Branch data Line data Source code
1 : : /*-------------------------------------------------------------------------
2 : : *
3 : : * analyze.c
4 : : * the Postgres statistics generator
5 : : *
6 : : * Portions Copyright (c) 1996-2026, 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 "executor/instrument.h"
38 : : #include "foreign/fdwapi.h"
39 : : #include "miscadmin.h"
40 : : #include "nodes/nodeFuncs.h"
41 : : #include "parser/parse_oper.h"
42 : : #include "parser/parse_relation.h"
43 : : #include "pgstat.h"
44 : : #include "statistics/extended_stats_internal.h"
45 : : #include "statistics/statistics.h"
46 : : #include "storage/bufmgr.h"
47 : : #include "storage/procarray.h"
48 : : #include "utils/attoptcache.h"
49 : : #include "utils/datum.h"
50 : : #include "utils/guc.h"
51 : : #include "utils/lsyscache.h"
52 : : #include "utils/memutils.h"
53 : : #include "utils/pg_rusage.h"
54 : : #include "utils/sampling.h"
55 : : #include "utils/sortsupport.h"
56 : : #include "utils/syscache.h"
57 : : #include "utils/timestamp.h"
58 : :
59 : :
60 : : /* Per-index data for ANALYZE */
61 : : typedef struct AnlIndexData
62 : : {
63 : : IndexInfo *indexInfo; /* BuildIndexInfo result */
64 : : double tupleFract; /* fraction of rows for partial index */
65 : : VacAttrStats **vacattrstats; /* index attrs to analyze */
66 : : int attr_cnt;
67 : : } AnlIndexData;
68 : :
69 : :
70 : : /* Default statistics target (GUC parameter) */
71 : : int default_statistics_target = 100;
72 : :
73 : : /* A few variables that don't seem worth passing around as parameters */
74 : : static MemoryContext anl_context = NULL;
75 : : static BufferAccessStrategy vac_strategy;
76 : :
77 : :
78 : : static void do_analyze_rel(Relation onerel,
79 : : const VacuumParams *params, List *va_cols,
80 : : AcquireSampleRowsFunc acquirefunc, BlockNumber relpages,
81 : : bool inh, bool in_outer_xact, int elevel);
82 : : static void compute_index_stats(Relation onerel, double totalrows,
83 : : AnlIndexData *indexdata, int nindexes,
84 : : HeapTuple *rows, int numrows,
85 : : MemoryContext col_context);
86 : : static void validate_va_cols_list(Relation onerel, List *va_cols);
87 : : static VacAttrStats *examine_attribute(Relation onerel, int attnum,
88 : : Node *index_expr);
89 : : static int acquire_sample_rows(Relation onerel, int elevel,
90 : : HeapTuple *rows, int targrows,
91 : : double *totalrows, double *totaldeadrows);
92 : : static int compare_rows(const void *a, const void *b, void *arg);
93 : : static int acquire_inherited_sample_rows(Relation onerel, int elevel,
94 : : HeapTuple *rows, int targrows,
95 : : double *totalrows, double *totaldeadrows);
96 : : static void update_attstats(Oid relid, bool inh,
97 : : int natts, VacAttrStats **vacattrstats);
98 : : static Datum std_fetch_func(VacAttrStatsP stats, int rownum, bool *isNull);
99 : : static Datum ind_fetch_func(VacAttrStatsP stats, int rownum, bool *isNull);
100 : :
101 : :
102 : : /*
103 : : * analyze_rel() -- analyze one relation
104 : : *
105 : : * relid identifies the relation to analyze. If relation is supplied, use
106 : : * the name therein for reporting any failure to open/lock the rel; do not
107 : : * use it once we've successfully opened the rel, since it might be stale.
108 : : */
109 : : void
110 : 10716 : analyze_rel(Oid relid, RangeVar *relation,
111 : : const VacuumParams *params, List *va_cols, bool in_outer_xact,
112 : : BufferAccessStrategy bstrategy)
113 : : {
114 : : Relation onerel;
115 : : int elevel;
116 : 10716 : AcquireSampleRowsFunc acquirefunc = NULL;
117 : 10716 : BlockNumber relpages = 0;
118 : 10716 : bool stats_imported = false;
119 : :
120 : : /* Select logging level */
121 [ + + ]: 10716 : if (params->options & VACOPT_VERBOSE)
122 : 7 : elevel = INFO;
123 : : else
124 : 10709 : elevel = DEBUG2;
125 : :
126 : : /* Set up static variables */
127 : 10716 : vac_strategy = bstrategy;
128 : :
129 : : /*
130 : : * Check for user-requested abort.
131 : : */
132 [ + + ]: 10716 : CHECK_FOR_INTERRUPTS();
133 : :
134 : : /*
135 : : * Open the relation, getting ShareUpdateExclusiveLock to ensure that two
136 : : * ANALYZEs don't run on it concurrently. (This also locks out a
137 : : * concurrent VACUUM, which doesn't matter much at the moment but might
138 : : * matter if we ever try to accumulate stats on dead tuples.) If the rel
139 : : * has been dropped since we last saw it, we don't need to process it.
140 : : *
141 : : * Make sure to generate only logs for ANALYZE in this case.
142 : : */
143 : 10716 : onerel = vacuum_open_relation(relid, relation, params->options & ~(VACOPT_VACUUM),
144 : 10716 : params->log_analyze_min_duration >= 0,
145 : : ShareUpdateExclusiveLock);
146 : :
147 : : /* leave if relation could not be opened or locked */
148 [ + + ]: 10716 : if (!onerel)
149 : 129 : return;
150 : :
151 : : /*
152 : : * Check if relation needs to be skipped based on privileges. This check
153 : : * happens also when building the relation list to analyze for a manual
154 : : * operation, and needs to be done additionally here as ANALYZE could
155 : : * happen across multiple transactions where privileges could have changed
156 : : * in-between. Make sure to generate only logs for ANALYZE in this case.
157 : : */
158 [ + + ]: 10708 : if (!vacuum_is_permitted_for_relation(RelationGetRelid(onerel),
159 : : onerel->rd_rel,
160 : 10708 : params->options & ~VACOPT_VACUUM,
161 : : false))
162 : : {
163 : 24 : relation_close(onerel, ShareUpdateExclusiveLock);
164 : 24 : return;
165 : : }
166 : :
167 : : /*
168 : : * Silently ignore tables that are temp tables of other backends ---
169 : : * trying to analyze these is rather pointless, since their contents are
170 : : * probably not up-to-date on disk. (We don't throw a warning here; it
171 : : * would just lead to chatter during a database-wide ANALYZE.)
172 : : */
173 [ + + - + ]: 10684 : if (RELATION_IS_OTHER_TEMP(onerel))
174 : : {
175 : 0 : relation_close(onerel, ShareUpdateExclusiveLock);
176 : 0 : return;
177 : : }
178 : :
179 : : /*
180 : : * We can ANALYZE any table except pg_statistic. See update_attstats
181 : : */
182 [ + + ]: 10684 : if (RelationGetRelid(onerel) == StatisticRelationId)
183 : : {
184 : 97 : relation_close(onerel, ShareUpdateExclusiveLock);
185 : 97 : return;
186 : : }
187 : :
188 : : /*
189 : : * Check the given list of columns
190 : : */
191 [ + + ]: 10587 : if (va_cols != NIL)
192 : 75 : validate_va_cols_list(onerel, va_cols);
193 : :
194 : : /*
195 : : * Initialize progress reporting before setup for regular/foreign tables.
196 : : * (For the former, the time spent on it would be negligible, but for the
197 : : * latter, if FDWs support statistics import or analysis, they'd do some
198 : : * work that needs the remote access, so the time might be
199 : : * non-negligible.)
200 : : */
201 : 10552 : pgstat_progress_start_command(PROGRESS_COMMAND_ANALYZE,
202 : : RelationGetRelid(onerel));
203 [ + + ]: 10552 : if (AmAutoVacuumWorkerProcess())
204 : 467 : pgstat_progress_update_param(PROGRESS_ANALYZE_STARTED_BY,
205 : : PROGRESS_ANALYZE_STARTED_BY_AUTOVACUUM);
206 : : else
207 : 10085 : pgstat_progress_update_param(PROGRESS_ANALYZE_STARTED_BY,
208 : : PROGRESS_ANALYZE_STARTED_BY_MANUAL);
209 : :
210 : : /*
211 : : * Check that it's of an analyzable relkind, and set up appropriately.
212 : : */
213 [ + + ]: 10552 : if (onerel->rd_rel->relkind == RELKIND_RELATION ||
214 [ + + ]: 552 : onerel->rd_rel->relkind == RELKIND_MATVIEW)
215 : : {
216 : : /* Regular table, so we'll use the regular row acquisition function */
217 : 10002 : acquirefunc = acquire_sample_rows;
218 : : /* Also get regular table's size */
219 : 10002 : relpages = RelationGetNumberOfBlocks(onerel);
220 : : }
221 [ + + ]: 550 : else if (onerel->rd_rel->relkind == RELKIND_FOREIGN_TABLE)
222 : : {
223 : : /*
224 : : * For a foreign table, call the FDW's hook functions to see whether
225 : : * it supports statistics import or analysis.
226 : : */
227 : : FdwRoutine *fdwroutine;
228 : :
229 : 45 : fdwroutine = GetFdwRoutineForRelation(onerel, false);
230 : :
231 [ + + + + ]: 89 : if (fdwroutine->ImportForeignStatistics != NULL &&
232 : 44 : fdwroutine->ImportForeignStatistics(onerel, va_cols, elevel))
233 : 7 : stats_imported = true;
234 : : else
235 : : {
236 : 38 : bool ok = false;
237 : :
238 [ + - ]: 38 : if (fdwroutine->AnalyzeForeignTable != NULL)
239 : 38 : ok = fdwroutine->AnalyzeForeignTable(onerel,
240 : : &acquirefunc,
241 : : &relpages);
242 : :
243 [ - + ]: 38 : if (!ok)
244 : : {
245 [ # # ]: 0 : ereport(WARNING,
246 : : errmsg("skipping \"%s\" -- cannot analyze this foreign table.",
247 : : RelationGetRelationName(onerel)));
248 : 0 : relation_close(onerel, ShareUpdateExclusiveLock);
249 : 0 : goto out;
250 : : }
251 : : }
252 : : }
253 [ - + ]: 505 : else if (onerel->rd_rel->relkind == RELKIND_PARTITIONED_TABLE)
254 : : {
255 : : /*
256 : : * For partitioned tables, we want to do the recursive ANALYZE below.
257 : : */
258 : : }
259 : : else
260 : : {
261 : : /* No need for a WARNING if we already complained during VACUUM */
262 [ # # ]: 0 : if (!(params->options & VACOPT_VACUUM))
263 [ # # ]: 0 : ereport(WARNING,
264 : : (errmsg("skipping \"%s\" --- cannot analyze non-tables or special system tables",
265 : : RelationGetRelationName(onerel))));
266 : 0 : relation_close(onerel, ShareUpdateExclusiveLock);
267 : 0 : goto out;
268 : : }
269 : :
270 : : /*
271 : : * Do the normal non-recursive ANALYZE. We can skip this for partitioned
272 : : * tables, which don't contain any rows, and foreign tables that
273 : : * successfully imported statistics.
274 : : */
275 [ + + ]: 10552 : if ((onerel->rd_rel->relkind != RELKIND_PARTITIONED_TABLE)
276 [ + + ]: 10047 : && !stats_imported)
277 : 10040 : do_analyze_rel(onerel, params, va_cols, acquirefunc,
278 : : relpages, false, in_outer_xact, elevel);
279 : :
280 : : /*
281 : : * If there are child tables, do recursive ANALYZE.
282 : : */
283 [ + + ]: 10545 : if (onerel->rd_rel->relhassubclass)
284 : 602 : do_analyze_rel(onerel, params, va_cols, acquirefunc, relpages,
285 : : true, in_outer_xact, elevel);
286 : :
287 : : /*
288 : : * Close source relation now, but keep lock so that no one deletes it
289 : : * before we commit. (If someone did, they'd fail to clean up the entries
290 : : * we made in pg_statistic. Also, releasing the lock before commit would
291 : : * expose us to concurrent-update failures in update_attstats.)
292 : : */
293 : 10545 : relation_close(onerel, NoLock);
294 : :
295 : 10545 : out:
296 : 10545 : pgstat_progress_end_command();
297 : : }
298 : :
299 : : /*
300 : : * do_analyze_rel() -- analyze one relation, recursively or not
301 : : *
302 : : * Note that "acquirefunc" is only relevant for the non-inherited case.
303 : : * For the inherited case, acquire_inherited_sample_rows() determines the
304 : : * appropriate acquirefunc for each child table.
