آموزش DROP STATISTICS و حذف ایمن آمار غیرضروری

تعریف فنی و جایگاه در معماری SQL Server

DROP STATISTICS در این مقاله به‌عنوان یک موضوع GENERAL_TOPIC بررسی می‌شود. ماهیت اصلی آن این است که یک یا چند Statistics مستقل را حذف می‌کند؛ آمار متصل به ایندکس با DROP STATISTICS قابل حذف مستقیم نیست. این قابلیت در لایه «نام هدف به‌صورت schema.table.statistics مشخص می‌شود و حذف می‌تواند رفتار Compile بعدی را تغییر دهد.» قرار می‌گیرد و بدون تعیین همان محدوده، عدد یا خروجی می‌تواند چند تفسیر متفاوت داشته باشد.

مفاهیم محوری این صفحه عبارت‌اند از statistics_name، user_created، auto_created، index_statistics، AUTO_DROP. ارتباط میان این مفاهیم باید به‌صورت زنجیره علت، مشاهده و اقدام خوانده شود؛ به همین دلیل هیچ ستون یا Option به‌تنهایی معیار تغییر Production نیست.

این تصویر، جایگاه DROP STATISTICS را با تمرکز بر statistics_name، user_created و auto_created نشان می‌دهد؛ پنل عددی پایین شکل برای جداکردن مشاهده خام از تصمیم اجرایی طراحی شده است.

نحو دستور، هدف و اثر اجرایی

Syntax مرجع

DROP STATISTICS schema.table.statistics_name [, ...];

ورودی، محدوده و مجوز

Scope این موضوع چنین تعریف می‌شود: نام هدف به‌صورت schema.table.statistics مشخص می‌شود و حذف می‌تواند رفتار Compile بعدی را تغییر دهد. برای اجرای درست، مجوز ALTER روی جدول یا مجوز کنترل مناسب لازم است. انتخاب پارامتر یا Target باید از مسئله عیب‌یابی بیاید و استفاده از NULL، همه اشیا یا تنظیم سطح دیتابیس فقط با دلیل مشخص انجام شود.

خروجی یا اثر قابل مشاهده

در خروجی یا رفتار DROP STATISTICS باید حداقل statistics_name، auto_created و AUTO_DROP بررسی شود. اگر مقدار NULL، صفر یا نبود ردیف مشاهده شد، ابتدا Metadata Visibility، نسخه و زمان ایجاد داده کنترل می‌شود؛ نتیجه خالی همیشه به معنی نبود مشکل نیست.

اجزای اصلی و منطق تحلیل

در نمودار دوم، مسیر statistics_name تا index_statistics به‌صورت مرحله‌ای ترسیم شده تا ورودی، تبدیل و خروجی DROP STATISTICS در یک نگاه قابل دنبال‌کردن باشد.

ده مثال عملی از مشاهده ساده تا تصمیم قابل اجرا

مثال 1: راه‌اندازی سناریوی پایه و مشاهده اثر گزینه

مثال 1 موضوع DROP STATISTICS را در زاویه «راه‌اندازی سناریوی پایه و مشاهده اثر گزینه» بررسی می‌کند تا تفاوت میان Syntax و نتیجه عملی روشن شود.

DROP TABLE IF EXISTS #StatsLab_16;
CREATE TABLE #StatsLab_16
(
    RowID int IDENTITY(1,1) NOT NULL,
    RegionCode int NULL,
    OrderDate date NOT NULL,
    Amount decimal(12,2) NOT NULL,
    StatusCode tinyint NOT NULL
);
INSERT INTO #StatsLab_16(RegionCode,OrderDate,Amount,StatusCode)
VALUES (1,'2026-01-01',1200,1),(1,'2026-01-02',1800,1),(2,'2026-02-01',350,2),(NULL,'2026-03-01',90,3);
CREATE STATISTICS ST_Lab_16 ON #StatsLab_16(RegionCode);
DROP STATISTICS #StatsLab_16.ST_Lab_16;

این اجرا نقطه شروع قابل تکرار برای DROP STATISTICS می‌سازد و باید در محیط آزمایش انجام شود.

