Age Owner Branch data TLA Line data Source code
1 : : /*-------------------------------------------------------------------------
2 : : *
3 : : * analyze.c
4 : : * the Postgres statistics generator
5 : : *
6 : : * Portions Copyright (c) 1996-2025, PostgreSQL Global Development Group
7 : : * Portions Copyright (c) 1994, Regents of the University of California
8 : : *
9 : : *
10 : : * IDENTIFICATION
11 : : * src/backend/commands/analyze.c
12 : : *
13 : : *-------------------------------------------------------------------------
14 : : */
15 : : #include "postgres.h"
16 : :
17 : : #include <math.h>
18 : :
19 : : #include "access/detoast.h"
20 : : #include "access/genam.h"
21 : : #include "access/multixact.h"
22 : : #include "access/relation.h"
23 : : #include "access/table.h"
24 : : #include "access/tableam.h"
25 : : #include "access/transam.h"
26 : : #include "access/tupconvert.h"
27 : : #include "access/visibilitymap.h"
28 : : #include "access/xact.h"
29 : : #include "catalog/index.h"
30 : : #include "catalog/indexing.h"
31 : : #include "catalog/pg_inherits.h"
32 : : #include "commands/progress.h"
33 : : #include "commands/tablecmds.h"
34 : : #include "commands/vacuum.h"
35 : : #include "common/pg_prng.h"
36 : : #include "executor/executor.h"
37 : : #include "foreign/fdwapi.h"
38 : : #include "miscadmin.h"
39 : : #include "nodes/nodeFuncs.h"
40 : : #include "parser/parse_oper.h"
41 : : #include "parser/parse_relation.h"
42 : : #include "pgstat.h"
43 : : #include "statistics/extended_stats_internal.h"
44 : : #include "statistics/statistics.h"
45 : : #include "storage/bufmgr.h"
46 : : #include "storage/procarray.h"
47 : : #include "utils/attoptcache.h"
48 : : #include "utils/datum.h"
49 : : #include "utils/guc.h"
50 : : #include "utils/lsyscache.h"
51 : : #include "utils/memutils.h"
52 : : #include "utils/pg_rusage.h"
53 : : #include "utils/sampling.h"
54 : : #include "utils/sortsupport.h"
55 : : #include "utils/syscache.h"
56 : : #include "utils/timestamp.h"
57 : :
58 : :
59 : : /* Per-index data for ANALYZE */
60 : : typedef struct AnlIndexData
61 : : {
62 : : IndexInfo *indexInfo; /* BuildIndexInfo result */
63 : : double tupleFract; /* fraction of rows for partial index */
64 : : VacAttrStats **vacattrstats; /* index attrs to analyze */
65 : : int attr_cnt;
66 : : } AnlIndexData;
67 : :
68 : :
69 : : /* Default statistics target (GUC parameter) */
70 : : int default_statistics_target = 100;
71 : :
72 : : /* A few variables that don't seem worth passing around as parameters */
73 : : static MemoryContext anl_context = NULL;
74 : : static BufferAccessStrategy vac_strategy;
75 : :
76 : :
77 : : static void do_analyze_rel(Relation onerel,
78 : : const VacuumParams params, List *va_cols,
79 : : AcquireSampleRowsFunc acquirefunc, BlockNumber relpages,
80 : : bool inh, bool in_outer_xact, int elevel);
81 : : static void compute_index_stats(Relation onerel, double totalrows,
82 : : AnlIndexData *indexdata, int nindexes,
83 : : HeapTuple *rows, int numrows,
84 : : MemoryContext col_context);
85 : : static VacAttrStats *examine_attribute(Relation onerel, int attnum,
86 : : Node *index_expr);
87 : : static int acquire_sample_rows(Relation onerel, int elevel,
88 : : HeapTuple *rows, int targrows,
89 : : double *totalrows, double *totaldeadrows);
90 : : static int compare_rows(const void *a, const void *b, void *arg);
91 : : static int acquire_inherited_sample_rows(Relation onerel, int elevel,
92 : : HeapTuple *rows, int targrows,
93 : : double *totalrows, double *totaldeadrows);
94 : : static void update_attstats(Oid relid, bool inh,
95 : : int natts, VacAttrStats **vacattrstats);
96 : : static Datum std_fetch_func(VacAttrStatsP stats, int rownum, bool *isNull);
97 : : static Datum ind_fetch_func(VacAttrStatsP stats, int rownum, bool *isNull);
98 : :
99 : :
100 : : /*
101 : : * analyze_rel() -- analyze one relation
102 : : *
103 : : * relid identifies the relation to analyze. If relation is supplied, use
104 : : * the name therein for reporting any failure to open/lock the rel; do not
105 : : * use it once we've successfully opened the rel, since it might be stale.
106 : : */
107 : : void
2415 rhaas@postgresql.org 108 :CBC 8285 : analyze_rel(Oid relid, RangeVar *relation,
109 : : const VacuumParams params, List *va_cols, bool in_outer_xact,
110 : : BufferAccessStrategy bstrategy)
111 : : {
112 : : Relation onerel;
113 : : int elevel;
4952 tgl@sss.pgh.pa.us 114 : 8285 : AcquireSampleRowsFunc acquirefunc = NULL;
4887 bruce@momjian.us 115 : 8285 : BlockNumber relpages = 0;
116 : :
117 : : /* Select logging level */
119 michael@paquier.xyz 118 [ - + ]:GNC 8285 : if (params.options & VACOPT_VERBOSE)
8640 bruce@momjian.us 119 :UBC 0 : elevel = INFO;
120 : : else
8189 bruce@momjian.us 121 :CBC 8285 : elevel = DEBUG2;
122 : :
123 : : /* Set up static variables */
6725 tgl@sss.pgh.pa.us 124 : 8285 : vac_strategy = bstrategy;
125 : :
126 : : /*
127 : : * Check for user-requested abort.
128 : : */
9052 129 [ - + ]: 8285 : CHECK_FOR_INTERRUPTS();
130 : :
131 : : /*
132 : : * Open the relation, getting ShareUpdateExclusiveLock to ensure that two
133 : : * ANALYZEs don't run on it concurrently. (This also locks out a
134 : : * concurrent VACUUM, which doesn't matter much at the moment but might
135 : : * matter if we ever try to accumulate stats on dead tuples.) If the rel
136 : : * has been dropped since we last saw it, we don't need to process it.
137 : : *
138 : : * Make sure to generate only logs for ANALYZE in this case.
139 : : */
119 michael@paquier.xyz 140 :GNC 8285 : onerel = vacuum_open_relation(relid, relation, params.options & ~(VACOPT_VACUUM),
12 peter@eisentraut.org 141 : 8285 : params.log_analyze_min_duration >= 0,
142 : : ShareUpdateExclusiveLock);
143 : :
144 : : /* leave if relation could not be opened or locked */
2884 rhaas@postgresql.org 145 [ + + ]:CBC 8285 : if (!onerel)
9111 tgl@sss.pgh.pa.us 146 : 108 : return;
147 : :
148 : : /*
149 : : * Check if relation needs to be skipped based on privileges. This check
150 : : * happens also when building the relation list to analyze for a manual
151 : : * operation, and needs to be done additionally here as ANALYZE could
152 : : * happen across multiple transactions where privileges could have changed
153 : : * in-between. Make sure to generate only logs for ANALYZE in this case.
154 : : */
593 nathan@postgresql.or 155 [ + + ]: 8279 : if (!vacuum_is_permitted_for_relation(RelationGetRelid(onerel),
156 : : onerel->rd_rel,
119 michael@paquier.xyz 157 :GNC 8279 : params.options & ~VACOPT_VACUUM))
158 : : {
6980 tgl@sss.pgh.pa.us 159 :CBC 18 : relation_close(onerel, ShareUpdateExclusiveLock);
9282 bruce@momjian.us 160 : 18 : return;
161 : : }
162 : :
163 : : /*
164 : : * Silently ignore tables that are temp tables of other backends ---
165 : : * trying to analyze these is rather pointless, since their contents are
166 : : * probably not up-to-date on disk. (We don't throw a warning here; it
167 : : * would just lead to chatter during a database-wide ANALYZE.)
168 : : */
4952 tgl@sss.pgh.pa.us 169 [ + + - + ]: 8261 : if (RELATION_IS_OTHER_TEMP(onerel))
170 : : {
4952 tgl@sss.pgh.pa.us 171 :UBC 0 : relation_close(onerel, ShareUpdateExclusiveLock);
172 : 0 : return;
173 : : }
174 : :
175 : : /*
176 : : * We can ANALYZE any table except pg_statistic. See update_attstats
177 : : */
4952 tgl@sss.pgh.pa.us 178 [ + + ]:CBC 8261 : if (RelationGetRelid(onerel) == StatisticRelationId)
179 : : {
180 : 84 : relation_close(onerel, ShareUpdateExclusiveLock);
181 : 84 : return;
182 : : }
183 : :
184 : : /*
185 : : * Check that it's of an analyzable relkind, and set up appropriately.
186 : : */
4621 kgrittn@postgresql.o 187 [ + + ]: 8177 : if (onerel->rd_rel->relkind == RELKIND_RELATION ||
3161 rhaas@postgresql.org 188 [ + + ]: 418 : onerel->rd_rel->relkind == RELKIND_MATVIEW)
189 : : {
190 : : /* Regular table, so we'll use the regular row acquisition function */
559 akorotkov@postgresql 191 : 7760 : acquirefunc = acquire_sample_rows;
192 : : /* Also get regular table's size */
193 : 7760 : relpages = RelationGetNumberOfBlocks(onerel);
194 : : }
4952 tgl@sss.pgh.pa.us 195 [ + + ]: 417 : else if (onerel->rd_rel->relkind == RELKIND_FOREIGN_TABLE)
196 : : {
197 : : /*
198 : : * For a foreign table, call the FDW's hook function to see whether it
199 : : * supports analysis.
200 : : */
201 : : FdwRoutine *fdwroutine;
202 : 33 : bool ok = false;
203 : :
4618 204 : 33 : fdwroutine = GetFdwRoutineForRelation(onerel, false);
205 : :
4952 206 [ + - ]: 33 : if (fdwroutine->AnalyzeForeignTable != NULL)
207 : 33 : ok = fdwroutine->AnalyzeForeignTable(onerel,
208 : : &acquirefunc,
209 : : &relpages);
210 : :
211 [ - + ]: 33 : if (!ok)
212 : : {
4952 tgl@sss.pgh.pa.us 213 [ # # ]:UBC 0 : ereport(WARNING,
214 : : (errmsg("skipping \"%s\" --- cannot analyze this foreign table",
215 : : RelationGetRelationName(onerel))));
216 : 0 : relation_close(onerel, ShareUpdateExclusiveLock);
217 : 0 : return;
218 : : }
219 : : }
3161 rhaas@postgresql.org 220 [ - + ]:CBC 384 : else if (onerel->rd_rel->relkind == RELKIND_PARTITIONED_TABLE)
221 : : {
222 : : /*
223 : : * For partitioned tables, we want to do the recursive ANALYZE below.
224 : : */
225 : : }
226 : : else
227 : : {
228 : : /* No need for a WARNING if we already complained during VACUUM */
119 michael@paquier.xyz 229 [ # # ]:UNC 0 : if (!(params.options & VACOPT_VACUUM))
8135 tgl@sss.pgh.pa.us 230 [ # # ]:UBC 0 : ereport(WARNING,
231 : : (errmsg("skipping \"%s\" --- cannot analyze non-tables or special system tables",
232 : : RelationGetRelationName(onerel))));
6980 233 : 0 : relation_close(onerel, ShareUpdateExclusiveLock);
8609 234 : 0 : return;
235 : : }
236 : :
237 : : /*
238 : : * OK, let's do it. First, initialize progress reporting.
239 : : */
2112 alvherre@alvh.no-ip. 240 :CBC 8177 : pgstat_progress_start_command(PROGRESS_COMMAND_ANALYZE,
241 : : RelationGetRelid(onerel));
242 : :
243 : : /*
244 : : * Do the normal non-recursive ANALYZE. We can skip this for partitioned
245 : : * tables, which don't contain any rows.
246 : : */
3161 rhaas@postgresql.org 247 [ + + ]: 8177 : if (onerel->rd_rel->relkind != RELKIND_PARTITIONED_TABLE)
2415 248 : 7793 : do_analyze_rel(onerel, params, va_cols, acquirefunc,
249 : : relpages, false, in_outer_xact, elevel);
250 : :
251 : : /*
252 : : * If there are child tables, do recursive ANALYZE.
253 : : */
5781 tgl@sss.pgh.pa.us 254 [ + + ]: 8157 : if (onerel->rd_rel->relhassubclass)
2415 rhaas@postgresql.org 255 : 450 : do_analyze_rel(onerel, params, va_cols, acquirefunc, relpages,
256 : : true, in_outer_xact, elevel);
257 : :
258 : : /*
259 : : * Close source relation now, but keep lock so that no one deletes it
260 : : * before we commit. (If someone did, they'd fail to clean up the entries
261 : : * we made in pg_statistic. Also, releasing the lock before commit would
262 : : * expose us to concurrent-update failures in update_attstats.)
263 : : */
5781 tgl@sss.pgh.pa.us 264 : 8148 : relation_close(onerel, NoLock);
265 : :
2112 alvherre@alvh.no-ip. 266 : 8148 : pgstat_progress_end_command();
267 : : }
268 : :
269 : : /*
270 : : * do_analyze_rel() -- analyze one relation, recursively or not
271 : : *
272 : : * Note that "acquirefunc" is only relevant for the non-inherited case.
273 : : * For the inherited case, acquire_inherited_sample_rows() determines the
274 : : * appropriate acquirefunc for each child table.
275 : : */
276 : : static void
119 michael@paquier.xyz 277 :GNC 8243 : do_analyze_rel(Relation onerel, const VacuumParams params,
278 : : List *va_cols, AcquireSampleRowsFunc acquirefunc,
279 : : BlockNumber relpages, bool inh, bool in_outer_xact,
280 : : int elevel)
281 : : {
282 : : int attr_cnt,
283 : : tcnt,
284 : : i,
285 : : ind;
286 : : Relation *Irel;
287 : : int nindexes;
288 : : bool verbose,
289 : : instrument,
290 : : hasindex;
291 : : VacAttrStats **vacattrstats;
292 : : AnlIndexData *indexdata;
293 : : int targrows,
294 : : numrows,
295 : : minrows;
296 : : double totalrows,
297 : : totaldeadrows;
298 : : HeapTuple *rows;
299 : : PGRUsage ru0;
5781 tgl@sss.pgh.pa.us 300 :CBC 8243 : TimestampTz starttime = 0;
301 : : MemoryContext caller_context;
302 : : Oid save_userid;
303 : : int save_sec_context;
304 : : int save_nestlevel;
413 msawada@postgresql.o 305 : 8243 : WalUsage startwalusage = pgWalUsage;
440 306 : 8243 : BufferUsage startbufferusage = pgBufferUsage;
307 : : BufferUsage bufferusage;
1686 sfrost@snowman.net 308 : 8243 : PgStat_Counter startreadtime = 0;
309 : 8243 : PgStat_Counter startwritetime = 0;
310 : :
119 michael@paquier.xyz 311 :GNC 8243 : verbose = (params.options & VACOPT_VERBOSE) != 0;
440 msawada@postgresql.o 312 [ + - + + ]:CBC 8554 : instrument = (verbose || (AmAutoVacuumWorkerProcess() &&
12 peter@eisentraut.org 313 [ + - ]:GNC 311 : params.log_analyze_min_duration >= 0));
5781 tgl@sss.pgh.pa.us 314 [ + + ]:CBC 8243 : if (inh)
315 [ - + ]: 450 : ereport(elevel,
316 : : (errmsg("analyzing \"%s.%s\" inheritance tree",
317 : : get_namespace_name(RelationGetNamespace(onerel)),
318 : : RelationGetRelationName(onerel))));
319 : : else
320 [ - + ]: 7793 : ereport(elevel,
321 : : (errmsg("analyzing \"%s.%s\"",
322 : : get_namespace_name(RelationGetNamespace(onerel)),
323 : : RelationGetRelationName(onerel))));
324 : :
325 : : /*
326 : : * Set up a working context so that we can easily free whatever junk gets
327 : : * created.
328 : : */
329 : 8243 : anl_context = AllocSetContextCreate(CurrentMemoryContext,
330 : : "Analyze",
331 : : ALLOCSET_DEFAULT_SIZES);
332 : 8243 : caller_context = MemoryContextSwitchTo(anl_context);
333 : :
334 : : /*
335 : : * Switch to the table owner's userid, so that any index functions are run
336 : : * as that user. Also lock down security-restricted operations and
337 : : * arrange to make GUC variable changes local to this command.
338 : : */
5801 339 : 8243 : GetUserIdAndSecContext(&save_userid, &save_sec_context);
340 : 8243 : SetUserIdAndSecContext(onerel->rd_rel->relowner,
341 : : save_sec_context | SECURITY_RESTRICTED_OPERATION);
342 : 8243 : save_nestlevel = NewGUCNestLevel();
602 jdavis@postgresql.or 343 : 8243 : RestrictSearchPath();
344 : :
345 : : /*
346 : : * When verbose or autovacuum logging is used, initialize a resource usage
347 : : * snapshot and optionally track I/O timing.
348 : : */
440 msawada@postgresql.o 349 [ + + ]: 8243 : if (instrument)
350 : : {
1686 sfrost@snowman.net 351 [ - + ]: 311 : if (track_io_timing)
352 : : {
1686 sfrost@snowman.net 353 :UBC 0 : startreadtime = pgStatBlockReadTime;
354 : 0 : startwritetime = pgStatBlockWriteTime;
355 : : }
356 : :
6767 alvherre@alvh.no-ip. 357 :CBC 311 : pg_rusage_init(&ru0);
358 : : }
359 : :
360 : : /* Used for instrumentation and stats report */
272 michael@paquier.xyz 361 : 8243 : starttime = GetCurrentTimestamp();
362 : :
363 : : /*
364 : : * Determine which columns to analyze
365 : : *
366 : : * Note that system attributes are never analyzed, so we just reject them
367 : : * at the lookup stage. We also reject duplicate column mentions. (We
368 : : * could alternatively ignore duplicates, but analyzing a column twice
369 : : * won't work; we'd end up making a conflicting update in pg_statistic.)
370 : : */
3876 alvherre@alvh.no-ip. 371 [ + + ]: 8243 : if (va_cols != NIL)
372 : : {
2958 tgl@sss.pgh.pa.us 373 : 50 : Bitmapset *unique_cols = NULL;
374 : : ListCell *le;
375 : :
3876 alvherre@alvh.no-ip. 376 : 50 : vacattrstats = (VacAttrStats **) palloc(list_length(va_cols) *
377 : : sizeof(VacAttrStats *));
8939 tgl@sss.pgh.pa.us 378 : 50 : tcnt = 0;
3876 alvherre@alvh.no-ip. 379 [ + - + + : 91 : foreach(le, va_cols)
+ + ]
380 : : {
8939 tgl@sss.pgh.pa.us 381 : 66 : char *col = strVal(lfirst(le));
382 : :
8487 383 : 66 : i = attnameAttNum(onerel, col, false);
7158 384 [ + + ]: 66 : if (i == InvalidAttrNumber)
385 [ + - ]: 19 : ereport(ERROR,
386 : : (errcode(ERRCODE_UNDEFINED_COLUMN),
387 : : errmsg("column \"%s\" of relation \"%s\" does not exist",
388 : : col, RelationGetRelationName(onerel))));
2958 389 [ + + ]: 47 : if (bms_is_member(i, unique_cols))
390 [ + - ]: 6 : ereport(ERROR,
391 : : (errcode(ERRCODE_DUPLICATE_COLUMN),
392 : : errmsg("column \"%s\" of relation \"%s\" appears more than once",
393 : : col, RelationGetRelationName(onerel))));
394 : 41 : unique_cols = bms_add_member(unique_cols, i);
395 : :
5566 396 : 41 : vacattrstats[tcnt] = examine_attribute(onerel, i, NULL);
8939 397 [ + - ]: 41 : if (vacattrstats[tcnt] != NULL)
398 : 41 : tcnt++;
399 : : }
400 : 25 : attr_cnt = tcnt;
401 : : }
402 : : else
403 : : {
8487 404 : 8193 : attr_cnt = onerel->rd_att->natts;
405 : : vacattrstats = (VacAttrStats **)
7814 406 : 8193 : palloc(attr_cnt * sizeof(VacAttrStats *));
8939 407 : 8193 : tcnt = 0;
8487 408 [ + + ]: 67180 : for (i = 1; i <= attr_cnt; i++)
409 : : {
5566 410 : 58987 : vacattrstats[tcnt] = examine_attribute(onerel, i, NULL);
8939 411 [ + + ]: 58987 : if (vacattrstats[tcnt] != NULL)
412 : 58953 : tcnt++;
413 : : }
9282 bruce@momjian.us 414 : 8193 : attr_cnt = tcnt;
415 : : }
416 : :
417 : : /*
418 : : * Open all indexes of the relation, and see if there are any analyzable
419 : : * columns in the indexes. We do not analyze index columns if there was
420 : : * an explicit column list in the ANALYZE command, however.