305 : : */
306 : : static void
307 : 10642 : do_analyze_rel(Relation onerel, const VacuumParams *params,
308 : : List *va_cols, AcquireSampleRowsFunc acquirefunc,
309 : : BlockNumber relpages, bool inh, bool in_outer_xact,
310 : : int elevel)
311 : : {
312 : : int attr_cnt,
313 : : tcnt,
314 : : i,
315 : : ind;
316 : : Relation *Irel;
317 : : int nindexes;
318 : : bool verbose,
319 : : instrument,
320 : : hasindex;
321 : : VacAttrStats **vacattrstats;
322 : : AnlIndexData *indexdata;
323 : : int targrows,
324 : : numrows,
325 : : minrows;
326 : : double totalrows,
327 : : totaldeadrows;
328 : : HeapTuple *rows;
329 : : PGRUsage ru0;
330 : 10642 : TimestampTz starttime = 0;
331 : : MemoryContext caller_context;
332 : : Oid save_userid;
333 : : int save_sec_context;
334 : : int save_nestlevel;
335 : 10642 : WalUsage startwalusage = pgWalUsage;
336 : 10642 : BufferUsage startbufferusage = pgBufferUsage;
337 : : BufferUsage bufferusage;
338 : 10642 : PgStat_Counter startreadtime = 0;
339 : 10642 : PgStat_Counter startwritetime = 0;
340 : :
341 : 10642 : verbose = (params->options & VACOPT_VERBOSE) != 0;
342 [ + - + + ]: 11113 : instrument = (verbose || (AmAutoVacuumWorkerProcess() &&
343 [ + - ]: 471 : params->log_analyze_min_duration >= 0));
344 [ + + ]: 10642 : if (inh)
345 [ - + ]: 602 : ereport(elevel,
346 : : (errmsg("analyzing \"%s.%s\" inheritance tree",
347 : : get_namespace_name(RelationGetNamespace(onerel)),
348 : : RelationGetRelationName(onerel))));
349 : : else
350 [ + + ]: 10040 : ereport(elevel,
351 : : (errmsg("analyzing \"%s.%s\"",
352 : : get_namespace_name(RelationGetNamespace(onerel)),
353 : : RelationGetRelationName(onerel))));
354 : :
355 : : /*
356 : : * Set up a working context so that we can easily free whatever junk gets
357 : : * created.
358 : : */
359 : 10642 : anl_context = AllocSetContextCreate(CurrentMemoryContext,
360 : : "Analyze",
361 : : ALLOCSET_DEFAULT_SIZES);
362 : 10642 : caller_context = MemoryContextSwitchTo(anl_context);
363 : :
364 : : /*
365 : : * Switch to the table owner's userid, so that any index functions are run
366 : : * as that user. Also lock down security-restricted operations and
367 : : * arrange to make GUC variable changes local to this command.
368 : : */
369 : 10642 : GetUserIdAndSecContext(&save_userid, &save_sec_context);
370 : 10642 : SetUserIdAndSecContext(onerel->rd_rel->relowner,
371 : : save_sec_context | SECURITY_RESTRICTED_OPERATION);
372 : 10642 : save_nestlevel = NewGUCNestLevel();
373 : 10642 : RestrictSearchPath();
374 : :
375 : : /*
376 : : * When verbose or autovacuum logging is used, initialize a resource usage
377 : : * snapshot and optionally track I/O timing.
378 : : */
379 [ + + ]: 10642 : if (instrument)
380 : : {
381 [ - + ]: 471 : if (track_io_timing)
382 : : {
383 : 0 : startreadtime = pgStatBlockReadTime;
384 : 0 : startwritetime = pgStatBlockWriteTime;
385 : : }
386 : :
387 : 471 : pg_rusage_init(&ru0);
388 : : }
389 : :
390 : : /* Used for instrumentation and stats report */
391 : 10642 : starttime = GetCurrentTimestamp();
392 : :
393 : : /*
394 : : * Determine which columns to analyze.
395 : : */
396 [ + + ]: 10642 : if (va_cols != NIL)
397 : : {
398 : : ListCell *le;
399 : :
400 : 40 : vacattrstats = palloc_array(VacAttrStats *, list_length(va_cols));
401 : 40 : tcnt = 0;
402 [ + - + + : 85 : foreach(le, va_cols)
+ + ]
403 : : {
404 : 45 : char *col = strVal(lfirst(le));
405 : :
406 : 45 : i = attnameAttNum(onerel, col, false);
407 : : Assert(i != InvalidAttrNumber);
408 : 45 : vacattrstats[tcnt] = examine_attribute(onerel, i, NULL);
409 [ + - ]: 45 : if (vacattrstats[tcnt] != NULL)
410 : 45 : tcnt++;
411 : : }
412 : 40 : attr_cnt = tcnt;
413 : : }
414 : : else
415 : : {
416 : 10602 : attr_cnt = onerel->rd_att->natts;
417 : 10602 : vacattrstats = palloc_array(VacAttrStats *, attr_cnt);
418 : 10602 : tcnt = 0;
419 [ + + ]: 85245 : for (i = 1; i <= attr_cnt; i++)
420 : : {
421 : 74643 : vacattrstats[tcnt] = examine_attribute(onerel, i, NULL);
422 [ + + ]: 74643 : if (vacattrstats[tcnt] != NULL)
423 : 74552 : tcnt++;
424 : : }
425 : 10602 : attr_cnt = tcnt;
426 : : }
427 : :
428 : : /*
429 : : * Open all indexes of the relation, and see if there are any analyzable
430 : : * columns in the indexes. We do not analyze index columns if there was
431 : : * an explicit column list in the ANALYZE command, however.
432 : : *
433 : : * If we are doing a recursive scan, we don't want to touch the parent's
434 : : * indexes at all. If we're processing a partitioned table, we need to
435 : : * know if there are any indexes, but we don't want to process them.
436 : : */
437 [ + + ]: 10642 : if (onerel->rd_rel->relkind == RELKIND_PARTITIONED_TABLE)
438 : : {
439 : 505 : List *idxs = RelationGetIndexList(onerel);
440 : :
441 : 505 : Irel = NULL;
442 : 505 : nindexes = 0;
443 : 505 : hasindex = idxs != NIL;
444 : 505 : list_free(idxs);
445 : : }
446 [ + + ]: 10137 : else if (!inh)
447 : : {
448 : 10040 : vac_open_indexes(onerel, AccessShareLock, &nindexes, &Irel);
449 : 10040 : hasindex = nindexes > 0;
450 : : }
451 : : else
452 : : {
453 : 97 : Irel = NULL;
454 : 97 : nindexes = 0;
455 : 97 : hasindex = false;
456 : : }
457 : 10642 : indexdata = NULL;
458 [ + + ]: 10642 : if (nindexes > 0)
459 : : {
460 : 7781 : indexdata = palloc0_array(AnlIndexData, nindexes);
461 [ + + ]: 22488 : for (ind = 0; ind < nindexes; ind++)
462 : : {
463 : 14707 : AnlIndexData *thisdata = &indexdata[ind];
464 : : IndexInfo *indexInfo;
465 : :
466 : 14707 : thisdata->indexInfo = indexInfo = BuildIndexInfo(Irel[ind]);
467 : 14707 : thisdata->tupleFract = 1.0; /* fix later if partial */
468 [ + + + - ]: 14707 : if (indexInfo->ii_Expressions != NIL && va_cols == NIL)
469 : : {
470 : 92 : ListCell *indexpr_item = list_head(indexInfo->ii_Expressions);
471 : :
472 : 92 : thisdata->vacattrstats = palloc_array(VacAttrStats *,
473 : : indexInfo->ii_NumIndexAttrs);
474 : 92 : tcnt = 0;
475 [ + + ]: 190 : for (i = 0; i < indexInfo->ii_NumIndexAttrs; i++)
476 : : {
477 : 98 : int keycol = indexInfo->ii_IndexAttrNumbers[i];
478 : :
479 [ + + ]: 98 : if (keycol == 0)
480 : : {
481 : : /* Found an index expression */
482 : : Node *indexkey;
483 : :
484 [ - + ]: 92 : if (indexpr_item == NULL) /* shouldn't happen */
485 [ # # ]: 0 : elog(ERROR, "too few entries in indexprs list");
486 : 92 : indexkey = (Node *) lfirst(indexpr_item);
487 : 92 : indexpr_item = lnext(indexInfo->ii_Expressions,
488 : : indexpr_item);
489 : 184 : thisdata->vacattrstats[tcnt] =
490 : 92 : examine_attribute(Irel[ind], i + 1, indexkey);
491 [ + - ]: 92 : if (thisdata->vacattrstats[tcnt] != NULL)
492 : 92 : tcnt++;
493 : : }
494 : : }
495 : 92 : thisdata->attr_cnt = tcnt;
496 : : }
497 : : }
498 : : }
499 : :
500 : : /*
501 : : * Determine how many rows we need to sample, using the worst case from
502 : : * all analyzable columns. We use a lower bound of 100 rows to avoid
503 : : * possible overflow in Vitter's algorithm. (Note: that will also be the
504 : : * target in the corner case where there are no analyzable columns.)
505 : : */
506 : 10642 : targrows = 100;
507 [ + + ]: 85239 : for (i = 0; i < attr_cnt; i++)
508 : : {
509 [ + + ]: 74597 : if (targrows < vacattrstats[i]->minrows)
510 : 10593 : targrows = vacattrstats[i]->minrows;
511 : : }
512 [ + + ]: 25349 : for (ind = 0; ind < nindexes; ind++)
513 : : {
514 : 14707 : AnlIndexData *thisdata = &indexdata[ind];
515 : :
516 [ + + ]: 14799 : for (i = 0; i < thisdata->attr_cnt; i++)
517 : : {
518 [ + + ]: 92 : if (targrows < thisdata->vacattrstats[i]->minrows)
519 : 8 : targrows = thisdata->vacattrstats[i]->minrows;
520 : : }
521 : : }
522 : :
523 : : /*
524 : : * Look at extended statistics objects too, as those may define custom
525 : : * statistics target. So we may need to sample more rows and then build
526 : : * the statistics with enough detail.
527 : : */
528 : 10642 : minrows = ComputeExtStatisticsRows(onerel, attr_cnt, vacattrstats);
529 : :
530 [ - + ]: 10642 : if (targrows < minrows)
531 : 0 : targrows = minrows;
532 : :
533 : : /*
534 : : * Acquire the sample rows
535 : : */
536 : 10642 : rows = palloc_array(HeapTuple, targrows);
537 [ + + ]: 10642 : pgstat_progress_update_param(PROGRESS_ANALYZE_PHASE,
538 : : inh ? PROGRESS_ANALYZE_PHASE_ACQUIRE_SAMPLE_ROWS_INH :
539 : : PROGRESS_ANALYZE_PHASE_ACQUIRE_SAMPLE_ROWS);
540 [ + + ]: 10642 : if (inh)
541 : 602 : numrows = acquire_inherited_sample_rows(onerel, elevel,
542 : : rows, targrows,
543 : : &totalrows, &totaldeadrows);
544 : : else
545 : 10040 : numrows = (*acquirefunc) (onerel, elevel,
546 : : rows, targrows,
547 : : &totalrows, &totaldeadrows);
548 : :
549 : : /*
550 : : * Compute the statistics. Temporary results during the calculations for
551 : : * each column are stored in a child context. The calc routines are
552 : : * responsible to make sure that whatever they store into the VacAttrStats
553 : : * structure is allocated in anl_context.
554 : : */
555 [ + + ]: 10641 : if (numrows > 0)
556 : : {
557 : : MemoryContext col_context,
558 : : old_context;
559 : :
560 : 7095 : pgstat_progress_update_param(PROGRESS_ANALYZE_PHASE,
561 : : PROGRESS_ANALYZE_PHASE_COMPUTE_STATS);
562 : :
563 : 7095 : col_context = AllocSetContextCreate(anl_context,
564 : : "Analyze Column",
565 : : ALLOCSET_DEFAULT_SIZES);
566 : 7095 : old_context = MemoryContextSwitchTo(col_context);
567 : :
568 [ + + ]: 59963 : for (i = 0; i < attr_cnt; i++)
569 : : {
570 : 52870 : VacAttrStats *stats = vacattrstats[i];
571 : : AttributeOpts *aopt;
572 : :
573 : 52870 : stats->rows = rows;
574 : 52870 : stats->tupDesc = onerel->rd_att;
575 : 52870 : stats->compute_stats(stats,
576 : : std_fetch_func,
577 : : numrows,
578 : : totalrows);
579 : :
580 : : /*
581 : : * If the appropriate flavor of the n_distinct option is
582 : : * specified, override with the corresponding value.
