Teradata DBMS में आँकड़े

"तीन तरह के झूठ हैं: झूठ, शापित झूठ और आँकड़े" बेंजामिन डिसरायली, ग्रेट ब्रिटेन के 40 वें प्रधान मंत्री

DBMS में डेटा के बारे में सांख्यिकीय जानकारी सिस्टम प्रदर्शन में एक महत्वपूर्ण भूमिका निभाती है। पिछले लेख पर कई टिप्पणियों के आधार पर, हमने यह वर्णन करने का निर्णय लिया कि Teradata DBMS में आँकड़ों की आवश्यकता क्यों होती है, इसे ऑप्टिमाइज़र द्वारा कैसे ध्यान में रखा जाता है, इसका क्या प्रभाव पड़ता है, और उन DBMS के साथ काम करने वालों के लिए आँकड़े एकत्र करने के कुछ व्यावहारिक सुझाव देते हैं।

आंकड़े क्या हैं और इसकी आवश्यकता क्यों है

डेटा के बारे में सांख्यिकीय जानकारी की आवश्यकता है, सबसे पहले, क्वेरी ऑप्टिमाइज़र के संचालन को सुनिश्चित करने के लिए। डेटा की सांख्यिकीय विशेषताओं और उन मानदंडों को जानना जिनके द्वारा उपयोगकर्ता उनसे अनुरोध करता है, ऑप्टिमाइज़र इस डेटा को निकालने के लिए एक या दूसरा तरीका चुन सकता है। एक साधारण उदाहरण: एक उपयोगकर्ता ने बेलोज़र्सक के सभी निवासियों के नमूने का अनुरोध किया। मान लीजिए कि हमारे पास शहर कोड के साथ एक फ़ील्ड पर एक इंडेक्स है। यदि ऑप्टिमाइज़र को जानकारी है कि बेलोज़रस्क में लगभग 10 हजार लोग रहते हैं (रूसी संघ के ~ 143 मिलियन निवासियों में से), तो वह सूचकांक द्वारा पहुंच पसंद करेंगे, क्योंकि यह पूरी तालिका को पढ़ने की तुलना में बहुत तेज़ होगा। दूसरी ओर, यदि आप एक या कई बड़े शहरों के लिए डेटा का चयन करते हैं, जो कुल मिलाकर कई दसियों लाख रिकॉर्ड देते हैं, तो इस मामले में, इसके विपरीत, इंडेक्स एक्सेस का उपयोग करते समय परिणाम तेजी से नहीं होता है, लेकिन पूरी तालिका पढ़ने के बाद। यह एक बहुत ही सरल उदाहरण है, लेकिन यह दर्शाने के लिए पर्याप्त है कि सांख्यिकी अनुकूलक द्वारा किए गए निर्णयों को कैसे प्रभावित कर सकती है।

पिछले लेख में, हमने कहा कि टेरडेटा DBMS में कोई आशावादी संकेत नहीं हैं। इसका मतलब यह है कि क्वेरी ऑप्टिमाइज़र उद्देश्य संबंधी जानकारी के आधार पर सभी निर्णय लेता है जो इसके लिए उपलब्ध है। यह ध्यान में रखता है: सिस्टम में एएमपी की संख्या, नोड्स की संख्या, प्रोसेसर और प्रकार के प्रोसेसर, वर्तमान में उपलब्ध मेमोरी, डिस्क के प्रकार, और बहुत कुछ, डेटा जनसांख्यिकी सहित। जनसांख्यिकीय जानकारी, जिसे हम आंकड़े कहते हैं , तालिका में पंक्तियों की संख्या, औसत पंक्ति का आकार, समान स्तंभ मान वाली पंक्तियों की संख्या, NULLs की संख्या और बहुत कुछ शामिल हैं। इन मापदंडों को जानना भी ऑप्टिमाइज़र को डेटा परिवर्तनों के लिए अनुरोध के लिए आवंटित अस्थायी मेमोरी ( स्पूल ) के आकार की सही गणना करने की अनुमति देता है।

व्यक्तिगत कॉलम के आंकड़ों के समान, अनुक्रमित पर आंकड़े एकत्र किए जा सकते हैं। सिद्धांत बिल्कुल समान हैं।

