Les statistiques de chaîne de SQL Server

Tue, 20 Oct 2026 00:00:00 +0000

Article coécrit avec Claude, qui a mené une grande partie des tests et des recherches.

TL;DR

Les statistiques de chaîne (string statistics en anglais) existent dans SQL Server depuis la version 2005. Elles servent à estimer la cardinalité des recherches avec LIKE, par exemple Email LIKE '%.org'. Quand la première colonne d’une statistique est de type caractère, c’est-à-dire char, varchar, nchar ou nvarchar, y compris varchar(max), nvarchar(max), text et ntext, la statistique contient, en plus de l’histogramme, un résumé de chaîne. Vous le voyez dans DBCC SHOW_STATISTICS, à la propriété String Index, qui vaut alors YES.

Ce résumé est un échantillon des valeurs de la colonne, pris à intervalle régulier dans l’ordre de tri. Sa taille vaut 5 % des lignes lues par la statistique, plus 10 ; en FULLSCAN, 5 % des lignes de la table : 510 chaînes pour 10 000 lignes, 2 510 pour 50 000. Mais, à partir de 56 000 lignes lues environ, elle ne grandit plus et reste vers 2 800 chaînes, quelle que soit la taille de la table, et moins encore pour les nvarchar et les chaînes longues. Les chaînes sont rangées dans un trie (arbre préfixe) : chaque nœud contient un morceau de chaîne, et les chaînes qui commencent de la même façon partagent les nœuds de ce début.

Pour estimer un LIKE à jokers, l’optimiseur applique le motif à chaque chaîne de l’échantillon, puis multiplie la proportion trouvée par le nombre de lignes de la table. Quand aucune chaîne de l’échantillon ne satisfait le motif, la proportion vaudrait zéro, et l’estimation aussi. L’optimiseur fait alors comme si un dixième de chaîne le satisfaisait : sur le million de lignes de Contact.ProspectUS, dont l’échantillon compte 2 825 chaînes, un motif introuvable dans l’échantillon est estimé à 1 000 000 × 0,1 / 2 825, soit 35,4 lignes. C’est le plancher de l’estimation.

Les motifs fréquents sont correctement estimés, et les motifs rares sont estimés avec une valeur plancher, environ le nombre de lignes divisé par 28 000. Le résumé n’est pas utilisé pour estimer la cardinalité quand la colonne est passée dans une expression, comme un appel de fonction, que le motif utilise ESCAPE, vient d’une variable locale ou est de type nvarchar face à une colonne varchar (donc conversion implicite), ou que la colonne est un varchar en collation UTF-8. Dans ces cas, un motif qui commence par un joker est estimé à 9 % du nombre de lignes de la table, et un préfixe est estimé par l’histogramme. Au-delà de 80 caractères, seuls les 40 premiers et les 40 derniers sont conservés, mis bout à bout.

Optimiseur on Rudi Bruchez

Les statistiques de chaîne de SQL Server