ANALYZE

ANALYZE este comanda PostgreSQL care colecteaza statistici despre distributia datelor in tabele si le stocheaza in catalogul pg_statistic (citibil prin vizualizarea pg_stats). Optimizatorul foloseste aceste statistici pentru a estima cardinalitatea — cate randuri va returna fiecare operatie — si a alege cel mai eficient plan de executie.

Ce colecteaza #

Statisticile colectate de ANALYZE includ:

• Most common values: valorile cele mai frecvente pentru fiecare coloana si procentul lor
• Histograme de distributie: cum sunt distribuite valorile ramase
• Numarul de valori distincte: cate valori unice are fiecare coloana
• Procentul de NULL: cate randuri au valoarea NULL pentru fiecare coloana

Calitatea acestor statistici depinde de numarul de esantioane colectate, controlat de parametrul default_statistics_target.

De ce conteaza #

Fara statistici actualizate, optimizatorul este fortat sa ghiceasca. Estimarile gresite duc la planuri de executie dezastruoase — cum ar fi alegerea unui nested loop pe milioane de randuri crezand ca sunt sute, sau ignorarea unui index perfect adecvat.

Cand trebuie executat #

PostgreSQL executa ANALYZE automat prin autovacuum, dar pragul implicit (50 de randuri + 10% din randurile vii) poate fi prea mare pentru tabelele care cresc rapid. Situatii in care un ANALYZE manual este necesar:

• Dupa importuri masive sau bulk load
• Dupa schimbari semnificative in distributia datelor
• Cand EXPLAIN ANALYZE arata estimari de cardinalitate foarte diferite de randurile reale
• Dupa modificarea default_statistics_target pentru o coloana