default_statistics_target

default_statistics_target es el parametro PostgreSQL que controla la granularidad de las estadisticas que ANALYZE construye para cada columna. El valor por defecto es 100.

Como funciona #

ANALYZE construye para cada columna dos estructuras estadisticas usadas por el optimizer:

• Most common values (MCV): la lista de los valores mas frecuentes, con sus respectivas frecuencias
• Histograma: la distribucion de los valores restantes, dividida en buckets de igual poblacion

default_statistics_target determina cuantos elementos pueden tener estas estructuras. Con valor 100: hasta 100 valores en la lista MCV y hasta 100 buckets en el histograma.

El numero de filas muestreadas es algo separado y depende del target: vale aproximadamente 300 × default_statistics_target. Con el default de 100, ANALYZE lee ~30.000 filas por columna; con un target de 500, ~150.000. Asi que subir el target aumenta tanto la granularidad de las estadisticas como el costo de ANALYZE.

Cuando aumentarlo #

Para tablas pequenas o con distribucion uniforme, 100 muestras son suficientes. Para tablas grandes con distribucion asimetrica (skewed) — donde pocos valores dominan la mayoria de las filas — 100 muestras pueden dar una representacion distorsionada, llevando al optimizer a estimaciones de cardinalidad erroneas.

Se puede aumentar el target a nivel de columna individual:

ALTER TABLE orders ALTER COLUMN status SET STATISTICS 500;
ANALYZE orders;

Valores entre 500 y 1000 mejoran sensiblemente la calidad de las estimaciones en columnas con distribucion no uniforme.

Limites practicos #

Por encima de 1000 el beneficio es marginal y el ANALYZE mismo se vuelve mas lento, porque necesita muestrear mas filas y construir estructuras mas grandes. Es un ajuste fino: hay que aplicarlo solo a las columnas que efectivamente causan estimaciones erroneas, no a todas las columnas de todas las tablas.