Postgresql 可以在計劃中利用“意外”集群嗎？

假設我有一個包含列customer_id（隨機生成的字元串）和的僅附加表x，並且查找總是在customer_id.

假設數據如下所示，就好像我們在客戶最初註冊某項時獲得了一批行，然後再也沒有為該客戶註冊。

customer_id=XCVFY0001, x=...
customer_id=XCVFY0001, x=...
(continues for ~1 page with same customer_id)
customer_id=HUMBN0001, x=...
customer_id=HUMBN0001, x=...
(continues for ~1 page with same customer_id)
(and so on...)

因此，雖然customer_id的字母順序與物理行無關，但我們可以做出如下陳述：

• 每頁很少有不同的客戶 ID
• 每個 ID 有幾頁
• 有很長的“執行”ID，或者，如果您需要一個customer_id，您可能會在幾個連續的頁面上找到它
• 就資訊論而言，我認為他們會說沒有相關性，但存在很高的“互資訊”

如果沒有明確執行，查詢規劃器可以在估計中使用這樣的資訊CLUSTER嗎？我假設如果correlation報告中的低pg_stats，它會猜測行在整個頁面中均勻分佈，並且可能對各種計劃持悲觀態度。

（在我的現實世界模擬中，一個普通的非聚集索引無論如何都能讓事情變得又好又快，但是當我注意到數據中的模式時我只是好奇。）

規劃者不知道這種類型的分群，因此無法根據它做出決策。

ANALYZE 使用的兩步採樣方法在這種情況下會產生傾斜的樣本，可能導致對 n_distinct 的嚴重低估。如果不深入研究單個查詢的細節，就很難預測這可能會產生什麼後果。

引用自：https://dba.stackexchange.com/questions/280539