本文共 870 字，大约阅读时间需要 2 分钟。

数据分布和准确分辨率是update statistics high|medium中两个关键资源，以下从技术实现方面详细说明。

首先，数据分布的工作原理是通过对数据列或多列中的实际数据进行抽样，将抽样数据编入一系列的箱子中。这些箱子的数量和每个箱子所包含的准确数据范围，主要由用于准确分辨的值决定。具体操作可通过以下命令启动：

dbschema -d dbname -hd tabname

如图所示，系统会展现多个箱子。其中箱子的具体分布及其关联的数据规则遵循以下规律：

• 箱子数目与每个箱子所包含数值范围由输入给定值决定。
• 每个箱子的大小或记录数对应于表格中实际数据的分布情况。
• 箱子分布完全依赖于高速缓存的支持，确保统计信息的准确性和效率。

数据分辨率的设置通过resolutions参数实现，该参数决定每个箱子中数据的分布程度。具体规则如下：

• 输入值越大，每个箱子中的记录越少，箱子总数越密集。
• 输入值越小，每个箱子中的记录越多，箱子总数越稀疏。
• 默认设置为0.05（即0.5%），这意味着统计信息生成时会占用较多资源。
• 建议根据业务需求和数据特点进行调整，避免不必要的资源浪费。

在高级模式中，分布的构建基于全表扫描和排序操作，确保统计信息的准确性。这种方式简单直观，但可能占用较多计算资源。相比之下，中等模式则通过随机采样来生成分布信息，样本数和准确度需通过confidence值来确定。该值的范围在0.8到0.95之间，值越高表示对结果更具信心。

关于环境变量设置，DBUPSPACE变量可用于限制生成分布时的磁盘空间使用量。建议合理设置该值，以平衡资源消耗和统计效率。注意，默认值通常已足够，无需特殊处理，除非遇到显著性能问题。

在实际应用中，可采用以下统计更新习惯：

这样的设定方式既保证了统计信息的准确性，也在一定程度上减少了性能开销，需根据具体场景进行权衡。