مثال 2: اعمال موضوع روی یک Statistics مشخص

مثال 2 موضوع DROP STATISTICS را در زاویه «اعمال موضوع روی یک Statistics مشخص» بررسی می‌کند تا تفاوت میان Syntax و نتیجه عملی روشن شود.

DROP TABLE IF EXISTS #StatsLab_16;
CREATE TABLE #StatsLab_16
(
    RowID int IDENTITY(1,1) NOT NULL,
    RegionCode int NULL,
    OrderDate date NOT NULL,
    Amount decimal(12,2) NOT NULL,
    StatusCode tinyint NOT NULL
);
INSERT INTO #StatsLab_16(RegionCode,OrderDate,Amount,StatusCode)
VALUES (1,'2026-01-01',1200,1),(1,'2026-01-02',1800,1),(2,'2026-02-01',350,2),(NULL,'2026-03-01',90,3);
CREATE STATISTICS ST_Lab_16_A ON #StatsLab_16(RegionCode);
CREATE STATISTICS ST_Lab_16_B ON #StatsLab_16(Amount);
DROP STATISTICS #StatsLab_16.ST_Lab_16_A, #StatsLab_16.ST_Lab_16_B;

هدف‌گیری یک Statistics مشخص، دامنه I/O و Recompile مرتبط با DROP STATISTICS را قابل کنترل می‌کند.

مثال 3: بررسی رفتار پس از ورود داده جدید

مثال 3 موضوع DROP STATISTICS را در زاویه «بررسی رفتار پس از ورود داده جدید» بررسی می‌کند تا تفاوت میان Syntax و نتیجه عملی روشن شود.

DROP TABLE IF EXISTS #StatsLab_16;
CREATE TABLE #StatsLab_16
(
    RowID int IDENTITY(1,1) NOT NULL,
    RegionCode int NULL,
    OrderDate date NOT NULL,
    Amount decimal(12,2) NOT NULL,
    StatusCode tinyint NOT NULL
);
INSERT INTO #StatsLab_16(RegionCode,OrderDate,Amount,StatusCode)
VALUES (1,'2026-01-01',1200,1),(1,'2026-01-02',1800,1),(2,'2026-02-01',350,2),(NULL,'2026-03-01',90,3);
CREATE STATISTICS ST_Lab_16 ON #StatsLab_16(StatusCode);
IF EXISTS(SELECT 1 FROM tempdb.sys.stats WHERE object_id=OBJECT_ID(N'tempdb..#StatsLab_16') AND name=N'ST_Lab_16') DROP STATISTICS #StatsLab_16.ST_Lab_16;

پس از تغییر داده، فقط خروجی ظاهری کافی نیست؛ قبل و بعد از حذف، Query Store و تخمین Cardinality را مقایسه کنید و Rollback منطقی داشته باشید.

مثال 4: استفاده در Statistics فیلترشده یا محدوده‌دار

مثال 4 موضوع DROP STATISTICS را در زاویه «استفاده در Statistics فیلترشده یا محدوده‌دار» بررسی می‌کند تا تفاوت میان Syntax و نتیجه عملی روشن شود.

DROP TABLE IF EXISTS #StatsLab_16;
CREATE TABLE #StatsLab_16
(
    RowID int IDENTITY(1,1) NOT NULL,
    RegionCode int NULL,
    OrderDate date NOT NULL,
    Amount decimal(12,2) NOT NULL,
    StatusCode tinyint NOT NULL
);
INSERT INTO #StatsLab_16(RegionCode,OrderDate,Amount,StatusCode)
VALUES (1,'2026-01-01',1200,1),(1,'2026-01-02',1800,1),(2,'2026-02-01',350,2),(NULL,'2026-03-01',90,3);
CREATE STATISTICS ST_Lab_16 ON #StatsLab_16(OrderDate);
SELECT s.name,s.user_created,s.auto_created FROM tempdb.sys.stats AS s WHERE s.object_id=OBJECT_ID(N'tempdb..#StatsLab_16');
DROP STATISTICS #StatsLab_16.ST_Lab_16;

فیلتر یا Scope محدود نشان می‌دهد DROP STATISTICS چگونه با توزیع واقعی داده تعامل دارد.

