--- title: "直方图简介 | OceanBase 文档中心" description: 直方图简介 直方图是一种特殊类型的列统计信息，通过将数据保存到一系列有序的桶中来描述其列的数据分布特征，优化器可以依据直方图来估算出更准确的行数。 在默认情况下，优化器会认为列的数据是分布均匀的，之后会根据这一特征来进行行数估计，但是在真实的场景中，大多数表的数据分布都是不均匀的，这种情况就需要使用直方图。 在 Oc… --- 切换语言 - 中文站 - 简体中文 - International - English - 日本站 - 日本語 文档反馈![](https://mdn.alipayobjects.com/huamei_22khvb/afts/img/A*P8CuR4UJ_FkAAAAAAAAAAAAADiGDAQ/original) OceanBase 数据库分布式版 - V 3.2.4 企业版 LTS # 直方图简介 更新时间：2026-07-01 14:04:06 直方图是一种特殊类型的列统计信息，通过将数据保存到一系列有序的桶中来描述其列的数据分布特征，优化器可以依据直方图来估算出更准确的行数。 在默认情况下，优化器会认为列的数据是分布均匀的，之后会根据这一特征来进行行数估计，但是在真实的场景中，大多数表的数据分布都是不均匀的，这种情况就需要使用直方图。 在 OceanBase 数据库优化器中，列的直方图信息存储在内部表 `__all_histogram_stat_v2` 中，它包含了以下信息： - 直方图的基本信息（包括 `tenant_id`、`table_id`、`partition_id`、`column_id`） - 直方图的统计信息类型（信息级别分为 `GLOBAL`、`PARTITION` 和 `SUBPARTITION`） - 直方图中每个桶累积的数据量（包含当前桶及其之前的桶的总和） - 直方图中每个桶里面的最大的 Value 值 - 直方图中每个桶里面的最大 Value 值的频次 ## 直方图的类型 OceanBase 数据库优化器支持三种直方图：频率直方图、Topk 直方图和混合直方图。 在频率直方图中，每个不同的列值对应于直方图的单个桶，要求指定的桶的个数不低于列的 NDV 值。 Topk 直方图是频率直方图的变体，基于 Lossy Counting 算法，通过取部分数据特征来估算整体的数据分布，要求它所记录的数据数与总数据数的比例不低于 `1-(1/bucket_size)`。 混合直方图主要通过采集指定的的数据量进行直方图构建，是对频率直方图和 Topk 直方图的功能补充。 ### 频率直方图 在频率直方图中，每个不同的列值对应于直方图的单个桶。因为每个值都有自己的专用桶，所以一些桶可能有很多值，而另一些则很少。频率直方图的类比是对硬币进行分类，例如一个钱袋里面一共有 4 种不同面值（0.1 元、0.2 元、0.5 元、1 元）的 20 枚硬币，我们按照分类将所有 0.1 元的硬币放在第一个桶，所有 0.2 元的硬币放在第二个桶，所有 0.5 元的硬币放在第三个桶，所有 1 元的硬币放在第四个桶，所得到如下频率直方图，综合频率直方图的特性，要求指定的桶的个数不低于列的 NDV 值。 ![fre_histogram](https://obbusiness-private.oss-cn-shanghai.aliyuncs.com/doc/img/observer-enterprise/V3.2.4/user-guide/performance-tuning-guide/4.sql-optimization/fre_histogram.png) ### Topk 直方图 Topk 直方图是频率直方图的变体，当我们指定的桶个数不足以装下所有 NDV 时，就会考虑选择使用 Topk 直方图，Topk 直方图本质是忽略频次低的数据，主要考虑频次高的数据分布。例如，一个钱袋里面一共有 4 种不同面值（0.1 元、0.2 元、0.5 元、1 元）的 100 枚硬币，其中 0.1 元的硬币仅仅只有 1 枚，同时我们只有 3 个桶来装硬币，因此就可以忽略 0.1 元的硬币，只考虑剩下三种硬币的分布，得到如下 Topk 直方图。 ![topk_histogram](https://obbusiness-private.oss-cn-shanghai.aliyuncs.com/doc/img/observer-enterprise/V3.2.4/user-guide/performance-tuning-guide/4.sql-optimization/topk_histogram.png) 由于 Topk 直方图是通过取部分数据特征来估算整体的数据分布，因此为了保证误差不会太大，要求 Topk 直方图记录的数据数与总数据数的比例不低于 `1–(1/bucket_size)`；比如上述场景中，指定桶个数为 3，一共有 100 枚硬币，Topk 直方图记录了 99 枚，那么显然 `99/100 > 2/3`，满足要求。目前 OceanBase 数据库优化器主要通过 Lossy Counting 算法来实现 Topk 直方图。 ### 混合直方图 针对于一种数据量很大的大表场景，指定的直方图桶个数低于 NDV 值，同时 Topk 直方图也无法满足最低的数据占比，这个时候就需要一种更加均衡的直方图来描述数据分布的特征，由此引入了混合直方图。混合直方图主要通过采集指定的的数据量进行直方图构建，与频率直方图和 Topk 直方图的不同的是，一个桶里面可能装多个不同的 Value 值，将采集到的数据量按照桶个数分段，将每一分段内的所有数据都放到对应的一个桶中，达到用更少的桶来描述更大数据量的数据分布，其中桶内的最大的 Value 值将作为 `endpoint_value`，同时会多一个 `endpoint_repeat_cnt` 来记录 `endpoint_value` 的频次。 例如，同样的有 100 枚硬币：0.1 元有 10 枚、0.2 元有 10 枚、0.5 元有 15 枚、1 元有 15 枚、2 元有 25 枚、5 元有 10 枚、10 元有 15 枚，由此计算得出 Topk 直方图覆盖的数据占比是 `(25+15+15+15)/100=0.7`，而 Topk 覆盖数据占比的最小阈值是 `1-1/N =3/4=0.75`，未达到该阈值，不满足 Topk 直方图的条件，那么在指定桶个数为 4 时（桶个数低于列的 NDV 值，不满足频率直方图的条件）建立的混合直方图如下。 ![mixed_histogram](https://obbusiness-private.oss-cn-shanghai.aliyuncs.com/doc/img/observer-enterprise/V3.2.4/user-guide/performance-tuning-guide/4.sql-optimization/topk_histogram.png) ## 直方图的选择策略 OceanBase 数据库优化器根据 NDV、`bucket_size` 和 `p` 指标选择直方图。直方图的选择策略如下图所示。![直方1](https://help-static-aliyun-doc.aliyuncs.com/assets/img/zh-CN/3149703461/p392712.png) 指标含义如下： - NDV：指定一个列上不同 Value 值的个数。 - `bucket_size`： 指定的直方图桶个数，默认为 254。 - `p`：Topk 直方图期望的最低百分比阈值，计算公式为 `(1-(1/bucket_size)) * 100`。如果使用默认值 254，则对应的最低百分比阈值为 99.6。 有关 `bucket_size` 的取值，请参见 [method_opt](https://www.oceanbase.com/docs/enterprise-oceanbase-database-cn-10000000000948037)。 上一篇 下一篇 ![有帮助](https://gw.alipayobjects.com/mdn/ob_asset/afts/img/A*y6ocSqN8cqsAAAAAAAAAAAAAARQnAQ)![无帮助](https://gw.alipayobjects.com/mdn/ob_asset/afts/img/A*BG9IQJyLHF8AAAAAAAAAAAAAARQnAQ)![反馈](https://gw.alipayobjects.com/mdn/ob_asset/afts/img/A*eTWdQKCRKHwAAAAAAAAAAAAAARQnAQ)[AI](https://www.oceanbase.com/obi) 咨询热线