PostgreSQL 扩展统计信息是什么？为什么多列相关性会影响执行计划？
简化版
扩展统计信息用于帮助 PostgreSQL 理解多列之间的相关性、组合基数和函数依赖。普通统计通常按单列估算，如果两列强相关，优化器可能严重估错行数，进而选错 join 顺序或索引。
详细版
例如 country='CN' 和 city='Beijing' 强相关。优化器如果把两个条件当独立事件，可能把结果估得过小或过大。
PostgreSQL 可以用：
CREATE STATISTICS st_user_country_city
ON country, city
FROM users;
ANALYZE users;扩展统计能收集 ndistinct、dependencies、mcv 等信息，帮助优化器更准确估算。它不是加速结构，本身不存数据访问路径，仍要配合索引和 ANALYZE。
完整版教学
一、优化器为什么要估算行数
数据库执行 SQL 前要选计划：走哪个索引、先 join 哪张表、用 nested loop 还是 hash join。这些选择都依赖“估计会返回多少行”。
如果估算错了，计划就可能错。原本只返回 100 行的查询被估成 100 万行，优化器可能放弃索引；反过来，实际 100 万行被估成 100 行，也可能选择糟糕的 nested loop。
统计信息就是优化器的眼睛。
二、单列统计为什么不够
普通统计主要记录每列的分布，例如最常见值、直方图、不同值数量。但它默认列之间近似独立。
现实数据常常不独立。province='广东' 和 city='广州' 强相关；is_deleted=false 和 deleted_at IS NULL 也高度相关。
如果两个条件各自选择率都是 10%，独立假设会估成 1%。但真实相关时结果可能仍接近 10%，误差 10 倍。
三、扩展统计怎么创建
可以为多列创建统计对象：
CREATE STATISTICS st_orders_status_pay
ON status, pay_status
FROM orders;
ANALYZE orders;创建统计对象后必须 ANALYZE，否则优化器没有新统计数据可用。统计对象只影响估算，不等于索引。
四、常见统计类型怎么理解
| 类型 | 作用 | 适合场景 |
|---|---|---|
ndistinct | 估算组合不同值数量 | 多列 GROUP BY |
dependencies | 识别函数依赖 | 邮编决定城市 |
mcv | 多列最常见组合 | 状态组合分布倾斜 |
例如订单状态和支付状态组合里，FINISHED + PAID 可能占 80%，FINISHED + UNPAID 几乎不可能。多列 MCV 能让优化器知道这种组合分布。
五、扩展统计和索引的关系
扩展统计不提供访问路径，所以它不能替代索引。它只是帮助优化器更准确判断某个路径划不划算。
索引：告诉数据库怎么找
统计：告诉优化器大概会找到多少一个查询可能同时需要扩展统计和组合索引。统计让计划选得对，索引让执行跑得快。
六、常见误区与追问
- 误区：扩展统计建完查询就一定更快。 它只改善估算，是否更快取决于计划是否因此变好。
- 误区：扩展统计可以替代联合索引。 统计不是访问路径，不能直接减少扫描。
- 误区：创建统计后不用维护。 数据分布变化后需要
ANALYZE更新统计。 - 追问：多列相关性会导致什么问题？ 行数估算偏差，进而选错 join 顺序、join 算法或索引。
- 追问：怎么判断估算错？ 看
EXPLAIN ANALYZE里 estimated rows 和 actual rows 的差距。
七、加强记忆
记忆钩子：索引是路，统计是地图；多列相关性像地图上没画山路，路线规划就容易估错时间。
回答这题时把“优化器估算、独立假设、多列相关、CREATE STATISTICS、不能替代索引”串起来。它是 PostgreSQL 执行计划调优里很有含金量的中高级考点。