مثال 5: خواندن Metadata و Header پس از عملیات

مثال 5 موضوع DROP STATISTICS را در زاویه «خواندن Metadata و Header پس از عملیات» بررسی می‌کند تا تفاوت میان Syntax و نتیجه عملی روشن شود.

DROP TABLE IF EXISTS #StatsLab_16;
CREATE TABLE #StatsLab_16
(
    RowID int IDENTITY(1,1) NOT NULL,
    RegionCode int NULL,
    OrderDate date NOT NULL,
    Amount decimal(12,2) NOT NULL,
    StatusCode tinyint NOT NULL
);
INSERT INTO #StatsLab_16(RegionCode,OrderDate,Amount,StatusCode)
VALUES (1,'2026-01-01',1200,1),(1,'2026-01-02',1800,1),(2,'2026-02-01',350,2),(NULL,'2026-03-01',90,3);
CREATE INDEX IX_Lab_16 ON #StatsLab_16(OrderDate);
-- DROP STATISTICS #StatsLab_16.IX_Lab_16; -- آمار ایندکس از این مسیر حذف نمی‌شود
DROP INDEX IX_Lab_16 ON #StatsLab_16;

Metadata به شما اجازه می‌دهد اثر ثبت‌شده را از تصور درباره اجرای دستور جدا کنید. برای DROP STATISTICS، اجرای این توصیه در خانواده 16 نیازمند Baseline مخصوص همان موضوع است.

مثال 6: کنترل زمان آخرین Update و وضعیت ثبت‌شده

مثال 6 موضوع DROP STATISTICS را در زاویه «کنترل زمان آخرین Update و وضعیت ثبت‌شده» بررسی می‌کند تا تفاوت میان Syntax و نتیجه عملی روشن شود.

DROP TABLE IF EXISTS #StatsLab_16;
CREATE TABLE #StatsLab_16
(
    RowID int IDENTITY(1,1) NOT NULL,
    RegionCode int NULL,
    OrderDate date NOT NULL,
    Amount decimal(12,2) NOT NULL,
    StatusCode tinyint NOT NULL
);
INSERT INTO #StatsLab_16(RegionCode,OrderDate,Amount,StatusCode)
VALUES (1,'2026-01-01',1200,1),(1,'2026-01-02',1800,1),(2,'2026-02-01',350,2),(NULL,'2026-03-01',90,3);
CREATE STATISTICS ST_Lab_16 ON #StatsLab_16(RegionCode);
DBCC SHOW_STATISTICS(N'tempdb..#StatsLab_16',N'ST_Lab_16') WITH STAT_HEADER;
DROP STATISTICS #StatsLab_16.ST_Lab_16;

زمان آخرین Update را با Modification Counter تفسیر کنید؛ حذف آمار بدون ثبت Planهای متاثر ممکن است Regression ایجاد کند و Auto Stats بعداً آمار دیگری با نام متفاوت بسازد.

مثال 7: کار با Statistics ایندکس یا شیء وابسته

مثال 7 موضوع DROP STATISTICS را در زاویه «کار با Statistics ایندکس یا شیء وابسته» بررسی می‌کند تا تفاوت میان Syntax و نتیجه عملی روشن شود.