421 : : *
422 : : * If we are doing a recursive scan, we don't want to touch the parent's
423 : : * indexes at all. If we're processing a partitioned table, we need to
424 : : * know if there are any indexes, but we don't want to process them.
425 : : */
1579 alvherre@alvh.no-ip. 426 [ + + ]: 8218 : if (onerel->rd_rel->relkind == RELKIND_PARTITIONED_TABLE)
427 : : {
1264 tgl@sss.pgh.pa.us 428 : 375 : List *idxs = RelationGetIndexList(onerel);
429 : :
1579 alvherre@alvh.no-ip. 430 : 375 : Irel = NULL;
431 : 375 : nindexes = 0;
432 : 375 : hasindex = idxs != NIL;
433 : 375 : list_free(idxs);
434 : : }
435 [ + + ]: 7843 : else if (!inh)
436 : : {
5781 tgl@sss.pgh.pa.us 437 : 7777 : vac_open_indexes(onerel, AccessShareLock, &nindexes, &Irel);
1579 alvherre@alvh.no-ip. 438 : 7777 : hasindex = nindexes > 0;
439 : : }
440 : : else
441 : : {
5781 tgl@sss.pgh.pa.us 442 : 66 : Irel = NULL;
443 : 66 : nindexes = 0;
1579 alvherre@alvh.no-ip. 444 : 66 : hasindex = false;
445 : : }
7925 tgl@sss.pgh.pa.us 446 : 8218 : indexdata = NULL;
1579 alvherre@alvh.no-ip. 447 [ + + ]: 8218 : if (nindexes > 0)
448 : : {
7925 tgl@sss.pgh.pa.us 449 : 6076 : indexdata = (AnlIndexData *) palloc0(nindexes * sizeof(AnlIndexData));
450 [ + + ]: 17511 : for (ind = 0; ind < nindexes; ind++)
451 : : {
452 : 11435 : AnlIndexData *thisdata = &indexdata[ind];
453 : : IndexInfo *indexInfo;
454 : :
455 : 11435 : thisdata->indexInfo = indexInfo = BuildIndexInfo(Irel[ind]);
7729 bruce@momjian.us 456 : 11435 : thisdata->tupleFract = 1.0; /* fix later if partial */
3876 alvherre@alvh.no-ip. 457 [ + + + - ]: 11435 : if (indexInfo->ii_Expressions != NIL && va_cols == NIL)
458 : : {
7824 neilc@samurai.com 459 : 51 : ListCell *indexpr_item = list_head(indexInfo->ii_Expressions);
460 : :
7925 tgl@sss.pgh.pa.us 461 : 51 : thisdata->vacattrstats = (VacAttrStats **)
462 : 51 : palloc(indexInfo->ii_NumIndexAttrs * sizeof(VacAttrStats *));
463 : 51 : tcnt = 0;
464 [ + + ]: 103 : for (i = 0; i < indexInfo->ii_NumIndexAttrs; i++)
465 : : {
2755 teodor@sigaev.ru 466 : 52 : int keycol = indexInfo->ii_IndexAttrNumbers[i];
467 : :
7925 tgl@sss.pgh.pa.us 468 [ + + ]: 52 : if (keycol == 0)
469 : : {
470 : : /* Found an index expression */
471 : : Node *indexkey;
472 : :
3050 473 [ - + ]: 51 : if (indexpr_item == NULL) /* shouldn't happen */
7925 tgl@sss.pgh.pa.us 474 [ # # ]:UBC 0 : elog(ERROR, "too few entries in indexprs list");
7824 neilc@samurai.com 475 :CBC 51 : indexkey = (Node *) lfirst(indexpr_item);
2296 tgl@sss.pgh.pa.us 476 : 51 : indexpr_item = lnext(indexInfo->ii_Expressions,
477 : : indexpr_item);
7925 478 : 102 : thisdata->vacattrstats[tcnt] =
5566 479 : 51 : examine_attribute(Irel[ind], i + 1, indexkey);
7925 480 [ + - ]: 51 : if (thisdata->vacattrstats[tcnt] != NULL)
481 : 51 : tcnt++;
482 : : }
483 : : }
484 : 51 : thisdata->attr_cnt = tcnt;
485 : : }
486 : : }
487 : : }
488 : :
489 : : /*
490 : : * Determine how many rows we need to sample, using the worst case from
491 : : * all analyzable columns. We use a lower bound of 100 rows to avoid
492 : : * possible overflow in Vitter's algorithm. (Note: that will also be the
493 : : * target in the corner case where there are no analyzable columns.)
494 : : */
8939 495 : 8218 : targrows = 100;
9282 bruce@momjian.us 496 [ + + ]: 67200 : for (i = 0; i < attr_cnt; i++)
497 : : {
8939 tgl@sss.pgh.pa.us 498 [ + + ]: 58982 : if (targrows < vacattrstats[i]->minrows)
499 : 8182 : targrows = vacattrstats[i]->minrows;
500 : : }
7925 501 [ + + ]: 19653 : for (ind = 0; ind < nindexes; ind++)
502 : : {
503 : 11435 : AnlIndexData *thisdata = &indexdata[ind];
504 : :
505 [ + + ]: 11486 : for (i = 0; i < thisdata->attr_cnt; i++)
506 : : {
507 [ + + ]: 51 : if (targrows < thisdata->vacattrstats[i]->minrows)
508 : 6 : targrows = thisdata->vacattrstats[i]->minrows;
509 : : }
510 : : }
511 : :
512 : : /*
513 : : * Look at extended statistics objects too, as those may define custom
514 : : * statistics target. So we may need to sample more rows and then build
515 : : * the statistics with enough detail.
516 : : */
2239 tomas.vondra@postgre 517 : 8218 : minrows = ComputeExtStatisticsRows(onerel, attr_cnt, vacattrstats);
518 : :
519 [ - + ]: 8218 : if (targrows < minrows)
2239 tomas.vondra@postgre 520 :UBC 0 : targrows = minrows;
521 : :
522 : : /*
523 : : * Acquire the sample rows
524 : : */
8939 tgl@sss.pgh.pa.us 525 :CBC 8218 : rows = (HeapTuple *) palloc(targrows * sizeof(HeapTuple));
2112 alvherre@alvh.no-ip. 526 [ + + ]: 8218 : pgstat_progress_update_param(PROGRESS_ANALYZE_PHASE,
527 : : inh ? PROGRESS_ANALYZE_PHASE_ACQUIRE_SAMPLE_ROWS_INH :
528 : : PROGRESS_ANALYZE_PHASE_ACQUIRE_SAMPLE_ROWS);
5781 tgl@sss.pgh.pa.us 529 [ + + ]: 8218 : if (inh)
4952 530 : 441 : numrows = acquire_inherited_sample_rows(onerel, elevel,
531 : : rows, targrows,
532 : : &totalrows, &totaldeadrows);
533 : : else
534 : 7777 : numrows = (*acquirefunc) (onerel, elevel,
535 : : rows, targrows,
536 : : &totalrows, &totaldeadrows);
537 : :
538 : : /*
539 : : * Compute the statistics. Temporary results during the calculations for
540 : : * each column are stored in a child context. The calc routines are
541 : : * responsible to make sure that whatever they store into the VacAttrStats
542 : : * structure is allocated in anl_context.
543 : : */
8939 544 [ + + ]: 8217 : if (numrows > 0)
545 : : {
546 : : MemoryContext col_context,
547 : : old_context;
548 : :
2112 alvherre@alvh.no-ip. 549 : 5585 : pgstat_progress_update_param(PROGRESS_ANALYZE_PHASE,
550 : : PROGRESS_ANALYZE_PHASE_COMPUTE_STATS);
551 : :
8535 tgl@sss.pgh.pa.us 552 : 5585 : col_context = AllocSetContextCreate(anl_context,
553 : : "Analyze Column",
554 : : ALLOCSET_DEFAULT_SIZES);
8939 555 : 5585 : old_context = MemoryContextSwitchTo(col_context);
556 : :
557 [ + + ]: 48800 : for (i = 0; i < attr_cnt; i++)
558 : : {
7927 559 : 43215 : VacAttrStats *stats = vacattrstats[i];
560 : : AttributeOpts *aopt;
561 : :
562 : 43215 : stats->rows = rows;
563 : 43215 : stats->tupDesc = onerel->rd_att;
2972 peter_e@gmx.net 564 : 43215 : stats->compute_stats(stats,
565 : : std_fetch_func,
566 : : numrows,
567 : : totalrows);
568 : :
569 : : /*
570 : : * If the appropriate flavor of the n_distinct option is
571 : : * specified, override with the corresponding value.
572 : : */
847 peter@eisentraut.org 573 : 43215 : aopt = get_attribute_options(onerel->rd_id, stats->tupattnum);
5757 rhaas@postgresql.org 574 [ + + ]: 43215 : if (aopt != NULL)
575 : : {
576 : : float8 n_distinct;
577 : :
4986 tgl@sss.pgh.pa.us 578 [ - + ]: 3 : n_distinct = inh ? aopt->n_distinct_inherited : aopt->n_distinct;
5757 rhaas@postgresql.org 579 [ + - ]: 3 : if (n_distinct != 0.0)
580 : 3 : stats->stadistinct = n_distinct;
581 : : }
582 : :
712 nathan@postgresql.or 583 : 43215 : MemoryContextReset(col_context);
584 : : }
585 : :
1579 alvherre@alvh.no-ip. 586 [ + + ]: 5585 : if (nindexes > 0)
7925 tgl@sss.pgh.pa.us 587 : 3591 : compute_index_stats(onerel, totalrows,
588 : : indexdata, nindexes,
589 : : rows, numrows,
590 : : col_context);
591 : :
8939 592 : 5582 : MemoryContextSwitchTo(old_context);
593 : 5582 : MemoryContextDelete(col_context);
594 : :
595 : : /*
596 : : * Emit the completed stats rows into pg_statistic, replacing any
597 : : * previous statistics for the target columns. (If there are stats in
598 : : * pg_statistic for columns we didn't process, we leave them alone.)
599 : : */
5781 600 : 5582 : update_attstats(RelationGetRelid(onerel), inh,
601 : : attr_cnt, vacattrstats);
602 : :
7925 603 [ + + ]: 12585 : for (ind = 0; ind < nindexes; ind++)
604 : : {
605 : 7003 : AnlIndexData *thisdata = &indexdata[ind];
606 : :
5781 607 : 7003 : update_attstats(RelationGetRelid(Irel[ind]), false,
608 : : thisdata->attr_cnt, thisdata->vacattrstats);
609 : : }
610 : :
611 : : /* Build extended statistics (if there are any). */
1380 tomas.vondra@postgre 612 : 5582 : BuildRelationExtStatistics(onerel, inh, totalrows, numrows, rows,
613 : : attr_cnt, vacattrstats);
614 : : }
615 : :
2112 alvherre@alvh.no-ip. 616 : 8214 : pgstat_progress_update_param(PROGRESS_ANALYZE_PHASE,
617 : : PROGRESS_ANALYZE_PHASE_FINALIZE_ANALYZE);
618 : :
619 : : /*
620 : : * Update pages/tuples stats in pg_class ... but not if we're doing
621 : : * inherited stats.
622 : : *
623 : : * We assume that VACUUM hasn't set pg_class.reltuples already, even
624 : : * during a VACUUM ANALYZE. Although VACUUM often updates pg_class,
625 : : * exceptions exist. A "VACUUM (ANALYZE, INDEX_CLEANUP OFF)" command will
626 : : * never update pg_class entries for index relations. It's also possible
627 : : * that an individual index's pg_class entry won't be updated during
628 : : * VACUUM if the index AM returns NULL from its amvacuumcleanup() routine.
629 : : */
5264 tgl@sss.pgh.pa.us 630 [ + + ]: 8214 : if (!inh)
631 : : {
238 melanieplageman@gmai 632 : 7773 : BlockNumber relallvisible = 0;
633 : 7773 : BlockNumber relallfrozen = 0;
634 : :
689 heikki.linnakangas@i 635 [ + + + - : 7773 : if (RELKIND_HAS_STORAGE(onerel->rd_rel->relkind))
+ - + - +
+ ]
238 melanieplageman@gmai 636 : 7741 : visibilitymap_count(onerel, &relallvisible, &relallfrozen);
637 : :
638 : : /*
639 : : * Update pg_class for table relation. CCI first, in case acquirefunc
640 : : * updated pg_class.
641 : : */
471 noah@leadboat.com 642 : 7773 : CommandCounterIncrement();
6195 tgl@sss.pgh.pa.us 643 : 7773 : vac_update_relstats(onerel,
644 : : relpages,
645 : : totalrows,
646 : : relallvisible,
647 : : relallfrozen,
648 : : hasindex,
649 : : InvalidTransactionId,
650 : : InvalidMultiXactId,
651 : : NULL, NULL,
652 : : in_outer_xact);
653 : :
654 : : /* Same for indexes */
7925 655 [ + + ]: 19202 : for (ind = 0; ind < nindexes; ind++)
656 : : {
657 : 11429 : AnlIndexData *thisdata = &indexdata[ind];
658 : : double totalindexrows;
659 : :
660 : 11429 : totalindexrows = ceil(thisdata->tupleFract * totalrows);
6195 661 : 11429 : vac_update_relstats(Irel[ind],
7925 662 : 11429 : RelationGetNumberOfBlocks(Irel[ind]),
663 : : totalindexrows,
664 : : 0, 0,
665 : : false,
666 : : InvalidTransactionId,
667 : : InvalidMultiXactId,
668 : : NULL, NULL,
669 : : in_outer_xact);
670 : : }
671 : : }
1521 alvherre@alvh.no-ip. 672 [ + + ]: 441 : else if (onerel->rd_rel->relkind == RELKIND_PARTITIONED_TABLE)
673 : : {
674 : : /*
675 : : * Partitioned tables don't have storage, so we don't set any fields
676 : : * in their pg_class entries except for reltuples and relhasindex.
677 : : */
471 noah@leadboat.com 678 : 375 : CommandCounterIncrement();
1521 alvherre@alvh.no-ip. 679 : 375 : vac_update_relstats(onerel, -1, totalrows,
680 : : 0, 0, hasindex, InvalidTransactionId,
681 : : InvalidMultiXactId,
682 : : NULL, NULL,
683 : : in_outer_xact);
684 : : }
685 : :
686 : : /*
687 : : * Now report ANALYZE to the cumulative stats system. For regular tables,
688 : : * we do it only if not doing inherited stats. For partitioned tables, we
689 : : * only do it for inherited stats. (We're never called for not-inherited
690 : : * stats on partitioned tables anyway.)
691 : : *
692 : : * Reset the mod_since_analyze counter only if we analyzed all columns;
693 : : * otherwise, there is still work for auto-analyze to do.
694 : : */
695 [ + + ]: 8214 : if (!inh)
3430 tgl@sss.pgh.pa.us 696 : 7773 : pgstat_report_analyze(onerel, totalrows, totaldeadrows,
697 : : (va_cols == NIL), starttime);
1521 alvherre@alvh.no-ip. 698 [ + + ]: 441 : else if (onerel->rd_rel->relkind == RELKIND_PARTITIONED_TABLE)
272 michael@paquier.xyz 699 : 375 : pgstat_report_analyze(onerel, 0, 0, (va_cols == NIL), starttime);
700 : :
701 : : /*
702 : : * If this isn't part of VACUUM ANALYZE, let index AMs do cleanup.
703 : : *
704 : : * Note that most index AMs perform a no-op as a matter of policy for
705 : : * amvacuumcleanup() when called in ANALYZE-only mode. The only exception
706 : : * among core index AMs is GIN/ginvacuumcleanup().
707 : : */
119 michael@paquier.xyz 708 [ + + ]:GNC 8214 : if (!(params.options & VACOPT_VACUUM))
709 : : {
6061 tgl@sss.pgh.pa.us 710 [ + + ]:CBC 15665 : for (ind = 0; ind < nindexes; ind++)
711 : : {
712 : : IndexBulkDeleteResult *stats;
713 : : IndexVacuumInfo ivinfo;
714 : :
715 : 8959 : ivinfo.index = Irel[ind];
938 pg@bowt.ie 716 : 8959 : ivinfo.heaprel = onerel;
6061 tgl@sss.pgh.pa.us 717 : 8959 : ivinfo.analyze_only = true;
5987 718 : 8959 : ivinfo.estimated_count = true;
6061 719 : 8959 : ivinfo.message_level = elevel;
5987 720 : 8959 : ivinfo.num_heap_tuples = onerel->rd_rel->reltuples;
6061 721 : 8959 : ivinfo.strategy = vac_strategy;
722 : :
723 : 8959 : stats = index_vacuum_cleanup(&ivinfo, NULL);
724 : :
725 [ - + ]: 8959 : if (stats)
6061 tgl@sss.pgh.pa.us 726 :UBC 0 : pfree(stats);
727 : : }
728 : : }
729 : :
730 : : /* Done with indexes */
7697 tgl@sss.pgh.pa.us 731 :CBC 8214 : vac_close_indexes(nindexes, Irel, NoLock);
732 : :
733 : : /* Log the action if appropriate */
440 msawada@postgresql.o 734 [ + + ]: 8214 : if (instrument)
735 : : {
1686 sfrost@snowman.net 736 : 311 : TimestampTz endtime = GetCurrentTimestamp();
737 : :
12 peter@eisentraut.org 738 [ + - + + :GNC 484 : if (verbose || params.log_analyze_min_duration == 0 ||
- + ]
1686 sfrost@snowman.net 739 :CBC 173 : TimestampDifferenceExceeds(starttime, endtime,
12 peter@eisentraut.org 740 :GNC 173 : params.log_analyze_min_duration))
741 : : {
742 : : long delay_in_ms;
743 : : WalUsage walusage;
1686 sfrost@snowman.net 744 :CBC 138 : double read_rate = 0;
745 : 138 : double write_rate = 0;
746 : : char *msgfmt;
747 : : StringInfoData buf;
748 : : int64 total_blks_hit;
749 : : int64 total_blks_read;
750 : : int64 total_blks_dirtied;
751 : :
440 msawada@postgresql.o 752 : 138 : memset(&bufferusage, 0, sizeof(BufferUsage));
753 : 138 : BufferUsageAccumDiff(&bufferusage, &pgBufferUsage, &startbufferusage);
413 754 : 138 : memset(&walusage, 0, sizeof(WalUsage));
755 : 138 : WalUsageAccumDiff(&walusage, &pgWalUsage, &startwalusage);
756 : :
440 757 : 138 : total_blks_hit = bufferusage.shared_blks_hit +
758 : 138 : bufferusage.local_blks_hit;
759 : 138 : total_blks_read = bufferusage.shared_blks_read +
760 : 138 : bufferusage.local_blks_read;
761 : 138 : total_blks_dirtied = bufferusage.shared_blks_dirtied +
762 : 138 : bufferusage.local_blks_dirtied;
763 : :
764 : : /*
765 : : * We do not expect an analyze to take > 25 days and it simplifies
766 : : * things a bit to use TimestampDifferenceMilliseconds.
