 導入バージョン: v3.4.0

手動収集

必要に応じて Analyze ジョブを作成でき、ジョブは作成後すぐに実行されます。

手動収集タスクを作成する

構文：

-- 手動完全収集
ANALYZE [FULL] TABLE tbl_name (col_name [,col_name])
[WITH SYNC | ASYNC MODE]
[PROPERTIES(property [,property])]

-- 手動ヒストグラム収集（v3.3.0 以降）
ANALYZE TABLE tbl_name UPDATE HISTOGRAM ON col_name [, col_name]
[WITH SYNC | ASYNC MODE]
[WITH N BUCKETS]
[PROPERTIES (property [,property])]

以下は手動完全収集の例です：

ANALYZE TABLE ex_hive_tbl(k1);
+----------------------------------+---------+----------+----------+
| Table                            | Op      | Msg_type | Msg_text |
+----------------------------------+---------+----------+----------+
| hive_catalog.tn_test.ex_hive_tbl | analyze | status   | OK       |
+----------------------------------+---------+----------+----------+

タスクのステータスを表示する

構文：

SHOW ANALYZE STATUS [LIKE | WHERE predicate]

例：

SHOW ANALYZE STATUS where `table` = 'ex_hive_tbl';
+-------+----------------------+-------------+---------+------+----------+---------+---------------------+---------------------+------------+--------+
| Id    | Database             | Table       | Columns | Type | Schedule | Status  | StartTime           | EndTime             | Properties | Reason |
+-------+----------------------+-------------+---------+------+----------+---------+---------------------+---------------------+------------+--------+
| 16400 | hive_catalog.tn_test | ex_hive_tbl | k1      | FULL | ONCE     | SUCCESS | 2023-12-04 16:31:42 | 2023-12-04 16:31:42 | {}         |        |
| 16465 | hive_catalog.tn_test | ex_hive_tbl | k1      | FULL | ONCE     | SUCCESS | 2023-12-04 16:37:35 | 2023-12-04 16:37:35 | {}         |        |
| 16467 | hive_catalog.tn_test | ex_hive_tbl | k1      | FULL | ONCE     | SUCCESS | 2023-12-04 16:37:46 | 2023-12-04 16:37:46 | {}         |        |
+-------+----------------------+-------------+---------+------+----------+---------+---------------------+---------------------+------------+--------+

統計のメタデータを表示する

構文：

SHOW STATS META [WHERE predicate]

例：

SHOW STATS META where `table` = 'ex_hive_tbl';
+----------------------+-------------+---------+------+---------------------+------------+---------+
| Database             | Table       | Columns | Type | UpdateTime          | Properties | Healthy |
+----------------------+-------------+---------+------+---------------------+------------+---------+
| hive_catalog.tn_test | ex_hive_tbl | k1      | FULL | 2023-12-04 16:37:46 | {}         |         |
+----------------------+-------------+---------+------+---------------------+------------+---------+

収集タスクをキャンセルする

実行中の収集タスクをキャンセルします。

構文：

KILL ANALYZE <ID>

タスク ID は SHOW ANALYZE STATUS の出力で確認できます。

自動収集

外部データソース内のテーブルの統計を自動的に収集するために、Analyze ジョブを作成できます。StarRocks はデフォルトのチェック間隔である 5 分ごとにタスクを実行するかどうかを自動的に確認します。Hive および Iceberg テーブルの場合、StarRocks はテーブル内のデータが更新された場合にのみ収集タスクを実行します。

ただし、Hudi テーブルのデータ変更は認識できず、StarRocks は指定したチェック間隔と収集間隔に基づいて定期的に統計を収集します。収集動作を制御するために次の FE 設定項目を指定できます：

• statistic_collect_interval_sec

  自動収集中のデータ更新をチェックする間隔。単位：秒。デフォルト：5 分。

• statistic_auto_collect_small_table_rows (v3.2 以降)

  外部データソース（Hive、Iceberg、Hudi）内のテーブルが自動収集中に小さいテーブルかどうかを判断するしきい値。デフォルト：10000000。

• statistic_auto_collect_small_table_interval

  小さいテーブルの統計を収集する間隔。単位：秒。デフォルト：0。

• statistic_auto_collect_large_table_interval

  大きいテーブルの統計を収集する間隔。単位：秒。デフォルト：43200 (12 時間)。

自動収集スレッドは statistic_collect_interval_sec で指定された間隔でデータ更新をチェックします。テーブル内の行数が statistic_auto_collect_small_table_rows 未満の場合、そのようなテーブルの統計を statistic_auto_collect_small_table_interval に基づいて収集します。

テーブル内の行数が statistic_auto_collect_small_table_rows を超える場合、そのようなテーブルの統計を statistic_auto_collect_large_table_interval に基づいて収集します。大きいテーブルの統計は、Last table update time + Collection interval > Current time の場合にのみ更新されます。これにより、大きいテーブルの頻繁な分析タスクが防止されます。

自動収集タスクを作成する

構文：

CREATE ANALYZE TABLE tbl_name (col_name [,col_name])
[PROPERTIES (property [,property])]

自動収集タスク専用の収集間隔を設定するために、プロパティ statistic_auto_collect_interval を指定できます。このタスクには FE 設定項目 statistic_auto_collect_small_table_interval および statistic_auto_collect_large_table_interval は適用されません。

例：

CREATE ANALYZE TABLE ex_hive_tbl (k1)
PROPERTIES ("statistic_auto_collect_interval" = "5");

Query OK, 0 rows affected (0.01 sec)

自動収集タスクのステータスを表示する

手動収集と同様です。

統計のメタデータを表示する

手動収集と同様です。

自動収集タスクを表示する

構文：

SHOW ANALYZE JOB [WHERE predicate]

例：

SHOW ANALYZE JOB WHERE `id` = '17204';

Empty set (0.00 sec)

収集タスクをキャンセルする

手動収集と同様です。

統計情報を削除する

DROP STATS tbl_name

参考文献

• FE 設定項目をクエリするには、ADMIN SHOW CONFIG を実行してください。

• FE 設定項目を変更するには、ADMIN SET CONFIG を実行してください。