583 : : */
584 : 52868 : aopt = get_attribute_options(onerel->rd_id, stats->tupattnum);
585 [ + + ]: 52868 : if (aopt != NULL)
586 : : {
587 : : float8 n_distinct;
588 : :
589 [ - + ]: 4 : n_distinct = inh ? aopt->n_distinct_inherited : aopt->n_distinct;
590 [ + - ]: 4 : if (n_distinct != 0.0)
591 : 4 : stats->stadistinct = n_distinct;
592 : : }
593 : :
594 : 52868 : MemoryContextReset(col_context);
595 : : }
596 : :
597 [ + + ]: 7093 : if (nindexes > 0)
598 : 4435 : compute_index_stats(onerel, totalrows,
599 : : indexdata, nindexes,
600 : : rows, numrows,
601 : : col_context);
602 : :
603 : 7089 : MemoryContextSwitchTo(old_context);
604 : 7089 : MemoryContextDelete(col_context);
605 : :
606 : : /*
607 : : * Emit the completed stats rows into pg_statistic, replacing any
608 : : * previous statistics for the target columns. (If there are stats in
609 : : * pg_statistic for columns we didn't process, we leave them alone.)
610 : : */
611 : 7089 : update_attstats(RelationGetRelid(onerel), inh,
612 : : attr_cnt, vacattrstats);
613 : :
614 [ + + ]: 15620 : for (ind = 0; ind < nindexes; ind++)
615 : : {
616 : 8531 : AnlIndexData *thisdata = &indexdata[ind];
617 : :
618 : 8531 : update_attstats(RelationGetRelid(Irel[ind]), false,
619 : : thisdata->attr_cnt, thisdata->vacattrstats);
620 : : }
621 : :
622 : : /* Build extended statistics (if there are any). */
623 : 7089 : BuildRelationExtStatistics(onerel, inh, totalrows, numrows, rows,
624 : : attr_cnt, vacattrstats);
625 : : }
626 : :
627 : 10635 : pgstat_progress_update_param(PROGRESS_ANALYZE_PHASE,
628 : : PROGRESS_ANALYZE_PHASE_FINALIZE_ANALYZE);
629 : :
630 : : /*
631 : : * Update pages/tuples stats in pg_class ... but not if we're doing
632 : : * inherited stats.
633 : : *
634 : : * We assume that VACUUM hasn't set pg_class.reltuples already, even
635 : : * during a VACUUM ANALYZE. Although VACUUM often updates pg_class,
636 : : * exceptions exist. A "VACUUM (ANALYZE, INDEX_CLEANUP OFF)" command will
637 : : * never update pg_class entries for index relations. It's also possible
638 : : * that an individual index's pg_class entry won't be updated during
639 : : * VACUUM if the index AM returns NULL from its amvacuumcleanup() routine.
640 : : */
641 [ + + ]: 10635 : if (!inh)
642 : : {
643 : 10033 : BlockNumber relallvisible = 0;
644 : 10033 : BlockNumber relallfrozen = 0;
645 : :
646 [ + + + - : 10033 : if (RELKIND_HAS_STORAGE(onerel->rd_rel->relkind))
+ - + - +
+ ]
647 : 9996 : visibilitymap_count(onerel, &relallvisible, &relallfrozen);
648 : :
649 : : /*
650 : : * Update pg_class for table relation. CCI first, in case acquirefunc
651 : : * updated pg_class.
652 : : */
653 : 10033 : CommandCounterIncrement();
654 : 10033 : vac_update_relstats(onerel,
655 : : relpages,
656 : : totalrows,
657 : : relallvisible,
658 : : relallfrozen,
659 : : hasindex,
660 : : InvalidTransactionId,
661 : : InvalidMultiXactId,
662 : : NULL, NULL,
663 : : in_outer_xact);
664 : :
665 : : /* Same for indexes */
666 [ + + ]: 24723 : for (ind = 0; ind < nindexes; ind++)
667 : : {
668 : 14690 : AnlIndexData *thisdata = &indexdata[ind];
669 : : double totalindexrows;
670 : :
671 : 14690 : totalindexrows = ceil(thisdata->tupleFract * totalrows);
672 : 14690 : vac_update_relstats(Irel[ind],
673 : 14690 : RelationGetNumberOfBlocks(Irel[ind]),
674 : : totalindexrows,
675 : : 0, 0,
676 : : false,
677 : : InvalidTransactionId,
678 : : InvalidMultiXactId,
679 : : NULL, NULL,
680 : : in_outer_xact);
681 : : }
682 : : }
683 [ + + ]: 602 : else if (onerel->rd_rel->relkind == RELKIND_PARTITIONED_TABLE)
684 : : {
685 : : /*
686 : : * Partitioned tables don't have storage, so we don't set any fields
687 : : * in their pg_class entries except for reltuples and relhasindex.
688 : : */
689 : 505 : CommandCounterIncrement();
690 : 505 : vac_update_relstats(onerel, -1, totalrows,
691 : : 0, 0, hasindex, InvalidTransactionId,
692 : : InvalidMultiXactId,
693 : : NULL, NULL,
694 : : in_outer_xact);
695 : : }
696 : :
697 : : /*
698 : : * Now report ANALYZE to the cumulative stats system. For regular tables,
699 : : * we do it only if not doing inherited stats. For partitioned tables, we
700 : : * only do it for inherited stats. (We're never called for not-inherited
701 : : * stats on partitioned tables anyway.)
702 : : *
703 : : * Reset the mod_since_analyze counter only if we analyzed all columns;
704 : : * otherwise, there is still work for auto-analyze to do.
705 : : */
706 [ + + ]: 10635 : if (!inh)
707 : 10033 : pgstat_report_analyze(onerel, totalrows, totaldeadrows,
708 : : (va_cols == NIL), starttime);
709 [ + + ]: 602 : else if (onerel->rd_rel->relkind == RELKIND_PARTITIONED_TABLE)
710 : 505 : pgstat_report_analyze(onerel, 0, 0, (va_cols == NIL), starttime);
711 : :
712 : : /*
713 : : * If this isn't part of VACUUM ANALYZE, let index AMs do cleanup.
714 : : *
715 : : * Note that most index AMs perform a no-op as a matter of policy for
716 : : * amvacuumcleanup() when called in ANALYZE-only mode. The only exception
717 : : * among core index AMs is GIN/ginvacuumcleanup().
718 : : */
719 [ + + ]: 10635 : if (!(params->options & VACOPT_VACUUM))
720 : : {
721 [ + + ]: 19893 : for (ind = 0; ind < nindexes; ind++)
722 : : {
723 : : IndexBulkDeleteResult *stats;
724 : : IndexVacuumInfo ivinfo;
725 : :
726 : 11320 : ivinfo.index = Irel[ind];
727 : 11320 : ivinfo.heaprel = onerel;
728 : 11320 : ivinfo.analyze_only = true;
729 : 11320 : ivinfo.estimated_count = true;
730 : 11320 : ivinfo.message_level = elevel;
731 : 11320 : ivinfo.num_heap_tuples = onerel->rd_rel->reltuples;
732 : 11320 : ivinfo.strategy = vac_strategy;
733 : :
734 : 11320 : stats = index_vacuum_cleanup(&ivinfo, NULL);
735 : :
736 [ - + ]: 11320 : if (stats)
737 : 0 : pfree(stats);
738 : : }
739 : : }
740 : :
741 : : /* Done with indexes */
742 : 10635 : vac_close_indexes(nindexes, Irel, NoLock);
743 : :
744 : : /* Log the action if appropriate */
745 [ + + ]: 10635 : if (instrument)
746 : : {
747 : 469 : TimestampTz endtime = GetCurrentTimestamp();
748 : :
749 [ + - + + : 830 : if (verbose || params->log_analyze_min_duration == 0 ||
- + ]
750 : 361 : TimestampDifferenceExceeds(starttime, endtime,
751 : 361 : params->log_analyze_min_duration))
752 : : {
753 : : long delay_in_ms;
754 : : WalUsage walusage;
755 : 108 : double read_rate = 0;
756 : 108 : double write_rate = 0;
757 : : char *msgfmt;
758 : : StringInfoData buf;
759 : : int64 total_blks_hit;
760 : : int64 total_blks_read;
761 : : int64 total_blks_dirtied;
762 : :
763 : 108 : memset(&bufferusage, 0, sizeof(BufferUsage));
764 : 108 : BufferUsageAccumDiff(&bufferusage, &pgBufferUsage, &startbufferusage);
765 : 108 : memset(&walusage, 0, sizeof(WalUsage));
766 : 108 : WalUsageAccumDiff(&walusage, &pgWalUsage, &startwalusage);
767 : :
768 : 108 : total_blks_hit = bufferusage.shared_blks_hit +
769 : 108 : bufferusage.local_blks_hit;
770 : 108 : total_blks_read = bufferusage.shared_blks_read +
771 : 108 : bufferusage.local_blks_read;
772 : 108 : total_blks_dirtied = bufferusage.shared_blks_dirtied +
773 : 108 : bufferusage.local_blks_dirtied;
774 : :
775 : : /*
776 : : * We do not expect an analyze to take > 25 days and it simplifies
777 : : * things a bit to use TimestampDifferenceMilliseconds.
778 : : */
779 : 108 : delay_in_ms = TimestampDifferenceMilliseconds(starttime, endtime);
780 : :
781 : : /*
782 : : * Note that we are reporting these read/write rates in the same
783 : : * manner as VACUUM does, which means that while the 'average read
784 : : * rate' here actually corresponds to page misses and resulting
785 : : * reads which are also picked up by track_io_timing, if enabled,
786 : : * the 'average write rate' is actually talking about the rate of
787 : : * pages being dirtied, not being written out, so it's typical to
788 : : * have a non-zero 'avg write rate' while I/O timings only reports
789 : : * reads.
790 : : *
791 : : * It's not clear that an ANALYZE will ever result in
792 : : * FlushBuffer() being called, but we track and support reporting
793 : : * on I/O write time in case that changes as it's practically free
794 : : * to do so anyway.
795 : : */
796 : :
797 [ + - ]: 108 : if (delay_in_ms > 0)
798 : : {
799 : 108 : read_rate = (double) BLCKSZ * total_blks_read /
800 : 108 : (1024 * 1024) / (delay_in_ms / 1000.0);
801 : 108 : write_rate = (double) BLCKSZ * total_blks_dirtied /
802 : 108 : (1024 * 1024) / (delay_in_ms / 1000.0);
803 : : }
804 : :
805 : : /*
806 : : * We split this up so we don't emit empty I/O timing values when
807 : : * track_io_timing isn't enabled.
808 : : */
809 : :
810 : 108 : initStringInfo(&buf);
811 : :
812 [ + - ]: 108 : if (AmAutoVacuumWorkerProcess())
813 : 108 : msgfmt = _("automatic analyze of table \"%s.%s.%s\"\n");
814 : : else
815 : 0 : msgfmt = _("finished analyzing table \"%s.%s.%s\"\n");
816 : :
817 : 108 : appendStringInfo(&buf, msgfmt,
818 : : get_database_name(MyDatabaseId),
819 : 108 : get_namespace_name(RelationGetNamespace(onerel)),
820 : 108 : RelationGetRelationName(onerel));
821 [ - + ]: 108 : if (track_cost_delay_timing)
822 : : {
823 : : /*
824 : : * We bypass the changecount mechanism because this value is
825 : : * only updated by the calling process.