767 : : */
1686 sfrost@snowman.net 768 : 138 : delay_in_ms = TimestampDifferenceMilliseconds(starttime, endtime);
769 : :
770 : : /*
771 : : * Note that we are reporting these read/write rates in the same
772 : : * manner as VACUUM does, which means that while the 'average read
773 : : * rate' here actually corresponds to page misses and resulting
774 : : * reads which are also picked up by track_io_timing, if enabled,
775 : : * the 'average write rate' is actually talking about the rate of
776 : : * pages being dirtied, not being written out, so it's typical to
777 : : * have a non-zero 'avg write rate' while I/O timings only reports
778 : : * reads.
779 : : *
780 : : * It's not clear that an ANALYZE will ever result in
781 : : * FlushBuffer() being called, but we track and support reporting
782 : : * on I/O write time in case that changes as it's practically free
783 : : * to do so anyway.
784 : : */
785 : :
786 [ + - ]: 138 : if (delay_in_ms > 0)
787 : : {
440 msawada@postgresql.o 788 : 138 : read_rate = (double) BLCKSZ * total_blks_read /
789 : 138 : (1024 * 1024) / (delay_in_ms / 1000.0);
790 : 138 : write_rate = (double) BLCKSZ * total_blks_dirtied /
791 : 138 : (1024 * 1024) / (delay_in_ms / 1000.0);
792 : : }
793 : :
794 : : /*
795 : : * We split this up so we don't emit empty I/O timing values when
796 : : * track_io_timing isn't enabled.
797 : : */
798 : :
1686 sfrost@snowman.net 799 : 138 : initStringInfo(&buf);
800 : :
440 msawada@postgresql.o 801 [ + - ]: 138 : if (AmAutoVacuumWorkerProcess())
802 : 138 : msgfmt = _("automatic analyze of table \"%s.%s.%s\"\n");
803 : : else
440 msawada@postgresql.o 804 :UBC 0 : msgfmt = _("finished analyzing table \"%s.%s.%s\"\n");
805 : :
440 msawada@postgresql.o 806 :CBC 138 : appendStringInfo(&buf, msgfmt,
807 : : get_database_name(MyDatabaseId),
1686 sfrost@snowman.net 808 : 138 : get_namespace_name(RelationGetNamespace(onerel)),
809 : 138 : RelationGetRelationName(onerel));
255 nathan@postgresql.or 810 [ - + ]: 138 : if (track_cost_delay_timing)
811 : : {
812 : : /*
813 : : * We bypass the changecount mechanism because this value is
814 : : * only updated by the calling process.
815 : : */
255 nathan@postgresql.or 816 :UBC 0 : appendStringInfo(&buf, _("delay time: %.3f ms\n"),
817 : 0 : (double) MyBEEntry->st_progress_param[PROGRESS_ANALYZE_DELAY_TIME] / 1000000.0);
818 : : }
1686 sfrost@snowman.net 819 [ - + ]:CBC 138 : if (track_io_timing)
820 : : {
1522 pg@bowt.ie 821 :UBC 0 : double read_ms = (double) (pgStatBlockReadTime - startreadtime) / 1000;
822 : 0 : double write_ms = (double) (pgStatBlockWriteTime - startwritetime) / 1000;
823 : :
824 : 0 : appendStringInfo(&buf, _("I/O timings: read: %.3f ms, write: %.3f ms\n"),
825 : : read_ms, write_ms);
826 : : }
1522 pg@bowt.ie 827 :CBC 138 : appendStringInfo(&buf, _("avg read rate: %.3f MB/s, avg write rate: %.3f MB/s\n"),
828 : : read_rate, write_rate);
212 peter@eisentraut.org 829 : 138 : appendStringInfo(&buf, _("buffer usage: %" PRId64 " hits, %" PRId64 " reads, %" PRId64 " dirtied\n"),
830 : : total_blks_hit,
831 : : total_blks_read,
832 : : total_blks_dirtied);
413 msawada@postgresql.o 833 : 138 : appendStringInfo(&buf,
212 peter@eisentraut.org 834 : 138 : _("WAL usage: %" PRId64 " records, %" PRId64 " full page images, %" PRIu64 " bytes, %" PRId64 " buffers full\n"),
835 : : walusage.wal_records,
836 : : walusage.wal_fpi,
837 : : walusage.wal_bytes,
838 : : walusage.wal_buffers_full);
1686 sfrost@snowman.net 839 : 138 : appendStringInfo(&buf, _("system usage: %s"), pg_rusage_show(&ru0));
840 : :
440 msawada@postgresql.o 841 [ - + + - ]: 138 : ereport(verbose ? INFO : LOG,
842 : : (errmsg_internal("%s", buf.data)));
843 : :
1686 sfrost@snowman.net 844 : 138 : pfree(buf.data);
845 : : }
846 : : }
847 : :
848 : : /* Roll back any GUC changes executed by index functions */
5801 tgl@sss.pgh.pa.us 849 : 8214 : AtEOXact_GUC(false, save_nestlevel);
850 : :
851 : : /* Restore userid and security context */
852 : 8214 : SetUserIdAndSecContext(save_userid, save_sec_context);
853 : :
854 : : /* Restore current context and release memory */
5781 855 : 8214 : MemoryContextSwitchTo(caller_context);
856 : 8214 : MemoryContextDelete(anl_context);
857 : 8214 : anl_context = NULL;
8939 858 : 8214 : }
859 : :
860 : : /*
861 : : * Compute statistics about indexes of a relation
862 : : */
863 : : static void
7925 864 : 3591 : compute_index_stats(Relation onerel, double totalrows,
865 : : AnlIndexData *indexdata, int nindexes,
866 : : HeapTuple *rows, int numrows,
867 : : MemoryContext col_context)
868 : : {
869 : : MemoryContext ind_context,
870 : : old_context;
871 : : Datum values[INDEX_MAX_KEYS];
872 : : bool isnull[INDEX_MAX_KEYS];
873 : : int ind,
874 : : i;
875 : :
876 : 3591 : ind_context = AllocSetContextCreate(anl_context,
877 : : "Analyze Index",
878 : : ALLOCSET_DEFAULT_SIZES);
879 : 3591 : old_context = MemoryContextSwitchTo(ind_context);
880 : :
881 [ + + ]: 10597 : for (ind = 0; ind < nindexes; ind++)
882 : : {
883 : 7009 : AnlIndexData *thisdata = &indexdata[ind];
7729 bruce@momjian.us 884 : 7009 : IndexInfo *indexInfo = thisdata->indexInfo;
7925 tgl@sss.pgh.pa.us 885 : 7009 : int attr_cnt = thisdata->attr_cnt;
886 : : TupleTableSlot *slot;
887 : : EState *estate;
888 : : ExprContext *econtext;
889 : : ExprState *predicate;
890 : : Datum *exprvals;
891 : : bool *exprnulls;
892 : : int numindexrows,
893 : : tcnt,
894 : : rowno;
895 : : double totalindexrows;
896 : :
897 : : /* Ignore index if no columns to analyze and not partial */
898 [ + + + + ]: 7009 : if (attr_cnt == 0 && indexInfo->ii_Predicate == NIL)
899 : 6945 : continue;
900 : :
901 : : /*
902 : : * Need an EState for evaluation of index expressions and
903 : : * partial-index predicates. Create it in the per-index context to be
904 : : * sure it gets cleaned up at the bottom of the loop.
905 : : */
906 : 64 : estate = CreateExecutorState();
907 [ - + ]: 64 : econtext = GetPerTupleExprContext(estate);
908 : : /* Need a slot to hold the current heap tuple, too */
2538 andres@anarazel.de 909 : 64 : slot = MakeSingleTupleTableSlot(RelationGetDescr(onerel),
910 : : &TTSOpsHeapTuple);
911 : :
912 : : /* Arrange for econtext's scan tuple to be the tuple under test */
7925 tgl@sss.pgh.pa.us 913 : 64 : econtext->ecxt_scantuple = slot;
914 : :
915 : : /* Set up execution state for predicate. */
3149 andres@anarazel.de 916 : 64 : predicate = ExecPrepareQual(indexInfo->ii_Predicate, estate);
917 : :
918 : : /* Compute and save index expression values */
7814 tgl@sss.pgh.pa.us 919 : 64 : exprvals = (Datum *) palloc(numrows * attr_cnt * sizeof(Datum));
920 : 64 : exprnulls = (bool *) palloc(numrows * attr_cnt * sizeof(bool));
7925 921 : 64 : numindexrows = 0;
922 : 64 : tcnt = 0;
923 [ + + ]: 47519 : for (rowno = 0; rowno < numrows; rowno++)
924 : : {
925 : 47458 : HeapTuple heapTuple = rows[rowno];
926 : :
258 nathan@postgresql.or 927 : 47458 : vacuum_delay_point(true);
928 : :
929 : : /*
930 : : * Reset the per-tuple context each time, to reclaim any cruft
931 : : * left behind by evaluating the predicate or index expressions.
932 : : */
5466 tgl@sss.pgh.pa.us 933 : 47458 : ResetExprContext(econtext);
934 : :
935 : : /* Set up for predicate or expression evaluation */
2589 andres@anarazel.de 936 : 47458 : ExecStoreHeapTuple(heapTuple, slot, false);
937 : :
938 : : /* If index is partial, check predicate */
3149 939 [ + + ]: 47458 : if (predicate != NULL)
940 : : {
941 [ + + ]: 10033 : if (!ExecQual(predicate, econtext))
7925 tgl@sss.pgh.pa.us 942 : 9664 : continue;
943 : : }
944 : 37794 : numindexrows++;
945 : :
946 [ + + ]: 37794 : if (attr_cnt > 0)
947 : : {
948 : : /*
949 : : * Evaluate the index row to compute expression values. We
950 : : * could do this by hand, but FormIndexDatum is convenient.
951 : : */
952 : 37425 : FormIndexDatum(indexInfo,
953 : : slot,
954 : : estate,
955 : : values,
956 : : isnull);
957 : :
958 : : /*
959 : : * Save just the columns we care about. We copy the values
960 : : * into ind_context from the estate's per-tuple context.
961 : : */
962 [ + + ]: 74844 : for (i = 0; i < attr_cnt; i++)
963 : : {
964 : 37422 : VacAttrStats *stats = thisdata->vacattrstats[i];
847 peter@eisentraut.org 965 : 37422 : int attnum = stats->tupattnum;
966 : :
5466 tgl@sss.pgh.pa.us 967 [ + + ]: 37422 : if (isnull[attnum - 1])
968 : : {
969 : 3 : exprvals[tcnt] = (Datum) 0;
970 : 3 : exprnulls[tcnt] = true;
971 : : }
972 : : else
973 : : {
974 : 74838 : exprvals[tcnt] = datumCopy(values[attnum - 1],
975 : 37419 : stats->attrtype->typbyval,
976 : 37419 : stats->attrtype->typlen);
977 : 37419 : exprnulls[tcnt] = false;
978 : : }
7925 979 : 37422 : tcnt++;
980 : : }
981 : : }
982 : : }
983 : :
984 : : /*
985 : : * Having counted the number of rows that pass the predicate in the
986 : : * sample, we can estimate the total number of rows in the index.
987 : : */
988 : 61 : thisdata->tupleFract = (double) numindexrows / (double) numrows;
989 : 61 : totalindexrows = ceil(thisdata->tupleFract * totalrows);
990 : :
991 : : /*
992 : : * Now we can compute the statistics for the expression columns.
993 : : */
994 [ + + ]: 61 : if (numindexrows > 0)
995 : : {
996 : 57 : MemoryContextSwitchTo(col_context);
997 [ + + ]: 96 : for (i = 0; i < attr_cnt; i++)
998 : : {
999 : 39 : VacAttrStats *stats = thisdata->vacattrstats[i];
1000 : :
1001 : 39 : stats->exprvals = exprvals + i;
1002 : 39 : stats->exprnulls = exprnulls + i;
1003 : 39 : stats->rowstride = attr_cnt;
2972 peter_e@gmx.net 1004 : 39 : stats->compute_stats(stats,
1005 : : ind_fetch_func,
1006 : : numindexrows,
1007 : : totalindexrows);
1008 : :
712 nathan@postgresql.or 1009 : 39 : MemoryContextReset(col_context);
1010 : : }
1011 : : }
1012 : :
1013 : : /* And clean up */
7925 tgl@sss.pgh.pa.us 1014 : 61 : MemoryContextSwitchTo(ind_context);
1015 : :
7530 1016 : 61 : ExecDropSingleTupleTableSlot(slot);
7925 1017 : 61 : FreeExecutorState(estate);
712 nathan@postgresql.or 1018 : 61 : MemoryContextReset(ind_context);
1019 : : }
1020 : :
7925 tgl@sss.pgh.pa.us 1021 : 3588 : MemoryContextSwitchTo(old_context);
1022 : 3588 : MemoryContextDelete(ind_context);
1023 : 3588 : }
1024 : :
1025 : : /*
1026 : : * examine_attribute -- pre-analysis of a single column
1027 : : *
1028 : : * Determine whether the column is analyzable; if so, create and initialize
1029 : : * a VacAttrStats struct for it. If not, return NULL.
1030 : : *
1031 : : * If index_expr isn't NULL, then we're trying to analyze an expression index,
1032 : : * and index_expr is the expression tree representing the column's data.
1033 : : */
1034 : : static VacAttrStats *
5566 1035 : 59079 : examine_attribute(Relation onerel, int attnum, Node *index_expr)
1036 : : {
2990 andres@anarazel.de 1037 : 59079 : Form_pg_attribute attr = TupleDescAttr(onerel->rd_att, attnum - 1);
1038 : : int attstattarget;
1039 : : HeapTuple atttuple;
1040 : : Datum dat;
1041 : : bool isnull;
1042 : : HeapTuple typtuple;
1043 : : VacAttrStats *stats;
1044 : : int i;
1045 : : bool ok;
1046 : :
1047 : : /* Never analyze dropped columns */
8487 tgl@sss.pgh.pa.us 1048 [ + + ]: 59079 : if (attr->attisdropped)
1049 : 3 : return NULL;
1050 : :
1051 : : /* Don't analyze virtual generated columns */
262 peter@eisentraut.org 1052 [ + + ]: 59076 : if (attr->attgenerated == ATTRIBUTE_GENERATED_VIRTUAL)
1053 : 28 : return NULL;
1054 : :
1055 : : /*
1056 : : * Get attstattarget value. Set to -1 if null. (Analyze functions expect
1057 : : * -1 to mean use default_statistics_target; see for example
1058 : : * std_typanalyze.)
1059 : : */
653 1060 : 59048 : atttuple = SearchSysCache2(ATTNUM, ObjectIdGetDatum(RelationGetRelid(onerel)), Int16GetDatum(attnum));
1061 [ - + ]: 59048 : if (!HeapTupleIsValid(atttuple))
653 peter@eisentraut.org 1062 [ # # ]:UBC 0 : elog(ERROR, "cache lookup failed for attribute %d of relation %u",
1063 : : attnum, RelationGetRelid(onerel));
653 peter@eisentraut.org 1064 :CBC 59048 : dat = SysCacheGetAttr(ATTNUM, atttuple, Anum_pg_attribute_attstattarget, &isnull);
1065 [ + + ]: 59048 : attstattarget = isnull ? -1 : DatumGetInt16(dat);
1066 : 59048 : ReleaseSysCache(atttuple);
1067 : :
1068 : : /* Don't analyze column if user has specified not to */
1069 [ + + ]: 59048 : if (attstattarget == 0)
8939 tgl@sss.pgh.pa.us 1070 : 3 : return NULL;
1071 : :
1072 : : /*
1073 : : * Create the VacAttrStats struct.
1074 : : */
8384 bruce@momjian.us 1075 : 59045 : stats = (VacAttrStats *) palloc0(sizeof(VacAttrStats));
653 peter@eisentraut.org 1076 : 59045 : stats->attstattarget = attstattarget;
1077 : :
1078 : : /*
1079 : : * When analyzing an expression index, believe the expression tree's type
1080 : : * not the column datatype --- the latter might be the opckeytype storage
1081 : : * type of the opclass, which is not interesting for our purposes. (Note:
1082 : : * if we did anything with non-expression index columns, we'd need to
1083 : : * figure out where to get the correct type info from, but for now that's
1084 : : * not a problem.) It's not clear whether anyone will care about the
1085 : : * typmod, but we store that too just in case.
1086 : : */
5566 tgl@sss.pgh.pa.us 1087 [ + + ]: 59045 : if (index_expr)
1088 : : {
1089 : 51 : stats->attrtypid = exprType(index_expr);
1090 : 51 : stats->attrtypmod = exprTypmod(index_expr);
1091 : :
1092 : : /*
1093 : : * If a collation has been specified for the index column, use that in
1094 : : * preference to anything else; but if not, fall back to whatever we
1095 : : * can get from the expression.
1096 : : */
2509 1097 [ + + ]: 51 : if (OidIsValid(onerel->rd_indcollation[attnum - 1]))
1098 : 6 : stats->attrcollid = onerel->rd_indcollation[attnum - 1];
1099 : : else
1100 : 45 : stats->attrcollid = exprCollation(index_expr);
1101 : : }
1102 : : else
1103 : : {
5566 1104 : 58994 : stats->attrtypid = attr->atttypid;
1105 : 58994 : stats->attrtypmod = attr->atttypmod;
2509 1106 : 58994 : stats->attrcollid = attr->attcollation;
1107 : : }
1108 : :
5165 1109 : 59045 : typtuple = SearchSysCacheCopy1(TYPEOID,
1110 : : ObjectIdGetDatum(stats->attrtypid));
8939 1111 [ - + ]: 59045 : if (!HeapTupleIsValid(typtuple))
5566 tgl@sss.pgh.pa.us 1112 [ # # ]:UBC 0 : elog(ERROR, "cache lookup failed for type %u", stats->attrtypid);
5165 tgl@sss.pgh.pa.us 1113 :CBC 59045 : stats->attrtype = (Form_pg_type) GETSTRUCT(typtuple);
7928 1114 : 59045 : stats->anl_context = anl_context;
1115 : 59045 : stats->tupattnum = attnum;
1116 : :
1117 : : /*
1118 : : * The fields describing the stats->stavalues[n] element types default to
1119 : : * the type of the data being analyzed, but the type-specific typanalyze
1120 : : * function can change them if it wants to store something else.
1121 : : */
6327 heikki.linnakangas@i 1122 [ + + ]: 354270 : for (i = 0; i < STATISTIC_NUM_SLOTS; i++)
1123 : : {
5566 tgl@sss.pgh.pa.us 1124 : 295225 : stats->statypid[i] = stats->attrtypid;
6327 heikki.linnakangas@i 1125 : 295225 : stats->statyplen[i] = stats->attrtype->typlen;
1126 : 295225 : stats->statypbyval[i] = stats->attrtype->typbyval;
1127 : 295225 : stats->statypalign[i] = stats->attrtype->typalign;
1128 : : }
1129 : :
1130 : : /*
1131 : : * Call the type-specific typanalyze function. If none is specified, use
1132 : : * std_typanalyze().
1133 : : */
7928 tgl@sss.pgh.pa.us 1134 [ + + ]: 59045 : if (OidIsValid(stats->attrtype->typanalyze))
1135 : 3783 : ok = DatumGetBool(OidFunctionCall1(stats->attrtype->typanalyze,
1136 : : PointerGetDatum(stats)));
1137 : : else
1138 : 55262 : ok = std_typanalyze(stats);
1139 : :
1140 [ + - + - : 59045 : if (!ok || stats->compute_stats == NULL || stats->minrows <= 0)
- + ]
1141 : : {
5165 tgl@sss.pgh.pa.us 1142 :UBC 0 : heap_freetuple(typtuple);
7928 1143 : 0 : pfree(stats);
1144 : 0 : return NULL;
1145 : : }
1146 : :
8939 tgl@sss.pgh.pa.us 1147 :CBC 59045 : return stats;
1148 : : }
1149 : :
1150 : : /*
1151 : : * Read stream callback returning the next BlockNumber as chosen by the
1152 : : * BlockSampling algorithm.