DROP TABLE IF EXISTS #StatsLab_16;
CREATE TABLE #StatsLab_16
(
    RowID int IDENTITY(1,1) NOT NULL,
    RegionCode int NULL,
    OrderDate date NOT NULL,
    Amount decimal(12,2) NOT NULL,
    StatusCode tinyint NOT NULL
);
INSERT INTO #StatsLab_16(RegionCode,OrderDate,Amount,StatusCode)
VALUES (1,'2026-01-01',1200,1),(1,'2026-01-02',1800,1),(2,'2026-02-01',350,2),(NULL,'2026-03-01',90,3);
CREATE STATISTICS ST_Lab_16 ON #StatsLab_16(Amount);
SELECT STATS_DATE(s.object_id,s.stats_id) AS before_drop FROM tempdb.sys.stats AS s WHERE s.object_id=OBJECT_ID(N'tempdb..#StatsLab_16') AND s.name=N'ST_Lab_16';
DROP STATISTICS #StatsLab_16.ST_Lab_16;

آمار ایندکس قواعد متفاوتی از Statistics مستقل دارد و باید نوع هدف پیش از عملیات مشخص باشد. این نکته در تحلیل خانواده 16 با محور DROP STATISTICS به‌صورت مستقل ارزیابی می‌شود.

مثال 8: تفسیر Histogram بعد از اجرای دستور

مثال 8 موضوع DROP STATISTICS را در زاویه «تفسیر Histogram بعد از اجرای دستور» بررسی می‌کند تا تفاوت میان Syntax و نتیجه عملی روشن شود.

DROP TABLE IF EXISTS #StatsLab_16;
CREATE TABLE #StatsLab_16
(
    RowID int IDENTITY(1,1) NOT NULL,
    RegionCode int NULL,
    OrderDate date NOT NULL,
    Amount decimal(12,2) NOT NULL,
    StatusCode tinyint NOT NULL
);
INSERT INTO #StatsLab_16(RegionCode,OrderDate,Amount,StatusCode)
VALUES (1,'2026-01-01',1200,1),(1,'2026-01-02',1800,1),(2,'2026-02-01',350,2),(NULL,'2026-03-01',90,3);
CREATE STATISTICS ST_Lab_16_Old ON #StatsLab_16(StatusCode);
CREATE STATISTICS ST_Lab_16_New ON #StatsLab_16(StatusCode,RegionCode);
DROP STATISTICS #StatsLab_16.ST_Lab_16_Old;

Histogram ابزار تحلیل تخمین است، نه نسخه کامل همه مقادیر ستون.

مثال 9: مدیریت خطای نسخه، مجوز یا Syntax

مثال 9 موضوع DROP STATISTICS را در زاویه «مدیریت خطای نسخه، مجوز یا Syntax» بررسی می‌کند تا تفاوت میان Syntax و نتیجه عملی روشن شود.

DROP TABLE IF EXISTS #StatsLab_16;
CREATE TABLE #StatsLab_16
(
    RowID int IDENTITY(1,1) NOT NULL,
    RegionCode int NULL,
    OrderDate date NOT NULL,
    Amount decimal(12,2) NOT NULL,
    StatusCode tinyint NOT NULL
);
INSERT INTO #StatsLab_16(RegionCode,OrderDate,Amount,StatusCode)
VALUES (1,'2026-01-01',1200,1),(1,'2026-01-02',1800,1),(2,'2026-02-01',350,2),(NULL,'2026-03-01',90,3);
CREATE STATISTICS ST_Lab_16 ON #StatsLab_16(OrderDate);
BEGIN TRY DROP STATISTICS #StatsLab_16.ST_Lab_16; END TRY BEGIN CATCH SELECT ERROR_MESSAGE() AS drop_error; END CATCH;

Error Handling برای قابلیت‌های نسخه‌محور مهم است؛ رفتار دقیق را با نسخه و سطح سازگاری پایگاه داده بررسی کنید. برای موضوع DROP STATISTICS در مجموعه 16، همین قاعده باید با داده همان Scope تطبیق داده شود.

