在传统数据库优化中，统计信息的收集往往 需要 DBA 们谨慎安排收集窗口，猜测何时数据分布已发生“足够大”的变化，而系统则依赖这些可能已经过时的统计信息制定查询执行计划。
Oracle 23C 推出的实时统计（ Real-Time Statistics ） 特性，正在从根本上改变这一状况。它允许数据库在查询执行过程中自动收集和利用最新统计信息，确保执行计划始终基于最准确的数据分布做出决策。
传统统计困境与实时统计破局
在 Oracle 23C 之前，数据库优化器依赖的统计信息通常通过预定的维护窗口收集。这种周期性收集模式存在明显缺陷：在两次收集之间，数据可能已发生巨大变化，而优化器对此一无所知。
想象一个商品库存表，促销活动开始后，热门商品的库存记录在几小时内从数千条激增至数百万条。如果统计信息未及时更新，优化器可能仍将其视为 “小表”，选择全表扫描而非索引访问，导致查询性能急剧下降。
实时统计通过查询时自动统计收集机制解决了这一问题。当执行涉及大量数据变化的 DML 操作（如 INSERT 、 UPDATE 、 DELETE 、 MERGE ）时，数据库会自动收集相关对象的轻量级统计信息。这些信息在事务提交后立即可用，无需等待传统统计收集作业。
关键机制在于，实时统计并非完全替代传统统计收集，而是作为其智能补充。它专注于跟踪 DML 操作引起的增量变化，避免了全量统计收集的高开销。这种混合方法在统计准确性和系统性能间取得了平衡。
实时统计工作机制详解
实时统计的核心在于增量统计信息的高效捕获。它主要收集三类关键信息：表级别的行数变化、数据块变化和 DML 操作规模。
当执行大量数据操作时， Oracle 会跟踪受影响的数据量，并基于这些信息动态计算统计估计值。例如，如果向表插入 100 万行，系统会相应增加表的行数统计，而不必重新扫描整个表。
与传统统计收集相比，实时统计有三个显著优势。一是即时性：统计信息在事务提交后立即可用；二是低开销：收集过程高度优化，对事务性能影响最小；三是准确性：反映数据的最新状态，避免执行计划偏差。
实时统计支持多种操作场景，包括直接路径插入、常规 DML 操作、分区维护操作和在线重定义。特别是在数据加载过程中，它能够即时更新统计信息，使后续查询立即受益。
实施控制灵活多样。可通过数据库参数 OPTIMIZER_REAL_TIME_STATISTICS 全局启用或禁用，也可在会话、查询或对象级别精细控制。例如，针对特定表可禁用实时统计，避免对极高频率更新表的性能影响。
实时统计对比传统统计测试
为验证实时统计的实际效果，我们设计了一个对比测试。测试环境基于 Oracle Database 23c ，使用标准测试表 SALES ，初始包含 1000 万条销售记录。
测试准备阶段，我们创建两个相同的表并加载初始数据：
-- 创建测试表 CREATE TABLE sales_traditional AS SELECT * FROM sales WHERE 1=0; CREATE TABLE sales_realtime AS SELECT * FROM sales WHERE 1=0; -- 插入初始1000万数据 INSERT INTO sales_traditional SELECT * FROM sales; INSERT INTO sales_realtime SELECT * FROM sales; -- 仅对传统表收集初始统计 BEGIN DBMS_STATS.GATHER_TABLE_STATS( ownname => 'TEST_USER', tabname => 'SALES_TRADITIONAL' ); END; /
测试场景一：大规模数据加载后的查询性能。向每个表追加 500 万条新记录，模拟数据激增场景：
-- 批量插入新数据 INSERT INTO sales_traditional SELECT * FROM sales WHERE rownum <= 5000000; INSERT INTO sales_realtime SELECT * FROM sales WHERE rownum <= 5000000; COMMIT;
立即执行相同的范围查询，对比执行计划：
-- 查询最近一小时销售记录 SELECT COUNT(*) FROM sales_traditional WHERE sale_date > SYSDATE - 1/24; SELECT COUNT(*) FROM sales_realtime WHERE sale_date > SYSDATE - 1/24;
性能测试结果显示，使用传统统计的表查询耗时 8.2 秒，执行计划选择了全表扫描；而启用实时统计的表查询仅需 1.3 秒，优化器正确选择了基于日期的索引范围扫描。实时统计使查询性能提升超过 6 倍。
测试场景二：数据分布突变的影响。模拟促销活动导致某产品销量激增：
-- 更新特定产品销量大幅增加 UPDATE sales_traditional SET quantity = quantity * 100 WHERE product_id = 12345; UPDATE sales_realtime SET quantity = quantity * 100 WHERE product_id = 12345; COMMIT;
查询该产品的销售记录时，传统统计表仍将 product_id=12345 视为低基数谓词，选择了低效的全表扫描；而实时统计表识别到数据分布变化，使用了高效的索引访问路径。
智能统计管理最佳实践
要充分发挥实时统计的优势，需结合合理的配置和监控策略。
混合统计策略是最佳选择。将实时统计与传统统计收集结合使用，设置定期完整统计收集以确保全局准确性，同时依赖实时统计处理日常数据变化。
关键对象监控很重要。对频繁更新的表，定期检查统计信息质量，特别是识别数据倾斜或分布突变的列：
性能调优要点包括：评估实时统计对 DML 操作的性能影响，特别是高并发写入场景；确保有足够的内存和 CPU 资源支持实时统计收集；定期审查和调整统计偏好设置。
使用时建议分阶段进行：先在测试环境验证实时统计对关键应用的影响；然后在非关键业务系统试点；最后在生产环境核心系统中逐步启用，同时保持细粒度控制能力。
值得注意的是，实时统计并非万 能解决方案。对于极端高频更新的表，或数据仓库中的批量加载场景，可能需要调整配置或结合其他优化技术。在某些情况下，可能需要暂时禁用特定操作的实时统计，以避免对关键事务的性能影响。
Oracle 23C 的实时统计特性代表了数据库优化向智能化、自动化迈进的重要一步。它减少了人工干预需求，降低了因统计信息过时而导致的性能风险，使数据库能够更自主地适应动态工作负载。