1153 : : */
1154 : : static BlockNumber
567 tmunro@postgresql.or 1155 : 79988 : block_sampling_read_stream_next(ReadStream *stream,
1156 : : void *callback_private_data,
1157 : : void *per_buffer_data)
1158 : : {
1159 : 79988 : BlockSamplerData *bs = callback_private_data;
1160 : :
1161 [ + + ]: 79988 : return BlockSampler_HasMore(bs) ? BlockSampler_Next(bs) : InvalidBlockNumber;
1162 : : }
1163 : :
1164 : : /*
1165 : : * acquire_sample_rows -- acquire a random sample of rows from the table
1166 : : *
1167 : : * Selected rows are returned in the caller-allocated array rows[], which
1168 : : * must have at least targrows entries.
1169 : : * The actual number of rows selected is returned as the function result.
1170 : : * We also estimate the total numbers of live and dead rows in the table,
1171 : : * and return them into *totalrows and *totaldeadrows, respectively.
1172 : : *
1173 : : * The returned list of tuples is in order by physical position in the table.
1174 : : * (We will rely on this later to derive correlation estimates.)
1175 : : *
1176 : : * As of May 2004 we use a new two-stage method: Stage one selects up
1177 : : * to targrows random blocks (or all blocks, if there aren't so many).
1178 : : * Stage two scans these blocks and uses the Vitter algorithm to create
1179 : : * a random sample of targrows rows (or less, if there are less in the
1180 : : * sample of blocks). The two stages are executed simultaneously: each
1181 : : * block is processed as soon as stage one returns its number and while
1182 : : * the rows are read stage two controls which ones are to be inserted
1183 : : * into the sample.
1184 : : *
1185 : : * Although every row has an equal chance of ending up in the final
1186 : : * sample, this sampling method is not perfect: not every possible
1187 : : * sample has an equal chance of being selected. For large relations
1188 : : * the number of different blocks represented by the sample tends to be
1189 : : * too small. We can live with that for now. Improvements are welcome.
1190 : : *
1191 : : * An important property of this sampling method is that because we do
1192 : : * look at a statistically unbiased set of blocks, we should get
1193 : : * unbiased estimates of the average numbers of live and dead rows per
1194 : : * block. The previous sampling method put too much credence in the row
1195 : : * density near the start of the table.
1196 : : */
1197 : : static int
4952 tgl@sss.pgh.pa.us 1198 : 8775 : acquire_sample_rows(Relation onerel, int elevel,
1199 : : HeapTuple *rows, int targrows,
1200 : : double *totalrows, double *totaldeadrows)
1201 : : {
6416 1202 : 8775 : int numrows = 0; /* # rows now in reservoir */
5982 bruce@momjian.us 1203 : 8775 : double samplerows = 0; /* total # rows collected */
6416 tgl@sss.pgh.pa.us 1204 : 8775 : double liverows = 0; /* # live rows seen */
7410 1205 : 8775 : double deadrows = 0; /* # dead rows seen */
7729 bruce@momjian.us 1206 : 8775 : double rowstoskip = -1; /* -1 means not set yet */
1207 : : uint32 randseed; /* Seed for block sampler(s) */
1208 : : BlockNumber totalblocks;
1209 : : TransactionId OldestXmin;
1210 : : BlockSamplerData bs;
1211 : : ReservoirStateData rstate;
1212 : : TupleTableSlot *slot;
1213 : : TableScanDesc scan;
1214 : : BlockNumber nblocks;
2112 alvherre@alvh.no-ip. 1215 : 8775 : BlockNumber blksdone = 0;
1216 : : ReadStream *stream;
1217 : :
5781 tgl@sss.pgh.pa.us 1218 [ - + ]: 8775 : Assert(targrows > 0);
1219 : :
7827 1220 : 8775 : totalblocks = RelationGetNumberOfBlocks(onerel);
1221 : :
1222 : : /* Need a cutoff xmin for HeapTupleSatisfiesVacuum */
1902 andres@anarazel.de 1223 : 8775 : OldestXmin = GetOldestNonRemovableTransactionId(onerel);
1224 : :
1225 : : /* Prepare for sampling block numbers */
1429 tgl@sss.pgh.pa.us 1226 : 8775 : randseed = pg_prng_uint32(&pg_global_prng_state);
1686 sfrost@snowman.net 1227 : 8775 : nblocks = BlockSampler_Init(&bs, totalblocks, targrows, randseed);
1228 : :
1229 : : /* Report sampling block numbers */
2112 alvherre@alvh.no-ip. 1230 : 8775 : pgstat_progress_update_param(PROGRESS_ANALYZE_BLOCKS_TOTAL,
1231 : : nblocks);
1232 : :
1233 : : /* Prepare for sampling rows */
3818 simon@2ndQuadrant.co 1234 : 8775 : reservoir_init_selection_state(&rstate, targrows);
1235 : :
567 akorotkov@postgresql 1236 : 8775 : scan = table_beginscan_analyze(onerel);
2403 andres@anarazel.de 1237 : 8775 : slot = table_slot_create(onerel, NULL);
1238 : :
1239 : : /*
1240 : : * It is safe to use batching, as block_sampling_read_stream_next never
1241 : : * blocks.
1242 : : */
211 1243 : 8775 : stream = read_stream_begin_relation(READ_STREAM_MAINTENANCE |
1244 : : READ_STREAM_USE_BATCHING,
1245 : : vac_strategy,
1246 : : scan->rs_rd,
1247 : : MAIN_FORKNUM,
1248 : : block_sampling_read_stream_next,
1249 : : &bs,
1250 : : 0);
1251 : :
1252 : : /* Outer loop over blocks to sample */
559 akorotkov@postgresql 1253 [ + + ]: 79988 : while (table_scan_analyze_next_block(scan, stream))
1254 : : {
258 nathan@postgresql.or 1255 : 71213 : vacuum_delay_point(true);
1256 : :
559 akorotkov@postgresql 1257 [ + + ]: 5624083 : while (table_scan_analyze_next_tuple(scan, OldestXmin, &liverows, &deadrows, slot))
1258 : : {
1259 : : /*
1260 : : * The first targrows sample rows are simply copied into the
1261 : : * reservoir. Then we start replacing tuples in the sample until
1262 : : * we reach the end of the relation. This algorithm is from Jeff
1263 : : * Vitter's paper (see full citation in utils/misc/sampling.c). It
1264 : : * works by repeatedly computing the number of tuples to skip
1265 : : * before selecting a tuple, which replaces a randomly chosen
1266 : : * element of the reservoir (current set of tuples). At all times
1267 : : * the reservoir is a true random sample of the tuples we've
1268 : : * passed over so far, so when we fall off the end of the relation
1269 : : * we're done.
1270 : : */
2403 andres@anarazel.de 1271 [ + + ]: 5552870 : if (numrows < targrows)
1272 : 5424043 : rows[numrows++] = ExecCopySlotHeapTuple(slot);
1273 : : else
1274 : : {
1275 : : /*
1276 : : * t in Vitter's paper is the number of records already
1277 : : * processed. If we need to compute a new S value, we must
1278 : : * use the not-yet-incremented value of samplerows as t.
1279 : : */
1280 [ + + ]: 128827 : if (rowstoskip < 0)
1281 : 58533 : rowstoskip = reservoir_get_next_S(&rstate, samplerows, targrows);
1282 : :
1283 [ + + ]: 128827 : if (rowstoskip <= 0)
1284 : : {
1285 : : /*
1286 : : * Found a suitable tuple, so save it, replacing one old
1287 : : * tuple at random
1288 : : */
1429 tgl@sss.pgh.pa.us 1289 : 58511 : int k = (int) (targrows * sampler_random_fract(&rstate.randstate));
1290 : :
2403 andres@anarazel.de 1291 [ + - - + ]: 58511 : Assert(k >= 0 && k < targrows);
1292 : 58511 : heap_freetuple(rows[k]);
1293 : 58511 : rows[k] = ExecCopySlotHeapTuple(slot);
1294 : : }
1295 : :
1296 : 128827 : rowstoskip -= 1;
1297 : : }
1298 : :
1299 : 5552870 : samplerows += 1;
1300 : : }
1301 : :
2112 alvherre@alvh.no-ip. 1302 : 71213 : pgstat_progress_update_param(PROGRESS_ANALYZE_BLOCKS_DONE,
1303 : : ++blksdone);
1304 : : }
1305 : :
567 tmunro@postgresql.or 1306 : 8775 : read_stream_end(stream);
1307 : :
2403 andres@anarazel.de 1308 : 8775 : ExecDropSingleTupleTableSlot(slot);
567 akorotkov@postgresql 1309 : 8775 : table_endscan(scan);
1310 : :
1311 : : /*
1312 : : * If we didn't find as many tuples as we wanted then we're done. No sort
1313 : : * is needed, since they're already in order.
1314 : : *
1315 : : * Otherwise we need to sort the collected tuples by position
1316 : : * (itempointer). It's not worth worrying about corner cases where the
1317 : : * tuples are already sorted.
1318 : : */
7827 tgl@sss.pgh.pa.us 1319 [ + + ]: 8775 : if (numrows == targrows)
993 peter@eisentraut.org 1320 : 79 : qsort_interruptible(rows, numrows, sizeof(HeapTuple),
1321 : : compare_rows, NULL);
1322 : :
1323 : : /*
1324 : : * Estimate total numbers of live and dead rows in relation, extrapolating
1325 : : * on the assumption that the average tuple density in pages we didn't
1326 : : * scan is the same as in the pages we did scan. Since what we scanned is
1327 : : * a random sample of the pages in the relation, this should be a good
1328 : : * assumption.
1329 : : */
7827 tgl@sss.pgh.pa.us 1330 [ + + ]: 8775 : if (bs.m > 0)
1331 : : {
2785 1332 : 6194 : *totalrows = floor((liverows / bs.m) * totalblocks + 0.5);
5264 1333 : 6194 : *totaldeadrows = floor((deadrows / bs.m) * totalblocks + 0.5);
1334 : : }
1335 : : else
1336 : : {
2785 1337 : 2581 : *totalrows = 0.0;
7410 1338 : 2581 : *totaldeadrows = 0.0;
1339 : : }
1340 : :
1341 : : /*
1342 : : * Emit some interesting relation info
1343 : : */
8082 1344 [ - + ]: 8775 : ereport(elevel,
1345 : : (errmsg("\"%s\": scanned %d of %u pages, "
1346 : : "containing %.0f live rows and %.0f dead rows; "
1347 : : "%d rows in sample, %.0f estimated total rows",
1348 : : RelationGetRelationName(onerel),
1349 : : bs.m, totalblocks,
1350 : : liverows, deadrows,
1351 : : numrows, *totalrows)));
1352 : :
8939 1353 : 8775 : return numrows;
1354 : : }
1355 : :
1356 : : /*
1357 : : * Comparator for sorting rows[] array
1358 : : */
1359 : : static int
1203 1360 : 1961688 : compare_rows(const void *a, const void *b, void *arg)
1361 : : {
5160 peter_e@gmx.net 1362 : 1961688 : HeapTuple ha = *(const HeapTuple *) a;
1363 : 1961688 : HeapTuple hb = *(const HeapTuple *) b;
7928 tgl@sss.pgh.pa.us 1364 : 1961688 : BlockNumber ba = ItemPointerGetBlockNumber(&ha->t_self);
1365 : 1961688 : OffsetNumber oa = ItemPointerGetOffsetNumber(&ha->t_self);
1366 : 1961688 : BlockNumber bb = ItemPointerGetBlockNumber(&hb->t_self);
1367 : 1961688 : OffsetNumber ob = ItemPointerGetOffsetNumber(&hb->t_self);
1368 : :
1369 [ + + ]: 1961688 : if (ba < bb)
1370 : 439930 : return -1;
1371 [ + + ]: 1521758 : if (ba > bb)
1372 : 441239 : return 1;
1373 [ + + ]: 1080519 : if (oa < ob)
1374 : 708722 : return -1;
1375 [ + - ]: 371797 : if (oa > ob)
1376 : 371797 : return 1;
7928 tgl@sss.pgh.pa.us 1377 :UBC 0 : return 0;
1378 : : }
1379 : :
1380 : :
1381 : : /*
1382 : : * acquire_inherited_sample_rows -- acquire sample rows from inheritance tree
1383 : : *
1384 : : * This has the same API as acquire_sample_rows, except that rows are
1385 : : * collected from all inheritance children as well as the specified table.
1386 : : * We fail and return zero if there are no inheritance children, or if all
1387 : : * children are foreign tables that don't support ANALYZE.
1388 : : */
1389 : : static int
4952 tgl@sss.pgh.pa.us 1390 :CBC 441 : acquire_inherited_sample_rows(Relation onerel, int elevel,
1391 : : HeapTuple *rows, int targrows,
1392 : : double *totalrows, double *totaldeadrows)
1393 : : {
1394 : : List *tableOIDs;
1395 : : Relation *rels;
1396 : : AcquireSampleRowsFunc *acquirefuncs;
1397 : : double *relblocks;
1398 : : double totalblocks;
1399 : : int numrows,
1400 : : nrels,
1401 : : i;
1402 : : ListCell *lc;
1403 : : bool has_child;
1404 : :
1405 : : /* Initialize output parameters to zero now, in case we exit early */
941 1406 : 441 : *totalrows = 0;
1407 : 441 : *totaldeadrows = 0;
1408 : :
1409 : : /*
1410 : : * Find all members of inheritance set. We only need AccessShareLock on
1411 : : * the children.
1412 : : */
1413 : : tableOIDs =
5747 rhaas@postgresql.org 1414 : 441 : find_all_inheritors(RelationGetRelid(onerel), AccessShareLock, NULL);
1415 : :
1416 : : /*
1417 : : * Check that there's at least one descendant, else fail. This could
1418 : : * happen despite analyze_rel's relhassubclass check, if table once had a
1419 : : * child but no longer does. In that case, we can clear the
1420 : : * relhassubclass field so as not to make the same mistake again later.
1421 : : * (This is safe because we hold ShareUpdateExclusiveLock.)
1422 : : */
5781 tgl@sss.pgh.pa.us 1423 [ + + ]: 441 : if (list_length(tableOIDs) < 2)
1424 : : {
1425 : : /* CCI because we already updated the pg_class row in this command */
5169 1426 : 10 : CommandCounterIncrement();
1427 : 10 : SetRelationHasSubclass(RelationGetRelid(onerel), false);
3999 simon@2ndQuadrant.co 1428 [ - + ]: 10 : ereport(elevel,
1429 : : (errmsg("skipping analyze of \"%s.%s\" inheritance tree --- this inheritance tree contains no child tables",
1430 : : get_namespace_name(RelationGetNamespace(onerel)),
1431 : : RelationGetRelationName(onerel))));
5781 tgl@sss.pgh.pa.us 1432 : 10 : return 0;
1433 : : }
1434 : :
1435 : : /*
1436 : : * Identify acquirefuncs to use, and count blocks in all the relations.
1437 : : * The result could overflow BlockNumber, so we use double arithmetic.
1438 : : */
1439 : 431 : rels = (Relation *) palloc(list_length(tableOIDs) * sizeof(Relation));
1440 : : acquirefuncs = (AcquireSampleRowsFunc *)
3872 1441 : 431 : palloc(list_length(tableOIDs) * sizeof(AcquireSampleRowsFunc));
5781 1442 : 431 : relblocks = (double *) palloc(list_length(tableOIDs) * sizeof(double));
1443 : 431 : totalblocks = 0;
1444 : 431 : nrels = 0;
3161 rhaas@postgresql.org 1445 : 431 : has_child = false;
5781 tgl@sss.pgh.pa.us 1446 [ + - + + : 1971 : foreach(lc, tableOIDs)
+ + ]
1447 : : {
1448 : 1540 : Oid childOID = lfirst_oid(lc);
1449 : : Relation childrel;
3872 1450 : 1540 : AcquireSampleRowsFunc acquirefunc = NULL;
1451 : 1540 : BlockNumber relpages = 0;
1452 : :
1453 : : /* We already got the needed lock */
2471 andres@anarazel.de 1454 : 1540 : childrel = table_open(childOID, NoLock);
1455 : :
1456 : : /* Ignore if temp table of another backend */
5781 tgl@sss.pgh.pa.us 1457 [ + + - + ]: 1540 : if (RELATION_IS_OTHER_TEMP(childrel))
1458 : : {
1459 : : /* ... but release the lock on it */
5781 tgl@sss.pgh.pa.us 1460 [ # # ]:UBC 0 : Assert(childrel != onerel);
2471 andres@anarazel.de 1461 : 0 : table_close(childrel, AccessShareLock);
5781 tgl@sss.pgh.pa.us 1462 :CBC 411 : continue;
1463 : : }
1464 : :
1465 : : /* Check table type (MATVIEW can't happen, but might as well allow) */
3872 1466 [ + + ]: 1540 : if (childrel->rd_rel->relkind == RELKIND_RELATION ||
3161 rhaas@postgresql.org 1467 [ - + ]: 426 : childrel->rd_rel->relkind == RELKIND_MATVIEW)
1468 : : {
1469 : : /* Regular table, so use the regular row acquisition function */
559 akorotkov@postgresql 1470 : 1114 : acquirefunc = acquire_sample_rows;
1471 : 1114 : relpages = RelationGetNumberOfBlocks(childrel);
1472 : : }
3872 tgl@sss.pgh.pa.us 1473 [ + + ]: 426 : else if (childrel->rd_rel->relkind == RELKIND_FOREIGN_TABLE)
1474 : : {
1475 : : /*
1476 : : * For a foreign table, call the FDW's hook function to see
1477 : : * whether it supports analysis.
1478 : : */
1479 : : FdwRoutine *fdwroutine;
1480 : 15 : bool ok = false;
1481 : :
1482 : 15 : fdwroutine = GetFdwRoutineForRelation(childrel, false);
1483 : :
1484 [ + - ]: 15 : if (fdwroutine->AnalyzeForeignTable != NULL)
1485 : 15 : ok = fdwroutine->AnalyzeForeignTable(childrel,
1486 : : &acquirefunc,
1487 : : &relpages);
1488 : :
1489 [ - + ]: 15 : if (!ok)
1490 : : {
1491 : : /* ignore, but release the lock on it */
3872 tgl@sss.pgh.pa.us 1492 [ # # ]:UBC 0 : Assert(childrel != onerel);
2471 andres@anarazel.de 1493 : 0 : table_close(childrel, AccessShareLock);
3872 tgl@sss.pgh.pa.us 1494 : 0 : continue;
1495 : : }
1496 : : }
1497 : : else
1498 : : {
1499 : : /*
1500 : : * ignore, but release the lock on it. don't try to unlock the
1501 : : * passed-in relation
1502 : : */
3156 rhaas@postgresql.org 1503 [ - + ]:CBC 411 : Assert(childrel->rd_rel->relkind == RELKIND_PARTITIONED_TABLE);
3161 1504 [ + + ]: 411 : if (childrel != onerel)
2471 andres@anarazel.de 1505 : 39 : table_close(childrel, AccessShareLock);
1506 : : else
1507 : 372 : table_close(childrel, NoLock);
3872 tgl@sss.pgh.pa.us 1508 : 411 : continue;
1509 : : }
1510 : :
1511 : : /* OK, we'll process this child */
3161 rhaas@postgresql.org 1512 : 1129 : has_child = true;
5781 tgl@sss.pgh.pa.us 1513 : 1129 : rels[nrels] = childrel;
3872 1514 : 1129 : acquirefuncs[nrels] = acquirefunc;
1515 : 1129 : relblocks[nrels] = (double) relpages;
1516 : 1129 : totalblocks += (double) relpages;
5781 1517 : 1129 : nrels++;
1518 : : }
1519 : :
1520 : : /*
1521 : : * If we don't have at least one child table to consider, fail. If the
1522 : : * relation is a partitioned table, it's not counted as a child table.