مثال 10: ساخت گزارش نهایی برای Runbook نگهداری

مثال 10 موضوع DROP STATISTICS را در زاویه «ساخت گزارش نهایی برای Runbook نگهداری» بررسی می‌کند تا تفاوت میان Syntax و نتیجه عملی روشن شود.

DROP TABLE IF EXISTS #StatsLab_16;
CREATE TABLE #StatsLab_16
(
    RowID int IDENTITY(1,1) NOT NULL,
    RegionCode int NULL,
    OrderDate date NOT NULL,
    Amount decimal(12,2) NOT NULL,
    StatusCode tinyint NOT NULL
);
INSERT INTO #StatsLab_16(RegionCode,OrderDate,Amount,StatusCode)
VALUES (1,'2026-01-01',1200,1),(1,'2026-01-02',1800,1),(2,'2026-02-01',350,2),(NULL,'2026-03-01',90,3);
CREATE STATISTICS ST_Lab_16 ON #StatsLab_16(RegionCode);
DROP STATISTICS #StatsLab_16.ST_Lab_16;
CREATE STATISTICS ST_Lab_16_Rollback ON #StatsLab_16(RegionCode) WITH FULLSCAN;

گزارش Runbook باید مالک، زمان اجرا، Scope و معیار موفقیت DROP STATISTICS را ثبت کند.

کاربردهای واقعی در پروژه و عملیات

در پایش روزانه، DROP STATISTICS می‌تواند برای ساخت یک Snapshot محدود به اشیای حساس استفاده شود. تیم عملیات با ثبت statistics_name و index_statistics در کنار زمان رخداد، میان تغییر طبیعی بار و نشانه Regression تفاوت می‌گذارد.

در پروژه بهینه‌سازی، خروجی این موضوع به فرضیه قابل آزمایش تبدیل می‌شود؛ برای نمونه، به‌جای «سیستم کند است» سؤال می‌شود آیا تغییر شاخص اصلی با Query یا Deployment خاص هم‌بستگی دارد. سپس Plan و معیار قبل/بعد جمع‌آوری می‌شود. در Runbook خانواده 16، تفسیر این بند به شواهد اختصاصی DROP STATISTICS وابسته است.

در فرایند آموزش یا تحویل پروژه، Runbook باید Query امن، سطح دسترسی، مسیر Escalation و شرط توقف را ثبت کند. این کار وابستگی به حافظه یک DBA را کم و اجرای DROP STATISTICS را قابل ممیزی می‌کند.

اشتباهات رایج و اصلاح عملی

• اشتباه: خواندن statistics_name بدون ثبت زمان. اصلاح: Capture Time و زمان شروع سرویس یا دیتابیس را کنار Snapshot نگه دارید.
• اشتباه: اجرای DROP STATISTICS روی همه اشیا در هر دقیقه. اصلاح: Scope را با فیلتر دیتابیس، Object یا Statistics محدود و تناوب را با نرخ تغییر تنظیم کنید.
• اشتباه: تبدیل شاخص اصلی به حکم قطعی. اصلاح: آن را با شاخص مکمل، Plan و الگوی Workload اعتبارسنجی نمایید.
• اشتباه: نادیده‌گرفتن مجوز و Metadata Visibility. اصلاح: نبود ردیف را با کاربر دارای دسترسی کنترل‌شده دوباره بررسی کنید.
• اشتباه: نبود مسیر بازگشت. اصلاح: قبل از تغییر، Script معکوس، Snapshot تنظیمات و معیار شکست را آماده سازید.

Performance Considerations اختصاصی این موضوع

قبل و بعد از حذف، Query Store و تخمین Cardinality را مقایسه کنید و Rollback منطقی داشته باشید. Query جمع‌آوری باید فقط ستون‌های موردنیاز را برگرداند، از Sorting بدون Top روی مجموعه بزرگ دوری کند و در صورت امکان یک Object یا دیتابیس مشخص را هدف بگیرد.

