采样率直接影响统计准确性与执行计划质量：过低致失真引发索引误用，过高增开销而收益递减；SQL Server/PostgreSQL依采样构建直方图，倾斜列尤需高采样，100%适合关键枚举字段，5%–30%为常用平衡区间，AUTO则需定期验证。
索引统计信息的采样率直接影响查询优化器对数据分布的判断，进而决定执行计划是否高效。采样率过低会导致统计失真，引发索引误用或全表扫描；过高则增加统计更新开销，且收益边际递减。
采样率如何影响统计准确性
SQL Server 和 PostgreSQL 等数据库在构建列直方图和密度向量时，依赖抽样数据估算值频次、范围分布和唯一性。默认采样（如 SQL Server 的 AUTO 选项）通常按数据量动态调整：小表全采，大表可能仅采 1%–20%。若某列存在倾斜分布（例如 95% 值为 'active'，其余分散），低采样率极易漏掉稀有值或低估高频值跨度，导致优化器误判选择性，放弃本该使用的索引。
常见采样率设置与适用场景
- 100%（FULLSCAN）：适合核心业务表中分布极不均匀、且查询高度依赖该列过滤的场景，如用户状态、订单类型等枚举字段；但会阻塞DML并显著延长 UPDATE STATISTICS 时间。
- 5%–30%（SAMPLE）：平衡准确性和开销的常用区间；对千万级以下表较稳妥；需结合直方图步数（STEPS）观察——即使采样率够，步数不足（如默认200步）仍会合并相邻桶，掩盖局部峰值。
- 系统自动（WITH AUTO）：依赖数据库内置启发式算法，适合常规OLTP表；但在分区表、列存表或频繁写入场景下可能持续欠采样，需定期验证统计质量。
如何判断当前采样是否足够
不依赖猜测，直接查元数据：
- SQL Server：查询 sys.dm_db_stats_histogram 中 actual_number_of_rows 与 average_range_rows 的偏差，对比 sys.stats 的 rows_sampled / rows 比值；若采样率＜5% 且直方图中最大 step 覆盖行数远超平均值，说明存在严重倾斜未被捕捉。
- PostgreSQL：检查 pg_statistic 中 stanullfrac、stakind1 对应的 stavalues1 和 stanumbers1，结合 pg_class.reltuples 推算采样比例；再用 EXPLAIN (ANALYZE) 观察实际行数 vs 预估行数差异是否持续＞3倍。
优化建议与实操注意点
- 对高频查询的 WHERE / JOIN / ORDER BY 列，优先手动指定采样率（如 SAMPLE 30 PERCENT），而非依赖 AUTO。
- 避免在业务高峰期运行 FULLSCAN；可结合 NORECOMPUTE + 定时作业，在低峰期按需更新关键统计。
- 分区表要确认是否启用 INCREMENTAL 统计（SQL Server 2014+），否则全局采样会忽略分区边界特性，导致跨分区查询计划劣化。
- 更新统计后，留意执行计划是否刷新——部分缓存计划不会自动重编译，必要时加 OPTION (RECOMPILE) 或清空过程缓存。