1523 : : */
3161 rhaas@postgresql.org 1524 [ - + ]: 431 : if (!has_child)
1525 : : {
3872 tgl@sss.pgh.pa.us 1526 [ # # ]:UBC 0 : ereport(elevel,
1527 : : (errmsg("skipping analyze of \"%s.%s\" inheritance tree --- this inheritance tree contains no analyzable child tables",
1528 : : get_namespace_name(RelationGetNamespace(onerel)),
1529 : : RelationGetRelationName(onerel))));
1530 : 0 : return 0;
1531 : : }
1532 : :
1533 : : /*
1534 : : * Now sample rows from each relation, proportionally to its fraction of
1535 : : * the total block count. (This might be less than desirable if the child
1536 : : * rels have radically different free-space percentages, but it's not
1537 : : * clear that it's worth working harder.)
1538 : : */
2112 alvherre@alvh.no-ip. 1539 :CBC 431 : pgstat_progress_update_param(PROGRESS_ANALYZE_CHILD_TABLES_TOTAL,
1540 : : nrels);
5781 tgl@sss.pgh.pa.us 1541 : 431 : numrows = 0;
1542 [ + + ]: 1560 : for (i = 0; i < nrels; i++)
1543 : : {
1544 : 1129 : Relation childrel = rels[i];
3872 1545 : 1129 : AcquireSampleRowsFunc acquirefunc = acquirefuncs[i];
5781 1546 : 1129 : double childblocks = relblocks[i];
1547 : :
1548 : : /*
1549 : : * Report progress. The sampling function will normally report blocks
1550 : : * done/total, but we need to reset them to 0 here, so that they don't
1551 : : * show an old value until that.
1552 : : */
1553 : : {
758 heikki.linnakangas@i 1554 : 1129 : const int progress_index[] = {
1555 : : PROGRESS_ANALYZE_CURRENT_CHILD_TABLE_RELID,
1556 : : PROGRESS_ANALYZE_BLOCKS_DONE,
1557 : : PROGRESS_ANALYZE_BLOCKS_TOTAL
1558 : : };
1559 : 1129 : const int64 progress_vals[] = {
1560 : 1129 : RelationGetRelid(childrel),
1561 : : 0,
1562 : : 0,
1563 : : };
1564 : :
1565 : 1129 : pgstat_progress_update_multi_param(3, progress_index, progress_vals);
1566 : : }
1567 : :
5781 tgl@sss.pgh.pa.us 1568 [ + + ]: 1129 : if (childblocks > 0)
1569 : : {
1570 : : int childtargrows;
1571 : :
1572 : 1046 : childtargrows = (int) rint(targrows * childblocks / totalblocks);
1573 : : /* Make sure we don't overrun due to roundoff error */
1574 : 1046 : childtargrows = Min(childtargrows, targrows - numrows);
1575 [ + - ]: 1046 : if (childtargrows > 0)
1576 : : {
1577 : : int childrows;
1578 : : double trows,
1579 : : tdrows;
1580 : :
1581 : : /* Fetch a random sample of the child's rows */
3872 1582 : 1046 : childrows = (*acquirefunc) (childrel, elevel,
1583 : 1046 : rows + numrows, childtargrows,
1584 : : &trows, &tdrows);
1585 : :
1586 : : /* We may need to convert from child's rowtype to parent's */
5781 1587 [ + - ]: 1046 : if (childrows > 0 &&
589 peter@eisentraut.org 1588 [ + + ]: 1046 : !equalRowTypes(RelationGetDescr(childrel),
1589 : : RelationGetDescr(onerel)))
1590 : : {
1591 : : TupleConversionMap *map;
1592 : :
5781 tgl@sss.pgh.pa.us 1593 : 999 : map = convert_tuples_by_name(RelationGetDescr(childrel),
1594 : : RelationGetDescr(onerel));
1595 [ + + ]: 999 : if (map != NULL)
1596 : : {
1597 : : int j;
1598 : :
1599 [ + + ]: 53458 : for (j = 0; j < childrows; j++)
1600 : : {
1601 : : HeapTuple newtup;
1602 : :
2582 andres@anarazel.de 1603 : 53390 : newtup = execute_attr_map_tuple(rows[numrows + j], map);
5781 tgl@sss.pgh.pa.us 1604 : 53390 : heap_freetuple(rows[numrows + j]);
1605 : 53390 : rows[numrows + j] = newtup;
1606 : : }
1607 : 68 : free_conversion_map(map);
1608 : : }
1609 : : }
1610 : :
1611 : : /* And add to counts */
1612 : 1046 : numrows += childrows;
1613 : 1046 : *totalrows += trows;
1614 : 1046 : *totaldeadrows += tdrows;
1615 : : }
1616 : : }
1617 : :
1618 : : /*
1619 : : * Note: we cannot release the child-table locks, since we may have
1620 : : * pointers to their TOAST tables in the sampled rows.
1621 : : */
2471 andres@anarazel.de 1622 : 1129 : table_close(childrel, NoLock);
2112 alvherre@alvh.no-ip. 1623 : 1129 : pgstat_progress_update_param(PROGRESS_ANALYZE_CHILD_TABLES_DONE,
1624 : 1129 : i + 1);
1625 : : }
1626 : :
5781 tgl@sss.pgh.pa.us 1627 : 431 : return numrows;
1628 : : }
1629 : :
1630 : :
1631 : : /*
1632 : : * update_attstats() -- update attribute statistics for one relation
1633 : : *
1634 : : * Statistics are stored in several places: the pg_class row for the
1635 : : * relation has stats about the whole relation, and there is a
1636 : : * pg_statistic row for each (non-system) attribute that has ever
1637 : : * been analyzed. The pg_class values are updated by VACUUM, not here.
1638 : : *
1639 : : * pg_statistic rows are just added or updated normally. This means
1640 : : * that pg_statistic will probably contain some deleted rows at the
1641 : : * completion of a vacuum cycle, unless it happens to get vacuumed last.
1642 : : *
1643 : : * To keep things simple, we punt for pg_statistic, and don't try
1644 : : * to compute or store rows for pg_statistic itself in pg_statistic.
1645 : : * This could possibly be made to work, but it's not worth the trouble.
1646 : : * Note analyze_rel() has seen to it that we won't come here when
1647 : : * vacuuming pg_statistic itself.
1648 : : *
1649 : : * Note: there would be a race condition here if two backends could
1650 : : * ANALYZE the same table concurrently. Presently, we lock that out
1651 : : * by taking a self-exclusive lock on the relation in analyze_rel().
1652 : : */
1653 : : static void
1654 : 12585 : update_attstats(Oid relid, bool inh, int natts, VacAttrStats **vacattrstats)
1655 : : {
1656 : : Relation sd;
1657 : : int attno;
1076 michael@paquier.xyz 1658 : 12585 : CatalogIndexState indstate = NULL;
1659 : :
7925 tgl@sss.pgh.pa.us 1660 [ + + ]: 12585 : if (natts <= 0)
1661 : 6970 : return; /* nothing to do */
1662 : :
2471 andres@anarazel.de 1663 : 5615 : sd = table_open(StatisticRelationId, RowExclusiveLock);
1664 : :
7928 tgl@sss.pgh.pa.us 1665 [ + + ]: 48869 : for (attno = 0; attno < natts; attno++)
1666 : : {
1667 : 43254 : VacAttrStats *stats = vacattrstats[attno];
1668 : : HeapTuple stup,
1669 : : oldtup;
1670 : : int i,
1671 : : k,
1672 : : n;
1673 : : Datum values[Natts_pg_statistic];
1674 : : bool nulls[Natts_pg_statistic];
1675 : : bool replaces[Natts_pg_statistic];
1676 : :
1677 : : /* Ignore attr if we weren't able to collect stats */
1678 [ + + ]: 43254 : if (!stats->stats_valid)
1679 : 3 : continue;
1680 : :
1681 : : /*
1682 : : * Construct a new pg_statistic tuple
1683 : : */
1684 [ + + ]: 1384032 : for (i = 0; i < Natts_pg_statistic; ++i)
1685 : : {
6203 1686 : 1340781 : nulls[i] = false;
1687 : 1340781 : replaces[i] = true;
1688 : : }
1689 : :
5247 1690 : 43251 : values[Anum_pg_statistic_starelid - 1] = ObjectIdGetDatum(relid);
847 peter@eisentraut.org 1691 : 43251 : values[Anum_pg_statistic_staattnum - 1] = Int16GetDatum(stats->tupattnum);
5247 tgl@sss.pgh.pa.us 1692 : 43251 : values[Anum_pg_statistic_stainherit - 1] = BoolGetDatum(inh);
1693 : 43251 : values[Anum_pg_statistic_stanullfrac - 1] = Float4GetDatum(stats->stanullfrac);
1694 : 43251 : values[Anum_pg_statistic_stawidth - 1] = Int32GetDatum(stats->stawidth);
1695 : 43251 : values[Anum_pg_statistic_stadistinct - 1] = Float4GetDatum(stats->stadistinct);
1696 : 43251 : i = Anum_pg_statistic_stakind1 - 1;
7928 1697 [ + + ]: 259506 : for (k = 0; k < STATISTIC_NUM_SLOTS; k++)
1698 : : {
3050 1699 : 216255 : values[i++] = Int16GetDatum(stats->stakind[k]); /* stakindN */
1700 : : }
5247 1701 : 43251 : i = Anum_pg_statistic_staop1 - 1;
7928 1702 [ + + ]: 259506 : for (k = 0; k < STATISTIC_NUM_SLOTS; k++)
1703 : : {
1704 : 216255 : values[i++] = ObjectIdGetDatum(stats->staop[k]); /* staopN */
1705 : : }
2509 1706 : 43251 : i = Anum_pg_statistic_stacoll1 - 1;
1707 [ + + ]: 259506 : for (k = 0; k < STATISTIC_NUM_SLOTS; k++)
1708 : : {
1709 : 216255 : values[i++] = ObjectIdGetDatum(stats->stacoll[k]); /* stacollN */
1710 : : }
5247 1711 : 43251 : i = Anum_pg_statistic_stanumbers1 - 1;
7928 1712 [ + + ]: 259506 : for (k = 0; k < STATISTIC_NUM_SLOTS; k++)
1713 : : {
37 tgl@sss.pgh.pa.us 1714 [ + + ]:GNC 216255 : if (stats->stanumbers[k] != NULL)
1715 : : {
1716 : 67720 : int nnum = stats->numnumbers[k];
7928 tgl@sss.pgh.pa.us 1717 :CBC 67720 : Datum *numdatums = (Datum *) palloc(nnum * sizeof(Datum));
1718 : : ArrayType *arry;
1719 : :
1720 [ + + ]: 595984 : for (n = 0; n < nnum; n++)
1721 : 528264 : numdatums[n] = Float4GetDatum(stats->stanumbers[k][n]);
1214 peter@eisentraut.org 1722 : 67720 : arry = construct_array_builtin(numdatums, nnum, FLOAT4OID);
7928 tgl@sss.pgh.pa.us 1723 : 67720 : values[i++] = PointerGetDatum(arry); /* stanumbersN */
1724 : : }
1725 : : else
1726 : : {
6203 1727 : 148535 : nulls[i] = true;
7928 1728 : 148535 : values[i++] = (Datum) 0;
1729 : : }
1730 : : }
5247 1731 : 43251 : i = Anum_pg_statistic_stavalues1 - 1;
7928 1732 [ + + ]: 259506 : for (k = 0; k < STATISTIC_NUM_SLOTS; k++)
1733 : : {
37 tgl@sss.pgh.pa.us 1734 [ + + ]:GNC 216255 : if (stats->stavalues[k] != NULL)
1735 : : {
1736 : : ArrayType *arry;
1737 : :
7928 tgl@sss.pgh.pa.us 1738 :CBC 47865 : arry = construct_array(stats->stavalues[k],
1739 : : stats->numvalues[k],
1740 : : stats->statypid[k],
6327 heikki.linnakangas@i 1741 : 47865 : stats->statyplen[k],
1742 : 47865 : stats->statypbyval[k],
1743 : 47865 : stats->statypalign[k]);
7928 tgl@sss.pgh.pa.us 1744 : 47865 : values[i++] = PointerGetDatum(arry); /* stavaluesN */
1745 : : }
1746 : : else
1747 : : {
6203 1748 : 168390 : nulls[i] = true;
7928 1749 : 168390 : values[i++] = (Datum) 0;
1750 : : }
1751 : : }
1752 : :
1753 : : /* Is there already a pg_statistic tuple for this attribute? */
5734 rhaas@postgresql.org 1754 : 86502 : oldtup = SearchSysCache3(STATRELATTINH,
1755 : : ObjectIdGetDatum(relid),
847 peter@eisentraut.org 1756 : 43251 : Int16GetDatum(stats->tupattnum),
1757 : : BoolGetDatum(inh));
1758 : :
1759 : : /* Open index information when we know we need it */
1076 michael@paquier.xyz 1760 [ + + ]: 43251 : if (indstate == NULL)
1761 : 5612 : indstate = CatalogOpenIndexes(sd);
1762 : :
7928 tgl@sss.pgh.pa.us 1763 [ + + ]: 43251 : if (HeapTupleIsValid(oldtup))
1764 : : {
1765 : : /* Yes, replace it */
6203 1766 : 19075 : stup = heap_modify_tuple(oldtup,
1767 : : RelationGetDescr(sd),
1768 : : values,
1769 : : nulls,
1770 : : replaces);
7928 1771 : 19075 : ReleaseSysCache(oldtup);
1076 michael@paquier.xyz 1772 : 19075 : CatalogTupleUpdateWithInfo(sd, &stup->t_self, stup, indstate);
1773 : : }
1774 : : else
1775 : : {
1776 : : /* No, insert new tuple */
6203 tgl@sss.pgh.pa.us 1777 : 24176 : stup = heap_form_tuple(RelationGetDescr(sd), values, nulls);
1076 michael@paquier.xyz 1778 : 24176 : CatalogTupleInsertWithInfo(sd, stup, indstate);
1779 : : }
1780 : :
7928 tgl@sss.pgh.pa.us 1781 : 43251 : heap_freetuple(stup);
1782 : : }
1783 : :
1076 michael@paquier.xyz 1784 [ + + ]: 5615 : if (indstate != NULL)
1785 : 5612 : CatalogCloseIndexes(indstate);
2471 andres@anarazel.de 1786 : 5615 : table_close(sd, RowExclusiveLock);
1787 : : }
1788 : :
1789 : : /*
1790 : : * Standard fetch function for use by compute_stats subroutines.
1791 : : *
1792 : : * This exists to provide some insulation between compute_stats routines
1793 : : * and the actual storage of the sample data.
1794 : : */
1795 : : static Datum
7927 tgl@sss.pgh.pa.us 1796 : 42857917 : std_fetch_func(VacAttrStatsP stats, int rownum, bool *isNull)
1797 : : {
1798 : 42857917 : int attnum = stats->tupattnum;
1799 : 42857917 : HeapTuple tuple = stats->rows[rownum];
1800 : 42857917 : TupleDesc tupDesc = stats->tupDesc;
1801 : :
1802 : 42857917 : return heap_getattr(tuple, attnum, tupDesc, isNull);
1803 : : }
1804 : :
1805 : : /*
1806 : : * Fetch function for analyzing index expressions.
1807 : : *
1808 : : * We have not bothered to construct index tuples, instead the data is
1809 : : * just in Datum arrays.
1810 : : */
1811 : : static Datum
7925 1812 : 37422 : ind_fetch_func(VacAttrStatsP stats, int rownum, bool *isNull)
1813 : : {
1814 : : int i;
1815 : :
1816 : : /* exprvals and exprnulls are already offset for proper column */
1817 : 37422 : i = rownum * stats->rowstride;
1818 : 37422 : *isNull = stats->exprnulls[i];
1819 : 37422 : return stats->exprvals[i];
1820 : : }
1821 : :
1822 : :
1823 : : /*==========================================================================
1824 : : *
1825 : : * Code below this point represents the "standard" type-specific statistics
1826 : : * analysis algorithms. This code can be replaced on a per-data-type basis
1827 : : * by setting a nonzero value in pg_type.typanalyze.
1828 : : *
1829 : : *==========================================================================
1830 : : */
1831 : :
1832 : :
1833 : : /*
1834 : : * To avoid consuming too much memory during analysis and/or too much space
1835 : : * in the resulting pg_statistic rows, we ignore varlena datums that are wider
1836 : : * than WIDTH_THRESHOLD (after detoasting!). This is legitimate for MCV
1837 : : * and distinct-value calculations since a wide value is unlikely to be
1838 : : * duplicated at all, much less be a most-common value. For the same reason,
1839 : : * ignoring wide values will not affect our estimates of histogram bin
1840 : : * boundaries very much.
1841 : : */
1842 : : #define WIDTH_THRESHOLD 1024
1843 : :
1844 : : #define swapInt(a,b) do {int _tmp; _tmp=a; a=b; b=_tmp;} while(0)
1845 : : #define swapDatum(a,b) do {Datum _tmp; _tmp=a; a=b; b=_tmp;} while(0)
1846 : :
1847 : : /*
1848 : : * Extra information used by the default analysis routines
1849 : : */
1850 : : typedef struct
1851 : : {
1852 : : int count; /* # of duplicates */
1853 : : int first; /* values[] index of first occurrence */
1854 : : } ScalarMCVItem;
1855 : :
1856 : : typedef struct
1857 : : {
1858 : : SortSupport ssup;
1859 : : int *tupnoLink;
1860 : : } CompareScalarsContext;
1861 : :
1862 : :
1863 : : static void compute_trivial_stats(VacAttrStatsP stats,
1864 : : AnalyzeAttrFetchFunc fetchfunc,
1865 : : int samplerows,
1866 : : double totalrows);
1867 : : static void compute_distinct_stats(VacAttrStatsP stats,
1868 : : AnalyzeAttrFetchFunc fetchfunc,
1869 : : int samplerows,
1870 : : double totalrows);
1871 : : static void compute_scalar_stats(VacAttrStatsP stats,
1872 : : AnalyzeAttrFetchFunc fetchfunc,
1873 : : int samplerows,
1874 : : double totalrows);
1875 : : static int compare_scalars(const void *a, const void *b, void *arg);
1876 : : static int compare_mcvs(const void *a, const void *b, void *arg);
1877 : : static int analyze_mcv_list(int *mcv_counts,
1878 : : int num_mcv,
1879 : : double stadistinct,
1880 : : double stanullfrac,
1881 : : int samplerows,
1882 : : double totalrows);
1883 : :
1884 : :
1885 : : /*
1886 : : * std_typanalyze -- the default type-specific typanalyze function
1887 : : */
1888 : : bool
7928 1889 : 59633 : std_typanalyze(VacAttrStats *stats)
1890 : : {
1891 : : Oid ltopr;
1892 : : Oid eqopr;
1893 : : StdAnalyzeData *mystats;
1894 : :
1895 : : /* If the attstattarget column is negative, use the default value */
847 peter@eisentraut.org 1896 [ + + ]: 59633 : if (stats->attstattarget < 0)
1897 : 59324 : stats->attstattarget = default_statistics_target;
1898 : :
1899 : : /* Look for default "<" and "=" operators for column's type */
5566 tgl@sss.pgh.pa.us 1900 : 59633 : get_sort_group_operators(stats->attrtypid,
1901 : : false, false, false,
1902 : : <opr, &eqopr, NULL,
1903 : : NULL);
1904 : :
1905 : : /* Save the operator info for compute_stats routines */
7928 1906 : 59633 : mystats = (StdAnalyzeData *) palloc(sizeof(StdAnalyzeData));
1907 : 59633 : mystats->eqopr = eqopr;
3687 1908 [ + + ]: 59633 : mystats->eqfunc = OidIsValid(eqopr) ? get_opcode(eqopr) : InvalidOid;
7928 1909 : 59633 : mystats->ltopr = ltopr;
1910 : 59633 : stats->extra_data = mystats;
1911 : :
1912 : : /*
1913 : : * Determine which standard statistics algorithm to use
1914 : : */
3687 1915 [ + + + + ]: 59633 : if (OidIsValid(eqopr) && OidIsValid(ltopr))
1916 : : {
1917 : : /* Seems to be a scalar datatype */
7928 1918 : 57790 : stats->compute_stats = compute_scalar_stats;
1919 : : /*--------------------
1920 : : * The following choice of minrows is based on the paper
1921 : : * "Random sampling for histogram construction: how much is enough?"
