一、視圖pg_ststs查詢可選性

1、當可選性較小時，可以用視圖pg_ststs來查詢

?表的每一列的MVC（most Common Value）作為一對most_common_vals和most_common_freqs的列存儲在pg_ststs視圖中。

?????? （1）most_common_vals：最常見的值。是統計MCVs列表的列；

?????? （2）most_common_freqs：最常見值的頻率。是統計MCV頻率的列。

2、舉個例子：使用視圖pg_ststs來查詢Selectivity

?????? 有一個表“countries”，記錄了六大洲的信息：Africa、Europe、Asia、“North America”、Oceanic、“South America”，以及每個洲包含的所有國家。

?????? 此時如果使用SQL：SELECT * FROM countries WHERE continent='Asia';那么這個亞洲城市的可選性是多少呢？

計算結果內容如下：

上圖第三列就是可選性，即：亞洲名下所有國家的個數占總國家個數的比例。總結：

?????? 與“亞洲”對應的最常見頻率值為0.227979。因此，在該估計中使用0.227979作為選擇性；

?????? 對于列值可選項很高的情況，就不能使用MCV，則使用目標列的直方圖界限值來估計成本。

此時，可以使用視圖pg_ststs可以直接對可選性進行查詢：

\x
SELECT most_common_vals,most_common_freqs 
FROM pg_stats 
WHERE tablename='countries' 
AND attname='continent';

二、直方圖histogram_bounds查詢可選性

直方圖histogram_bounds是一個值列表，用于將列的值分成大致相等的總體組。

當可選性很高的時候，可以使用此方法來查詢。

1、Buckets and histogram_bounds

桶和直方圖邊界

如上圖所示，默認情況下，直方圖界限會劃分為100個桶, bucket從0開始編號：

bucket_0~ bucket_99，0~99就是桶id。每個桶（bucket）存儲大約相同數量的元組。

每個桶都有其最小值和最大值（下方對于的數即為其最小值）。直方圖界限的值也是相應存儲桶的界限。例如，直方圖上界的第0個值是1,這意味著它是存儲在bucket_0中的元組的最小值；第1個值是100，這是存儲在bucket_1中的元組的最小值，依此類推。

2、PG中直方圖的計算公式為

Selectivity={ bucket_id + (目標數值-hb[n])/( hb[n+1]-hb[n])} / 桶個數

#bucket_id：where子句中，限定的數值，所在的桶id

#目標數值：where子句中，限定的數值

#hb[n]：where子句中，限定的數值，所在的桶的最小界限值

#hb[n+1]：where子句中，限定的數值，所在桶的下一個桶的最小界限值

#桶個數：一共有多少個桶

SELECT histogram_bounds
FROM pg_stats
WHERE tablename='tbl'
AND attname='data';

3、舉個栗子：使用直方圖histogram_bounds來查詢Selectivity

假設存在圖內所示的數據：

使用WHERE data<240來計算選擇性（Selectivity）時，公式如下：

bucket_id=2（240在hb（2）里）

目標數值=240

hb[n]=200? （hb(2)桶內的最小值）

hb[n+1]=300? ?（hb(3)桶內的最小值）

Selectivity={ 2+ (240-200)?/ (300-200) } / 100 = 0.024