我有一个Azure Flexible Postgresql大型分区表版本13，我需要从该表运行count（）并与Oracle性能进行比较。但是，在检查解释计划后，我有一些问题，如下所示
1.解释计划已使用“仅索引扫描”获取数据，但总是获取错误的估计行（20954927 vs 16763942）
https://explain.depesz.com/s/CmTi
->在stat_201408上使用stat_201408_acct_id_idx进行仅并行索引扫描（成本=0.44..579554.83行=20954927宽度=0）（实际时间=0.017..1218.683行=16763942循环=3）
SELECT reltuples：：bigint，relpages，relallvisible FROM pg_class WHERE relname = 'stat_201408';
关系组|再页|可见的
-----------+----------+---------------
50291824 | 470018 | 470018
select count（）from stat_201408;
50291825（1排）
甚至我尝试将列acct_id上的统计信息增加到3000，但这没有帮助
ALTER TABLE stat_201408 ALTER COLUMN ACCT_ID SET STATISTICS 3000;
真空分析详细stat_201408;
我只是在一个分区上进行测试，所以整个分区表的差异很大
1.在这个表上，我有一些索引如下，但我不清楚为什么它总是使用stat_idx1（列acct_id），其值低于stat_efftv_dt_acct_id_idx
指标：
"stat_batch_id_idx" btree (batch_id)
"stat_efftv_dt_acct_id_idx" btree (efftv_dt, acct_id)
"stat_idx1" btree (acct_id)
"stat_idx7" btree (batch_id, stat_cd)字符串
下面是某些列上的非重复值的数量
从wmcb_int.acct_stat_201408选择计数（DISTINCT acct_id）、计数（DISTINCT efftv_dt）、计数（DISTINCT batch_id）;
帐户ID| efftv_dt|批次标识
---------+-------+-------
1271151 | 21 | 21
此分区的某些列的统计信息
tablename | attname | total_rows | correlation型
------------------+--------------+------------+-------------
201408年|批次标识| 50291824 |0.9995212
201408年|efftv_dt| 50291824 |0.9995212
201408年|acct_stat_cd| 50291824 |0.051139828
201408年|帐户ID| 50291824 |0.044063628
（4行）
我的问题是
1.如何修复解释计划中错误的估计行
1.如何通过HINT作为Oracle在PostgreSQL查询中强制使用特定索引
1.一个列的非重复值的数量将决定应该选择哪个索引吗？如何找出哪些列需要被索引以获得最佳性能，而count（*）
非常感谢
2条答案
按热度按时间lp0sw83n1#
当运行并行查询时，假设不是所有工作进程都将处理完全相同数量的行，因为行不是一个接一个地划分，而是按块或块范围划分;一般来说，不是所有的区块都有相同数量的活动行。规划者通过夸大估计的行数来解释这一点，假设总查询时间将由最慢的工作者驱动，并且最慢的工作者将是具有最多行的工作者。
这是按设计运行的。没有办法（也没有理由，据我所知）“修复”它除了黑客的代码和重新编译。
有一个第三方扩展，pg_hint_plan，你可以用它来给PostgreSQL添加Oracle风格的提示。尽管在这种情况下很难看出你希望通过这样做来实现什么。
如果你不想安装pg_hint_plan，你可以通过删除你不想使用的索引来测试替代索引，看看它会做什么。如果你不想重新构建删除的索引，你可以在一个事务中删除它，运行EXPLAIN，然后回滚删除。
很难看出你希望通过这一切来完成什么。从Oracle过渡到PostgreSQL本身就会带来足够多的真实的麻烦，没有理由去幻想那些想象中的麻烦。
eufgjt7s2#
我尝试强制使用stat_efftv_dt_acct_id_idx（列efftv_dt，acct_id）的方式如下，它实际上得到了更好的实际执行时间，但它是回滚所有完成查询后，并从磁盘IO读取在下一次运行，而不是利用共享缓冲区命中从最后一次运行我担心的是，我不想放弃“stat_idx1”（acct_id）因为它需要用于一些带有 predicate acct_id的查询。
开始;
drop index stat_idx1;
EXPLAIN（analyze，verbose，costs，timing，buffers）select count（*）from stat_201408;
回滚;