1922 : : * by Surajit Chaudhuri, Rajeev Motwani and Vivek Narasayya, in
1923 : : * Proceedings of ACM SIGMOD International Conference on Management
1924 : : * of Data, 1998, Pages 436-447. Their Corollary 1 to Theorem 5
1925 : : * says that for table size n, histogram size k, maximum relative
1926 : : * error in bin size f, and error probability gamma, the minimum
1927 : : * random sample size is
1928 : : * r = 4 * k * ln(2*n/gamma) / f^2
1929 : : * Taking f = 0.5, gamma = 0.01, n = 10^6 rows, we obtain
1930 : : * r = 305.82 * k
1931 : : * Note that because of the log function, the dependence on n is
1932 : : * quite weak; even at n = 10^12, a 300*k sample gives <= 0.66
1933 : : * bin size error with probability 0.99. So there's no real need to
1934 : : * scale for n, which is a good thing because we don't necessarily
1935 : : * know it at this point.
1936 : : *--------------------
1937 : : */
847 peter@eisentraut.org 1938 : 57790 : stats->minrows = 300 * stats->attstattarget;
1939 : : }
3687 tgl@sss.pgh.pa.us 1940 [ + + ]: 1843 : else if (OidIsValid(eqopr))
1941 : : {
1942 : : /* We can still recognize distinct values */
1943 : 1564 : stats->compute_stats = compute_distinct_stats;
1944 : : /* Might as well use the same minrows as above */
847 peter@eisentraut.org 1945 : 1564 : stats->minrows = 300 * stats->attstattarget;
1946 : : }
1947 : : else
1948 : : {
1949 : : /* Can't do much but the trivial stuff */
3687 tgl@sss.pgh.pa.us 1950 : 279 : stats->compute_stats = compute_trivial_stats;
1951 : : /* Might as well use the same minrows as above */
847 peter@eisentraut.org 1952 : 279 : stats->minrows = 300 * stats->attstattarget;
1953 : : }
1954 : :
7928 tgl@sss.pgh.pa.us 1955 : 59633 : return true;
1956 : : }
1957 : :
1958 : :
1959 : : /*
1960 : : * compute_trivial_stats() -- compute very basic column statistics
1961 : : *
1962 : : * We use this when we cannot find a hash "=" operator for the datatype.
1963 : : *
1964 : : * We determine the fraction of non-null rows and the average datum width.
1965 : : */
1966 : : static void
3687 1967 : 196 : compute_trivial_stats(VacAttrStatsP stats,
1968 : : AnalyzeAttrFetchFunc fetchfunc,
1969 : : int samplerows,
1970 : : double totalrows)
1971 : : {
1972 : : int i;
1973 : 196 : int null_cnt = 0;
1974 : 196 : int nonnull_cnt = 0;
1975 : 196 : double total_width = 0;
1976 [ + - ]: 392 : bool is_varlena = (!stats->attrtype->typbyval &&
1977 [ + + ]: 196 : stats->attrtype->typlen == -1);
1978 [ + - ]: 392 : bool is_varwidth = (!stats->attrtype->typbyval &&
1979 [ + + ]: 196 : stats->attrtype->typlen < 0);
1980 : :
1981 [ + + ]: 675050 : for (i = 0; i < samplerows; i++)
1982 : : {
1983 : : Datum value;
1984 : : bool isnull;
1985 : :
258 nathan@postgresql.or 1986 : 674854 : vacuum_delay_point(true);
1987 : :
3687 tgl@sss.pgh.pa.us 1988 : 674854 : value = fetchfunc(stats, i, &isnull);
1989 : :
1990 : : /* Check for null/nonnull */
1991 [ + + ]: 674854 : if (isnull)
1992 : : {
1993 : 329630 : null_cnt++;
1994 : 329630 : continue;
1995 : : }
1996 : 345224 : nonnull_cnt++;
1997 : :
1998 : : /*
1999 : : * If it's a variable-width field, add up widths for average width
2000 : : * calculation. Note that if the value is toasted, we use the toasted
2001 : : * width. We don't bother with this calculation if it's a fixed-width
2002 : : * type.
2003 : : */
2004 [ + + ]: 345224 : if (is_varlena)
2005 : : {
2006 [ - + - - : 85520 : total_width += VARSIZE_ANY(DatumGetPointer(value));
- - - - +
+ ]
2007 : : }
2008 [ - + ]: 259704 : else if (is_varwidth)
2009 : : {
2010 : : /* must be cstring */
3687 tgl@sss.pgh.pa.us 2011 :UBC 0 : total_width += strlen(DatumGetCString(value)) + 1;
2012 : : }
2013 : : }
2014 : :
2015 : : /* We can only compute average width if we found some non-null values. */
3687 tgl@sss.pgh.pa.us 2016 [ + + ]:CBC 196 : if (nonnull_cnt > 0)
2017 : : {
2018 : 103 : stats->stats_valid = true;
2019 : : /* Do the simple null-frac and width stats */
2020 : 103 : stats->stanullfrac = (double) null_cnt / (double) samplerows;
2021 [ + + ]: 103 : if (is_varwidth)
2022 : 49 : stats->stawidth = total_width / (double) nonnull_cnt;
2023 : : else
2024 : 54 : stats->stawidth = stats->attrtype->typlen;
3050 2025 : 103 : stats->stadistinct = 0.0; /* "unknown" */
2026 : : }
3687 2027 [ + - ]: 93 : else if (null_cnt > 0)
2028 : : {
2029 : : /* We found only nulls; assume the column is entirely null */
2030 : 93 : stats->stats_valid = true;
2031 : 93 : stats->stanullfrac = 1.0;
2032 [ + - ]: 93 : if (is_varwidth)
2033 : 93 : stats->stawidth = 0; /* "unknown" */
2034 : : else
3687 tgl@sss.pgh.pa.us 2035 :UBC 0 : stats->stawidth = stats->attrtype->typlen;
3050 tgl@sss.pgh.pa.us 2036 :CBC 93 : stats->stadistinct = 0.0; /* "unknown" */
2037 : : }
3687 2038 : 196 : }
2039 : :
2040 : :
2041 : : /*
2042 : : * compute_distinct_stats() -- compute column statistics including ndistinct
2043 : : *
2044 : : * We use this when we can find only an "=" operator for the datatype.
2045 : : *
2046 : : * We determine the fraction of non-null rows, the average width, the
2047 : : * most common values, and the (estimated) number of distinct values.
2048 : : *
2049 : : * The most common values are determined by brute force: we keep a list
2050 : : * of previously seen values, ordered by number of times seen, as we scan
2051 : : * the samples. A newly seen value is inserted just after the last
2052 : : * multiply-seen value, causing the bottommost (oldest) singly-seen value
2053 : : * to drop off the list. The accuracy of this method, and also its cost,
2054 : : * depend mainly on the length of the list we are willing to keep.
2055 : : */
2056 : : static void
2057 : 1142 : compute_distinct_stats(VacAttrStatsP stats,
2058 : : AnalyzeAttrFetchFunc fetchfunc,
2059 : : int samplerows,
2060 : : double totalrows)
2061 : : {
2062 : : int i;
8939 2063 : 1142 : int null_cnt = 0;
2064 : 1142 : int nonnull_cnt = 0;
2065 : 1142 : int toowide_cnt = 0;
2066 : 1142 : double total_width = 0;
5566 2067 [ + + ]: 1930 : bool is_varlena = (!stats->attrtype->typbyval &&
2068 [ + - ]: 788 : stats->attrtype->typlen == -1);
2069 [ + + ]: 1930 : bool is_varwidth = (!stats->attrtype->typbyval &&
2070 [ + - ]: 788 : stats->attrtype->typlen < 0);
2071 : : FmgrInfo f_cmpeq;
2072 : : typedef struct
2073 : : {
2074 : : Datum value;
2075 : : int count;
2076 : : } TrackItem;
2077 : : TrackItem *track;
2078 : : int track_cnt,
2079 : : track_max;
847 peter@eisentraut.org 2080 : 1142 : int num_mcv = stats->attstattarget;
7928 tgl@sss.pgh.pa.us 2081 : 1142 : StdAnalyzeData *mystats = (StdAnalyzeData *) stats->extra_data;
2082 : :
2083 : : /*
2084 : : * We track up to 2*n values for an n-element MCV list; but at least 10
2085 : : */
8939 2086 : 1142 : track_max = 2 * num_mcv;
2087 [ + + ]: 1142 : if (track_max < 10)
2088 : 39 : track_max = 10;
2089 : 1142 : track = (TrackItem *) palloc(track_max * sizeof(TrackItem));
2090 : 1142 : track_cnt = 0;
2091 : :
7928 2092 : 1142 : fmgr_info(mystats->eqfunc, &f_cmpeq);
2093 : :
7927 2094 [ + + ]: 833553 : for (i = 0; i < samplerows; i++)
2095 : : {
2096 : : Datum value;
2097 : : bool isnull;
2098 : : bool match;
2099 : : int firstcount1,
2100 : : j;
2101 : :
258 nathan@postgresql.or 2102 : 832411 : vacuum_delay_point(true);
2103 : :
7927 tgl@sss.pgh.pa.us 2104 : 832411 : value = fetchfunc(stats, i, &isnull);
2105 : :
2106 : : /* Check for null/nonnull */
9282 bruce@momjian.us 2107 [ + + ]: 832411 : if (isnull)
2108 : : {
8939 tgl@sss.pgh.pa.us 2109 : 697246 : null_cnt++;
9281 2110 : 697246 : continue;
2111 : : }
8939 2112 : 135165 : nonnull_cnt++;
2113 : :
2114 : : /*
2115 : : * If it's a variable-width field, add up widths for average width
2116 : : * calculation. Note that if the value is toasted, we use the toasted
2117 : : * width. We don't bother with this calculation if it's a fixed-width
2118 : : * type.
2119 : : */
2120 [ + + ]: 135165 : if (is_varlena)
2121 : : {
6779 2122 [ - + - - : 46785 : total_width += VARSIZE_ANY(DatumGetPointer(value));
- - - - +
- ]
2123 : :
2124 : : /*
2125 : : * If the value is toasted, we want to detoast it just once to
2126 : : * avoid repeated detoastings and resultant excess memory usage
2127 : : * during the comparisons. Also, check to see if the value is
2128 : : * excessively wide, and if so don't detoast at all --- just
2129 : : * ignore the value.
2130 : : */
8939 2131 [ - + ]: 46785 : if (toast_raw_datum_size(value) > WIDTH_THRESHOLD)
2132 : : {
8939 tgl@sss.pgh.pa.us 2133 :UBC 0 : toowide_cnt++;
2134 : 0 : continue;
2135 : : }
8939 tgl@sss.pgh.pa.us 2136 :CBC 46785 : value = PointerGetDatum(PG_DETOAST_DATUM(value));
2137 : : }
8465 2138 [ - + ]: 88380 : else if (is_varwidth)
2139 : : {
2140 : : /* must be cstring */
8465 tgl@sss.pgh.pa.us 2141 :UBC 0 : total_width += strlen(DatumGetCString(value)) + 1;
2142 : : }
2143 : :
2144 : : /*
2145 : : * See if the value matches anything we're already tracking.
2146 : : */
8939 tgl@sss.pgh.pa.us 2147 :CBC 135165 : match = false;
2148 : 135165 : firstcount1 = track_cnt;
2149 [ + + ]: 383032 : for (j = 0; j < track_cnt; j++)
2150 : : {
5312 2151 [ + + ]: 378955 : if (DatumGetBool(FunctionCall2Coll(&f_cmpeq,
2152 : : stats->attrcollid,
2153 : 378955 : value, track[j].value)))
2154 : : {
8939 2155 : 131088 : match = true;
2156 : 131088 : break;
2157 : : }
2158 [ + + + + ]: 247867 : if (j < firstcount1 && track[j].count == 1)
2159 : 3003 : firstcount1 = j;
2160 : : }
2161 : :
2162 [ + + ]: 135165 : if (match)
2163 : : {
2164 : : /* Found a match */
2165 : 131088 : track[j].count++;
2166 : : /* This value may now need to "bubble up" in the track list */
8768 bruce@momjian.us 2167 [ + + + + ]: 138221 : while (j > 0 && track[j].count > track[j - 1].count)
2168 : : {
2169 : 7133 : swapDatum(track[j].value, track[j - 1].value);
2170 : 7133 : swapInt(track[j].count, track[j - 1].count);
8939 tgl@sss.pgh.pa.us 2171 : 7133 : j--;
2172 : : }
2173 : : }
2174 : : else
2175 : : {
2176 : : /* No match. Insert at head of count-1 list */
2177 [ + + ]: 4077 : if (track_cnt < track_max)
2178 : 3714 : track_cnt++;
8768 bruce@momjian.us 2179 [ + + ]: 130684 : for (j = track_cnt - 1; j > firstcount1; j--)
2180 : : {
2181 : 126607 : track[j].value = track[j - 1].value;
2182 : 126607 : track[j].count = track[j - 1].count;
2183 : : }
8939 tgl@sss.pgh.pa.us 2184 [ + - ]: 4077 : if (firstcount1 < track_cnt)
2185 : : {
2186 : 4077 : track[firstcount1].value = value;
2187 : 4077 : track[firstcount1].count = 1;
2188 : : }
2189 : : }
2190 : : }
2191 : :
2192 : : /* We can only compute real stats if we found some non-null values. */
2193 [ + + ]: 1142 : if (nonnull_cnt > 0)
2194 : : {
2195 : : int nmultiple,
2196 : : summultiple;
2197 : :
2198 : 835 : stats->stats_valid = true;
2199 : : /* Do the simple null-frac and width stats */
7927 2200 : 835 : stats->stanullfrac = (double) null_cnt / (double) samplerows;
8465 2201 [ + + ]: 835 : if (is_varwidth)
8939 2202 : 481 : stats->stawidth = total_width / (double) nonnull_cnt;
2203 : : else
2204 : 354 : stats->stawidth = stats->attrtype->typlen;
2205 : :
2206 : : /* Count the number of values we found multiple times */
2207 : 835 : summultiple = 0;
2208 [ + + ]: 3267 : for (nmultiple = 0; nmultiple < track_cnt; nmultiple++)
2209 : : {
2210 [ + + ]: 2852 : if (track[nmultiple].count == 1)
2211 : 420 : break;
2212 : 2432 : summultiple += track[nmultiple].count;
2213 : : }
2214 : :
2215 [ + + ]: 835 : if (nmultiple == 0)
2216 : : {
2217 : : /*
2218 : : * If we found no repeated non-null values, assume it's a unique
2219 : : * column; but be sure to discount for any nulls we found.
2220 : : */
3368 2221 : 98 : stats->stadistinct = -1.0 * (1.0 - stats->stanullfrac);
2222 : : }
8939 2223 [ + + + - : 737 : else if (track_cnt < track_max && toowide_cnt == 0 &&
+ + ]
2224 : : nmultiple == track_cnt)
2225 : : {
2226 : : /*
2227 : : * Our track list includes every value in the sample, and every
2228 : : * value appeared more than once. Assume the column has just
2229 : : * these values. (This case is meant to address columns with
2230 : : * small, fixed sets of possible values, such as boolean or enum
2231 : : * columns. If there are any values that appear just once in the
2232 : : * sample, including too-wide values, we should assume that that's
2233 : : * not what we're dealing with.)
2234 : : */
2235 : 415 : stats->stadistinct = track_cnt;
2236 : : }
2237 : : else
2238 : : {
2239 : : /*----------
2240 : : * Estimate the number of distinct values using the estimator
2241 : : * proposed by Haas and Stokes in IBM Research Report RJ 10025:
2242 : : * n*d / (n - f1 + f1*n/N)
2243 : : * where f1 is the number of distinct values that occurred
2244 : : * exactly once in our sample of n rows (from a total of N),
2245 : : * and d is the total number of distinct values in the sample.
2246 : : * This is their Duj1 estimator; the other estimators they
2247 : : * recommend are considerably more complex, and are numerically
2248 : : * very unstable when n is much smaller than N.
2249 : : *
2250 : : * In this calculation, we consider only non-nulls. We used to
2251 : : * include rows with null values in the n and N counts, but that
2252 : : * leads to inaccurate answers in columns with many nulls, and
2253 : : * it's intuitively bogus anyway considering the desired result is
2254 : : * the number of distinct non-null values.
2255 : : *
2256 : : * We assume (not very reliably!) that all the multiply-occurring
2257 : : * values are reflected in the final track[] list, and the other
2258 : : * nonnull values all appeared but once. (XXX this usually
2259 : : * results in a drastic overestimate of ndistinct. Can we do
2260 : : * any better?)
2261 : : *----------
2262 : : */
8768 bruce@momjian.us 2263 : 322 : int f1 = nonnull_cnt - summultiple;
8652 tgl@sss.pgh.pa.us 2264 : 322 : int d = f1 + nmultiple;
3496 2265 : 322 : double n = samplerows - null_cnt;
2266 : 322 : double N = totalrows * (1.0 - stats->stanullfrac);
2267 : : double stadistinct;
2268 : :
2269 : : /* N == 0 shouldn't happen, but just in case ... */
2270 [ + - ]: 322 : if (N > 0)
2271 : 322 : stadistinct = (n * d) / ((n - f1) + f1 * n / N);
2272 : : else
3496 tgl@sss.pgh.pa.us 2273 :UBC 0 : stadistinct = 0;
2274 : :
2275 : : /* Clamp to sane range in case of roundoff error */
3496 tgl@sss.pgh.pa.us 2276 [ + + ]:CBC 322 : if (stadistinct < d)
2277 : 87 : stadistinct = d;
2278 [ - + ]: 322 : if (stadistinct > N)
3496 tgl@sss.pgh.pa.us 2279 :UBC 0 : stadistinct = N;
2280 : : /* And round to integer */
8652 tgl@sss.pgh.pa.us 2281 :CBC 322 : stats->stadistinct = floor(stadistinct + 0.5);
2282 : : }
2283 : :
2284 : : /*
2285 : : * If we estimated the number of distinct values at more than 10% of
2286 : : * the total row count (a very arbitrary limit), then assume that
2287 : : * stadistinct should scale with the row count rather than be a fixed
2288 : : * value.
2289 : : */
8939 2290 [ + + ]: 835 : if (stats->stadistinct > 0.1 * totalrows)
8768 bruce@momjian.us 2291 : 196 : stats->stadistinct = -(stats->stadistinct / totalrows);
2292 : :
2293 : : /*
2294 : : * Decide how many values are worth storing as most-common values. If
2295 : : * we are able to generate a complete MCV list (all the values in the
2296 : : * sample will fit, and we think these are all the ones in the table),
2297 : : * then do so. Otherwise, store only those values that are
2298 : : * significantly more common than the values not in the list.
2299 : : *
2300 : : * Note: the first of these cases is meant to address columns with
2301 : : * small, fixed sets of possible values, such as boolean or enum
2302 : : * columns. If we can *completely* represent the column population by
2303 : : * an MCV list that will fit into the stats target, then we should do
2304 : : * so and thus provide the planner with complete information. But if
2305 : : * the MCV list is not complete, it's generally worth being more
2306 : : * selective, and not just filling it all the way up to the stats
2307 : : * target.
