正如我們在前一節中看到的，查詢規劃器需要估計查詢所檢索的列數，以便做出良好的查詢計畫選擇。本節快速介紹系統用於這些估計的統計資訊。

統計資訊的一個組成部分是每個表格和索引中的總條目數，以及每個表格和索引佔用的磁碟區塊數。此資訊保存在 pg_class 表格的 reltuples 和 relpages 欄位中。我們可以透過類似於以下查詢來查看它

SELECT relname, relkind, reltuples, relpages
FROM pg_class
WHERE relname LIKE 'tenk1%';

       relname        | relkind | reltuples | relpages
----------------------+---------+-----------+----------
 tenk1                | r       |     10000 |      345
 tenk1_hundred        | i       |     10000 |       11
 tenk1_thous_tenthous | i       |     10000 |       30
 tenk1_unique1        | i       |     10000 |       30
 tenk1_unique2        | i       |     10000 |       30
(5 rows)

在這裡，我們可以看到 tenk1 包含 10000 列，其索引也包含 10000 列，但索引（毫不奇怪）比表格小得多。

出於效率考量，reltuples 和 relpages 不會即時更新，因此它們通常包含稍微過期的值。它們由 VACUUM、ANALYZE 和一些 DDL 命令（例如 CREATE INDEX）更新。未掃描整個表格的 VACUUM 或 ANALYZE 操作（通常情況下是這樣）將根據掃描的表格部分，以增量方式更新 reltuples 計數，從而產生近似值。在任何情況下，規劃器都會縮放在 pg_class 中找到的值，以符合目前的實際表格大小，從而獲得更接近的近似值。

由於 WHERE 子句會限制要檢查的列，因此大多數查詢僅檢索表格中的一小部分列。因此，規劃器需要估計 WHERE 子句的選擇性，也就是說，符合 WHERE 子句中每個條件的列的比例。用於此任務的資訊儲存在 pg_statistic 系統目錄中。pg_statistic 中的條目由 ANALYZE 和 VACUUM ANALYZE 命令更新，並且始終是近似值，即使是最近更新的也是如此。

與其直接查看 pg_statistic，不如在手動檢查統計資訊時查看其檢視 pg_stats 會更好。pg_stats 的設計使其更易於讀取。此外，pg_stats 可供所有人讀取，而 pg_statistic 只能由超級使用者讀取。（這可以防止未授權的使用者從統計資訊中瞭解其他人的表格內容。pg_stats 檢視僅限於顯示目前使用者可以讀取的表格的列。）例如，我們可以執行

SELECT attname, inherited, n_distinct,
       array_to_string(most_common_vals, E'\n') as most_common_vals
FROM pg_stats
WHERE tablename = 'road';

 attname | inherited | n_distinct |          most_common_vals
---------+-----------+------------+------------------------------------
 name    | f         | -0.5681108 | I- 580                        Ramp+
         |           |            | I- 880                        Ramp+
         |           |            | Sp Railroad                       +
         |           |            | I- 580                            +
         |           |            | I- 680                        Ramp+
         |           |            | I- 80                         Ramp+
         |           |            | 14th                          St  +
         |           |            | I- 880                            +
         |           |            | Mac Arthur                    Blvd+
         |           |            | Mission                       Blvd+
...
 name    | t         |    -0.5125 | I- 580                        Ramp+
         |           |            | I- 880                        Ramp+
         |           |            | I- 580                            +
         |           |            | I- 680                        Ramp+
         |           |            | I- 80                         Ramp+
         |           |            | Sp Railroad                       +
         |           |            | I- 880                            +
         |           |            | State Hwy 13                  Ramp+
         |           |            | I- 80                             +
         |           |            | State Hwy 24                  Ramp+
...
 thepath | f         |          0 |
 thepath | t         |          0 |
(4 rows)

請注意，同一欄位顯示了兩列，一列對應於從 road 表格開始的完整繼承階層 (inherited=t)，另一列僅包括 road 表格本身 (inherited=f)。（為了簡潔起見，我們僅顯示 name 欄位的前十個最常見值。）