هزینه مستقیم DROP STATISTICS با نوع موضوع متفاوت است: DMVهای گسترده می‌توانند خروجی حجیم تولید کنند، DBCC یا Update Statistics ممکن است I/O داشته باشد و گزینه سطح دیتابیس می‌تواند Compileهای بعدی را تغییر دهد. به همین علت اجرای نخست باید با Elapsed Time و Reads ثبت شود.

برای تحلیل روند، Snapshotهای کوچک و منظم از user_created بهتر از Query سنگین و نامنظم است. نگهداری تاریخچه نیز باید Retention مشخص داشته باشد تا مخزن مانیتورینگ خود به منبع رشد و Lock تبدیل نشود.

Best Practices اولویت‌بندی‌شده

• هدف تحلیلی DROP STATISTICS را در یک جمله و پیش از اجرای Query بنویسید.
• فقط آمار اثبات‌شده و تکراری را حذف کنید؛ برای آمار وابسته به Schema تغییرات AUTO_DROP را نیز بررسی نمایید.
• نسخه، Edition و مجوزهای مرتبط با auto_created را در Deployment Checklist ثبت کنید.
• خروجی را با یک منبع مستقل مانند Query Store، Actual Plan یا Catalog View مرتبط تطبیق دهید.
• برای اقدام تغییردهنده معیار قبل/بعد و زمان مشاهده اثر را از پیش تعیین کنید.
• Script جمع‌آوری DROP STATISTICS را Version Control کنید و تغییر Thresholdها را مستند نگه دارید.

نمای سوم، رابطه user_created، AUTO_DROP و dependency را در کنار شاخص‌های تصمیم نمایش می‌دهد و مشخص می‌کند کدام مسیر برای Performance یا رفع خطا اولویت دارد.

مزایا، محدودیت‌ها و زمان نامناسب استفاده

مزیت اصلی DROP STATISTICS این است که مسئله یک یا چند Statistics مستقل را حذف می‌کند؛ آمار متصل به ایندکس با DROP STATISTICS قابل حذف مستقیم نیست. را به داده یا رفتار قابل مشاهده تبدیل می‌کند. این شفافیت، گفت‌وگوی DBA و تیم توسعه را از حدس به فرضیه قابل آزمون منتقل می‌سازد.

محدودیت اصلی به Scope و ماندگاری داده مربوط است: نام هدف به‌صورت schema.table.statistics مشخص می‌شود و حذف می‌تواند رفتار Compile بعدی را تغییر دهد. همچنین حذف آمار بدون ثبت Planهای متاثر ممکن است Regression ایجاد کند و Auto Stats بعداً آمار دیگری با نام متفاوت بسازد. بنابراین گزارش باید Timestamp، نسخه و Context داشته باشد.

زمان نامناسب استفاده زمانی است که تیم بدون دسترسی کافی، بدون Baseline یا در میانه Incident حساس قصد اجرای فرمان سنگین دارد. در آن وضعیت ابتدا Query کم‌خطر، داده موجود و روش Escalation انتخاب می‌شود. کاربرد این اصل در DROP STATISTICS با معیارهای ویژه مجموعه 16 سنجیده می‌شود.

سؤالات متداول اختصاصی

DROP STATISTICS دقیقاً چه مسئله‌ای را در SQL Server حل می‌کند؟

DROP STATISTICS برای یک یا چند Statistics مستقل را حذف می‌کند؛ آمار متصل به ایندکس با DROP STATISTICS قابل حذف مستقیم نیست. کاربرد دارد. ارزش آن زمانی آشکار می‌شود که خروجی با Scope صحیح، زمان Capture و شواهد Workload تفسیر شود، نه اینکه یک مقدار منفرد به‌عنوان حکم نهایی در نظر گرفته شود.

برای شروع یادگیری DROP STATISTICS چه پیش‌نیازی لازم است؟

آشنایی با Metadata، اجرای SELECT امن و مفهوم statistics_name پایه مناسبی است. کاربر باید تفاوت محیط آزمایش و Production را بداند و مجوز «مجوز ALTER روی جدول یا مجوز کنترل مناسب لازم است.» را بدون گسترش غیرضروری دسترسی مدیریت کند.