2308 : : */
8909 tgl@sss.pgh.pa.us 2309 [ + + + - ]: 835 : if (track_cnt < track_max && toowide_cnt == 0 &&
2310 [ + + + + ]: 828 : stats->stadistinct > 0 &&
2311 : : track_cnt <= num_mcv)
2312 : : {
2313 : : /* Track list includes all values seen, and all will fit */
2314 : 527 : num_mcv = track_cnt;
2315 : : }
2316 : : else
2317 : : {
2318 : : int *mcv_counts;
2319 : :
2320 : : /* Incomplete list; decide how many values are worth keeping */
2321 [ + + ]: 308 : if (num_mcv > track_cnt)
2322 : 276 : num_mcv = track_cnt;
2323 : :
2776 dean.a.rasheed@gmail 2324 [ + - ]: 308 : if (num_mcv > 0)
2325 : : {
2326 : 308 : mcv_counts = (int *) palloc(num_mcv * sizeof(int));
2327 [ + + ]: 1205 : for (i = 0; i < num_mcv; i++)
2328 : 897 : mcv_counts[i] = track[i].count;
2329 : :
2330 : 308 : num_mcv = analyze_mcv_list(mcv_counts, num_mcv,
2331 : 308 : stats->stadistinct,
2332 : 308 : stats->stanullfrac,
2333 : : samplerows, totalrows);
2334 : : }
2335 : : }
2336 : :
2337 : : /* Generate MCV slot entry */
8939 tgl@sss.pgh.pa.us 2338 [ + + ]: 835 : if (num_mcv > 0)
2339 : : {
2340 : : MemoryContext old_context;
2341 : : Datum *mcv_values;
2342 : : float4 *mcv_freqs;
2343 : :
2344 : : /* Must copy the target values into anl_context */
7928 2345 : 832 : old_context = MemoryContextSwitchTo(stats->anl_context);
8939 2346 : 832 : mcv_values = (Datum *) palloc(num_mcv * sizeof(Datum));
2347 : 832 : mcv_freqs = (float4 *) palloc(num_mcv * sizeof(float4));
2348 [ + + ]: 4031 : for (i = 0; i < num_mcv; i++)
2349 : : {
2350 : 6398 : mcv_values[i] = datumCopy(track[i].value,
5566 2351 : 3199 : stats->attrtype->typbyval,
2352 : 3199 : stats->attrtype->typlen);
7927 2353 : 3199 : mcv_freqs[i] = (double) track[i].count / (double) samplerows;
2354 : : }
8939 2355 : 832 : MemoryContextSwitchTo(old_context);
2356 : :
2357 : 832 : stats->stakind[0] = STATISTIC_KIND_MCV;
7928 2358 : 832 : stats->staop[0] = mystats->eqopr;
2509 2359 : 832 : stats->stacoll[0] = stats->attrcollid;
8939 2360 : 832 : stats->stanumbers[0] = mcv_freqs;
2361 : 832 : stats->numnumbers[0] = num_mcv;
2362 : 832 : stats->stavalues[0] = mcv_values;
2363 : 832 : stats->numvalues[0] = num_mcv;
2364 : :
2365 : : /*
2366 : : * Accept the defaults for stats->statypid and others. They have
2367 : : * been set before we were called (see vacuum.h)
2368 : : */
2369 : : }
2370 : : }
7563 2371 [ + - ]: 307 : else if (null_cnt > 0)
2372 : : {
2373 : : /* We found only nulls; assume the column is entirely null */
2374 : 307 : stats->stats_valid = true;
2375 : 307 : stats->stanullfrac = 1.0;
2376 [ + - ]: 307 : if (is_varwidth)
7317 bruce@momjian.us 2377 : 307 : stats->stawidth = 0; /* "unknown" */
2378 : : else
7563 tgl@sss.pgh.pa.us 2379 :UBC 0 : stats->stawidth = stats->attrtype->typlen;
3050 tgl@sss.pgh.pa.us 2380 :CBC 307 : stats->stadistinct = 0.0; /* "unknown" */
2381 : : }
2382 : :
2383 : : /* We don't need to bother cleaning up any of our temporary palloc's */
9282 bruce@momjian.us 2384 : 1142 : }
2385 : :
2386 : :
2387 : : /*
2388 : : * compute_scalar_stats() -- compute column statistics
2389 : : *
2390 : : * We use this when we can find "=" and "<" operators for the datatype.
2391 : : *
2392 : : * We determine the fraction of non-null rows, the average width, the
2393 : : * most common values, the (estimated) number of distinct values, the
2394 : : * distribution histogram, and the correlation of physical to logical order.
2395 : : *
2396 : : * The desired stats can be determined fairly easily after sorting the
2397 : : * data values into order.
2398 : : */
2399 : : static void
7927 tgl@sss.pgh.pa.us 2400 : 42045 : compute_scalar_stats(VacAttrStatsP stats,
2401 : : AnalyzeAttrFetchFunc fetchfunc,
2402 : : int samplerows,
2403 : : double totalrows)
2404 : : {
2405 : : int i;
8939 2406 : 42045 : int null_cnt = 0;
2407 : 42045 : int nonnull_cnt = 0;
2408 : 42045 : int toowide_cnt = 0;
2409 : 42045 : double total_width = 0;
5566 2410 [ + + ]: 52301 : bool is_varlena = (!stats->attrtype->typbyval &&
2411 [ + + ]: 10256 : stats->attrtype->typlen == -1);
2412 [ + + ]: 52301 : bool is_varwidth = (!stats->attrtype->typbyval &&
2413 [ + + ]: 10256 : stats->attrtype->typlen < 0);
2414 : : double corr_xysum;
2415 : : SortSupportData ssup;
2416 : : ScalarItem *values;
8939 2417 : 42045 : int values_cnt = 0;
2418 : : int *tupnoLink;
2419 : : ScalarMCVItem *track;
2420 : 42045 : int track_cnt = 0;
847 peter@eisentraut.org 2421 : 42045 : int num_mcv = stats->attstattarget;
2422 : 42045 : int num_bins = stats->attstattarget;
7928 tgl@sss.pgh.pa.us 2423 : 42045 : StdAnalyzeData *mystats = (StdAnalyzeData *) stats->extra_data;
2424 : :
7927 2425 : 42045 : values = (ScalarItem *) palloc(samplerows * sizeof(ScalarItem));
2426 : 42045 : tupnoLink = (int *) palloc(samplerows * sizeof(int));
8939 2427 : 42045 : track = (ScalarMCVItem *) palloc(num_mcv * sizeof(ScalarMCVItem));
2428 : :
5073 2429 : 42045 : memset(&ssup, 0, sizeof(ssup));
2430 : 42045 : ssup.ssup_cxt = CurrentMemoryContext;
2509 2431 : 42045 : ssup.ssup_collation = stats->attrcollid;
5073 2432 : 42045 : ssup.ssup_nulls_first = false;
2433 : :
2434 : : /*
2435 : : * For now, don't perform abbreviated key conversion, because full values
2436 : : * are required for MCV slot generation. Supporting that optimization
2437 : : * would necessitate teaching compare_scalars() to call a tie-breaker.
2438 : : */
3934 rhaas@postgresql.org 2439 : 42045 : ssup.abbreviate = false;
2440 : :
5073 tgl@sss.pgh.pa.us 2441 : 42045 : PrepareSortSupportFromOrderingOp(mystats->ltopr, &ssup);
2442 : :
2443 : : /* Initial scan to find sortable values */
7927 2444 [ + + ]: 38978914 : for (i = 0; i < samplerows; i++)
2445 : : {
2446 : : Datum value;
2447 : : bool isnull;
2448 : :
258 nathan@postgresql.or 2449 : 38936869 : vacuum_delay_point(true);
2450 : :
7927 tgl@sss.pgh.pa.us 2451 : 38936869 : value = fetchfunc(stats, i, &isnull);
2452 : :
2453 : : /* Check for null/nonnull */
8939 2454 [ + + ]: 38936869 : if (isnull)
2455 : : {
2456 : 5133787 : null_cnt++;
2457 : 5152077 : continue;
2458 : : }
2459 : 33803082 : nonnull_cnt++;
2460 : :
2461 : : /*
2462 : : * If it's a variable-width field, add up widths for average width
2463 : : * calculation. Note that if the value is toasted, we use the toasted
2464 : : * width. We don't bother with this calculation if it's a fixed-width
2465 : : * type.
2466 : : */
2467 [ + + ]: 33803082 : if (is_varlena)
2468 : : {
6779 2469 [ + + + - : 3957122 : total_width += VARSIZE_ANY(DatumGetPointer(value));
+ - - + +
+ ]
2470 : :
2471 : : /*
2472 : : * If the value is toasted, we want to detoast it just once to
2473 : : * avoid repeated detoastings and resultant excess memory usage
2474 : : * during the comparisons. Also, check to see if the value is
2475 : : * excessively wide, and if so don't detoast at all --- just
2476 : : * ignore the value.
2477 : : */
8939 2478 [ + + ]: 3957122 : if (toast_raw_datum_size(value) > WIDTH_THRESHOLD)
2479 : : {
2480 : 18290 : toowide_cnt++;
2481 : 18290 : continue;
2482 : : }
2483 : 3938832 : value = PointerGetDatum(PG_DETOAST_DATUM(value));
2484 : : }
8465 2485 [ - + ]: 29845960 : else if (is_varwidth)
2486 : : {
2487 : : /* must be cstring */
8465 tgl@sss.pgh.pa.us 2488 :UBC 0 : total_width += strlen(DatumGetCString(value)) + 1;
2489 : : }
2490 : :
2491 : : /* Add it to the list to be sorted */
8939 tgl@sss.pgh.pa.us 2492 :CBC 33784792 : values[values_cnt].value = value;
2493 : 33784792 : values[values_cnt].tupno = values_cnt;
2494 : 33784792 : tupnoLink[values_cnt] = values_cnt;
2495 : 33784792 : values_cnt++;
2496 : : }
2497 : :
2498 : : /* We can only compute real stats if we found some sortable values. */
2499 [ + + ]: 42045 : if (values_cnt > 0)
2500 : : {
2501 : : int ndistinct, /* # distinct values in sample */
2502 : : nmultiple, /* # that appear multiple times */
2503 : : num_hist,
2504 : : dups_cnt;
8768 bruce@momjian.us 2505 : 39285 : int slot_idx = 0;
2506 : : CompareScalarsContext cxt;
2507 : :
2508 : : /* Sort the collected values */
5073 tgl@sss.pgh.pa.us 2509 : 39285 : cxt.ssup = &ssup;
6962 2510 : 39285 : cxt.tupnoLink = tupnoLink;
993 peter@eisentraut.org 2511 : 39285 : qsort_interruptible(values, values_cnt, sizeof(ScalarItem),
2512 : : compare_scalars, &cxt);
2513 : :
2514 : : /*
2515 : : * Now scan the values in order, find the most common ones, and also
2516 : : * accumulate ordering-correlation statistics.
2517 : : *
2518 : : * To determine which are most common, we first have to count the
2519 : : * number of duplicates of each value. The duplicates are adjacent in
2520 : : * the sorted list, so a brute-force approach is to compare successive
2521 : : * datum values until we find two that are not equal. However, that
2522 : : * requires N-1 invocations of the datum comparison routine, which are
2523 : : * completely redundant with work that was done during the sort. (The
2524 : : * sort algorithm must at some point have compared each pair of items
2525 : : * that are adjacent in the sorted order; otherwise it could not know
2526 : : * that it's ordered the pair correctly.) We exploit this by having
2527 : : * compare_scalars remember the highest tupno index that each
2528 : : * ScalarItem has been found equal to. At the end of the sort, a
2529 : : * ScalarItem's tupnoLink will still point to itself if and only if it
2530 : : * is the last item of its group of duplicates (since the group will
2531 : : * be ordered by tupno).
2532 : : */
8939 tgl@sss.pgh.pa.us 2533 : 39285 : corr_xysum = 0;
2534 : 39285 : ndistinct = 0;
2535 : 39285 : nmultiple = 0;
2536 : 39285 : dups_cnt = 0;
2537 [ + + ]: 33824077 : for (i = 0; i < values_cnt; i++)
2538 : : {
2539 : 33784792 : int tupno = values[i].tupno;
2540 : :
8768 2541 : 33784792 : corr_xysum += ((double) i) * ((double) tupno);
8939 2542 : 33784792 : dups_cnt++;
2543 [ + + ]: 33784792 : if (tupnoLink[tupno] == tupno)
2544 : : {
2545 : : /* Reached end of duplicates of this value */
2546 : 6823941 : ndistinct++;
2547 [ + + ]: 6823941 : if (dups_cnt > 1)
2548 : : {
2549 : 653287 : nmultiple++;
2550 [ + + ]: 653287 : if (track_cnt < num_mcv ||
8768 bruce@momjian.us 2551 [ + + ]: 278164 : dups_cnt > track[track_cnt - 1].count)
2552 : : {
2553 : : /*
2554 : : * Found a new item for the mcv list; find its
2555 : : * position, bubbling down old items if needed. Loop
2556 : : * invariant is that j points at an empty/ replaceable
2557 : : * slot.
2558 : : */
2559 : : int j;
2560 : :
8939 tgl@sss.pgh.pa.us 2561 [ + + ]: 428412 : if (track_cnt < num_mcv)
2562 : 375123 : track_cnt++;
8768 bruce@momjian.us 2563 [ + + ]: 5421255 : for (j = track_cnt - 1; j > 0; j--)
2564 : : {
2565 [ + + ]: 5376866 : if (dups_cnt <= track[j - 1].count)
8939 tgl@sss.pgh.pa.us 2566 : 384023 : break;
8768 bruce@momjian.us 2567 : 4992843 : track[j].count = track[j - 1].count;
2568 : 4992843 : track[j].first = track[j - 1].first;
2569 : : }
8939 tgl@sss.pgh.pa.us 2570 : 428412 : track[j].count = dups_cnt;
2571 : 428412 : track[j].first = i + 1 - dups_cnt;
2572 : : }
2573 : : }
2574 : 6823941 : dups_cnt = 0;
2575 : : }
2576 : : }
2577 : :
2578 : 39285 : stats->stats_valid = true;
2579 : : /* Do the simple null-frac and width stats */
7927 2580 : 39285 : stats->stanullfrac = (double) null_cnt / (double) samplerows;
8465 2581 [ + + ]: 39285 : if (is_varwidth)
8939 2582 : 5687 : stats->stawidth = total_width / (double) nonnull_cnt;
2583 : : else
2584 : 33598 : stats->stawidth = stats->attrtype->typlen;
2585 : :
2586 [ + + ]: 39285 : if (nmultiple == 0)
2587 : : {
2588 : : /*
2589 : : * If we found no repeated non-null values, assume it's a unique
2590 : : * column; but be sure to discount for any nulls we found.
2591 : : */
3368 2592 : 10120 : stats->stadistinct = -1.0 * (1.0 - stats->stanullfrac);
2593 : : }
8939 2594 [ + + + + ]: 29165 : else if (toowide_cnt == 0 && nmultiple == ndistinct)
2595 : : {
2596 : : /*
2597 : : * Every value in the sample appeared more than once. Assume the
2598 : : * column has just these values. (This case is meant to address
2599 : : * columns with small, fixed sets of possible values, such as
2600 : : * boolean or enum columns. If there are any values that appear
2601 : : * just once in the sample, including too-wide values, we should
2602 : : * assume that that's not what we're dealing with.)
2603 : : */
2604 : 17665 : stats->stadistinct = ndistinct;
2605 : : }
2606 : : else
2607 : : {
2608 : : /*----------
2609 : : * Estimate the number of distinct values using the estimator
2610 : : * proposed by Haas and Stokes in IBM Research Report RJ 10025:
2611 : : * n*d / (n - f1 + f1*n/N)
2612 : : * where f1 is the number of distinct values that occurred
2613 : : * exactly once in our sample of n rows (from a total of N),
2614 : : * and d is the total number of distinct values in the sample.
2615 : : * This is their Duj1 estimator; the other estimators they
2616 : : * recommend are considerably more complex, and are numerically
2617 : : * very unstable when n is much smaller than N.
2618 : : *
2619 : : * In this calculation, we consider only non-nulls. We used to
2620 : : * include rows with null values in the n and N counts, but that
2621 : : * leads to inaccurate answers in columns with many nulls, and
2622 : : * it's intuitively bogus anyway considering the desired result is
2623 : : * the number of distinct non-null values.
2624 : : *
2625 : : * Overwidth values are assumed to have been distinct.
2626 : : *----------
2627 : : */
8768 bruce@momjian.us 2628 : 11500 : int f1 = ndistinct - nmultiple + toowide_cnt;
8652 tgl@sss.pgh.pa.us 2629 : 11500 : int d = f1 + nmultiple;
3496 2630 : 11500 : double n = samplerows - null_cnt;
2631 : 11500 : double N = totalrows * (1.0 - stats->stanullfrac);
2632 : : double stadistinct;
2633 : :
2634 : : /* N == 0 shouldn't happen, but just in case ... */
2635 [ + - ]: 11500 : if (N > 0)
2636 : 11500 : stadistinct = (n * d) / ((n - f1) + f1 * n / N);
2637 : : else
3496 tgl@sss.pgh.pa.us 2638 :UBC 0 : stadistinct = 0;
2639 : :
2640 : : /* Clamp to sane range in case of roundoff error */
3496 tgl@sss.pgh.pa.us 2641 [ + + ]:CBC 11500 : if (stadistinct < d)
2642 : 434 : stadistinct = d;
2643 [ - + ]: 11500 : if (stadistinct > N)
3496 tgl@sss.pgh.pa.us 2644 :UBC 0 : stadistinct = N;
2645 : : /* And round to integer */
8652 tgl@sss.pgh.pa.us 2646 :CBC 11500 : stats->stadistinct = floor(stadistinct + 0.5);
2647 : : }
2648 : :
2649 : : /*
2650 : : * If we estimated the number of distinct values at more than 10% of
2651 : : * the total row count (a very arbitrary limit), then assume that
2652 : : * stadistinct should scale with the row count rather than be a fixed
2653 : : * value.
2654 : : */
8939 2655 [ + + ]: 39285 : if (stats->stadistinct > 0.1 * totalrows)
8768 bruce@momjian.us 2656 : 8689 : stats->stadistinct = -(stats->stadistinct / totalrows);
2657 : :
2658 : : /*
2659 : : * Decide how many values are worth storing as most-common values. If
2660 : : * we are able to generate a complete MCV list (all the values in the
2661 : : * sample will fit, and we think these are all the ones in the table),
2662 : : * then do so. Otherwise, store only those values that are
2663 : : * significantly more common than the values not in the list.
2664 : : *
2665 : : * Note: the first of these cases is meant to address columns with
2666 : : * small, fixed sets of possible values, such as boolean or enum
2667 : : * columns. If we can *completely* represent the column population by
2668 : : * an MCV list that will fit into the stats target, then we should do
2669 : : * so and thus provide the planner with complete information. But if
2670 : : * the MCV list is not complete, it's generally worth being more
2671 : : * selective, and not just filling it all the way up to the stats
2672 : : * target.
