PieCloudDB Database每日加载数据表统计信息准确性差异问题咨询

针对你遇到的每日加载数据的表中部分统计信息准确、部分不准确的问题，常见原因如下：

• 自动统计更新触发条件未满足
  PieCloudDB（基于PostgreSQL内核）的自动统计信息更新由autovacuum进程触发，默认触发条件是表数据变更量超过autovacuum_analyze_scale_factor（默认10%）加上autovacuum_analyze_threshold（默认1000行）。如果部分表每日加载的数据量未达到这个阈值，autovacuum不会自动执行ANALYZE，统计信息就会停留在旧状态；而数据变更量达标的表会自动更新统计，因此出现差异。

• 手动统计更新的覆盖范围不一致
  若运维流程中仅针对部分表配置了定期手动执行ANALYZE的任务（比如定时脚本、crontab），未覆盖到的表就只能依赖自动更新。如果这些未覆盖的表刚好没触发自动更新条件，统计信息就会不准确。

• 数据加载方式的差异

  • 若部分表采用TRUNCATE全量替换数据的方式，TRUNCATE会直接重置表的统计信息，但如果后续加载的数据量未触发自动ANALYZE阈值，新的统计信息无法生成，就会导致统计失真；
  • 部分表是小批量多次插入，累计变更量达到阈值触发自动更新，而另一些表是单次批量加载但未达阈值，统计信息无法自动刷新。

• 分区表的统计信息汇总问题
  如果涉及分区表，主表的统计信息是各分区统计的汇总。若部分分区每日加载数据触发了自动ANALYZE，而另一些分区未触发，主表的汇总统计就会不准确；反之，若所有分区都正常更新统计，主表信息就会准确。

• 统计信息采样率的影响
  自动ANALYZE使用默认采样率，对于数据分布极不均匀的表，默认采样可能无法准确反映数据分布。如果部分表手动执行ANALYZE时指定了更高的采样率（比如ANALYZE your_table WITH (sample_rate = 0.3);），统计结果会更准确，而依赖默认采样的表就可能出现偏差。

内容的提问来源于stack exchange，提问作者heihei Li