آیا DROP STATISTICS برای پروژه‌های کوچک هم ارزش پیاده‌سازی دارد؟

در پروژه کوچک می‌توان Scope را محدود و فقط شاخص‌های user_created و auto_created را ثبت کرد. همین نسخه سبک از پایش، رشد آینده را قابل اندازه‌گیری می‌کند و از تصمیم‌های حدسی هنگام افزایش حجم جلوگیری خواهد کرد.

در یک پروژه سازمانی چگونه خروجی DROP STATISTICS مستندسازی شود؟

پیشنهاد می‌شود Capture Time، نام دیتابیس، مالک سرویس، Query یا Job مرتبط و تصمیم حاصل ثبت شود. در خدمات مشاوره SQL Server نیز چنین فرم شواهدی باعث می‌شود تغییرات قابل بازبینی و مسئولیت هر اقدام روشن باشد. در مجموعه 16، این تصمیم برای DROP STATISTICS باید جدا از خانواده‌های دیگر ثبت شود.

DROP STATISTICS چه تفاوتی با نگاه‌کردن صرف به Execution Plan دارد؟

Execution Plan مسیر یک Query را توضیح می‌دهد، اما DROP STATISTICS زاویه «نام هدف به‌صورت schema.table.statistics مشخص می‌شود و حذف می‌تواند رفتار Compile بعدی را تغییر دهد.» را اضافه می‌کند. ترکیب این دو، فاصله میان رفتار یک اجرا و الگوی تجمعی سیستم را کاهش می‌دهد.

چه زمانی برای تحلیل DROP STATISTICS از متخصص SQL Server کمک بگیریم؟

وقتی خروجی به تغییر Schema، حذف یا ساخت ایندکس، تنظیم دیتابیس یا عملیات پرهزینه منتهی می‌شود، بازبینی تخصصی ارزش دارد. تیم اجرا می‌تواند ابتدا Snapshot و Queryهای مقاله را آماده کند تا جلسه مشاوره بر تصمیم واقعی متمرکز بماند. برای DROP STATISTICS، اجرای این توصیه در خانواده 16 نیازمند Baseline مخصوص همان موضوع است.

رایج‌ترین خطای تفسیر DROP STATISTICS چیست؟

خطای پرتکرار، جداکردن عدد index_statistics از بازه زمانی و Context است. حذف آمار بدون ثبت Planهای متاثر ممکن است Regression ایجاد کند و Auto Stats بعداً آمار دیگری با نام متفاوت بسازد. راه اصلاح، ثبت Baseline و مقایسه چند Snapshot هم‌شرایط است.

چگونه هزینه Performance خود Queryهای DROP STATISTICS را پایین نگه داریم؟

ستون‌های لازم را انتخاب کنید، فیلتر Scope را زود اعمال نمایید و Capture را با فاصله منطقی انجام دهید. قبل و بعد از حذف، Query Store و تخمین Cardinality را مقایسه کنید و Rollback منطقی داشته باشید. این رویکرد مانع تبدیل ابزار تشخیص به منبع بار اضافی می‌شود.

بهترین الگوی عملی برای استفاده پایدار از DROP STATISTICS چیست؟

فقط آمار اثبات‌شده و تکراری را حذف کنید؛ برای آمار وابسته به Schema تغییرات AUTO_DROP را نیز بررسی نمایید. علاوه بر آن، معیار موفقیت هر تغییر باید پیش از اجرا تعریف شود تا پس از تغییر بتوان اثر را با همان شاخص‌ها سنجید.

