Delta表是否仍需ANALYZE命令手动更新统计信息？

在Delta表自动统计更新的机制下，以下场景需要手动执行ANALYZE TABLE命令：

• 表列数超过32列时：默认自动统计仅为前32列收集信息，若业务查询依赖超过32列之外的列做数据跳过或查询优化，需手动执行命令为这些列补充统计信息，比如指定特定列：ANALYZE TABLE my_table COMPUTE STATISTICS FOR COLUMNS col33, col34。

• 批量导入历史数据后：如果一次性向Delta表导入大量历史数据（如全量迁移外部数据源），自动统计仅针对本次写入的分区或数据段更新，旧有未统计的分区/数据段不会被自动覆盖。此时手动执行全表统计，能确保整个表的统计信息完整准确，帮助查询优化器生成更优计划。

• 表结构变更且无后续写入时：当添加新列后，若未立即对新列执行写入操作，自动统计不会为新列生成统计信息。如果需要基于新列做查询优化，需手动执行命令收集新列的统计。

• 统计信息因大量数据变更失效时：当表经历大规模删除、更新或分区操作（如DROP PARTITION），自动统计可能无法及时同步最新的全量数据状态，导致统计信息不准确。手动执行ANALYZE TABLE可以重新生成全量、精准的统计数据，避免查询优化器基于过期信息生成低效计划。

• 需要针对特定列收集统计时：自动统计默认选取前32列，但如果核心查询依赖的列不在这个范围内，可手动指定这些列执行统计收集，确保查询优化器能利用这些列的统计信息做数据跳过或计划优化。

内容的提问来源于stack exchange，提问作者Saugat Mukherjee