PostgreSQL 的统计信息

PostgreSQL 的统计信息

PostgreSQL 的统计信息是查询优化和性能调优的基础，系统通过多种统计信息来评估数据分布和访问模式，从而生成高效的执行计划。

一 统计信息类型与用途

1.1 核心统计类别

统计类型	存储位置	主要用途	更新机制
表和索引扫描统计	pg_stat_*视图	查询计划优化	自动/手动ANALYZE
系统性能统计	pg_stat_*视图	性能监控	实时更新
数据分布统计	pg_statistic目录	查询成本估算	ANALYZE命令
扩展统计	pg_statistic_ext	复杂查询优化	ANALYZE命令

1.2 关键统计视图对比

视图名称	统计内容	典型应用场景
pg_stat_user_tables	用户表访问统计	识别高频表
pg_stat_user_indexes	索引使用情况	评估索引有效性
pg_stat_activity	当前会话信息	会话监控
pg_stat_database	数据库级统计	负载分析

二 统计信息收集机制

2.1 自动收集流程

是 否 数据修改 更新pg_class.reltuples 达到阈值? 触发autovacuum analyze 继续监控 收集列统计信息 更新pg_statistic

2.2 统计收集参数配置

参数	默认值	调优建议
default_statistics_target	100	大表可增至200-500
autovacuum_analyze_scale_factor	0.1	大表设为0.01-0.05
autovacuum_analyze_threshold	50	结合scale_factor调整
stats_row_level	on	关键表建议开启

三 统计信息应用实例

3.1 查询优化示例

-- 查看统计信息如何影响计划
EXPLAIN ANALYZE SELECT * FROM orders WHERE customer_id = 100;

-- 对比不同统计目标的效果
SET default_statistics_target = 10;
EXPLAIN ANALYZE...;

SET default_statistics_target = 500;
EXPLAIN ANALYZE...;

3.2 性能问题诊断

-- 识别统计信息不准导致的性能问题
SELECT relname, last_analyze, n_mod_since_analyze
FROM pg_stat_user_tables
WHERE n_mod_since_analyze > 1000;

-- 检查索引使用情况
SELECT schemaname, tablename, indexname, idx_scan
FROM pg_stat_user_indexes
WHERE idx_scan < 50
ORDER BY schemaname, tablename;

四 统计信息维护策略

4.1 手动维护命令

-- 更新单个表统计信息
ANALYZE VERBOSE table_name;

-- 更新整个数据库
ANALYZE;

-- 带采样率的ANALYZE
ANALYZE table_name (sample_percent 20);

-- 创建扩展统计
CREATE STATISTICS stts1 (dependencies) ON col1, col2 FROM table1;

4.2 自动化维护方案

# 每日维护脚本示例
#!/bin/bash
# 分析更新量大的表
psql -c "ANALYZE VERBOSE (SELECT table_name FROM pg_stat_user_tables 
          WHERE n_mod_since_analyze > 10000);"

# 每周全库分析
psql -c "ANALYZE VERBOSE;"

五 高级统计技术

5.1 表达式统计

-- 为计算列创建统计
CREATE STATISTICS expr_stats (expressions) 
ON (substring(email, position('@' in email)+1)) 
FROM users;

-- 使用统计优化查询
EXPLAIN ANALYZE SELECT * FROM users 
WHERE substring(email, position('@' in email)+1) = 'example.com';

5.2 多变量统计

-- 创建列依赖统计
CREATE STATISTICS dept_stats (dependencies) 
ON department_id, manager_id FROM employees;

-- 创建MCV列表
CREATE STATISTICS mcv_stats (mcv) 
ON status, priority FROM tickets;

六 统计信息监控

6.1 监控查询示例

-- 统计信息时效性监控
SELECT 
    schemaname,
    relname,
    last_analyze,
    n_mod_since_analyze,
    round(n_mod_since_analyze::numeric/reltuples::numeric*100,2) as change_percent
FROM pg_stat_user_tables
WHERE reltuples > 0
ORDER BY change_percent DESC;

-- 扩展统计使用情况
SELECT stxname, stxkeys, stxkind 
FROM pg_statistic_ext 
JOIN pg_namespace ON stxnamespace = pg_namespace.oid;

6.2 统计信息可视化

# 生成统计报告示例
psql -c "SELECT relname, seq_scan, idx_scan, 
          round(100*idx_scan::float/(seq_scan+idx_scan+1),2) as idx_scan_pct 
          FROM pg_stat_user_tables" -H -o stats_report.html

PostgreSQL 的统计信息系统为数据库性能优化提供了坚实基础。通过合理配置统计参数、定期维护统计信息，并利用扩展统计功能，可以显著提升复杂查询的性能。建议在以下场景特别注意统计信息管理：

1. 数据仓库环境 ：增大default_statistics_target并创建扩展统计
2. OLTP高频更新表 ：降低autovacuum_analyze_scale_factor
3. 报表生成前：手动执行ANALYZE确保统计准确
4. 模式变更后：立即更新相关统计信息

统计信息的质量直接影响查询优化器的决策质量，应将其作为数据库日常维护的重要组成部分。

谨记：心存敬畏，行有所止。