826 : : */
827 : 0 : appendStringInfo(&buf, _("delay time: %.3f ms\n"),
828 : 0 : (double) MyBEEntry->st_progress_param[PROGRESS_ANALYZE_DELAY_TIME] / 1000000.0);
829 : : }
830 [ - + ]: 108 : if (track_io_timing)
831 : : {
832 : 0 : double read_ms = (double) (pgStatBlockReadTime - startreadtime) / 1000;
833 : 0 : double write_ms = (double) (pgStatBlockWriteTime - startwritetime) / 1000;
834 : :
835 : 0 : appendStringInfo(&buf, _("I/O timings: read: %.3f ms, write: %.3f ms\n"),
836 : : read_ms, write_ms);
837 : : }
838 : 108 : appendStringInfo(&buf, _("avg read rate: %.3f MB/s, avg write rate: %.3f MB/s\n"),
839 : : read_rate, write_rate);
840 : 108 : appendStringInfo(&buf, _("buffer usage: %" PRId64 " hits, %" PRId64 " reads, %" PRId64 " dirtied\n"),
841 : : total_blks_hit,
842 : : total_blks_read,
843 : : total_blks_dirtied);
844 : 108 : appendStringInfo(&buf,
845 : 108 : _("WAL usage: %" PRId64 " records, %" PRId64 " full page images, %" PRIu64 " bytes, %" PRIu64 " full page image bytes, %" PRId64 " buffers full\n"),
846 : : walusage.wal_records,
847 : : walusage.wal_fpi,
848 : : walusage.wal_bytes,
849 : : walusage.wal_fpi_bytes,
850 : : walusage.wal_buffers_full);
851 : 108 : appendStringInfo(&buf, _("system usage: %s"), pg_rusage_show(&ru0));
852 : :
853 [ - + + - ]: 108 : ereport(verbose ? INFO : LOG,
854 : : (errmsg_internal("%s", buf.data)));
855 : :
856 : 108 : pfree(buf.data);
857 : : }
858 : : }
859 : :
860 : : /* Roll back any GUC changes executed by index functions */
861 : 10635 : AtEOXact_GUC(false, save_nestlevel);
862 : :
863 : : /* Restore userid and security context */
864 : 10635 : SetUserIdAndSecContext(save_userid, save_sec_context);
865 : :
866 : : /* Restore current context and release memory */
867 : 10635 : MemoryContextSwitchTo(caller_context);
868 : 10635 : MemoryContextDelete(anl_context);
869 : 10635 : anl_context = NULL;
870 : 10635 : }
871 : :
872 : : /*
873 : : * Compute statistics about indexes of a relation
874 : : */
875 : : static void
876 : 4435 : compute_index_stats(Relation onerel, double totalrows,
877 : : AnlIndexData *indexdata, int nindexes,
878 : : HeapTuple *rows, int numrows,
879 : : MemoryContext col_context)
880 : : {
881 : : MemoryContext ind_context,
882 : : old_context;
883 : : Datum values[INDEX_MAX_KEYS];
884 : : bool isnull[INDEX_MAX_KEYS];
885 : : int ind,
886 : : i;
887 : :
888 : 4435 : ind_context = AllocSetContextCreate(anl_context,
889 : : "Analyze Index",
890 : : ALLOCSET_DEFAULT_SIZES);
891 : 4435 : old_context = MemoryContextSwitchTo(ind_context);
892 : :
893 [ + + ]: 12970 : for (ind = 0; ind < nindexes; ind++)
894 : : {
895 : 8539 : AnlIndexData *thisdata = &indexdata[ind];
896 : 8539 : IndexInfo *indexInfo = thisdata->indexInfo;
897 : 8539 : int attr_cnt = thisdata->attr_cnt;
898 : : TupleTableSlot *slot;
899 : : EState *estate;
900 : : ExprContext *econtext;
901 : : ExprState *predicate;
902 : : Datum *exprvals;
903 : : bool *exprnulls;
904 : : int numindexrows,
905 : : tcnt,
906 : : rowno;
907 : : double totalindexrows;
908 : :
909 : : /* Ignore index if no columns to analyze and not partial */
910 [ + + + + ]: 8539 : if (attr_cnt == 0 && indexInfo->ii_Predicate == NIL)
911 : 8422 : continue;
912 : :
913 : : /*
914 : : * Need an EState for evaluation of index expressions and
915 : : * partial-index predicates. Create it in the per-index context to be
916 : : * sure it gets cleaned up at the bottom of the loop.
917 : : */
918 : 117 : estate = CreateExecutorState();
919 [ - + ]: 117 : econtext = GetPerTupleExprContext(estate);
920 : : /* Need a slot to hold the current heap tuple, too */
921 : 117 : slot = MakeSingleTupleTableSlot(RelationGetDescr(onerel),
922 : : &TTSOpsHeapTuple);
923 : :
924 : : /* Arrange for econtext's scan tuple to be the tuple under test */
925 : 117 : econtext->ecxt_scantuple = slot;
926 : :
927 : : /* Set up execution state for predicate. */
928 : 117 : predicate = ExecPrepareQual(indexInfo->ii_Predicate, estate);
929 : :
930 : : /* Compute and save index expression values */
931 : 117 : exprvals = palloc_array(Datum, numrows * attr_cnt);
932 : 117 : exprnulls = palloc_array(bool, numrows * attr_cnt);
933 : 117 : numindexrows = 0;
934 : 117 : tcnt = 0;
935 [ + + ]: 231230 : for (rowno = 0; rowno < numrows; rowno++)
936 : : {
937 : 231117 : HeapTuple heapTuple = rows[rowno];
938 : :
939 : 231117 : vacuum_delay_point(true);
940 : :
941 : : /*
942 : : * Reset the per-tuple context each time, to reclaim any cruft
943 : : * left behind by evaluating the predicate or index expressions.
944 : : */
945 : 231117 : ResetExprContext(econtext);
946 : :
947 : : /* Set up for predicate or expression evaluation */
948 : 231117 : ExecStoreHeapTuple(heapTuple, slot, false);
949 : :
950 : : /* If index is partial, check predicate */
951 [ + + ]: 231117 : if (predicate != NULL)
952 : : {
953 [ + + ]: 97036 : if (!ExecQual(predicate, econtext))
954 : 56552 : continue;
955 : : }
956 : 174565 : numindexrows++;
957 : :
958 [ + + ]: 174565 : if (attr_cnt > 0)
959 : : {
960 : : /*
961 : : * Evaluate the index row to compute expression values. We
962 : : * could do this by hand, but FormIndexDatum is convenient.
963 : : */
964 : 134081 : FormIndexDatum(indexInfo,
965 : : slot,
966 : : estate,
967 : : values,
968 : : isnull);
969 : :
970 : : /*
971 : : * Save just the columns we care about. We copy the values
972 : : * into ind_context from the estate's per-tuple context.
973 : : */
974 [ + + ]: 268154 : for (i = 0; i < attr_cnt; i++)
975 : : {
976 : 134077 : VacAttrStats *stats = thisdata->vacattrstats[i];
977 : 134077 : int attnum = stats->tupattnum;
978 : :
979 [ + + ]: 134077 : if (isnull[attnum - 1])
980 : : {
981 : 8 : exprvals[tcnt] = (Datum) 0;
982 : 8 : exprnulls[tcnt] = true;
983 : : }
984 : : else
985 : : {
986 : 268138 : exprvals[tcnt] = datumCopy(values[attnum - 1],
987 : 134069 : stats->attrtype->typbyval,
988 : 134069 : stats->attrtype->typlen);
989 : 134069 : exprnulls[tcnt] = false;
990 : : }
991 : 134077 : tcnt++;
992 : : }
993 : : }
994 : : }
995 : :
996 : : /*
997 : : * Having counted the number of rows that pass the predicate in the
998 : : * sample, we can estimate the total number of rows in the index.
999 : : */
1000 : 113 : thisdata->tupleFract = (double) numindexrows / (double) numrows;
1001 : 113 : totalindexrows = ceil(thisdata->tupleFract * totalrows);
1002 : :
1003 : : /*
1004 : : * Now we can compute the statistics for the expression columns.
1005 : : */
1006 [ + + ]: 113 : if (numindexrows > 0)
1007 : : {
1008 : 108 : MemoryContextSwitchTo(col_context);
1009 [ + + ]: 184 : for (i = 0; i < attr_cnt; i++)
1010 : : {
1011 : 76 : VacAttrStats *stats = thisdata->vacattrstats[i];
1012 : :
1013 : 76 : stats->exprvals = exprvals + i;
1014 : 76 : stats->exprnulls = exprnulls + i;
1015 : 76 : stats->rowstride = attr_cnt;
1016 : 76 : stats->compute_stats(stats,
1017 : : ind_fetch_func,
1018 : : numindexrows,
1019 : : totalindexrows);
1020 : :
1021 : 76 : MemoryContextReset(col_context);
1022 : : }
1023 : : }
1024 : :
1025 : : /* And clean up */
1026 : 113 : MemoryContextSwitchTo(ind_context);
1027 : :
1028 : 113 : ExecDropSingleTupleTableSlot(slot);
1029 : 113 : FreeExecutorState(estate);
1030 : 113 : MemoryContextReset(ind_context);
1031 : : }
1032 : :
1033 : 4431 : MemoryContextSwitchTo(old_context);
1034 : 4431 : MemoryContextDelete(ind_context);
1035 : 4431 : }
1036 : :
1037 : : /*
1038 : : * validate_va_cols_list -- validate the columns list given to analyze_rel
1039 : : *
1040 : : * Note that system attributes are never analyzed, so we just reject them at
1041 : : * the lookup stage. We also reject duplicate column mentions. (We could
1042 : : * alternatively ignore duplicates, but analyzing a column twice won't work;
1043 : : * we'd end up making a conflicting update in pg_statistic.)
1044 : : */
1045 : : static void
1046 : 75 : validate_va_cols_list(Relation onerel, List *va_cols)
1047 : : {
1048 : 75 : Bitmapset *unique_cols = NULL;
1049 : : ListCell *le;
1050 : :
1051 : : Assert(va_cols != NIL);
1052 [ + - + + : 139 : foreach(le, va_cols)
+ + ]
1053 : : {
1054 : 99 : char *col = strVal(lfirst(le));
1055 : 99 : int i = attnameAttNum(onerel, col, false);
1056 : :
1057 [ + + ]: 99 : if (i == InvalidAttrNumber)
1058 [ + - ]: 26 : ereport(ERROR,
1059 : : (errcode(ERRCODE_UNDEFINED_COLUMN),
1060 : : errmsg("column \"%s\" of relation \"%s\" does not exist",
1061 : : col, RelationGetRelationName(onerel))));
1062 [ + + ]: 73 : if (bms_is_member(i, unique_cols))
1063 [ + - ]: 9 : ereport(ERROR,
1064 : : (errcode(ERRCODE_DUPLICATE_COLUMN),
1065 : : errmsg("column \"%s\" of relation \"%s\" appears more than once",
1066 : : col, RelationGetRelationName(onerel))));
1067 : 64 : unique_cols = bms_add_member(unique_cols, i);
1068 : : }
1069 : 40 : }
1070 : :
1071 : : /*
1072 : : * examine_attribute -- pre-analysis of a single column
1073 : : *
1074 : : * Determine whether the column is analyzable; if so, create and initialize
1075 : : * a VacAttrStats struct for it. If not, return NULL.
1076 : : *
1077 : : * If index_expr isn't NULL, then we're trying to analyze an expression index,
1078 : : * and index_expr is the expression tree representing the column's data.
1079 : : */
1080 : : static VacAttrStats *
1081 : 74780 : examine_attribute(Relation onerel, int attnum, Node *index_expr)
1082 : : {
1083 : 74780 : Form_pg_attribute attr = TupleDescAttr(onerel->rd_att, attnum - 1);
1084 : : int attstattarget;
1085 : : HeapTuple typtuple;
1086 : : VacAttrStats *stats;
1087 : : int i;
1088 : : bool ok;
1089 : :
1090 : : /*
1091 : : * Check if the column is analyzable.
1092 : : */
1093 [ + + ]: 74780 : if (!attribute_is_analyzable(onerel, attnum, attr, &attstattarget))
1094 : 89 : return NULL;
1095 : :
1096 : : /*
1097 : : * Create the VacAttrStats struct.
1098 : : */
1099 : 74691 : stats = palloc0_object(VacAttrStats);
1100 : 74691 : stats->attstattarget = attstattarget;
1101 : :
1102 : : /*
1103 : : * When analyzing an expression index, believe the expression tree's type
1104 : : * not the column datatype --- the latter might be the opckeytype storage
1105 : : * type of the opclass, which is not interesting for our purposes. (Note:
1106 : : * if we did anything with non-expression index columns, we'd need to
1107 : : * figure out where to get the correct type info from, but for now that's
1108 : : * not a problem.) It's not clear whether anyone will care about the
1109 : : * typmod, but we store that too just in case.
1110 : : */
1111 [ + + ]: 74691 : if (index_expr)
1112 : : {
1113 : 92 : stats->attrtypid = exprType(index_expr);
1114 : 92 : stats->attrtypmod = exprTypmod(index_expr);
1115 : :
1116 : : /*
1117 : : * If a collation has been specified for the index column, use that in
1118 : : * preference to anything else; but if not, fall back to whatever we
1119 : : * can get from the expression.
1120 : : */
1121 [ + + ]: 92 : if (OidIsValid(onerel->rd_indcollation[attnum - 1]))
1122 : 9 : stats->attrcollid = onerel->rd_indcollation[attnum - 1];
1123 : : else
1124 : 83 : stats->attrcollid = exprCollation(index_expr);
1125 : : }
1126 : : else
1127 : : {
1128 : 74599 : stats->attrtypid = attr->atttypid;
1129 : 74599 : stats->attrtypmod = attr->atttypmod;
1130 : 74599 : stats->attrcollid = attr->attcollation;
1131 : : }
1132 : :
1133 : 74691 : typtuple = SearchSysCacheCopy1(TYPEOID,
1134 : : ObjectIdGetDatum(stats->attrtypid));
1135 [ - + ]: 74691 : if (!HeapTupleIsValid(typtuple))
1136 [ # # ]: 0 : elog(ERROR, "cache lookup failed for type %u", stats->attrtypid);
1137 : 74691 : stats->attrtype = (Form_pg_type) GETSTRUCT(typtuple);
1138 : 74691 : stats->anl_context = anl_context;
1139 : 74691 : stats->tupattnum = attnum;
1140 : :
1141 : : /*
1142 : : * The fields describing the stats->stavalues[n] element types default to
1143 : : * the type of the data being analyzed, but the type-specific typanalyze
1144 : : * function can change them if it wants to store something else.