डेटा वितरण के आंकड़ों को अक्सर न केवल तालिका के किसी एक क्षेत्र के लिए ट्रैक करने की आवश्यकता होती है, बल्कि अक्सर खेतों के संयोजन के लिए भी। उदाहरण के लिए, आप अक्सर ऐसे लोगों से पूछते हैं, जिनका उपनाम इवानोव है और वे उसी बेलोज़रस्क में रहते हैं। यदि हम अंतिम नाम और शहर के अनुसार अलग-अलग आंकड़े एकत्र करते हैं, तो यह ऑप्टिमाइज़र को अच्छी जानकारी नहीं देगा, क्योंकि 1 मिलियन लोग उपनाम इवानोव के साथ हो सकते हैं, बेलोज़र्सक के 10 हजार निवासी, और संयोजन में बहुत कम होगा। इसलिए, खेतों के संयोजन पर आंकड़े एकत्र करना आवश्यक है। इसके अलावा, टेराडाटा के लिए खेतों का क्रम बिल्कुल महत्वहीन है, अगर हम "अंतिम नाम, शहर" और "शहर, अंतिम नाम" पर आंकड़े एकत्र करते हैं, तो परिणाम समान होगा (यह समझने के लिए कि ऐसा क्यों है, बस फिर से अपने जनसांख्यिकीय संकेतकों का उपयोग किया जाता है)।

डीबीएमएस में आंकड़े कैसे संग्रहीत किए जाते हैं

एकत्र किए गए आँकड़े शब्दकोश में संग्रहीत हैं ( DBC.TVFields , DBC.Indexes और DBC.StatsTbl 14 वें संस्करण के लिए) और, DBMS के दृष्टिकोण से, अंतराल हिस्टोग्राम हैं। उत्तरार्द्ध में अंतराल की संख्या जितनी अधिक होगी, उतना ही सटीक रूप से यह डेटा के वितरण को प्रतिबिंबित कर सकता है। तो, Teradata 13.10 में, हिस्टोग्राम में अंतराल की अधिकतम संख्या 200 है, जो लगभग प्रत्येक अंतराल में 0.5% डेटा देती है। इस मामले में, आप इस लेख को एपिग्राफ को याद कर सकते हैं और समझ सकते हैं कि आंकड़े अस्पताल में एक निश्चित औसत तापमान दिखाते हैं। प्रत्येक अंतराल में पंक्तियों की संख्या भिन्न हो सकती है। उदाहरण के लिए: तालिका में 1 मिलियन पंक्तियाँ हैं, जिसका अर्थ है कि औसतन एक अंतराल में 5,000 पंक्तियाँ होंगी, बशर्ते कि हिस्टोग्राम में 200 अंतराल हों। मान लीजिए कि एक मान के लिए एक अंतराल में 4900 लाइनें हैं, और अगले मूल्य के लिए - 300 लाइनें। यह पता चल सकता है कि इन लाइनों को एक अंतराल में रखा जाएगा और इसमें लाइनों की संख्या का अनुमान 4900 + 300 = 22200 होगा। और ऐसा हो सकता है कि अगले अंतराल में 300 लाइनें लगाई जाएंगी और फिर पिछले हिस्से में केवल 4900 ही होंगे।

यदि कोई मान 0.25% से अधिक पंक्तियों में होता है, तो इसे विशेष अंतराल में संग्रहीत किया जाता है जो अक्सर होने वाले मूल्यों के लिए आरक्षित होता है। निष्पक्षता में, यह कहा जाना चाहिए कि अंतराल की संख्या संस्करण से संस्करण तक बढ़ रही है। Teradata 12 के साथ शुरू होने पर, अंतराल की संख्या 100 से बढ़ाकर 200 कर दी गई, और Teradata 14 में, डिफ़ॉल्ट रूप से, अंतराल की संख्या 250 है और इसे 500 तक बढ़ाया जा सकता है।

मूल्यों के वितरण के आधार पर, आंकड़ों को बचाने के लिए तीन प्रकार के हिस्टोग्राम का उपयोग किया जाता है:

