PostgreSQL高低基数索引的查询性能差异及选择咨询

我有一个业务场景：目标表可通过不同基数的列过滤获取所需数据集，且所有过滤场景均已创建索引。现在疑惑使用不同基数的列作为过滤条件是否存在显著性能差异，具体细节如下：

表结构与数据规模 #

涉及三张表：

• account (id, ...)：约1000条账户数据
• product(account_id, id, ...)：约10000条产品数据，关联到对应账户
• sales(account_id, product_id, ...)：约1亿条销售记录，关联账户和产品

查询需求与可选写法 #

需要查询两个账户的销售数据，查询包含大量业务逻辑，其中需创建一个基于sales表、按product_id分组的CTE。存在两种等价的JOIN方式（最终获取的销售数据一致，因为账户的销售数据等于其下所有产品的销售数据）：

基础CTE定义 #

WITH
  fancy_accounts_select AS (
    SELECT id AS account_id, ...
  ),
  product_with_all_the_stuff AS (
    SELECT id AS product_id, ...
  )

写法一：通过低基数列关联（使用sales.account_id索引） #

grouped_sales AS (
    SELECT s.product_id, other_metrics
    FROM sales s
    JOIN fancy_accounts_select a ON a.account_id = s.account_id
    GROUP BY s.product_id
  )

写法二：通过高基数列关联（使用sales.product_id索引） #

grouped_sales AS (
    SELECT s.product_id, other_metrics
    FROM sales s
    JOIN product_with_all_the_stuff p ON p.product_id = s.product_id
    GROUP BY s.product_id
  )

测试结果与疑问 #

测试发现写法一最低执行时间为0.5s，写法二约2s。原以为PostgreSQL 15性能优异，两者执行时间会相近，但实际差异明显。使用EXPLAIN ANALYZE结果不稳定，且在PostgreSQL文档中未找到过多关于基数与索引性能的内容，想明确两个问题：

• 是否需要在意相对高低基数的索引列用于过滤的性能差异？
• 这里有没有遗漏的关键点导致两者性能差距如此之大？

内容的提问来源于stack exchange，提问作者Ilia