ANALYZE 儲存在 pg_statistic 中的資訊量，特別是每個欄位的 most_common_vals 和 histogram_bounds 陣列中的最大條目數，可以使用 ALTER TABLE SET STATISTICS 命令按欄位設定，也可以透過設定 default_statistics_target 設定變數全域設定。目前的預設限制為 100 個條目。提高限制可能會使規劃器能夠做出更準確的估計，尤其是對於資料分佈不規則的欄位，但代價是在 pg_statistic 中佔用更多空間，並花費稍微更多的時間來計算估計值。相反，對於具有簡單資料分佈的欄位，較低的限制可能就足夠了。

有關規劃器使用統計資訊的更多詳細資訊，請參閱第 68 章。

常見的情況是，由於查詢子句中使用的多個欄位相關聯，因此執行錯誤的查詢計畫會導致查詢速度變慢。規劃器通常假設多個條件彼此獨立，當欄位值相關時，此假設不成立。由於一般統計資訊的每個欄位特性，因此無法擷取有關跨欄位關聯的任何知識。但是，PostgreSQL 能夠計算多變數統計資訊，它可以擷取此類資訊。

因為可能的欄位組合數量非常龐大，自動計算多變數統計資料是不切實際的。取而代之，可以建立擴充統計物件，更常被稱為統計物件，來指示伺服器取得感興趣的欄位集合的統計資料。

統計物件是使用 CREATE STATISTICS 指令建立的。建立此類物件僅僅是建立一個目錄項目，表達對統計資料的興趣。實際的資料收集是由 ANALYZE 執行的 (手動指令或背景自動分析)。收集到的值可以在 pg_statistic_ext_data 目錄中檢查。

ANALYZE 基於與計算常規單欄位統計資料相同的資料表列樣本來計算擴充統計資料。由於透過增加資料表或其任何欄位的統計目標 (如前一節所述) 來增加樣本大小，因此更大的統計目標通常會產生更準確的擴充統計資料，以及花費更多時間來計算它們。

以下小節描述目前支援的擴充統計資料種類。

CREATE STATISTICS stts (dependencies) ON city, zip FROM zipcodes;

ANALYZE zipcodes;

SELECT stxname, stxkeys, stxddependencies
  FROM pg_statistic_ext join pg_statistic_ext_data on (oid = stxoid)
  WHERE stxname = 'stts';
 stxname | stxkeys |             stxddependencies
---------+---------+------------------------------------------
 stts    | 1 5     | {"1 => 5": 1.000000, "5 => 1": 0.423130}
(1 row)

SELECT * FROM zipcodes WHERE city = 'San Francisco' AND zip = '94105';

SELECT * FROM zipcodes WHERE city = 'San Francisco' AND zip = '90210';

CREATE STATISTICS stts2 (ndistinct) ON city, state, zip FROM zipcodes;

ANALYZE zipcodes;

SELECT stxkeys AS k, stxdndistinct AS nd
  FROM pg_statistic_ext join pg_statistic_ext_data on (oid = stxoid)
  WHERE stxname = 'stts2';
-[ RECORD 1 ]------------------------------------------------------​--
k  | 1 2 5
nd | {"1, 2": 33178, "1, 5": 33178, "2, 5": 27435, "1, 2, 5": 33178}
(1 row)

CREATE STATISTICS stts3 (mcv) ON city, state FROM zipcodes;

ANALYZE zipcodes;

SELECT m.* FROM pg_statistic_ext join pg_statistic_ext_data on (oid = stxoid),
                pg_mcv_list_items(stxdmcv) m WHERE stxname = 'stts3';

 index |         values         | nulls | frequency | base_frequency
-------+------------------------+-------+-----------+----------------
     0 | {Washington, DC}       | {f,f} |  0.003467 |        2.7e-05
     1 | {Apo, AE}              | {f,f} |  0.003067 |        1.9e-05
     2 | {Houston, TX}          | {f,f} |  0.002167 |       0.000133
     3 | {El Paso, TX}          | {f,f} |     0.002 |       0.000113
     4 | {New York, NY}         | {f,f} |  0.001967 |       0.000114
     5 | {Atlanta, GA}          | {f,f} |  0.001633 |        3.3e-05
     6 | {Sacramento, CA}       | {f,f} |  0.001433 |        7.8e-05
     7 | {Miami, FL}            | {f,f} |    0.0014 |          6e-05
     8 | {Dallas, TX}           | {f,f} |  0.001367 |        8.8e-05
     9 | {Chicago, IL}          | {f,f} |  0.001333 |        5.1e-05
   ...
(99 rows)