1145 : : */
1146 [ + + ]: 448146 : for (i = 0; i < STATISTIC_NUM_SLOTS; i++)
1147 : : {
1148 : 373455 : stats->statypid[i] = stats->attrtypid;
1149 : 373455 : stats->statyplen[i] = stats->attrtype->typlen;
1150 : 373455 : stats->statypbyval[i] = stats->attrtype->typbyval;
1151 : 373455 : stats->statypalign[i] = stats->attrtype->typalign;
1152 : : }
1153 : :
1154 : : /*
1155 : : * Call the type-specific typanalyze function. If none is specified, use
1156 : : * std_typanalyze().
1157 : : */
1158 [ + + ]: 74691 : if (OidIsValid(stats->attrtype->typanalyze))
1159 : 5203 : ok = DatumGetBool(OidFunctionCall1(stats->attrtype->typanalyze,
1160 : : PointerGetDatum(stats)));
1161 : : else
1162 : 69488 : ok = std_typanalyze(stats);
1163 : :
1164 [ + + + - : 74691 : if (!ok || stats->compute_stats == NULL || stats->minrows <= 0)
- + ]
1165 : : {
1166 : 2 : heap_freetuple(typtuple);
1167 : 2 : pfree(stats);
1168 : 2 : return NULL;
1169 : : }
1170 : :
1171 : 74689 : return stats;
1172 : : }
1173 : :
1174 : : bool
1175 : 74797 : attribute_is_analyzable(Relation onerel, int attnum, Form_pg_attribute attr,
1176 : : int *p_attstattarget)
1177 : : {
1178 : : int attstattarget;
1179 : : HeapTuple atttuple;
1180 : : Datum dat;
1181 : : bool isnull;
1182 : :
1183 : : /* Never analyze dropped columns */
1184 [ + + ]: 74797 : if (attr->attisdropped)
1185 : 3 : return false;
1186 : :
1187 : : /* Don't analyze virtual generated columns */
1188 [ + + ]: 74794 : if (attr->attgenerated == ATTRIBUTE_GENERATED_VIRTUAL)
1189 : 79 : return false;
1190 : :
1191 : : /*
1192 : : * Get attstattarget value. Set to -1 if null. (Analyze functions expect
1193 : : * -1 to mean use default_statistics_target; see for example
1194 : : * std_typanalyze.)
1195 : : */
1196 : 74715 : atttuple = SearchSysCache2(ATTNUM, ObjectIdGetDatum(RelationGetRelid(onerel)), Int16GetDatum(attnum));
1197 [ - + ]: 74715 : if (!HeapTupleIsValid(atttuple))
1198 [ # # ]: 0 : elog(ERROR, "cache lookup failed for attribute %d of relation %u",
1199 : : attnum, RelationGetRelid(onerel));
1200 : 74715 : dat = SysCacheGetAttr(ATTNUM, atttuple, Anum_pg_attribute_attstattarget, &isnull);
1201 [ + + ]: 74715 : attstattarget = isnull ? -1 : DatumGetInt16(dat);
1202 : 74715 : ReleaseSysCache(atttuple);
1203 : :
1204 : : /* Don't analyze column if user has specified not to */
1205 [ + + ]: 74715 : if (attstattarget == 0)
1206 : 7 : return false;
1207 : :
1208 [ + + ]: 74708 : if (p_attstattarget)
1209 : 74691 : *p_attstattarget = attstattarget;
1210 : 74708 : return true;
1211 : : }
1212 : :
1213 : : /*
1214 : : * Read stream callback returning the next BlockNumber as chosen by the
1215 : : * BlockSampling algorithm.
1216 : : */
1217 : : static BlockNumber
1218 : 106151 : block_sampling_read_stream_next(ReadStream *stream,
1219 : : void *callback_private_data,
1220 : : void *per_buffer_data)
1221 : : {
1222 : 106151 : BlockSamplerData *bs = callback_private_data;
1223 : :
1224 [ + + ]: 106151 : return BlockSampler_HasMore(bs) ? BlockSampler_Next(bs) : InvalidBlockNumber;
1225 : : }
1226 : :
1227 : : /*
1228 : : * acquire_sample_rows -- acquire a random sample of rows from the table
1229 : : *
1230 : : * Selected rows are returned in the caller-allocated array rows[], which
1231 : : * must have at least targrows entries.
1232 : : * The actual number of rows selected is returned as the function result.
1233 : : * We also estimate the total numbers of live and dead rows in the table,
1234 : : * and return them into *totalrows and *totaldeadrows, respectively.
1235 : : *
1236 : : * The returned list of tuples is in order by physical position in the table.
1237 : : * (We will rely on this later to derive correlation estimates.)
1238 : : *
1239 : : * As of May 2004 we use a new two-stage method: Stage one selects up
1240 : : * to targrows random blocks (or all blocks, if there aren't so many).
1241 : : * Stage two scans these blocks and uses the Vitter algorithm to create
1242 : : * a random sample of targrows rows (or less, if there are less in the
1243 : : * sample of blocks). The two stages are executed simultaneously: each
1244 : : * block is processed as soon as stage one returns its number and while
1245 : : * the rows are read stage two controls which ones are to be inserted
1246 : : * into the sample.
1247 : : *
1248 : : * Although every row has an equal chance of ending up in the final
1249 : : * sample, this sampling method is not perfect: not every possible
1250 : : * sample has an equal chance of being selected. For large relations
1251 : : * the number of different blocks represented by the sample tends to be
1252 : : * too small. We can live with that for now. Improvements are welcome.
1253 : : *
1254 : : * An important property of this sampling method is that because we do
1255 : : * look at a statistically unbiased set of blocks, we should get
1256 : : * unbiased estimates of the average numbers of live and dead rows per
1257 : : * block. The previous sampling method put too much credence in the row
1258 : : * density near the start of the table.
1259 : : */
1260 : : static int
1261 : 11415 : acquire_sample_rows(Relation onerel, int elevel,
1262 : : HeapTuple *rows, int targrows,
1263 : : double *totalrows, double *totaldeadrows)
1264 : : {
1265 : 11415 : int numrows = 0; /* # rows now in reservoir */
1266 : 11415 : double samplerows = 0; /* total # rows collected */
1267 : 11415 : double liverows = 0; /* # live rows seen */
1268 : 11415 : double deadrows = 0; /* # dead rows seen */
1269 : 11415 : double rowstoskip = -1; /* -1 means not set yet */
1270 : : uint32 randseed; /* Seed for block sampler(s) */
1271 : : BlockNumber totalblocks;
1272 : : BlockSamplerData bs;
1273 : : ReservoirStateData rstate;
1274 : : TupleTableSlot *slot;
1275 : : TableScanDesc scan;
1276 : : BlockNumber nblocks;
1277 : 11415 : BlockNumber blksdone = 0;
1278 : : ReadStream *stream;
1279 : :
1280 : : Assert(targrows > 0);
1281 : :
1282 : 11415 : totalblocks = RelationGetNumberOfBlocks(onerel);
1283 : :
1284 : : /* Prepare for sampling block numbers */
1285 : 11415 : randseed = pg_prng_uint32(&pg_global_prng_state);
1286 : 11415 : nblocks = BlockSampler_Init(&bs, totalblocks, targrows, randseed);
1287 : :
1288 : : /* Report sampling block numbers */
1289 : 11415 : pgstat_progress_update_param(PROGRESS_ANALYZE_BLOCKS_TOTAL,
1290 : : nblocks);
1291 : :
1292 : : /* Prepare for sampling rows */
1293 : 11415 : reservoir_init_selection_state(&rstate, targrows);
1294 : :
1295 : 11415 : scan = table_beginscan_analyze(onerel);
1296 : 11415 : slot = table_slot_create(onerel, NULL);
1297 : :
1298 : : /*
1299 : : * It is safe to use batching, as block_sampling_read_stream_next never
1300 : : * blocks.
1301 : : */
1302 : 11415 : stream = read_stream_begin_relation(READ_STREAM_MAINTENANCE |
1303 : : READ_STREAM_USE_BATCHING,
1304 : : vac_strategy,
1305 : : scan->rs_rd,
1306 : : MAIN_FORKNUM,
1307 : : block_sampling_read_stream_next,
1308 : : &bs,
1309 : : 0);
1310 : :
1311 : : /* Outer loop over blocks to sample */
1312 [ + + ]: 106151 : while (table_scan_analyze_next_block(scan, stream))
1313 : : {
1314 : 94736 : vacuum_delay_point(true);
1315 : :
1316 [ + + ]: 8174908 : while (table_scan_analyze_next_tuple(scan, &liverows, &deadrows, slot))
1317 : : {
1318 : : /*
1319 : : * The first targrows sample rows are simply copied into the
1320 : : * reservoir. Then we start replacing tuples in the sample until
1321 : : * we reach the end of the relation. This algorithm is from Jeff
1322 : : * Vitter's paper (see full citation in utils/misc/sampling.c). It
1323 : : * works by repeatedly computing the number of tuples to skip
1324 : : * before selecting a tuple, which replaces a randomly chosen
1325 : : * element of the reservoir (current set of tuples). At all times
1326 : : * the reservoir is a true random sample of the tuples we've
1327 : : * passed over so far, so when we fall off the end of the relation
1328 : : * we're done.
1329 : : */
1330 [ + + ]: 8080172 : if (numrows < targrows)
1331 : 7509717 : rows[numrows++] = ExecCopySlotHeapTuple(slot);
1332 : : else
1333 : : {
1334 : : /*
1335 : : * t in Vitter's paper is the number of records already
1336 : : * processed. If we need to compute a new S value, we must
1337 : : * use the not-yet-incremented value of samplerows as t.
1338 : : */
1339 [ + + ]: 570455 : if (rowstoskip < 0)
1340 : 284266 : rowstoskip = reservoir_get_next_S(&rstate, samplerows, targrows);
1341 : :
1342 [ + + ]: 570455 : if (rowstoskip <= 0)
1343 : : {
1344 : : /*
1345 : : * Found a suitable tuple, so save it, replacing one old
1346 : : * tuple at random
1347 : : */
1348 : 284228 : int k = (int) (targrows * sampler_random_fract(&rstate.randstate));
1349 : :
1350 : : Assert(k >= 0 && k < targrows);
1351 : 284228 : heap_freetuple(rows[k]);
1352 : 284228 : rows[k] = ExecCopySlotHeapTuple(slot);
1353 : : }
1354 : :
1355 : 570455 : rowstoskip -= 1;
1356 : : }
1357 : :
1358 : 8080172 : samplerows += 1;
1359 : : }
1360 : :
1361 : 94736 : pgstat_progress_update_param(PROGRESS_ANALYZE_BLOCKS_DONE,
1362 : : ++blksdone);
1363 : : }
1364 : :
1365 : 11415 : read_stream_end(stream);
1366 : :
1367 : 11415 : ExecDropSingleTupleTableSlot(slot);
1368 : 11415 : table_endscan(scan);
1369 : :
1370 : : /*
1371 : : * If we didn't find as many tuples as we wanted then we're done. No sort
1372 : : * is needed, since they're already in order.
1373 : : *
1374 : : * Otherwise we need to sort the collected tuples by position
1375 : : * (itempointer). It's not worth worrying about corner cases where the
1376 : : * tuples are already sorted.
1377 : : */
1378 [ + + ]: 11415 : if (numrows == targrows)
1379 : 111 : qsort_interruptible(rows, numrows, sizeof(HeapTuple),
1380 : : compare_rows, NULL);
1381 : :
1382 : : /*
1383 : : * Estimate total numbers of live and dead rows in relation, extrapolating
1384 : : * on the assumption that the average tuple density in pages we didn't
1385 : : * scan is the same as in the pages we did scan. Since what we scanned is
1386 : : * a random sample of the pages in the relation, this should be a good
1387 : : * assumption.