1. एक ही अंतराल के आकार के साथ एक हिस्टोग्राम। प्रत्येक अंतराल समान मानों को संग्रहीत करता है। शायद मूल्यों के अधिक या कम समान वितरण की उपस्थिति में, स्पष्ट विकृतियों ( तिरछा ) के बिना।
2. शिफ्ट किए गए अंतराल के साथ हिस्टोग्राम। प्रत्येक अंतराल अधिकतम दो मान संग्रहीत करता है। इस प्रकार का उपयोग केवल उन मामलों में किया जाता है जहां वितरण में एक महत्वपूर्ण पूर्वाग्रह होता है।
3. संकुचित हिस्टोग्राम। एक चार्ट जिसमें समान मूल्यों के अंतराल संयुक्त होते हैं, साथ ही अंतराल केवल दो मूल्यों के साथ होते हैं। यदि किसी को यह देखने के लिए दिलचस्पी होगी कि आंकड़ों में क्या और कैसे संग्रहीत किया गया है, तो यह यहाँ चित्र में स्पष्ट रूप से दिखाया गया है ।

सांख्यिकी संग्रह

Teradata, साथ ही साथ अन्य विक्रेताओं के DBMS में आंकड़े एकत्र करने की प्रक्रिया, COLLECT STATICS कमांड द्वारा शुरू की जाती है। तालिका के लिए परिभाषित प्रत्येक आंकड़े को तालिका के माध्यम से एक अलग पास की आवश्यकता होती है। 14 वें संस्करण से शुरू करते हुए, आप तालिका में एक पास में कई आंकड़ों के संग्रह को जोड़ सकते हैं। इसके अलावा, एकत्र किए गए प्रत्येक आंकड़ों के लिए, कई कदम उठाए गए हैं:

1. निम्नलिखित फ़ॉर्म की एक क्वेरी निष्पादित की जाती है:
   

   SELECT x1, y1, COUNT(*) AS cnt FROM t_coll_stats GROUP BY 1,2; 

   इस क्वेरी को निष्पादित करते समय, टेबल डेटा के किसी भी वैकल्पिक पहुंच पथ का उपयोग किया जा सकता है, उदाहरण के लिए, JOIN / HASH अनुक्रमित।
2. परिणामी समुच्चय का उपयोग करते हुए, Teradata निम्नलिखित चरण करता है:
   • एक अंतराल तालिका बनाता है
   • इस तालिका का उपयोग, हिस्टोग्राम अंतराल को निर्धारित करता है
   • हिस्टोग्राम संरचना को एएमपी को निर्देशित करता है
   • प्रत्येक एएमपी एक एकत्रित स्पूल पढ़ता है और अपने हिस्टोग्राम को भरता है।
   • सिस्टम स्थानीय हिस्टोग्राम को समेकित करता है
   • समेकित हिस्टोग्राम को आंकड़ों के भंडारण के शब्दकोशों में दर्ज किया जाता है

बड़ी (लाखों पंक्तियों) और बहुत बड़ी (दसियों अरबों पंक्तियों) तालिकाओं के लिए, जो अक्सर डेटा वेयरहाउसिंग परियोजनाओं में पाई जाती हैं, समानांतर होने के बावजूद इस प्रक्रिया में घंटों लग सकते हैं। इस कारण से, आंकड़ों के संग्रह को जिम्मेदारी से दृष्टिकोण करना और वास्तविक आवश्यकता के बिना सिस्टम को लोड नहीं करना आवश्यक है। अनपराड उपयोगकर्ता को गलती से सिस्टम लोड करने से रोकने के लिए, Teradata को आंकड़े एकत्र करने का एक विशेष विशेषाधिकार है।

संगठनात्मक बाधाओं के अलावा, सिस्टम पर लोड को कम करने के लिए, आप नमूना संग्रह का उपयोग करके सांख्यिकी संग्रह का उपयोग कर सकते हैं (COLLECT STATISTICS USING SAMPLE का वैकल्पिक% लाइनों के साथ)। इस मामले में, टेराडाटा पहले स्ट्रिंग्स के यादृच्छिक सेट के लिए अनुरोध करता है। टॉप एन या एसएएमपीएलई का उपयोग इसके लिए (विभाजन तालिका के लिए) किया जा सकता है। परिणामस्वरूप प्राप्त लाइनों का उपयोग बाद के एकत्रीकरण और हिस्टोग्राम के निर्माण के लिए किया जाता है। हालाँकि, आप केवल तभी नमूने का उपयोग कर सकते हैं जब यह विश्वास हो कि तालिका के डेटा ( नमूने ) का माना गया भाग पर्याप्त रूप से उन स्तंभों के लिए पूरी तालिका का जनसांख्यिकी प्रदान करता है जिसके लिए नमूना आँकड़ों के संग्रह का उपयोग करने की योजना है। यदि यह मामला नहीं है, तो आपको पूर्ण आंकड़े एकत्र करने की आवश्यकता है।

