可是在MySQL数据库中，执行打算的方法相对简朴，表之间的JOIN只有LOOPJOIN一种方法，且没有并行执行打算等，也就说通过预估功效集的行数对执行打算的影响有限。
可是对付某些环境，依旧需要预估的方法来指导执行打算的生成，昆山软件开发，
好比常见的多表毗连时驱动顺序，大都环境下是小表驱动大表（不完全必然）的方法来实现查询的，因此MySQL中一样需要预估来指导执行打算的生成。
不外MySQL中的统计信息相对来说简朴许多，只有一个cardinality信息来预估索引的选择性（show index from table），
索引统计信息不包括直方图的信息，非索引列也不会生成直方图，也就是无法通过直方图来预估查询数据的巨细，mysql是通过其他方法来实现预估的。
对付有直方图的数据来说，直方图为预估提供了重要的依据，对付没有直方图的MySQL，执行打算是如何预估的？预估的精确性有如何？
笔者在研究这个问题的时候，一开始也碰着不少迷惑的处所，照旧看了博客园大神的问题才得以释惑，后头会给出链接。 

首先通过例子，通过一个很是简朴的查询来调查一个有意思的现象。

新建测试表，测试表如下：

create table test_statistics
(
    id int auto_increment primary key,
    col2 varchar(200),
    col3 varchar(200),
    create_date datetime,
    index idx_create_date(create_date)
)ENGINE=InnoDB;

存储进程通过轮回插入数据，挪用存储进程生成100W行数据（100W行的数据，在实际应用中已经是一个很是小的数据量了），create_date字段上生成一个范畴之内的随机时间。

CREATE DEFINER=`root`@`%` PROCEDURE `p_insert_test_data`(
    IN `loop_count` INT
)
BEGIN
    declare i int;
    while (loop_count>0) 
    do    
        insert into test_statistics(col2,col3,create_date) values (uuid(),uuid(), DATE_ADD(sysdate(), INTERVAL  -rand()*2400  hour));
        set loop_count = loop_count -1;
    end while;
END

写入测试数据完成之后，举办如下两个查询做测试。

简朴地利用select count(1)的来做测试
首先看第一个查询：查询的时间范畴是: where create_date>’2017-11-01 12:00:00′ and create_date<’2017-11-01 16:00:00′
可以发明：explain预估的行数，与实际行数完全一致。

昆山软件定制开拓 供了重要的依据" src="http://www.importnew.com/https:/images2017.cnblogs.com/blog/380271/201802/380271-20180205221541310-406698026.png" width="886" height="308" />

继承第二个查询，扩大查询的时间范畴，查询的时间范畴是:where create_date>’2017-11-01 12:00:00′ and create_date<’2017-11-03 16:00:00′
可以发明，此时的explain执行打算的预估，与实际行数呈现了严重的毛病

昆山软件定制开拓 供了重要的依据" src="http://www.importnew.com/https:/images2017.cnblogs.com/blog/380271/201802/380271-20180205221827810-827372185.png" width="890" height="306" />

为什么第一个查询做到了准确的预估，而第二个查询的预估呈现严重的毛病？

这一点要从预估的计较方法入手来说。
首先，第一个查询和第二个查询，独一的差异是，第二个查询的时间范畴放宽了，昆山软件开发，为什么时间放宽之后，执行打算的预估的精确性就大大下降？
既然是“预估”，就必然是存在误差，只不外是误差大与小的问题，误差的大下与详细的预估的方法有关。
任何预估的实现，都是以一种在差异水平上“以偏概全”的方法举办的，好比SQL Server是以对相关数据page的通过某种百分比来取样，然后存储在直方图中做预估依据的。
虽然，这种“以偏概全”的预估方法，是在机能与准确度之间衡量折中的功效.
在思量收集统计信息对机能和资源影响的前提下，预预计策各类方法可能价钱尽大概淘汰对预估发生误差的因素，关于直方图的生成这里不细说。

对付没有直方图的MySQL，它是是在执行的时候，通过扫描切合查询条件的部门数据页后做预估统计的.
MySQL是在查询的时候，直接对查询条件范畴内的数据页，取必然比例样本做统计之后预估的，可是这里取样的数据页面有必然的限制，不会无限制取样做统计预估。
假如切合条件的数据页超出了预定的范畴，则会取部门页举办预估，而不是全部页（为什么不是全部样做统计预估，原因就不消说了吧）。