假设我有一个带有列
customer_id的仅附加表
（随机生成的字符串）和
x
，并且查询总是在
customer_id上完成
说数据如下所示，好像当客户最初签约某商品时，我们得到了一批行，然后再没有该客户签约。
customer_id=XCVFY0001, x=...
customer_id=XCVFY0001, x=...
(continues for ~1 page with same customer_id)
customer_id=HUMBN0001, x=...
customer_id=HUMBN0001, x=...
(continues for ~1 page with same customer_id)
(and so on...)
所以当
customer_id
的字母顺序与物理行不相关，我们可以这样写：
- there are few distinct customer IDs per page
- there are few pages per ID
- there are long "runs" of IDs, or, if you need one
customer_id，您很可能会在几个连续的页面上找到它 - 就信息论而言，我想他们会说没有相关性，但是"互信息"很高。
如果未明确运行
CLUSTER，查询计划者可以在估算中使用此类信息吗？
？ 我以为如果
correlation低
如
pg_stats中报道
，则可能会认为行在整个页面上均匀分布，并且可能对各种计划感到悲观。
（在我的现实世界中，一个普通的非聚集索引无论如何都会使事情变得好又快，但是当我注意到数据中的模式时，我只是感到好奇。）
最新回答
- 1月前1 #
计划者是 没有意识到这种类型的聚类，因此无法基于它做出决策。
在这种情况下，ANALyzE使用的两步采样方法可能会生成倾斜的样本，这可能会导致n_distinct的低估.如果不深入研究各个查询的细节，就很难预测其后果。