कैसे आँकड़ों का उपयोग किया जाता है

तो, आंकड़े एकत्र किए जाते हैं। ऑप्टिमाइज़र उनका उपयोग कैसे करेगा? निम्नलिखित एक आरेख है जो आँकड़ों के आधार पर किसी क्वेरी के अनुकूलन की प्रक्रिया का वर्णन करता है:


क्वेरी निष्पादित करते समय, ऑप्टिमाइज़र:

• कैश में टेबल हेडर के लिए खोजें
  यदि तालिका शीर्ष लेख कैश में पाया जाता है, तो डायनामिक सैंपल स्टैटिस्टिक्स कलेक्शन (रैंडम AMP सैंपलिंग) किया जाता है, यदि आवश्यक हो। यदि यह कैश में नहीं पाया जाता है, तो इसे डिस्क से पढ़ा जाता है और गतिशील रूप से सैंपल किए गए आंकड़े एकत्र किए जाते हैं।
• क्वेरी ऑप्टिमाइज़ेशन के आँकड़े खोजता है
  टेराडाटा कैश में आवश्यक आंकड़ों की खोज करता है। यदि वे वहां नहीं पाए जाते हैं, तो डिस्क से आंकड़े पढ़ने और उन्हें कैश करने का अनुरोध किया जाता है।
• अनुकूलन के लिए सांख्यिकी का उपयोग करता है
  यदि आंकड़े एकत्र नहीं किए गए हैं या पुराने हैं, तो अनुकूलक डायनामिक सैंपलिंग द्वारा प्राप्त आँकड़ों का उपयोग कर सकता है। यह केवल इंडेक्स कॉलम के लिए सही है, अन्यथा हेयुरिस्टिक्स का उपयोग किया जाता है।

ऊपर वर्णित प्रक्रिया में, गतिशील नमूने (रैंडम एएमपी नमूनाकरण) द्वारा प्राप्त आंकड़ों को एक महत्वपूर्ण स्थान दिया जाता है। जैसा कि हमारे पहले लेख में टिप्पणियों में से एक में सही रूप से नोट किया गया है:

"दोस्तों, कोई भी आँकड़े कभी पूरे नहीं होते हैं - ऑप्टिमाइज़र को इस बात की पूरी जानकारी नहीं होती है कि योजना में प्रत्येक उप-अभिलेख कितने रिकॉर्ड में वापस आएगा, खासकर यदि चयन मानदंड काफी जटिल हैं।"

यह डेटा वेयरहाउस अनुप्रयोगों के लिए विशेष रूप से सच है, जिसमें प्रश्नों का एक महत्वपूर्ण हिस्सा तदर्थ है और सभी आवश्यक आँकड़ों का पूर्वाभास करना असंभव है।
टेराडाटा हमेशा गतिशील नमूने का उपयोग करके आंकड़े एकत्र करता है, इसे अक्षम नहीं किया जा सकता है। प्रक्रिया इस प्रकार है:

1. हैम्पिंग के पहचानकर्ता द्वारा जिसके लिए नमूने का प्रदर्शन किया जाता है, एएमपी का चयन किया जाता है जिसका डेटा उपयोग किया जाएगा।
2. तालिका डेटा वाले सिलेंडरों की सूची प्राप्त करने के लिए मास्टर इंडेक्स को पढ़ा जाता है।
3. डेटा वाले सिलेंडरों की संख्या की गणना की जाती है।
4. सिलेंडरों में से एक को बेतरतीब ढंग से चुना जाता है और टेबल डेटा वाले ब्लॉक की एक सूची पढ़ी जाती है।
5. ब्लॉकों की संख्या गिना जाता है।
6. एक डेटा ब्लॉक को यादृच्छिक रूप से चुना जाता है और इसमें पंक्तियों की संख्या की गणना की जाती है।
7. तालिका में पंक्तियों की संख्या की गणना निम्न सूत्र का उपयोग करके की जाती है:
   

    -    =     *     *   *  AMP' 

   
   

