ANALYZE

ANALYZE es el comando PostgreSQL que recopila estadisticas sobre la distribucion de los datos en las tablas y las almacena en el catalogo pg_statistic (legible a traves de la vista pg_stats). El optimizer usa estas estadisticas para estimar la cardinalidad — cuantas filas devolvera cada operacion — y elegir el plan de ejecucion mas eficiente.

Que recopila #

Las estadisticas recopiladas por ANALYZE incluyen:

• Most common values: los valores mas frecuentes por cada columna y su porcentaje
• Histogramas de distribucion: como se distribuyen los valores restantes
• Numero de valores distintos: cuantos valores unicos tiene cada columna
• Porcentaje de NULL: cuantas filas tienen valor NULL por cada columna

La calidad de estas estadisticas depende del numero de muestras recopiladas, controlado por el parametro default_statistics_target.

Por que es critico #

Sin estadisticas actualizadas, el optimizer se ve obligado a adivinar. Las estimaciones erroneas llevan a planes de ejecucion desastrosos — como elegir un nested loop sobre millones de filas pensando que son cientos, o ignorar un indice perfectamente adecuado.

Cuando ejecutarlo #

PostgreSQL ejecuta ANALYZE automaticamente a traves del autovacuum, pero el umbral por defecto (50 filas + 10% de las filas vivas) puede ser demasiado alto para tablas que crecen rapidamente. Situaciones donde un ANALYZE manual es necesario:

• Despues de importaciones masivas o bulk load
• Despues de cambios significativos en la distribucion de los datos
• Cuando EXPLAIN ANALYZE muestra estimaciones de cardinalidad muy diferentes de las filas reales
• Despues de modificar el default_statistics_target de una columna