2673 : : */
8909 tgl@sss.pgh.pa.us 2674 [ + + + + ]: 39285 : if (track_cnt == ndistinct && toowide_cnt == 0 &&
2675 [ + + + - ]: 17304 : stats->stadistinct > 0 &&
2676 : : track_cnt <= num_mcv)
2677 : : {
2678 : : /* Track list includes all values seen, and all will fit */
2679 : 15463 : num_mcv = track_cnt;
2680 : : }
2681 : : else
2682 : : {
2683 : : int *mcv_counts;
2684 : :
2685 : : /* Incomplete list; decide how many values are worth keeping */
2686 [ + + ]: 23822 : if (num_mcv > track_cnt)
2687 : 21545 : num_mcv = track_cnt;
2688 : :
2776 dean.a.rasheed@gmail 2689 [ + + ]: 23822 : if (num_mcv > 0)
2690 : : {
2691 : 13702 : mcv_counts = (int *) palloc(num_mcv * sizeof(int));
2692 [ + + ]: 304807 : for (i = 0; i < num_mcv; i++)
2693 : 291105 : mcv_counts[i] = track[i].count;
2694 : :
2695 : 13702 : num_mcv = analyze_mcv_list(mcv_counts, num_mcv,
2696 : 13702 : stats->stadistinct,
2697 : 13702 : stats->stanullfrac,
2698 : : samplerows, totalrows);
2699 : : }
2700 : : }
2701 : :
2702 : : /* Generate MCV slot entry */
8939 tgl@sss.pgh.pa.us 2703 [ + + ]: 39285 : if (num_mcv > 0)
2704 : : {
2705 : : MemoryContext old_context;
2706 : : Datum *mcv_values;
2707 : : float4 *mcv_freqs;
2708 : :
2709 : : /* Must copy the target values into anl_context */
7928 2710 : 29132 : old_context = MemoryContextSwitchTo(stats->anl_context);
8939 2711 : 29132 : mcv_values = (Datum *) palloc(num_mcv * sizeof(Datum));
2712 : 29132 : mcv_freqs = (float4 *) palloc(num_mcv * sizeof(float4));
2713 [ + + ]: 404148 : for (i = 0; i < num_mcv; i++)
2714 : : {
2715 : 750032 : mcv_values[i] = datumCopy(values[track[i].first].value,
5566 2716 : 375016 : stats->attrtype->typbyval,
2717 : 375016 : stats->attrtype->typlen);
7927 2718 : 375016 : mcv_freqs[i] = (double) track[i].count / (double) samplerows;
2719 : : }
8939 2720 : 29132 : MemoryContextSwitchTo(old_context);
2721 : :
2722 : 29132 : stats->stakind[slot_idx] = STATISTIC_KIND_MCV;
7928 2723 : 29132 : stats->staop[slot_idx] = mystats->eqopr;
2509 2724 : 29132 : stats->stacoll[slot_idx] = stats->attrcollid;
8939 2725 : 29132 : stats->stanumbers[slot_idx] = mcv_freqs;
2726 : 29132 : stats->numnumbers[slot_idx] = num_mcv;
2727 : 29132 : stats->stavalues[slot_idx] = mcv_values;
2728 : 29132 : stats->numvalues[slot_idx] = num_mcv;
2729 : :
2730 : : /*
2731 : : * Accept the defaults for stats->statypid and others. They have
2732 : : * been set before we were called (see vacuum.h)
2733 : : */
2734 : 29132 : slot_idx++;
2735 : : }
2736 : :
2737 : : /*
2738 : : * Generate a histogram slot entry if there are at least two distinct
2739 : : * values not accounted for in the MCV list. (This ensures the
2740 : : * histogram won't collapse to empty or a singleton.)
2741 : : */
2742 : 39285 : num_hist = ndistinct - num_mcv;
8909 2743 [ + + ]: 39285 : if (num_hist > num_bins)
2744 : 6515 : num_hist = num_bins + 1;
8939 2745 [ + + ]: 39285 : if (num_hist >= 2)
2746 : : {
2747 : : MemoryContext old_context;
2748 : : Datum *hist_values;
2749 : : int nvals;
2750 : : int pos,
2751 : : posfrac,
2752 : : delta,
2753 : : deltafrac;
2754 : :
2755 : : /* Sort the MCV items into position order to speed next loop */
993 peter@eisentraut.org 2756 : 17479 : qsort_interruptible(track, num_mcv, sizeof(ScalarMCVItem),
2757 : : compare_mcvs, NULL);
2758 : :
2759 : : /*
2760 : : * Collapse out the MCV items from the values[] array.
2761 : : *
2762 : : * Note we destroy the values[] array here... but we don't need it
2763 : : * for anything more. We do, however, still need values_cnt.
2764 : : * nvals will be the number of remaining entries in values[].
2765 : : */
8939 tgl@sss.pgh.pa.us 2766 [ + + ]: 17479 : if (num_mcv > 0)
2767 : : {
2768 : : int src,
2769 : : dest;
2770 : : int j;
2771 : :
2772 : 9662 : src = dest = 0;
2773 : 9662 : j = 0; /* index of next interesting MCV item */
2774 [ + + ]: 393947 : while (src < values_cnt)
2775 : : {
2776 : : int ncopy;
2777 : :
2778 [ + + ]: 384285 : if (j < num_mcv)
2779 : : {
8768 bruce@momjian.us 2780 : 376813 : int first = track[j].first;
2781 : :
8939 tgl@sss.pgh.pa.us 2782 [ + + ]: 376813 : if (src >= first)
2783 : : {
2784 : : /* advance past this MCV item */
2785 : 265252 : src = first + track[j].count;
2786 : 265252 : j++;
2787 : 265252 : continue;
2788 : : }
2789 : 111561 : ncopy = first - src;
2790 : : }
2791 : : else
2792 : 7472 : ncopy = values_cnt - src;
2793 : 119033 : memmove(&values[dest], &values[src],
2794 : : ncopy * sizeof(ScalarItem));
2795 : 119033 : src += ncopy;
2796 : 119033 : dest += ncopy;
2797 : : }
2798 : 9662 : nvals = dest;
2799 : : }
2800 : : else
2801 : 7817 : nvals = values_cnt;
2802 [ - + ]: 17479 : Assert(nvals >= num_hist);
2803 : :
2804 : : /* Must copy the target values into anl_context */
7928 2805 : 17479 : old_context = MemoryContextSwitchTo(stats->anl_context);
8939 2806 : 17479 : hist_values = (Datum *) palloc(num_hist * sizeof(Datum));
2807 : :
2808 : : /*
2809 : : * The object of this loop is to copy the first and last values[]
2810 : : * entries along with evenly-spaced values in between. So the
2811 : : * i'th value is values[(i * (nvals - 1)) / (num_hist - 1)]. But
2812 : : * computing that subscript directly risks integer overflow when
2813 : : * the stats target is more than a couple thousand. Instead we
2814 : : * add (nvals - 1) / (num_hist - 1) to pos at each step, tracking
2815 : : * the integral and fractional parts of the sum separately.
2816 : : */
6019 2817 : 17479 : delta = (nvals - 1) / (num_hist - 1);
2818 : 17479 : deltafrac = (nvals - 1) % (num_hist - 1);
2819 : 17479 : pos = posfrac = 0;
2820 : :
8939 2821 [ + + ]: 923451 : for (i = 0; i < num_hist; i++)
2822 : : {
2823 : 1811944 : hist_values[i] = datumCopy(values[pos].value,
5566 2824 : 905972 : stats->attrtype->typbyval,
2825 : 905972 : stats->attrtype->typlen);
6019 2826 : 905972 : pos += delta;
2827 : 905972 : posfrac += deltafrac;
2828 [ + + ]: 905972 : if (posfrac >= (num_hist - 1))
2829 : : {
2830 : : /* fractional part exceeds 1, carry to integer part */
2831 : 305036 : pos++;
2832 : 305036 : posfrac -= (num_hist - 1);
2833 : : }
2834 : : }
2835 : :
8939 2836 : 17479 : MemoryContextSwitchTo(old_context);
2837 : :
2838 : 17479 : stats->stakind[slot_idx] = STATISTIC_KIND_HISTOGRAM;
7928 2839 : 17479 : stats->staop[slot_idx] = mystats->ltopr;
2509 2840 : 17479 : stats->stacoll[slot_idx] = stats->attrcollid;
8939 2841 : 17479 : stats->stavalues[slot_idx] = hist_values;
2842 : 17479 : stats->numvalues[slot_idx] = num_hist;
2843 : :
2844 : : /*
2845 : : * Accept the defaults for stats->statypid and others. They have
2846 : : * been set before we were called (see vacuum.h)
2847 : : */
2848 : 17479 : slot_idx++;
2849 : : }
2850 : :
2851 : : /* Generate a correlation entry if there are multiple values */
2852 [ + + ]: 39285 : if (values_cnt > 1)
2853 : : {
2854 : : MemoryContext old_context;
2855 : : float4 *corrs;
2856 : : double corr_xsum,
2857 : : corr_x2sum;
2858 : :
2859 : : /* Must copy the target values into anl_context */
7928 2860 : 36949 : old_context = MemoryContextSwitchTo(stats->anl_context);
8939 2861 : 36949 : corrs = (float4 *) palloc(sizeof(float4));
2862 : 36949 : MemoryContextSwitchTo(old_context);
2863 : :
2864 : : /*----------
2865 : : * Since we know the x and y value sets are both
2866 : : * 0, 1, ..., values_cnt-1
2867 : : * we have sum(x) = sum(y) =
2868 : : * (values_cnt-1)*values_cnt / 2
2869 : : * and sum(x^2) = sum(y^2) =
2870 : : * (values_cnt-1)*values_cnt*(2*values_cnt-1) / 6.
2871 : : *----------
2872 : : */
8768 2873 : 36949 : corr_xsum = ((double) (values_cnt - 1)) *
2874 : 36949 : ((double) values_cnt) / 2.0;
2875 : 36949 : corr_x2sum = ((double) (values_cnt - 1)) *
2876 : 36949 : ((double) values_cnt) * (double) (2 * values_cnt - 1) / 6.0;
2877 : :
2878 : : /* And the correlation coefficient reduces to */
8939 2879 : 36949 : corrs[0] = (values_cnt * corr_xysum - corr_xsum * corr_xsum) /
2880 : 36949 : (values_cnt * corr_x2sum - corr_xsum * corr_xsum);
2881 : :
2882 : 36949 : stats->stakind[slot_idx] = STATISTIC_KIND_CORRELATION;
7928 2883 : 36949 : stats->staop[slot_idx] = mystats->ltopr;
2509 2884 : 36949 : stats->stacoll[slot_idx] = stats->attrcollid;
8939 2885 : 36949 : stats->stanumbers[slot_idx] = corrs;
2886 : 36949 : stats->numnumbers[slot_idx] = 1;
2887 : 36949 : slot_idx++;
2888 : : }
2889 : : }
4307 2890 [ + + ]: 2760 : else if (nonnull_cnt > 0)
2891 : : {
2892 : : /* We found some non-null values, but they were all too wide */
2893 [ - + ]: 173 : Assert(nonnull_cnt == toowide_cnt);
2894 : 173 : stats->stats_valid = true;
2895 : : /* Do the simple null-frac and width stats */
2896 : 173 : stats->stanullfrac = (double) null_cnt / (double) samplerows;
2897 [ + - ]: 173 : if (is_varwidth)
2898 : 173 : stats->stawidth = total_width / (double) nonnull_cnt;
2899 : : else
4307 tgl@sss.pgh.pa.us 2900 :UBC 0 : stats->stawidth = stats->attrtype->typlen;
2901 : : /* Assume all too-wide values are distinct, so it's a unique column */
3368 tgl@sss.pgh.pa.us 2902 :CBC 173 : stats->stadistinct = -1.0 * (1.0 - stats->stanullfrac);
2903 : : }
4307 2904 [ + - ]: 2587 : else if (null_cnt > 0)
2905 : : {
2906 : : /* We found only nulls; assume the column is entirely null */
7563 2907 : 2587 : stats->stats_valid = true;
2908 : 2587 : stats->stanullfrac = 1.0;
2909 [ + + ]: 2587 : if (is_varwidth)
7317 bruce@momjian.us 2910 : 2242 : stats->stawidth = 0; /* "unknown" */
2911 : : else
7563 tgl@sss.pgh.pa.us 2912 : 345 : stats->stawidth = stats->attrtype->typlen;
3050 2913 : 2587 : stats->stadistinct = 0.0; /* "unknown" */
2914 : : }
2915 : :
2916 : : /* We don't need to bother cleaning up any of our temporary palloc's */
9282 bruce@momjian.us 2917 : 42045 : }
2918 : :
2919 : : /*
2920 : : * Comparator for sorting ScalarItems
2921 : : *
2922 : : * Aside from sorting the items, we update the tupnoLink[] array
2923 : : * whenever two ScalarItems are found to contain equal datums. The array
2924 : : * is indexed by tupno; for each ScalarItem, it contains the highest
2925 : : * tupno that that item's datum has been found to be equal to. This allows
2926 : : * us to avoid additional comparisons in compute_scalar_stats().
2927 : : */
2928 : : static int
6962 tgl@sss.pgh.pa.us 2929 : 316714433 : compare_scalars(const void *a, const void *b, void *arg)
2930 : : {
5160 peter_e@gmx.net 2931 : 316714433 : Datum da = ((const ScalarItem *) a)->value;
2932 : 316714433 : int ta = ((const ScalarItem *) a)->tupno;
2933 : 316714433 : Datum db = ((const ScalarItem *) b)->value;
2934 : 316714433 : int tb = ((const ScalarItem *) b)->tupno;
6962 tgl@sss.pgh.pa.us 2935 : 316714433 : CompareScalarsContext *cxt = (CompareScalarsContext *) arg;
2936 : : int compare;
2937 : :
5073 2938 : 316714433 : compare = ApplySortComparator(da, false, db, false, cxt->ssup);
8913 2939 [ + + ]: 316714433 : if (compare != 0)
2940 : 118119813 : return compare;
2941 : :
2942 : : /*
2943 : : * The two datums are equal, so update cxt->tupnoLink[].
2944 : : */
6962 2945 [ + + ]: 198594620 : if (cxt->tupnoLink[ta] < tb)
2946 : 28180940 : cxt->tupnoLink[ta] = tb;
2947 [ + + ]: 198594620 : if (cxt->tupnoLink[tb] < ta)
2948 : 1976773 : cxt->tupnoLink[tb] = ta;
2949 : :
2950 : : /*
2951 : : * For equal datums, sort by tupno
2952 : : */
8939 2953 : 198594620 : return ta - tb;
2954 : : }
2955 : :
2956 : : /*
2957 : : * Comparator for sorting ScalarMCVItems by position
2958 : : */
2959 : : static int
1203 2960 : 1331181 : compare_mcvs(const void *a, const void *b, void *arg)
2961 : : {
5160 peter_e@gmx.net 2962 : 1331181 : int da = ((const ScalarMCVItem *) a)->first;
2963 : 1331181 : int db = ((const ScalarMCVItem *) b)->first;
2964 : :
8939 tgl@sss.pgh.pa.us 2965 : 1331181 : return da - db;
2966 : : }
2967 : :
2968 : : /*
2969 : : * Analyze the list of common values in the sample and decide how many are
2970 : : * worth storing in the table's MCV list.
2971 : : *
2972 : : * mcv_counts is assumed to be a list of the counts of the most common values
2973 : : * seen in the sample, starting with the most common. The return value is the
2974 : : * number that are significantly more common than the values not in the list,
2975 : : * and which are therefore deemed worth storing in the table's MCV list.
2976 : : */
2977 : : static int
2776 dean.a.rasheed@gmail 2978 : 14010 : analyze_mcv_list(int *mcv_counts,
2979 : : int num_mcv,
2980 : : double stadistinct,
2981 : : double stanullfrac,
2982 : : int samplerows,
2983 : : double totalrows)
2984 : : {
2985 : : double ndistinct_table;
2986 : : double sumcount;
2987 : : int i;
2988 : :
2989 : : /*
2990 : : * If the entire table was sampled, keep the whole list. This also
2991 : : * protects us against division by zero in the code below.
2992 : : */
2993 [ + + - + ]: 14010 : if (samplerows == totalrows || totalrows <= 1.0)
2994 : 13583 : return num_mcv;
2995 : :
2996 : : /* Re-extract the estimated number of distinct nonnull values in table */
2997 : 427 : ndistinct_table = stadistinct;
2998 [ + + ]: 427 : if (ndistinct_table < 0)
2999 : 85 : ndistinct_table = -ndistinct_table * totalrows;
3000 : :
3001 : : /*
3002 : : * Exclude the least common values from the MCV list, if they are not
3003 : : * significantly more common than the estimated selectivity they would
3004 : : * have if they weren't in the list. All non-MCV values are assumed to be
3005 : : * equally common, after taking into account the frequencies of all the
3006 : : * values in the MCV list and the number of nulls (c.f. eqsel()).
3007 : : *
3008 : : * Here sumcount tracks the total count of all but the last (least common)
3009 : : * value in the MCV list, allowing us to determine the effect of excluding
3010 : : * that value from the list.
3011 : : *
3012 : : * Note that we deliberately do this by removing values from the full
3013 : : * list, rather than starting with an empty list and adding values,
3014 : : * because the latter approach can fail to add any values if all the most
3015 : : * common values have around the same frequency and make up the majority
3016 : : * of the table, so that the overall average frequency of all values is
3017 : : * roughly the same as that of the common values. This would lead to any
3018 : : * uncommon values being significantly overestimated.
3019 : : */
3020 : 427 : sumcount = 0.0;
3021 [ + + ]: 866 : for (i = 0; i < num_mcv - 1; i++)
3022 : 439 : sumcount += mcv_counts[i];
3023 : :
3024 [ + - ]: 501 : while (num_mcv > 0)
3025 : : {
3026 : : double selec,
3027 : : otherdistinct,
3028 : : N,
3029 : : n,
3030 : : K,
3031 : : variance,
3032 : : stddev;
3033 : :
3034 : : /*
3035 : : * Estimated selectivity the least common value would have if it
3036 : : * wasn't in the MCV list (c.f. eqsel()).
3037 : : */
3038 : 501 : selec = 1.0 - sumcount / samplerows - stanullfrac;
3039 [ - + ]: 501 : if (selec < 0.0)
2776 dean.a.rasheed@gmail 3040 :UBC 0 : selec = 0.0;
2776 dean.a.rasheed@gmail 3041 [ - + ]:CBC 501 : if (selec > 1.0)
2776 dean.a.rasheed@gmail 3042 :UBC 0 : selec = 1.0;
2776 dean.a.rasheed@gmail 3043 :CBC 501 : otherdistinct = ndistinct_table - (num_mcv - 1);
3044 [ + - ]: 501 : if (otherdistinct > 1)
3045 : 501 : selec /= otherdistinct;
3046 : :
3047 : : /*
3048 : : * If the value is kept in the MCV list, its population frequency is
3049 : : * assumed to equal its sample frequency. We use the lower end of a
3050 : : * textbook continuity-corrected Wald-type confidence interval to
3051 : : * determine if that is significantly more common than the non-MCV
3052 : : * frequency --- specifically we assume the population frequency is
3053 : : * highly likely to be within around 2 standard errors of the sample
3054 : : * frequency, which equates to an interval of 2 standard deviations
3055 : : * either side of the sample count, plus an additional 0.5 for the
3056 : : * continuity correction. Since we are sampling without replacement,
3057 : : * this is a hypergeometric distribution.
3058 : : *
3059 : : * XXX: Empirically, this approach seems to work quite well, but it
3060 : : * may be worth considering more advanced techniques for estimating
3061 : : * the confidence interval of the hypergeometric distribution.
3062 : : */
3063 : 501 : N = totalrows;
3064 : 501 : n = samplerows;
3065 : 501 : K = N * mcv_counts[num_mcv - 1] / n;
3066 : 501 : variance = n * K * (N - K) * (N - n) / (N * N * (N - 1));
3067 : 501 : stddev = sqrt(variance);
3068 : :
3069 [ + + ]: 501 : if (mcv_counts[num_mcv - 1] > selec * samplerows + 2 * stddev + 0.5)
3070 : : {
3071 : : /*
3072 : : * The value is significantly more common than the non-MCV
3073 : : * selectivity would suggest. Keep it, and all the other more
3074 : : * common values in the list.
3075 : : */
3076 : 391 : break;
3077 : : }
3078 : : else
3079 : : {
3080 : : /* Discard this value and consider the next least common value */
3081 : 110 : num_mcv--;
3082 [ + + ]: 110 : if (num_mcv == 0)
3083 : 36 : break;
3084 : 74 : sumcount -= mcv_counts[num_mcv - 1];
3085 : : }
3086 : : }
3087 : 427 : return num_mcv;
3088 : : }
|
