PostgreSql 数据库统计信息 why when what

统计信息，没有数据是没有的，但统计信息怎么收集，标准是什么，怎么使用，就值得去看看了。

要说统计信息，首先说一个表 pg_statistic ，这个表本身是存储数据库的状态信息，其中信息通过analyze 命令来获得，并存在在这个表里面，并且这个表被用于查询计划中。

既然是统计，那就造成这个表里面的存储的值并不是当时当刻最准确的情况，而是一个当前情况的近似值，pg_statistic还存储关于索引表达式值的统计数据。它们被描述为实际的数据列特别是，starelid引用索引。但是，对于普通的非表达式索引列不做任何条目，因为它与底层表列的条目是冗余的。

实际上，当你打开这个表，会比较失望，因为根本看不懂这张表里面记录了什么，所以知道这张表的存在就好，实际上我们不需要看这样的表，去对应的View --- pg_stats 才是给相关人员可以识别的数据。

 

借用上图来看看能从这个pg_stats 读出一些什么。

1 表所处的schema  

2 表名

3 表的字段名

4  这列的数据的平均宽度（bytes单位）

5  表中的这列值（高频）占总体的行数比，一般用负数来表示，这里 -0.64表示，first_name 这列里面的值平均分布为 0.64%

6 这列的值的体现于具体的占比，与直方图与那些值进行了绑定（值的分配区间）

7 数据的物理存储于列的值分布顺序

等等这些信息。有了这些信息，则对这个表是要走索引或者是表扫描，已经有了底。

另外POSTGRESQL还有自己的特性，继承，由于文字的长度这里就不提了。

这里提一句题外话，使用MYSQL 其实如果 select count(*) 一个大表要求的数据不是很严谨，只是一个大概的值的要求，可以从系统表里面提取一个表的行数，这里postgresql 也可以这样做。（这样的行数的值不一定准确，使用的时候要看逻辑，如果特别要精准的，就不要考虑了）

这时一定有人会问，

1 怎么收集统计信息

2 统计信息怎么能更精确

3 是否可以差异化来做，避免对所有表进行统计信息

1 一般来说收集表的统计信息，使用的命令 analyze  来进行，对大表，ANALYZE会对表内容进行随机抽样，不会监测每一行。所以analyze 大表的速度并不会特别慢。而analyze 如果不指定表名，则针对当前数据库的所有表，分区表，继承表，物化视图等。所以建议如果没有特殊的需求，还是给出表名，有针对的进行手动的统计数据更新。

另外根据POSTGRESQL 的版本不同，PG 12 是可以在analyze 时进行 skip_locked 的设置，但PG12 以下的版本是不可以的。所以如果你还没有使用PG 并且要上PG 那越新的版本，也会让你有更多惊喜。

2 - 3 统计信息上面说了，是对表的内容进行随机抽样，而如何让一个表的统计信息更准确，则需要针对你的需要，来调整某个表，可能有人想，都调整了不行吗，这里会牵扯两个问题

1 是否有必要 ，一个基础表，你要那么详尽的统计信息，并且他也长时间不变化，所以调整必然是针对某些业务表，并且是数据量大的，经常被查询的

2 统计信息的精确度，精确度越高，耗费的存储空间就会越大，统计的时间就会越长。

这里默认的统计的质量是100 ，我们可以通过alter table命令来将默认值进行改变，在执行ANALYZE 这个表就会以新的统计质量来收集数据

通过对表中的某个字段（这个字段要不就是经常查询的，并且有具体的代表性意义的，如果是性别，或者值分布比价单一的，就不建议了）进行状态收集的精度的调整。

这样就可以有针对性的对一些表进行特殊的统计信息的处理，也可以手动定期的对表进行统计信息的收集。（可以写脚本，晚间定期运行）

那可能还有人要问，我设置了，怎么知道设置OK 了

OK 今天就到这里，其实还有扩展 statistics 今天就不说了。