1388 : : */
1389 [ + + ]: 11415 : if (bs.m > 0)
1390 : : {
1391 : 7924 : *totalrows = floor((liverows / bs.m) * totalblocks + 0.5);
1392 : 7924 : *totaldeadrows = floor((deadrows / bs.m) * totalblocks + 0.5);
1393 : : }
1394 : : else
1395 : : {
1396 : 3491 : *totalrows = 0.0;
1397 : 3491 : *totaldeadrows = 0.0;
1398 : : }
1399 : :
1400 : : /*
1401 : : * Emit some interesting relation info
1402 : : */
1403 [ + + ]: 11415 : ereport(elevel,
1404 : : (errmsg("\"%s\": scanned %d of %u pages, "
1405 : : "containing %.0f live rows and %.0f dead rows; "
1406 : : "%d rows in sample, %.0f estimated total rows",
1407 : : RelationGetRelationName(onerel),
1408 : : bs.m, totalblocks,
1409 : : liverows, deadrows,
1410 : : numrows, *totalrows)));
1411 : :
1412 : 11415 : return numrows;
1413 : : }
1414 : :
1415 : : /*
1416 : : * Comparator for sorting rows[] array
1417 : : */
1418 : : static int
1419 : 5248607 : compare_rows(const void *a, const void *b, void *arg)
1420 : : {
1421 : 5248607 : HeapTuple ha = *(const HeapTuple *) a;
1422 : 5248607 : HeapTuple hb = *(const HeapTuple *) b;
1423 : 5248607 : BlockNumber ba = ItemPointerGetBlockNumber(&ha->t_self);
1424 : 5248607 : OffsetNumber oa = ItemPointerGetOffsetNumber(&ha->t_self);
1425 : 5248607 : BlockNumber bb = ItemPointerGetBlockNumber(&hb->t_self);
1426 : 5248607 : OffsetNumber ob = ItemPointerGetOffsetNumber(&hb->t_self);
1427 : :
1428 [ + + ]: 5248607 : if (ba < bb)
1429 : 1388912 : return -1;
1430 [ + + ]: 3859695 : if (ba > bb)
1431 : 1383096 : return 1;
1432 [ + + ]: 2476599 : if (oa < ob)
1433 : 1438478 : return -1;
1434 [ + - ]: 1038121 : if (oa > ob)
1435 : 1038121 : return 1;
1436 : 0 : return 0;
1437 : : }
1438 : :
1439 : :
1440 : : /*
1441 : : * acquire_inherited_sample_rows -- acquire sample rows from inheritance tree
1442 : : *
1443 : : * This has the same API as acquire_sample_rows, except that rows are
1444 : : * collected from all inheritance children as well as the specified table.
1445 : : * We fail and return zero if there are no inheritance children, or if all
1446 : : * children are foreign tables that don't support ANALYZE.
1447 : : */
1448 : : static int
1449 : 602 : acquire_inherited_sample_rows(Relation onerel, int elevel,
1450 : : HeapTuple *rows, int targrows,
1451 : : double *totalrows, double *totaldeadrows)
1452 : : {
1453 : : List *tableOIDs;
1454 : : Relation *rels;
1455 : : AcquireSampleRowsFunc *acquirefuncs;
1456 : : double *relblocks;
1457 : : double totalblocks;
1458 : : int numrows,
1459 : : nrels,
1460 : : i;
1461 : : ListCell *lc;
1462 : : bool has_child;
1463 : :
1464 : : /* Initialize output parameters to zero now, in case we exit early */
1465 : 602 : *totalrows = 0;
1466 : 602 : *totaldeadrows = 0;
1467 : :
1468 : : /*
1469 : : * Find all members of inheritance set. We only need AccessShareLock on
1470 : : * the children.
1471 : : */
1472 : : tableOIDs =
1473 : 602 : find_all_inheritors(RelationGetRelid(onerel), AccessShareLock, NULL);
1474 : :
1475 : : /*
1476 : : * Check that there's at least one descendant, else fail. This could
1477 : : * happen despite analyze_rel's relhassubclass check, if table once had a
1478 : : * child but no longer does. In that case, we can clear the
1479 : : * relhassubclass field so as not to make the same mistake again later.
1480 : : * (This is safe because we hold ShareUpdateExclusiveLock.)
1481 : : */
1482 [ + + ]: 602 : if (list_length(tableOIDs) < 2)
1483 : : {
1484 : : /* CCI because we already updated the pg_class row in this command */
1485 : 13 : CommandCounterIncrement();
1486 : 13 : SetRelationHasSubclass(RelationGetRelid(onerel), false);
1487 [ - + ]: 13 : ereport(elevel,
1488 : : (errmsg("skipping analyze of \"%s.%s\" inheritance tree --- this inheritance tree contains no child tables",
1489 : : get_namespace_name(RelationGetNamespace(onerel)),
1490 : : RelationGetRelationName(onerel))));
1491 : 13 : return 0;
1492 : : }
1493 : :
1494 : : /*
1495 : : * Identify acquirefuncs to use, and count blocks in all the relations.
1496 : : * The result could overflow BlockNumber, so we use double arithmetic.
1497 : : */
1498 : 589 : rels = palloc_array(Relation, list_length(tableOIDs));
1499 : 589 : acquirefuncs = palloc_array(AcquireSampleRowsFunc, list_length(tableOIDs));
1500 : 589 : relblocks = palloc_array(double, list_length(tableOIDs));
1501 : 589 : totalblocks = 0;
1502 : 589 : nrels = 0;
1503 : 589 : has_child = false;
1504 [ + - + + : 2672 : foreach(lc, tableOIDs)
+ + ]
1505 : : {
1506 : 2083 : Oid childOID = lfirst_oid(lc);
1507 : : Relation childrel;
1508 : 2083 : AcquireSampleRowsFunc acquirefunc = NULL;
1509 : 2083 : BlockNumber relpages = 0;
1510 : :
1511 : : /* We already got the needed lock */
1512 : 2083 : childrel = table_open(childOID, NoLock);
1513 : :
1514 : : /* Ignore if temp table of another backend */
1515 [ + + - + ]: 2083 : if (RELATION_IS_OTHER_TEMP(childrel))
1516 : : {
1517 : : /* ... but release the lock on it */
1518 : : Assert(childrel != onerel);
1519 : 0 : table_close(childrel, AccessShareLock);
1520 : 553 : continue;
1521 : : }
1522 : :
1523 : : /* Check table type (MATVIEW can't happen, but might as well allow) */
1524 [ + + ]: 2083 : if (childrel->rd_rel->relkind == RELKIND_RELATION ||
1525 [ - + ]: 568 : childrel->rd_rel->relkind == RELKIND_MATVIEW)
1526 : : {
1527 : : /* Regular table, so use the regular row acquisition function */
1528 : 1515 : acquirefunc = acquire_sample_rows;
1529 : 1515 : relpages = RelationGetNumberOfBlocks(childrel);
1530 : : }
1531 [ + + ]: 568 : else if (childrel->rd_rel->relkind == RELKIND_FOREIGN_TABLE)
1532 : : {
1533 : : /*
1534 : : * For a foreign table, call the FDW's hook function to see
1535 : : * whether it supports analysis.
1536 : : */
1537 : : FdwRoutine *fdwroutine;
1538 : 15 : bool ok = false;
1539 : :
1540 : 15 : fdwroutine = GetFdwRoutineForRelation(childrel, false);
1541 : :
1542 [ + - ]: 15 : if (fdwroutine->AnalyzeForeignTable != NULL)
1543 : 15 : ok = fdwroutine->AnalyzeForeignTable(childrel,
1544 : : &acquirefunc,
1545 : : &relpages);
1546 : :
1547 [ - + ]: 15 : if (!ok)
1548 : : {
1549 : : /* ignore, but release the lock on it */
1550 : : Assert(childrel != onerel);
1551 : 0 : table_close(childrel, AccessShareLock);
1552 : 0 : continue;
1553 : : }
1554 : : }
1555 : : else
1556 : : {
1557 : : /*
1558 : : * ignore, but release the lock on it. don't try to unlock the
1559 : : * passed-in relation
1560 : : */
1561 : : Assert(childrel->rd_rel->relkind == RELKIND_PARTITIONED_TABLE);
1562 [ + + ]: 553 : if (childrel != onerel)
1563 : 52 : table_close(childrel, AccessShareLock);
1564 : : else
1565 : 501 : table_close(childrel, NoLock);
1566 : 553 : continue;
1567 : : }
1568 : :
1569 : : /* OK, we'll process this child */
1570 : 1530 : has_child = true;
1571 : 1530 : rels[nrels] = childrel;
1572 : 1530 : acquirefuncs[nrels] = acquirefunc;
1573 : 1530 : relblocks[nrels] = (double) relpages;
1574 : 1530 : totalblocks += (double) relpages;
1575 : 1530 : nrels++;
1576 : : }
1577 : :
1578 : : /*
1579 : : * If we don't have at least one child table to consider, fail. If the
1580 : : * relation is a partitioned table, it's not counted as a child table.
1581 : : */
1582 [ - + ]: 589 : if (!has_child)
1583 : : {
1584 [ # # ]: 0 : ereport(elevel,
1585 : : (errmsg("skipping analyze of \"%s.%s\" inheritance tree --- this inheritance tree contains no analyzable child tables",
1586 : : get_namespace_name(RelationGetNamespace(onerel)),
1587 : : RelationGetRelationName(onerel))));
1588 : 0 : return 0;
1589 : : }
1590 : :
1591 : : /*
1592 : : * Now sample rows from each relation, proportionally to its fraction of
1593 : : * the total block count. (This might be less than desirable if the child
1594 : : * rels have radically different free-space percentages, but it's not
1595 : : * clear that it's worth working harder.)
1596 : : */
1597 : 589 : pgstat_progress_update_param(PROGRESS_ANALYZE_CHILD_TABLES_TOTAL,
1598 : : nrels);
1599 : 589 : numrows = 0;
1600 [ + + ]: 2119 : for (i = 0; i < nrels; i++)
1601 : : {
1602 : 1530 : Relation childrel = rels[i];
1603 : 1530 : AcquireSampleRowsFunc acquirefunc = acquirefuncs[i];
1604 : 1530 : double childblocks = relblocks[i];
1605 : :
1606 : : /*
1607 : : * Report progress. The sampling function will normally report blocks
1608 : : * done/total, but we need to reset them to 0 here, so that they don't
1609 : : * show an old value until that.
1610 : : */
1611 : : {
1612 : 1530 : const int progress_index[] = {
1613 : : PROGRESS_ANALYZE_CURRENT_CHILD_TABLE_RELID,
1614 : : PROGRESS_ANALYZE_BLOCKS_DONE,
1615 : : PROGRESS_ANALYZE_BLOCKS_TOTAL
1616 : : };
1617 : 1530 : const int64 progress_vals[] = {
1618 : 1530 : RelationGetRelid(childrel),
1619 : : 0,
1620 : : 0,
1621 : : };
1622 : :
1623 : 1530 : pgstat_progress_update_multi_param(3, progress_index, progress_vals);
1624 : : }
1625 : :
1626 [ + + ]: 1530 : if (childblocks > 0)
1627 : : {
1628 : : int childtargrows;
1629 : :
1630 : 1428 : childtargrows = (int) rint(targrows * childblocks / totalblocks);
1631 : : /* Make sure we don't overrun due to roundoff error */
1632 : 1428 : childtargrows = Min(childtargrows, targrows - numrows);
1633 [ + - ]: 1428 : if (childtargrows > 0)
1634 : : {
1635 : : int childrows;
1636 : : double trows,
1637 : : tdrows;
1638 : :
1639 : : /* Fetch a random sample of the child's rows */
1640 : 1428 : childrows = (*acquirefunc) (childrel, elevel,
1641 : 1428 : rows + numrows, childtargrows,
1642 : : &trows, &tdrows);
1643 : :
1644 : : /* We may need to convert from child's rowtype to parent's */
1645 [ + - ]: 1428 : if (childrows > 0 &&
1646 [ + + ]: 1428 : !equalRowTypes(RelationGetDescr(childrel),
1647 : : RelationGetDescr(onerel)))
1648 : : {
1649 : : TupleConversionMap *map;
1650 : :
1651 : 1356 : map = convert_tuples_by_name(RelationGetDescr(childrel),
1652 : : RelationGetDescr(onerel));
1653 [ + + ]: 1356 : if (map != NULL)
1654 : : {
1655 : : int j;
1656 : :
1657 [ + + ]: 70915 : for (j = 0; j < childrows; j++)
1658 : : {
1659 : : HeapTuple newtup;
1660 : :
1661 : 70825 : newtup = execute_attr_map_tuple(rows[numrows + j], map);
1662 : 70825 : heap_freetuple(rows[numrows + j]);
1663 : 70825 : rows[numrows + j] = newtup;
1664 : : }
1665 : 90 : free_conversion_map(map);
1666 : : }
1667 : : }
1668 : :
1669 : : /* And add to counts */
1670 : 1428 : numrows += childrows;
1671 : 1428 : *totalrows += trows;
1672 : 1428 : *totaldeadrows += tdrows;
1673 : : }
1674 : : }
1675 : :
1676 : : /*
1677 : : * Note: we cannot release the child-table locks, since we may have
1678 : : * pointers to their TOAST tables in the sampled rows.
1679 : : */
1680 : 1530 : table_close(childrel, NoLock);
1681 : 1530 : pgstat_progress_update_param(PROGRESS_ANALYZE_CHILD_TABLES_DONE,
1682 : 1530 : i + 1);
1683 : : }
1684 : :
1685 : 589 : return numrows;
1686 : : }
1687 : :
1688 : :
1689 : : /*
1690 : : * update_attstats() -- update attribute statistics for one relation
1691 : : *
1692 : : * Statistics are stored in several places: the pg_class row for the
1693 : : * relation has stats about the whole relation, and there is a
1694 : : * pg_statistic row for each (non-system) attribute that has ever
1695 : : * been analyzed. The pg_class values are updated by VACUUM, not here.