यह विधि आपको पारंपरिक की तुलना में कम आंकड़े एकत्र करने की अनुमति देती है:

• पंक्ति की गिनती
• मूल्य प्रति पंक्तियों की औसत संख्या

केवल अनुक्रमणिका के लिए अतिरिक्त रूप से एकत्र किया जा सकता है:

• सूचकांक में पंक्तियों की औसत संख्या
• औसत एएमपी सूचकांक का आकार
• अद्वितीय मानों की संख्या

इस पद्धति का उपयोग करके आंकड़े एकत्र करने के लिए, एक अत्यंत कम नेतृत्व समय की विशेषता है। इसके अलावा, आंकड़े डेटा कैश में संग्रहीत किए जाते हैं (डिफ़ॉल्ट रूप से, 4 घंटे से अधिक नहीं) और प्रत्येक अनुरोध के दौरान पुन: जमा नहीं किया जाता है।

इस पद्धति द्वारा प्राप्त आँकड़ों का एक अन्य उद्देश्य उपयोगकर्ताओं द्वारा एकत्र आँकड़ों की अप्रचलनता का पता लगाना है। यह संग्रहीत मान के साथ गतिशील रूप से एकत्रित आंकड़ों द्वारा प्राप्त तालिका पंक्तियों की संख्या की तुलना करके निर्धारित किया जाता है। यदि विचलन 10% से अधिक है, तो आंकड़े पुराने माने जाते हैं। जब आँकड़ों को पुराने के रूप में पहचानते हैं, तो उपयोगकर्ता द्वारा एकत्र किए गए आँकड़ों को एक्सट्रापोल करके टेराडाटा इसकी भरपाई कर सकता है।

आंकड़ों को एकत्र करने की एक विधि के आवेदन के संबंध में विचार नीचे दी गई तालिका में दिए गए हैं:

विधि	की विशेषताओं	आवेदन
पूर्ण आँकड़े	सभी आँकड़े एकत्र करता है। काफी समय लग सकता है सबसे पूर्ण और सटीक आँकड़े आंकड़े डेटा शब्दकोश में संग्रहीत किए जाते हैं	महत्वपूर्ण "तिरछा" के साथ कॉलम या सूचकांक के लिए सबसे अच्छा विकल्प एएमपी प्रति 1000 से कम पंक्तियों वाली तालिकाओं के लिए अनुशंसित। कुछ विशिष्ट मान वाले स्तंभों के लिए अनुशंसित। अधिकांश NUSI, पार्टीशन कॉलम और अन्य स्तंभों के लिए अनुशंसित है, जो विधेय में उपयोग किए जाते हैं। सभी सूचकांकों और स्तंभों के लिए अनुशंसित जिनके लिए नमूना आंकड़े संतोषजनक सटीकता प्रदान नहीं करते हैं।
सैंपल के आँकड़े	सभी आँकड़े एकत्र करता है, लेकिन तालिका की सभी पंक्तियों को पढ़े बिना पूर्ण से अधिक महत्वपूर्ण है आंकड़े डेटा शब्दकोश में संग्रहीत किए जाते हैं	अद्वितीय या लगभग अद्वितीय कॉलम और सूचकांकों के लिए अनुशंसित। संसाधनों को बचाने के लिए बहुत बड़ी तालिकाओं के लिए अनुशंसित। 20 से कम पंक्तियों वाली तालिकाओं के लिए अनुशंसित नहीं है * सिस्टम में एएमपी की संख्या
डायनामिक सैम्पल स्टैटिस्टिक्स	कम आँकड़े एकत्र करता है। बहुत तेजी से निष्पादन आँकड़े कैश किए जाते हैं संग्रह स्वचालित है 10% से अधिक टेबल का आकार बदलने पर डेटा के बैच अपडेट (INSERT ... DELETE) के बाद स्वचालित रूप से अपडेट किया गया	सिस्टम में AMP की संख्या की तुलना में काफी बड़ी पंक्तियों की संख्या के साथ तालिका के आकार को बहुत कम "तिरछा" या इसके अभाव में निर्धारित करने के लिए उपयुक्त है NUSI के लिए विश्वसनीय आंकड़े एकत्र करता है, यदि उनके पास थोड़ी "तिरछा" है और सिस्टम में AMP की संख्या की तुलना में तालिका में काफी अधिक पंक्तियाँ हैं। यह लापता / पुराने आँकड़ों के विरुद्ध सुरक्षा का एक अनिवार्य तंत्र है।

