改進大型“WHERE IN”SQL Server 查詢的統計資訊

目前，我正在嘗試執行以下範例查詢：

SELECT [DATA1], [DATA2] FROM TABLE WHERE
   [DIMENSION0] IN (1, 5, ... (possibly 10s of numbers)) AND
   [DIMENSION1] IN (5) AND
   [DIMENSION2] IN (10) AND
   [DIMENSION3] IN (48) AND
   [DIMENSION4] IN (1) AND
   [DIMENSION5] IN (1) AND
   [DIMENSION6] IN (8) AND
   [DIMENSION7] IN (1) AND
   [DIMENSION8] IN (52) AND
   [DIMENSION9] IN (1, 10, ... (possibly 100s of numbers)) AND
   [DIMENSION10] IN (1, 235, ... (possibly 1000s of numbers)) AND
   [DIMENSION11] IN (1)

該表如下所示；

D = 尺寸

[D0] [D1] [D2] [D3] [D4] [D5] [D6] [D7] [D8] [D9] [D10] [D11] [DATA1] [DATA2]

其中包含所有維度的聚集索引，並且可能包含數百萬條記錄。

當我通過 SSMS 執行此查詢時，我得到以下查詢計劃：

在這裡，它大大高估了它正在尋找的記錄數量，我相信這就是它執行如此緩慢的原因。

我已經更新了統計資訊，但這不是問題，所以我留下了查詢的問題。

我還能夠通過使用以下命令強制 SQL 並行執行來提高查詢速度：

OPTION(QUERYTRACEON 8649)

這會產生以下執行計劃：

這更快，但它仍然高估了行數。

我希望有人能夠幫助我理解為什麼這個估計值如此之高，以及我如何才能降低它。

聚集索引定義：

/****** Object:  Index [ClusteredIndex-20180726-083210]    Script Date: 
26/07/2018 09:47:58 ******/
CREATE UNIQUE CLUSTERED INDEX [ClusteredIndex-20180726-083210] ON 
[dbo].[TABLE]
(
[DIMENSION0] ASC,
[DIMENSION1] ASC,
[DIMENSION2] ASC,
[DIMENSION3] ASC,
[DIMENSION4] ASC,
[DIMENSION5] ASC,
[DIMENSION6] ASC,
[DIMENSION7] ASC,
[DIMENSION8] ASC,
[DIMENSION9] ASC,
[DIMENSION10] ASC,
[DIMENSION11] ASC,
)
WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, SORT_IN_TEMPDB = OFF, 
IGNORE_DUP_KEY = OFF, DROP_EXISTING = OFF, ONLINE = OFF, ALLOW_ROW_LOCKS = 
ON, ALLOW_PAGE_LOCKS = ON) ON [PRIMARY]

我對錶執行插入、更新和刪除。

我不能使用聚集列儲存索引，因為 Data2 列是varbinary(max). 我嘗試使用非聚集版本，但查詢計劃只使用聚集索引。

我確實用FULLSCAN. 有一些維度比其他維度受到更多打擊。我之前嘗試過聚集索引中維度的順序，但它仍然高估了行數。

帶計劃的完整查詢：https ://www.brentozar.com/pastetheplan/?id=HyLHtXDVX

我看到它的方式 - 問題是糟糕的 SQL，非常糟糕。

以。。開始：

$$ DIMENSION3 $$在 (48) 和

如果您有一個元素，則生成 Where，而不是 IN。

但更糟糕的是：

$$ DIMENSION10 $$IN (1, 235, … (可能是 1000 個數字)) AND

沒有關於 IN 的統計資訊，因此它最適用於較小的選擇。在這種情況下，最好用 STATISTICS 創建一個臨時表並在其中載入值，然後用某種子選擇替換 IN。這樣，查詢優化器實際上知道他所面臨的（在選擇性方面）並且可能決定以不同的方式接近。

否則有兩件事適合你；）

• 獲得體面的硬體；）然後可能在記憶體表中？
• 意識到分析服務是有原因的。

像這樣的查詢確實延伸了 SQL Server。雖然它取得了進展，但這正是分析伺服器多維數據集的用途。

引用自：https://dba.stackexchange.com/questions/213268