1696 : : *
1697 : : * pg_statistic rows are just added or updated normally. This means
1698 : : * that pg_statistic will probably contain some deleted rows at the
1699 : : * completion of a vacuum cycle, unless it happens to get vacuumed last.
1700 : : *
1701 : : * To keep things simple, we punt for pg_statistic, and don't try
1702 : : * to compute or store rows for pg_statistic itself in pg_statistic.
1703 : : * This could possibly be made to work, but it's not worth the trouble.
1704 : : * Note analyze_rel() has seen to it that we won't come here when
1705 : : * vacuuming pg_statistic itself.
1706 : : *
1707 : : * Note: there would be a race condition here if two backends could
1708 : : * ANALYZE the same table concurrently. Presently, we lock that out
1709 : : * by taking a self-exclusive lock on the relation in analyze_rel().
1710 : : */
1711 : : static void
1712 : 15620 : update_attstats(Oid relid, bool inh, int natts, VacAttrStats **vacattrstats)
1713 : : {
1714 : : Relation sd;
1715 : : int attno;
1716 : 15620 : CatalogIndexState indstate = NULL;
1717 : :
1718 [ + + ]: 15620 : if (natts <= 0)
1719 : 8464 : return; /* nothing to do */
1720 : :
1721 : 7156 : sd = table_open(StatisticRelationId, RowExclusiveLock);
1722 : :
1723 [ + + ]: 60098 : for (attno = 0; attno < natts; attno++)
1724 : : {
1725 : 52942 : VacAttrStats *stats = vacattrstats[attno];
1726 : : HeapTuple stup,
1727 : : oldtup;
1728 : : int i,
1729 : : k,
1730 : : n;
1731 : : Datum values[Natts_pg_statistic];
1732 : : bool nulls[Natts_pg_statistic];
1733 : : bool replaces[Natts_pg_statistic];
1734 : :
1735 : : /* Ignore attr if we weren't able to collect stats */
1736 [ + + ]: 52942 : if (!stats->stats_valid)
1737 : 6 : continue;
1738 : :
1739 : : /*
1740 : : * Construct a new pg_statistic tuple
1741 : : */
1742 [ + + ]: 1693952 : for (i = 0; i < Natts_pg_statistic; ++i)
1743 : : {
1744 : 1641016 : nulls[i] = false;
1745 : 1641016 : replaces[i] = true;
1746 : : }
1747 : :
1748 : 52936 : values[Anum_pg_statistic_starelid - 1] = ObjectIdGetDatum(relid);
1749 : 52936 : values[Anum_pg_statistic_staattnum - 1] = Int16GetDatum(stats->tupattnum);
1750 : 52936 : values[Anum_pg_statistic_stainherit - 1] = BoolGetDatum(inh);
1751 : 52936 : values[Anum_pg_statistic_stanullfrac - 1] = Float4GetDatum(stats->stanullfrac);
1752 : 52936 : values[Anum_pg_statistic_stawidth - 1] = Int32GetDatum(stats->stawidth);
1753 : 52936 : values[Anum_pg_statistic_stadistinct - 1] = Float4GetDatum(stats->stadistinct);
1754 : 52936 : i = Anum_pg_statistic_stakind1 - 1;
1755 [ + + ]: 317616 : for (k = 0; k < STATISTIC_NUM_SLOTS; k++)
1756 : : {
1757 : 264680 : values[i++] = Int16GetDatum(stats->stakind[k]); /* stakindN */
1758 : : }
1759 : 52936 : i = Anum_pg_statistic_staop1 - 1;
1760 [ + + ]: 317616 : for (k = 0; k < STATISTIC_NUM_SLOTS; k++)
1761 : : {
1762 : 264680 : values[i++] = ObjectIdGetDatum(stats->staop[k]); /* staopN */
1763 : : }
1764 : 52936 : i = Anum_pg_statistic_stacoll1 - 1;
1765 [ + + ]: 317616 : for (k = 0; k < STATISTIC_NUM_SLOTS; k++)
1766 : : {
1767 : 264680 : values[i++] = ObjectIdGetDatum(stats->stacoll[k]); /* stacollN */
1768 : : }
1769 : 52936 : i = Anum_pg_statistic_stanumbers1 - 1;
1770 [ + + ]: 317616 : for (k = 0; k < STATISTIC_NUM_SLOTS; k++)
1771 : : {
1772 [ + + ]: 264680 : if (stats->stanumbers[k] != NULL)
1773 : : {
1774 : 82438 : int nnum = stats->numnumbers[k];
1775 : 82438 : Datum *numdatums = palloc_array(Datum, nnum);
1776 : : ArrayType *arry;
1777 : :
1778 [ + + ]: 699659 : for (n = 0; n < nnum; n++)
1779 : 617221 : numdatums[n] = Float4GetDatum(stats->stanumbers[k][n]);
1780 : 82438 : arry = construct_array_builtin(numdatums, nnum, FLOAT4OID);
1781 : 82438 : values[i++] = PointerGetDatum(arry); /* stanumbersN */
1782 : : }
1783 : : else
1784 : : {
1785 : 182242 : nulls[i] = true;
1786 : 182242 : values[i++] = (Datum) 0;
1787 : : }
1788 : : }
1789 : 52936 : i = Anum_pg_statistic_stavalues1 - 1;
1790 [ + + ]: 317616 : for (k = 0; k < STATISTIC_NUM_SLOTS; k++)
1791 : : {
1792 [ + + ]: 264680 : if (stats->stavalues[k] != NULL)
1793 : : {
1794 : : ArrayType *arry;
1795 : :
1796 : 58275 : arry = construct_array(stats->stavalues[k],
1797 : : stats->numvalues[k],
1798 : : stats->statypid[k],
1799 : 58275 : stats->statyplen[k],
1800 : 58275 : stats->statypbyval[k],
1801 : 58275 : stats->statypalign[k]);
1802 : 58275 : values[i++] = PointerGetDatum(arry); /* stavaluesN */
1803 : : }
1804 : : else
1805 : : {
1806 : 206405 : nulls[i] = true;
1807 : 206405 : values[i++] = (Datum) 0;
1808 : : }
1809 : : }
1810 : :
1811 : : /* Is there already a pg_statistic tuple for this attribute? */
1812 : 105872 : oldtup = SearchSysCache3(STATRELATTINH,
1813 : : ObjectIdGetDatum(relid),
1814 : 52936 : Int16GetDatum(stats->tupattnum),
1815 : : BoolGetDatum(inh));
1816 : :
1817 : : /* Open index information when we know we need it */
1818 [ + + ]: 52936 : if (indstate == NULL)
1819 : 7152 : indstate = CatalogOpenIndexes(sd);
1820 : :
1821 [ + + ]: 52936 : if (HeapTupleIsValid(oldtup))
1822 : : {
1823 : : /* Yes, replace it */
1824 : 23872 : stup = heap_modify_tuple(oldtup,
1825 : : RelationGetDescr(sd),
1826 : : values,
1827 : : nulls,
1828 : : replaces);
1829 : 23872 : ReleaseSysCache(oldtup);
1830 : 23872 : CatalogTupleUpdateWithInfo(sd, &stup->t_self, stup, indstate);
1831 : : }
1832 : : else
1833 : : {
1834 : : /* No, insert new tuple */
1835 : 29064 : stup = heap_form_tuple(RelationGetDescr(sd), values, nulls);
1836 : 29064 : CatalogTupleInsertWithInfo(sd, stup, indstate);
1837 : : }
1838 : :
1839 : 52936 : heap_freetuple(stup);
1840 : : }
1841 : :
1842 [ + + ]: 7156 : if (indstate != NULL)
1843 : 7152 : CatalogCloseIndexes(indstate);
1844 : 7156 : table_close(sd, RowExclusiveLock);
1845 : : }
1846 : :
1847 : : /*
1848 : : * Standard fetch function for use by compute_stats subroutines.
1849 : : *
1850 : : * This exists to provide some insulation between compute_stats routines
1851 : : * and the actual storage of the sample data.
1852 : : */
1853 : : static Datum
1854 : 53962057 : std_fetch_func(VacAttrStatsP stats, int rownum, bool *isNull)
1855 : : {
1856 : 53962057 : int attnum = stats->tupattnum;
1857 : 53962057 : HeapTuple tuple = stats->rows[rownum];
1858 : 53962057 : TupleDesc tupDesc = stats->tupDesc;
1859 : :
1860 : 53962057 : return heap_getattr(tuple, attnum, tupDesc, isNull);
1861 : : }
1862 : :
1863 : : /*
1864 : : * Fetch function for analyzing index expressions.
1865 : : *
1866 : : * We have not bothered to construct index tuples, instead the data is
1867 : : * just in Datum arrays.
1868 : : */
1869 : : static Datum
1870 : 134077 : ind_fetch_func(VacAttrStatsP stats, int rownum, bool *isNull)
1871 : : {
1872 : : int i;
1873 : :
1874 : : /* exprvals and exprnulls are already offset for proper column */
1875 : 134077 : i = rownum * stats->rowstride;
1876 : 134077 : *isNull = stats->exprnulls[i];
1877 : 134077 : return stats->exprvals[i];
1878 : : }
1879 : :
1880 : :
1881 : : /*
1882 : : * ==========================================================================
1883 : : *
1884 : : * Code below this point represents the "standard" type-specific statistics
1885 : : * analysis algorithms. This code can be replaced on a per-data-type basis
1886 : : * by setting a nonzero value in pg_type.typanalyze.
1887 : : *
1888 : : *==========================================================================
1889 : : */
1890 : :
1891 : :
1892 : : /*
1893 : : * To avoid consuming too much memory during analysis and/or too much space
1894 : : * in the resulting pg_statistic rows, we ignore varlena datums that are wider
1895 : : * than WIDTH_THRESHOLD (after detoasting!). This is legitimate for MCV
1896 : : * and distinct-value calculations since a wide value is unlikely to be
1897 : : * duplicated at all, much less be a most-common value. For the same reason,
1898 : : * ignoring wide values will not affect our estimates of histogram bin
1899 : : * boundaries very much.
1900 : : */
1901 : : #define WIDTH_THRESHOLD 1024
1902 : :
1903 : : #define swapInt(a,b) do {int _tmp; _tmp=a; a=b; b=_tmp;} while(0)
1904 : : #define swapDatum(a,b) do {Datum _tmp; _tmp=a; a=b; b=_tmp;} while(0)
1905 : :
1906 : : /*
1907 : : * Extra information used by the default analysis routines
1908 : : */
1909 : : typedef struct
1910 : : {
1911 : : int count; /* # of duplicates */
1912 : : int first; /* values[] index of first occurrence */
1913 : : } ScalarMCVItem;
1914 : :
1915 : : typedef struct
1916 : : {
1917 : : SortSupport ssup;
1918 : : int *tupnoLink;
1919 : : } CompareScalarsContext;
1920 : :
1921 : :
1922 : : static void compute_trivial_stats(VacAttrStatsP stats,
1923 : : AnalyzeAttrFetchFunc fetchfunc,
1924 : : int samplerows,
1925 : : double totalrows);
1926 : : static void compute_distinct_stats(VacAttrStatsP stats,
1927 : : AnalyzeAttrFetchFunc fetchfunc,
1928 : : int samplerows,
1929 : : double totalrows);
1930 : : static void compute_scalar_stats(VacAttrStatsP stats,
1931 : : AnalyzeAttrFetchFunc fetchfunc,
1932 : : int samplerows,
1933 : : double totalrows);
1934 : : static int compare_scalars(const void *a, const void *b, void *arg);
1935 : : static int compare_mcvs(const void *a, const void *b, void *arg);
1936 : : static int analyze_mcv_list(int *mcv_counts,
1937 : : int num_mcv,
1938 : : double stadistinct,
1939 : : double stanullfrac,
1940 : : int samplerows,
1941 : : double totalrows);
1942 : :
1943 : :
1944 : : /*
1945 : : * std_typanalyze -- the default type-specific typanalyze function
1946 : : */
1947 : : bool
1948 : 75855 : std_typanalyze(VacAttrStats *stats)
1949 : : {
1950 : : Oid ltopr;
1951 : : Oid eqopr;
1952 : : StdAnalyzeData *mystats;
1953 : :
1954 : : /* If the attstattarget column is negative, use the default value */
1955 [ + + ]: 75855 : if (stats->attstattarget < 0)
1956 : 75239 : stats->attstattarget = default_statistics_target;
1957 : :
1958 : : /* Look for default "<" and "=" operators for column's type */
1959 : 75855 : get_sort_group_operators(stats->attrtypid,
1960 : : false, false, false,
1961 : : <opr, &eqopr, NULL,
1962 : : NULL);
1963 : :
1964 : : /* Save the operator info for compute_stats routines */
1965 : 75855 : mystats = palloc_object(StdAnalyzeData);
1966 : 75855 : mystats->eqopr = eqopr;
1967 [ + + ]: 75855 : mystats->eqfunc = OidIsValid(eqopr) ? get_opcode(eqopr) : InvalidOid;
1968 : 75855 : mystats->ltopr = ltopr;
1969 : 75855 : stats->extra_data = mystats;
1970 : :
1971 : : /*
1972 : : * Determine which standard statistics algorithm to use
1973 : : */
1974 [ + + + + ]: 75855 : if (OidIsValid(eqopr) && OidIsValid(ltopr))
1975 : : {
1976 : : /* Seems to be a scalar datatype */
1977 : 73658 : stats->compute_stats = compute_scalar_stats;
1978 : : /*--------------------
1979 : : * The following choice of minrows is based on the paper
1980 : : * "Random sampling for histogram construction: how much is enough?"
