描述

CREATE STATISTICS 命令将创建一个新的扩展统计信息对象，用于跟踪指定表、外部表或物化视图的数据。此统计信息对象将在当前数据库中创建，并由发出命令的用户拥有。

CREATE STATISTICS 命令有两种基本形式。第一种形式允许收集单个表达式的单变量统计信息，其好处类似于表达式索引，但没有索引维护的开销。此形式不允许指定统计信息种类，因为各种统计信息种类仅指多变量统计信息。该命令的第二种形式允许收集多个列和/或表达式的多变量统计信息，并可选择指定要包含的统计信息种类。此形式还将自动收集列表中包含的任何表达式的单变量统计信息。

如果给出了模式名（例如，CREATE STATISTICS myschema.mystat ...），则统计信息对象将在指定的模式中创建。否则，它将在当前模式中创建。如果给出了统计信息对象的名称，则该名称在同一模式中的任何其他统计信息对象名称都必须不同。

参数

注释

要创建读取它的表上的统计信息对象，您必须是该表的拥有者。但是，一旦创建，统计信息对象的所有权就独立于底层表。

表达式统计信息是按表达式计算的，类似于在表达式上创建索引，不同之处在于它们避免了索引维护的开销。表达式统计信息会为统计信息对象定义中的每个表达式自动构建。

当前规划器不使用扩展统计信息来估算表连接的选择性。此限制将来可能会在 PostgreSQL 的新版本中被移除。

示例

创建表 t1，该表有两个函数依赖的列，即，了解第一个列的值足以确定第二个列的值。然后，将在这些列上构建函数依赖统计信息。

CREATE TABLE t1 (
    a   int,
    b   int
);

INSERT INTO t1 SELECT i/100, i/500
                 FROM generate_series(1,1000000) s(i);

ANALYZE t1;

-- the number of matching rows will be drastically underestimated:
EXPLAIN ANALYZE SELECT * FROM t1 WHERE (a = 1) AND (b = 0);

CREATE STATISTICS s1 (dependencies) ON a, b FROM t1;

ANALYZE t1;

-- now the row count estimate is more accurate:
EXPLAIN ANALYZE SELECT * FROM t1 WHERE (a = 1) AND (b = 0);

如果没有函数依赖统计信息，规划器会假设两个 WHERE 子句是独立的，并将它们的选择性相乘，从而得到一个低得离谱的行数估算。有了这样的统计信息，规划器就会识别出 WHERE 子句是冗余的，就不会低估行数。

创建表 t2，该表有两个完全相关的列（包含相同的数据），并在这些列上建立 MCV 列表。

CREATE TABLE t2 (
    a   int,
    b   int
);

INSERT INTO t2 SELECT mod(i,100), mod(i,100)
                 FROM generate_series(1,1000000) s(i);

CREATE STATISTICS s2 (mcv) ON a, b FROM t2;

ANALYZE t2;

-- valid combination (found in MCV)
EXPLAIN ANALYZE SELECT * FROM t2 WHERE (a = 1) AND (b = 1);

-- invalid combination (not found in MCV)
EXPLAIN ANALYZE SELECT * FROM t2 WHERE (a = 1) AND (b = 2);

MCV 列表为规划器提供了关于表中常见值的具体值的更详细信息，以及对未出现在表中的值组合的选择性的上限，从而使它在这两种情况下都能生成更好的估算。

创建表 t3，该表有一个单独的时间戳列，并对该列上的表达式运行查询。如果没有扩展统计信息，规划器将不知道表达式的数据分布信息，并使用默认估算。规划器也不知道按月份截断的日期值完全由按天截断的日期值确定。然后，将在这两个表达式上构建表达式和 ndistinct 统计信息。

CREATE TABLE t3 (
    a   timestamp
);

INSERT INTO t3 SELECT i FROM generate_series('2020-01-01'::timestamp,
                                             '2020-12-31'::timestamp,
                                             '1 minute'::interval) s(i);

ANALYZE t3;

-- the number of matching rows will be drastically underestimated:
EXPLAIN ANALYZE SELECT * FROM t3
  WHERE date_trunc('month', a) = '2020-01-01'::timestamp;

EXPLAIN ANALYZE SELECT * FROM t3
  WHERE date_trunc('day', a) BETWEEN '2020-01-01'::timestamp
                                 AND '2020-06-30'::timestamp;

EXPLAIN ANALYZE SELECT date_trunc('month', a), date_trunc('day', a)
   FROM t3 GROUP BY 1, 2;

-- build ndistinct statistics on the pair of expressions (per-expression
-- statistics are built automatically)
CREATE STATISTICS s3 (ndistinct) ON date_trunc('month', a), date_trunc('day', a) FROM t3;

ANALYZE t3;

-- now the row count estimates are more accurate:
EXPLAIN ANALYZE SELECT * FROM t3
  WHERE date_trunc('month', a) = '2020-01-01'::timestamp;

EXPLAIN ANALYZE SELECT * FROM t3
  WHERE date_trunc('day', a) BETWEEN '2020-01-01'::timestamp
                                 AND '2020-06-30'::timestamp;

EXPLAIN ANALYZE SELECT date_trunc('month', a), date_trunc('day', a)
   FROM t3 GROUP BY 1, 2;

如果没有表达式和 ndistinct 统计信息，规划器将不知道表达式的唯一值数量，并且必须依赖默认估算。相等和范围条件被假定为 0.5% 的选择性，并且表达式的唯一值数量被假定与列的唯一值数量相同（即唯一）。这导致前两个查询的行数估算显著偏低。此外，规划器对表达式之间的关系没有信息，因此它假设两个 WHERE 和 GROUP BY 条件是独立的，并将它们选择性相乘，从而导致聚合查询的组计数严重高估。这由于表达式缺乏准确的统计信息而进一步加剧，迫使规划器使用从列的 ndistinct 估算派生的表达式的默认 ndistinct 估算。有了这样的统计信息，规划器就能识别出这些条件是相关的，并得到更准确的估算。

兼容性

SQL 标准中没有 CREATE STATISTICS 命令。

另请参阅