除了索引之外，我還需要統計資訊嗎？

假設我有一張包含應該經過幾個步驟的圖像的表格：

CREATE TABLE images (filename text, extracted bool, cropped bool, resized bool);
   
INSERT INTO images (filename, extracted, cropped, resized)
VALUES
   ('foo', false, false, false),
   ('bar', true, false, false),
   ('baz', true, true, false),
   ('qux', true, true, true);

在某些時候，我有一個查詢來查找所有被裁剪但仍需要調整大小的圖像：

SELECT count(*) FROM images WHERE cropped AND NOT resized;

現在我相信使查詢快速的最好方法是部分索引：

CREATE INDEX ON images (cropped, resized) WHERE (cropped AND NOT resized);

我將其設為局部，因為這cropped AND NOT resized是一種相對罕見的狀態，而可能有數百萬張圖像已經完全處理，還有數百萬張圖像尚未裁剪。

我現在的問題是，除了索引之外，我還需要統計資訊嗎？

其中之一？

CREATE STATISTICS stat1 (dependencies) ON cropped, resized FROM images;
CREATE STATISTICS stat2 (ndistinct) ON cropped, resized FROM images;
CREATE STATISTICS stat3 (mcv) ON cropped, resized FROM images;
ANALYZE images;

我找到了我之前錯過的章節How the Planner Uses Statistics （或者更確切地說與Planner 使用的統計資訊混為一談），但它只討論瞭如何將統計資訊轉換為行估計。鑑於顯然沒有關於索引的統計數據，我不清楚如何選擇索引。

我的實驗表明，目前我似乎不需要這些統計數據來使用索引，但仍不清楚為什麼會這樣。在深入了解原始碼後，我想我可以回答我自己的問題。

本質上，使用索引的決定是btcostestimate()依次做出的genericcostestimate()。

它有助於記住每個表可以使用哪些類型的統計資訊：

• 元組數
• 對於每一列：不同值的數量（有時稱為“基數”）
• 對於每一列：最常見的值
• 對於每一列：剩餘（不太常見）值的直方圖
• 如果已配置：dependenciesstats（“A 列中有多少個值只有一個值出現在 B 列中。”）
• 如果已配置：ndistinct統計資訊（A 和 B 列中唯一值組合的數量。）
• 如果已配置：mcv統計資訊（A 和 B 列中最常見的值組合。）

對於每個索引，Postgres 確定可以使用索引檢查哪些條件（“索引條件”或“索引質量”）。基於這些，genericcostestimate()（使用clauselist_selectivity()）計算索引的選擇性，同時考慮到那些擴展的統計數據。這實際上反映在我的實驗中，因為我通過以下mcv類型的擴展統計數據獲得了更好的行估計：

實際時間的差異取決於記憶體。

部分索引的謂詞也會被考慮在內，但前提是它引入了額外的限制，所以這裡不相關。

所以我認為如何選擇索引是這樣的：首先檢查索引謂詞以查看索引是否可用。然後計算特定條件的選擇性，如果沒有擴展統計數據，這確實有點錯誤。但再往下看，當計算實際成本時，它是如此之低，因為索引太小，以至於即使錯誤的行估計成本也非常低。

所以答案是肯定的，對於良好的行估計仍然需要理論上擴展的統計資訊，****但也不需要，仍然選擇沒有擴展統計資訊的索引，因為它太小了。

你在很大程度上想多了。您的查詢非常簡單，只有幾種方法可以執行。無論是返回 7000 行還是 2000 行，都無關緊要，因為無論哪種方式，索引似乎都比微不足道的替代方案要好。

如果您確實想要執行更多種類的查詢，這些查詢有更多機會做出錯誤的規劃器選擇，那麼包含 mcv 種類的擴展統計資訊可能很重要。

你的兩個例子完全不匹配。您問題中的計數表會導致行估計與您的答案中顯示的大不相同。如果沒有擴展的 MCV 統計資訊，它將提供大約 5,000,000，如果有擴展的統計資訊，它將提供大約 1。當然不是 6872 對 1782。

引用自：https://dba.stackexchange.com/questions/311006