Teradata基于统计信息分组查询时行数预估严重偏差求助

我来帮你分析下这个Teradata的行数预估偏差问题——这种情况在分区表+分组查询的场景里挺常见的，尤其是统计信息没覆盖到关键维度的时候。你的实际分组后行数是4200万，但优化器预估高达9.43亿，这会直接导致执行计划分配过多资源，甚至可能引发性能问题。

问题细节还原 #

首先明确你的场景：

• 执行的查询语句：

select ID, sum(amount) 
from v_tb -- 视图
where REPORT_DATE between Date '2017-11-01' and Date '2017-11-30' -- report_date为日期格式
group by 1

• 执行计划核心步骤：
  1. 锁定视图v_tb关联的基表tb进行访问
  2. 对tb的1230个分区执行全AMP聚合，过滤条件为(tb.REPORT_DATE >= DATE '2017-11-01') AND (tb.REPORT_DATE < DATE '2017-12-01')（根据执行计划省略部分推测）

可能的原因及对应的解决方法 #

1. 分区级统计信息缺失或过期

你提到已经收集了统计信息，但Teradata对分区表来说，只收集全局统计是不够的。如果没收集分区级统计，优化器很难准确计算出指定日期范围内的分区数据量，进而导致分组行数预估偏差。

• 检查并收集分区级统计：

-- 收集REPORT_DATE列的分区级统计
COLLECT STATISTICS COLUMN (REPORT_DATE) ON tb BY PARTITION;

-- 更推荐：收集REPORT_DATE和ID的联合分区统计，适配你的过滤+分组场景
COLLECT STATISTICS ON tb COLUMN (REPORT_DATE, ID) BY PARTITION;

2. 视图的统计信息未同步

如果v_tb是复杂视图（比如包含多表关联、自定义过滤逻辑），基表tb的统计更新后，视图本身的统计信息可能没有同步，导致优化器基于旧的视图统计做预估。

• 重新收集视图的统计信息：

COLLECT STATISTICS ON v_tb;

3. 数据倾斜引发的预估误差

如果ID列存在严重的数据倾斜（比如某个ID对应了几十万甚至几百万条数据，占比极高），即使有单列统计，优化器也可能无法准确预估分组后的行数。

• 先检查ID列的数据分布情况：

SELECT ID, COUNT(*) AS row_count
FROM tb 
WHERE REPORT_DATE BETWEEN DATE '2017-11-01' AND DATE '2017-11-30'
GROUP BY ID
ORDER BY row_count DESC
LIMIT 10;

如果发现明显的数据倾斜，建议收集REPORT_DATE和ID的联合统计，让优化器能更精准地判断分组后的行数：

COLLECT STATISTICS ON tb COLUMN (REPORT_DATE, ID);

4. 统计信息的有效性验证

有时候统计信息是很久以前收集的，之后表数据有大量的插入、更新或删除，导致统计信息和实际数据严重不符。

• 查看统计信息的最后收集时间和状态：

HELP STATISTICS tb;

如果统计信息的收集时间远早于数据变更时间，直接重新收集全表的关键统计即可。

内容的提问来源于stack exchange，提问作者Rocketq