अंत में, मैं "आंकड़ों की विरासत" के तंत्र के टेराडाटा में उपस्थिति का उल्लेख करना चाहूंगा। सांख्यिकी को माता-पिता की वस्तुओं (TABLE -> JOIN INDEX) और इसके विपरीत (TABLE <- JOIN INDEX) बच्चों से विरासत में प्राप्त किया जा सकता है। इस तंत्र का अनुप्रयोग प्रदर्शन के नुकसान के बिना सांख्यिकीय जानकारी एकत्र करने के लिए सिस्टम संसाधनों के उपयोग को कम करने की भी अनुमति देता है।

आंकड़े इकट्ठा करने के लिए व्यावहारिक दिशानिर्देश

तो आंकड़े कहां और कैसे एकत्र किए जाने चाहिए? मूल नियम केवल उन आंकड़ों को एकत्र करना है जो आपके प्रश्नों के लिए प्रासंगिक हैं।

यह पता चल सकता है कि आपके पास एक मुश्किल अनुरोध है, जिसके लिए आपको अभी भी यह पता लगाना है कि आंकड़ों की क्या आवश्यकता है। लेकिन आँकड़े इकट्ठा करने के लिए कई मानक सिफारिशें हैं, अर्थात्:

संपूर्ण आंकड़े एकत्र करें

• विधेय में प्रयुक्त गैर-अनुक्रमित स्तंभों पर (WHERE की स्थिति);
• शामिल होने के स्तंभ पर, यदि स्तंभ अद्वितीय नहीं है;
• सभी गैर-विशिष्ट माध्यमिक सूचकांक (अप्रयुक्त NUSI सूचकांकों को हटा दें) के लिए;
• उन यूनिक सेकेंडरी इंडेक्स / यूनिक प्राइमरी इंडेक्स के लिए, जिनका उपयोग "समान" के अलावा अन्य किसी शर्त के साथ किया जाता है;
• गैर-अद्वितीय प्राथमिक सूचकांक द्वारा;
• छोटी तालिका (एएमपी प्रति 100 पंक्तियों से कम) की विधेयकों में उपयोग किए जाने वाले सभी अनुक्रमित या स्तंभों के लिए;
• सभी तालिकाओं के विभाजन कॉलम द्वारा - चाहे वे विभाजन किए गए हों या नहीं (बहुत जल्दी इकट्ठे हुए)।

आप डायनामिक एएमपी नमूने पर भरोसा कर सकते हैं और आंकड़े एकत्र नहीं कर सकते

• यदि यूनिक सेकेंडरी इंडेक्स / यूनिक प्राइमरी इंडेक्स का इस्तेमाल केवल "समान" स्थिति के लिए विधेय में किया जाता है;
• यदि समान रूप से वितरित NUPI का उपयोग किसी जुड़ाव के लिए किया जाता है।

नमूना आंकड़ों का उपयोग करें (नमूना का उपयोग करना)

• अद्वितीय सूचकांकों के स्तंभों के लिए;
• अद्वितीय (विशिष्टता> 95%) के करीब स्तंभों के लिए।

बहु-स्तंभ आंकड़े एकत्र करें

• स्तंभों के एक समूह के लिए जिन्हें अक्सर "समान" स्थिति के साथ विधेय में उपयोग किया जाता है, यदि पहले 16 बाइट्स में समूहीकृत कॉलम के मान काफी अनोखे हैं;
• स्तंभों के बीच सहसंबंध के अधीन, जुड़ने या एकत्रीकरण के लिए उपयोग किए जाने वाले स्तंभ समूहों के लिए।

अतिरिक्त जानकारी

एक विभाजित प्राथमिक सूचकांक वाली तालिकाओं के लिए, हमेशा आंकड़े एकत्र करने की सिफारिश की जाती है:

• विभाजन कॉलम। यह ऑप्टिमाइज़र को अनुभागों की संख्या और उनमें पंक्तियों की संख्या के बारे में जानकारी देगा।
• सेक्शनिंग कॉलम। यह क्वेरी में विधेय पर अनुभाग कॉलम का उपयोग करते समय प्रति मान पंक्तियों की संख्या निर्धारित करेगा।