DROP STATISTICS در همه نسخه‌های SQL Server یکسان رفتار می‌کند؟

رفتار دقیق را با نسخه و سطح سازگاری پایگاه داده بررسی کنید. همچنین نام مجوزها، ستون‌های قابل اتکا و قابلیت‌های وابسته به Edition یا Platform باید در محیط هدف آزمایش شوند؛ Script آموزشی جای تست سازگاری نسخه را نمی‌گیرد. این نکته در تحلیل خانواده 16 با محور DROP STATISTICS به‌صورت مستقل ارزیابی می‌شود.

سؤالات مصاحبه فنی

چگونه Scope مناسب برای DROP STATISTICS را تعیین می‌کنید؟

از مسئله عملی شروع می‌کنم، دیتابیس و شیء مرتبط را محدود می‌سازم، سپس فقط ستون‌های statistics_name و user_created را برای پاسخ به همان فرضیه انتخاب می‌کنم.

چرا یک Snapshot از DROP STATISTICS کافی نیست؟

زیرا نام هدف به‌صورت schema.table.statistics مشخص می‌شود و حذف می‌تواند رفتار Compile بعدی را تغییر دهد. می‌تواند با Restart، بارکاری یا تغییر داده جابه‌جا شود. دو یا چند Capture هم‌شرایط نرخ تغییر و پایداری سیگنال را مشخص می‌کند.

خروجی DROP STATISTICS را با کدام منبع دوم اعتبارسنجی می‌کنید؟

بسته به موضوع از Query Store، Actual Execution Plan، sys.stats، Catalog Viewهای ایندکس یا Baseline منابع استفاده می‌کنم تا یک DMV یا فرمان به‌تنهایی مبنای تغییر نشود. برای موضوع DROP STATISTICS در مجموعه 16، همین قاعده باید با داده همان Scope تطبیق داده شود.

یک ضدالگو در خودکارسازی DROP STATISTICS نام ببرید.

تبدیل مستقیم خروجی به DDL یا Maintenance بدون Approval ضدالگو است. Handle موقت، Threshold عمومی و نبود Rollback می‌تواند توصیه ظاهراً مفید را به Regression تبدیل کند. در Runbook خانواده 16، تفسیر این بند به شواهد اختصاصی DROP STATISTICS وابسته است.

معیار موفقیت اقدام مرتبط با DROP STATISTICS چیست؟

قبل از تغییر، معیارهایی مانند کاهش شاخص اصلی، ثبات شاخص مکمل، زمان پاسخ Query یا هزینه نگهداری را ثبت می‌کنم و بعد از بازه معنادار همان‌ها را دوباره می‌سنجم. کاربرد این اصل در DROP STATISTICS با معیارهای ویژه مجموعه 16 سنجیده می‌شود.

چگونه ریسک Production را هنگام کار با DROP STATISTICS کنترل می‌کنید؟

ابتدا Query فقط‌خواندنی و محدود اجرا می‌شود، Plan جمع‌آوری و زمان مناسب انتخاب می‌گردد؛ هر فرمان تغییردهنده نیز در محیط مشابه، با نسخه پشتیبان و مسیر بازگشت آزموده می‌شود. در مجموعه 16، این تصمیم برای DROP STATISTICS باید جدا از خانواده‌های دیگر ثبت شود.

چک‌لیست نهایی اجرا

1. نسخه و وجود DROP STATISTICS یا Syntax متناظر را کنترل کنید.
2. کاربر اجرایی را با حداقل مجوز لازم انتخاب نمایید.
3. Scope دیتابیس، جدول، ایندکس، Statistics یا Option را صریح تعیین کنید.
4. Baseline مربوط به شاخص اصلی و شاخص مکمل را ثبت نمایید.
5. مثال مناسب را ابتدا در محیط آزمایش یا با Target محدود اجرا کنید.
6. خروجی را با منبع مستقل و Plan مرتبط اعتبارسنجی کنید.
7. برای تغییر Production مالک، پنجره اجرا و Rollback تعیین کنید.
8. نتیجه پس از تغییر را در همان بازه و با همان معیار دوباره اندازه بگیرید.