PostgreSQL中，计算值用于ORDER BY的数值列设统计目标为0是否安全？

我拥有若干PostgreSQL表，包含timestamp without time zone、interval、text、numeric类型的列。示例表结构如下：

CREATE TABLE IF NOT EXISTS table_foo(
    "timestamp" timestamp without time zone NOT NULL,
    granularity interval NOT NULL,
    dimension_1 TEXT NOT NULL,
    dimension_2 TEXT NOT NULL,
    CONSTRAINT table_foo_pk PRIMARY KEY ("timestamp", granularity, dimension_1, dimension_2),
    data_volume_down NUMERIC NOT NULL default 0,
    data_volume_up NUMERIC NOT NULL default 0
)

我需要执行的查询类型如下：

Select
    timestamp,
    granularity,
    dimension_1,
    dimension_2,
    SUM(data_volume_down+data_volume_up) as total_volume
From table_foo
WHERE timestamp > '2024-09-30 00:00'
    AND granularity = '1 day'
GROUP BY timestamp, granularity, dimension_1, dimension_2
ORDER BY total_volume
LIMIT 10;

我在手册中看到：

It might be useful to do that for columns that are never used as part of the WHERE, GROUP BY, or ORDER BY clauses of queries, since the planner will have no use for statistics on such columns.

请问：当基于数值列计算得到的值用于ORDER BY子句时，将数值列的统计值设为0是否安全？

回答 #

不安全，原因如下：

• 你的查询中，data_volume_down和data_volume_up是聚合计算的核心字段，PostgreSQL查询优化器需要这两个列的统计信息来估算分组后的结果集规模、排序操作的成本。如果将它们的统计值设为0，优化器会失去准确的估算依据，很可能选择效率低下的执行计划——比如本该用索引扫描却选了全表扫描，或是排序阶段分配的内存不足，不得不依赖磁盘临时文件，大幅拖慢查询速度。
• 手册中提到的是从未出现在WHERE、GROUP BY、ORDER BY子句，且不参与核心计算的列。而你的场景里，这两个数值列直接参与了聚合计算，最终的ORDER BY依赖于计算结果，优化器在规划查询时必须参考它们的数值分布情况，才能合理评估聚合和排序的开销，因此它们的统计信息是必不可少的，不能设为0。

内容的提问来源于stack exchange，提问作者leas