PostgreSQL自定义统计信息有什么用以及如何创建？

来源：MongoDB教程作者：高永康头衔：资深程序员

导读：本期聚焦于小伙伴创作的《PostgreSQL自定义统计信息有什么用以及如何创建？》，敬请观看详情。执行计划偏差常常让慢查询难以排查，根源往往是默认统计信息无法反映列间真实关联。PostgreSQL提供的自定义统计信息能针对多列相关性建模，弥补单列统计的不足。通过CREATE STATISTICS语句可定义依赖关系统计或多元分布统计，再经ANALYZE采集，优化器便能估算出更准的联合选择率。相比频繁改写SQL或建冗余索引，这种方式从代价模型层面解决问题，尤其适合宽表与复杂过滤场景。掌握其类型、创建语法与查看手段，可以有效降低误判带来的性能损耗。

在PostgreSQL中，优化器依靠统计信息来估算查询代价并生成执行计划。默认情况下，系统只为每张表收集单列的统计信息，当多个列之间存在强相关性时，单列统计会导致选择率估算严重偏差。自定义统计信息正是为解决这一痛点而引入的机制，它允许开发者显式声明需要联合分析哪些列，从而让规划器理解列间依赖或联合分布。

为什么需要自定义统计信息

假设有一张用户行为表，其中城市与省份两列显然高度相关。如果只使用默认统计，优化器会认为city = '杭州'和province = '浙江'是两个独立事件，将选择率相乘，结果远远小于真实值。这种低估会使优化器错误地选择嵌套循环而非哈希连接，最终查询变慢。

从PostgreSQL 10开始，系统支持通过CREATE STATISTICS创建扩展统计对象。它不改变数据存储，只影响ANALYZE采样的计算方式。对于宽表、维度退化模型或报表类查询，自定义统计信息是性价比极高的优化手段，不需要改表结构，也不用强行建组合索引。

自定义统计信息的类型

目前主要支持三类扩展统计：单列统计是默认行为；依赖统计（dependencies）记录列间函数依赖，适合A决定B的场景；多维分布统计（ndistinct）记录多列组合的不同值数量；表达式统计则可针对计算列收集信息。最常用的是依赖与ndistinct。

类型	关键字	适用场景
依赖统计	dependencies	列间强相关，如省市区
不同值统计	ndistinct	估算多列组合唯一度
表达式统计	expressions	函数结果的选择率

创建依赖统计示例

以下语句为orders表的customer_id与region列建立依赖关系统计：

CREATE STATISTICS orders_cust_region_deps (dependencies)
ON customer_id, region
FROM orders;

ANALYZE orders;

执行后，规划器在见到同时过滤这两列的条件时，不会再简单相乘选择率。可以通过EXPLAIN对比前后计划，通常能看到估算行数更接近真实返回。

创建多维不同值统计

当需要知道多列组合去重数时，使用ndistinct：

CREATE STATISTICS orders_combo_nd (ndistinct)
ON user_id, product_id
FROM orders;

ANALYZE orders;

这类统计对GROUP BY多列或DISTINCT多列的查询尤其有用，能避免优化器高估聚合后的行数，从而更合理地选择哈希聚合或排序聚合。

查看与维护

自定义统计对象存储在pg_statistic_ext系统表中，可用如下语句检查：

SELECT stxname, stxkeys, stxkind
FROM pg_statistic_ext
WHERE stxrelid = 'orders'::regclass;

统计不会自动随数据变化更新，必须定期对被统计表执行ANALYZE，或配置自动清理参数让系统更积极采样。删除时用DROP STATISTICS语句即可，不会影响原表数据。

合理使用自定义统计信息，是在不改动业务SQL的前提下修正执行计划的有效方式。建议先通过EXPLAIN (ANALYZE, BUFFERS)定位估算偏差，再针对性建统计对象，最后以真实负载验证效果。

PostgreSQL 自定义统计信息查询优化修改时间：2026-08-11 20:24:23

免责声明：已尽一切努力确保本网站所含信息的准确性。网站内容多为原创整理与精心编撰，观点力求客观中立。本站旨在免费分享，内容仅供个人学习、研究或参考使用。若引用了第三方作品，版权归原作者所有。如内容涉及您的权益，请联系我们处理。