यदि एक विभाजन प्राथमिक सूचकांक वाली तालिकाओं के लिए, यदि विभाजन स्तंभ प्राथमिक सूचकांक का हिस्सा नहीं है:

• (पार्टिशन, पीआई)। यदि पीआई मान कई वर्गों में मौजूद हो सकता है तो यह आँकड़ा सबसे महत्वपूर्ण है; आपको स्लाइडिंग-विंडो और रोकी-आधारित मर्ज जॉइन की लागत का मूल्यांकन करने की अनुमति देता है, साथ ही गतिशील विभाजन उन्मूलन भी।
• (विभाजन, पीआई, विभाजन कॉलम)। यह आंकड़ा विभाजन को समाप्त करने के बाद पीआई और विभाजन कॉलम के संयोजन के लिए अद्वितीय मूल्यों की संख्या देता है।

गतिशील एएमपी नमूनाकरण आपको एक (डिफ़ॉल्ट) के बजाय सभी एएमपी के साथ नमूना करने की अनुमति देता है। छोटी तालिकाओं के लिए (एएमपी प्रति 25 पंक्तियों से कम), सभी एएमपी की भागीदारी के साथ नमूना स्वचालित रूप से किया जाता है। सभी एएमपी की भागीदारी के साथ नमूने का उपयोग करते समय, यह ध्यान रखना आवश्यक है कि:

• एनयूपीआई के साथ तालिकाओं के लिए डायनेमिक ऑल-एएमपी नमूना अधिक सटीक परिणाम देता है। एनयूपीआई पर आंकड़ों की अनुपस्थिति में यह महत्वपूर्ण है, जब एनयूपीआई का असमान वितरण होता है।
• तालिका के किसी भी स्तंभ के लिए आँकड़ों का बहिर्वाह किया जाता है यदि अनुकूलक तालिका में वृद्धि का पता लगाता है। उत्तरार्द्ध को सहेजे गए आँकड़ों के साथ नमूने द्वारा प्राप्त तालिका की पंक्तियों की संख्या की तुलना करके निर्धारित किया जाता है। यदि एक एएमपी की भागीदारी के साथ डायनामिक सैंपलिंग एक गलत परिणाम देता है, तो सभी एएमपी की भागीदारी के साथ डायनामिक सैंपलिंग का उपयोग करने या पार्टीशन कॉलम पर आँकड़ों के पुनर्निर्माण की सिफारिश की जाती है।
• अनुरोध पार्सिंग समय बढ़ सकता है। आंकड़े डेटा शब्दकोश के कैश में संग्रहीत किए जाते हैं, और जब तक कैश फ्लश नहीं किया जाता है (तब तक या अन्य कारणों से) उनका पुन: संग्रह नहीं किया जाता है। इसका अर्थ है कि सभी एएमपी से जुड़े डायनामिक सैंपलिंग का उपयोग सभी अनुरोधों के पार्सिंग समय को नहीं बढ़ाएगा।

लौकिक तालिकाओं के लिए, ऊपर वर्णित सभी सिफारिशें भी प्रासंगिक हैं।

कितनी बार आंकड़े एकत्र किए जाने चाहिए? यह सब इस बात पर निर्भर करता है कि समय के साथ डेटा कितना बदलता है। एक नियम के रूप में, यदि तालिका में डेटा 5-10% से अधिक बदल गया है, तो आपको इस तालिका के लिए आंकड़ों को अपडेट करने की आवश्यकता है ताकि ऑप्टिमाइज़र को इन परिवर्तनों के बारे में पता चले।

अलग-अलग, आपको इस तथ्य पर ध्यान देना चाहिए कि टेराडाटा आपके ज्ञान के बिना आंकड़ों को स्वचालित रूप से अपडेट नहीं करता है। आप अपने आप को नियंत्रित करते हैं कि कब और कैसे आंकड़े इकट्ठा करना शुरू करना है। ये सिफारिशें एक आधार बनाती हैं। भौतिक संरचनाओं के अनुकूलन की पूरी प्रक्रिया ("भौतिक डिजाइन", जैसा कि हम इसे कहते हैं) काफी रचनात्मक है और इसमें केवल आंकड़ों के साथ काम करना शामिल नहीं है। हालाँकि, यह एक अलग लेख का विषय है :)