1981 : : * by Surajit Chaudhuri, Rajeev Motwani and Vivek Narasayya, in
1982 : : * Proceedings of ACM SIGMOD International Conference on Management
1983 : : * of Data, 1998, Pages 436-447. Their Corollary 1 to Theorem 5
1984 : : * says that for table size n, histogram size k, maximum relative
1985 : : * error in bin size f, and error probability gamma, the minimum
1986 : : * random sample size is
1987 : : * r = 4 * k * ln(2*n/gamma) / f^2
1988 : : * Taking f = 0.5, gamma = 0.01, n = 10^6 rows, we obtain
1989 : : * r = 305.82 * k
1990 : : * Note that because of the log function, the dependence on n is
1991 : : * quite weak; even at n = 10^12, a 300*k sample gives <= 0.66
1992 : : * bin size error with probability 0.99. So there's no real need to
1993 : : * scale for n, which is a good thing because we don't necessarily
1994 : : * know it at this point.
1995 : : *--------------------
1996 : : */
1997 : 73658 : stats->minrows = 300 * stats->attstattarget;
1998 : : }
1999 [ + + ]: 2197 : else if (OidIsValid(eqopr))
2000 : : {
2001 : : /* We can still recognize distinct values */
2002 : 1850 : stats->compute_stats = compute_distinct_stats;
2003 : : /* Might as well use the same minrows as above */
2004 : 1850 : stats->minrows = 300 * stats->attstattarget;
2005 : : }
2006 : : else
2007 : : {
2008 : : /* Can't do much but the trivial stuff */
2009 : 347 : stats->compute_stats = compute_trivial_stats;
2010 : : /* Might as well use the same minrows as above */
2011 : 347 : stats->minrows = 300 * stats->attstattarget;
2012 : : }
2013 : :
2014 : 75855 : return true;
2015 : : }
2016 : :
2017 : :
2018 : : /*
2019 : : * compute_trivial_stats() -- compute very basic column statistics
2020 : : *
2021 : : * We use this when we cannot find a hash "=" operator for the datatype.
2022 : : *
2023 : : * We determine the fraction of non-null rows and the average datum width.
2024 : : */
2025 : : static void
2026 : 254 : compute_trivial_stats(VacAttrStatsP stats,
2027 : : AnalyzeAttrFetchFunc fetchfunc,
2028 : : int samplerows,
2029 : : double totalrows)
2030 : : {
2031 : : int i;
2032 : 254 : int null_cnt = 0;
2033 : 254 : int nonnull_cnt = 0;
2034 : 254 : double total_width = 0;
2035 [ + - ]: 508 : bool is_varlena = (!stats->attrtype->typbyval &&
2036 [ + + ]: 254 : stats->attrtype->typlen == -1);
2037 [ + - ]: 508 : bool is_varwidth = (!stats->attrtype->typbyval &&
2038 [ + + ]: 254 : stats->attrtype->typlen < 0);
2039 : :
2040 [ + + ]: 888356 : for (i = 0; i < samplerows; i++)
2041 : : {
2042 : : Datum value;
2043 : : bool isnull;
2044 : :
2045 : 888102 : vacuum_delay_point(true);
2046 : :
2047 : 888102 : value = fetchfunc(stats, i, &isnull);
2048 : :
2049 : : /* Check for null/nonnull */
2050 [ + + ]: 888102 : if (isnull)
2051 : : {
2052 : 418699 : null_cnt++;
2053 : 418699 : continue;
2054 : : }
2055 : 469403 : nonnull_cnt++;
2056 : :
2057 : : /*
2058 : : * If it's a variable-width field, add up widths for average width
2059 : : * calculation. Note that if the value is toasted, we use the toasted
2060 : : * width. We don't bother with this calculation if it's a fixed-width
2061 : : * type.
2062 : : */
2063 [ + + ]: 469403 : if (is_varlena)
2064 : : {
2065 : 114031 : total_width += VARSIZE_ANY(DatumGetPointer(value));
2066 : : }
2067 [ - + ]: 355372 : else if (is_varwidth)
2068 : : {
2069 : : /* must be cstring */
2070 : 0 : total_width += strlen(DatumGetCString(value)) + 1;
2071 : : }
2072 : : }
2073 : :
2074 : : /* We can only compute average width if we found some non-null values. */
2075 [ + + ]: 254 : if (nonnull_cnt > 0)
2076 : : {
2077 : 144 : stats->stats_valid = true;
2078 : : /* Do the simple null-frac and width stats */
2079 : 144 : stats->stanullfrac = (double) null_cnt / (double) samplerows;
2080 [ + + ]: 144 : if (is_varwidth)
2081 : 69 : stats->stawidth = total_width / (double) nonnull_cnt;
2082 : : else
2083 : 75 : stats->stawidth = stats->attrtype->typlen;
2084 : 144 : stats->stadistinct = 0.0; /* "unknown" */
2085 : : }
2086 [ + - ]: 110 : else if (null_cnt > 0)
2087 : : {
2088 : : /* We found only nulls; assume the column is entirely null */
2089 : 110 : stats->stats_valid = true;
2090 : 110 : stats->stanullfrac = 1.0;
2091 [ + - ]: 110 : if (is_varwidth)
2092 : 110 : stats->stawidth = 0; /* "unknown" */
2093 : : else
2094 : 0 : stats->stawidth = stats->attrtype->typlen;
2095 : 110 : stats->stadistinct = 0.0; /* "unknown" */
2096 : : }
2097 : 254 : }
2098 : :
2099 : :
2100 : : /*
2101 : : * compute_distinct_stats() -- compute column statistics including ndistinct
2102 : : *
2103 : : * We use this when we can find only an "=" operator for the datatype.
2104 : : *
2105 : : * We determine the fraction of non-null rows, the average width, the
2106 : : * most common values, and the (estimated) number of distinct values.
2107 : : *
2108 : : * The most common values are determined by brute force: we keep a list
2109 : : * of previously seen values, ordered by number of times seen, as we scan
2110 : : * the samples. A newly seen value is inserted just after the last
2111 : : * multiply-seen value, causing the bottommost (oldest) singly-seen value
2112 : : * to drop off the list. The accuracy of this method, and also its cost,
2113 : : * depend mainly on the length of the list we are willing to keep.
2114 : : */
2115 : : static void
2116 : 1349 : compute_distinct_stats(VacAttrStatsP stats,
2117 : : AnalyzeAttrFetchFunc fetchfunc,
2118 : : int samplerows,
2119 : : double totalrows)
2120 : : {
2121 : : int i;
2122 : 1349 : int null_cnt = 0;
2123 : 1349 : int nonnull_cnt = 0;
2124 : 1349 : int toowide_cnt = 0;
2125 : 1349 : double total_width = 0;
2126 [ + + ]: 2278 : bool is_varlena = (!stats->attrtype->typbyval &&
2127 [ + - ]: 929 : stats->attrtype->typlen == -1);
2128 [ + + ]: 2278 : bool is_varwidth = (!stats->attrtype->typbyval &&
2129 [ + - ]: 929 : stats->attrtype->typlen < 0);
2130 : : FmgrInfo f_cmpeq;
2131 : : typedef struct
2132 : : {
2133 : : Datum value;
2134 : : int count;
2135 : : } TrackItem;
2136 : : TrackItem *track;
2137 : : int track_cnt,
2138 : : track_max;
2139 : 1349 : int num_mcv = stats->attstattarget;
2140 : 1349 : StdAnalyzeData *mystats = (StdAnalyzeData *) stats->extra_data;
2141 : :
2142 : : /*
2143 : : * We track up to 2*n values for an n-element MCV list; but at least 10
2144 : : */
2145 : 1349 : track_max = 2 * num_mcv;
2146 [ + + ]: 1349 : if (track_max < 10)
2147 : 52 : track_max = 10;
2148 : 1349 : track = palloc_array(TrackItem, track_max);
2149 : 1349 : track_cnt = 0;
2150 : :
2151 : 1349 : fmgr_info(mystats->eqfunc, &f_cmpeq);
2152 : :
2153 [ + + ]: 1025953 : for (i = 0; i < samplerows; i++)
2154 : : {
2155 : : Datum value;
2156 : : bool isnull;
2157 : : bool match;
2158 : : int firstcount1,
2159 : : j;
2160 : :
2161 : 1024604 : vacuum_delay_point(true);
2162 : :
2163 : 1024604 : value = fetchfunc(stats, i, &isnull);
2164 : :
2165 : : /* Check for null/nonnull */
2166 [ + + ]: 1024604 : if (isnull)
2167 : : {
2168 : 850659 : null_cnt++;
2169 : 850659 : continue;
2170 : : }
2171 : 173945 : nonnull_cnt++;
2172 : :
2173 : : /*
2174 : : * If it's a variable-width field, add up widths for average width
2175 : : * calculation. Note that if the value is toasted, we use the toasted
2176 : : * width. We don't bother with this calculation if it's a fixed-width
2177 : : * type.
2178 : : */
2179 [ + + ]: 173945 : if (is_varlena)
2180 : : {
2181 : 61451 : total_width += VARSIZE_ANY(DatumGetPointer(value));
2182 : :
2183 : : /*
2184 : : * If the value is toasted, we want to detoast it just once to
2185 : : * avoid repeated detoastings and resultant excess memory usage
2186 : : * during the comparisons. Also, check to see if the value is
2187 : : * excessively wide, and if so don't detoast at all --- just
2188 : : * ignore the value.
2189 : : */
2190 [ - + ]: 61451 : if (toast_raw_datum_size(value) > WIDTH_THRESHOLD)
2191 : : {
2192 : 0 : toowide_cnt++;
2193 : 0 : continue;
2194 : : }
2195 : 61451 : value = PointerGetDatum(PG_DETOAST_DATUM(value));
2196 : : }
2197 [ - + ]: 112494 : else if (is_varwidth)
2198 : : {
2199 : : /* must be cstring */
2200 : 0 : total_width += strlen(DatumGetCString(value)) + 1;
2201 : : }
2202 : :
2203 : : /*
2204 : : * See if the value matches anything we're already tracking.
2205 : : */
2206 : 173945 : match = false;
2207 : 173945 : firstcount1 = track_cnt;
2208 [ + + ]: 425741 : for (j = 0; j < track_cnt; j++)
2209 : : {
2210 [ + + ]: 421153 : if (DatumGetBool(FunctionCall2Coll(&f_cmpeq,
2211 : : stats->attrcollid,
2212 : 421153 : value, track[j].value)))
2213 : : {
2214 : 169357 : match = true;
2215 : 169357 : break;
2216 : : }
2217 [ + + + + ]: 251796 : if (j < firstcount1 && track[j].count == 1)
2218 : 3345 : firstcount1 = j;
2219 : : }
2220 : :
2221 [ + + ]: 173945 : if (match)
2222 : : {
2223 : : /* Found a match */
2224 : 169357 : track[j].count++;
2225 : : /* This value may now need to "bubble up" in the track list */
2226 [ + + + + ]: 176859 : while (j > 0 && track[j].count > track[j - 1].count)
2227 : : {
2228 : 7502 : swapDatum(track[j].value, track[j - 1].value);
2229 : 7502 : swapInt(track[j].count, track[j - 1].count);
2230 : 7502 : j--;
2231 : : }
2232 : : }
2233 : : else
2234 : : {
2235 : : /* No match. Insert at head of count-1 list */
2236 [ + + ]: 4588 : if (track_cnt < track_max)
2237 : 4319 : track_cnt++;
2238 [ + + ]: 103600 : for (j = track_cnt - 1; j > firstcount1; j--)
2239 : : {
2240 : 99012 : track[j].value = track[j - 1].value;
2241 : 99012 : track[j].count = track[j - 1].count;
2242 : : }
2243 [ + - ]: 4588 : if (firstcount1 < track_cnt)
2244 : : {
2245 : 4588 : track[firstcount1].value = value;
2246 : 4588 : track[firstcount1].count = 1;
2247 : : }
2248 : : }
2249 : : }
2250 : :
2251 : : /* We can only compute real stats if we found some non-null values. */
2252 [ + + ]: 1349 : if (nonnull_cnt > 0)
2253 : : {
2254 : : int nmultiple,
2255 : : summultiple;
2256 : :
2257 : 991 : stats->stats_valid = true;
2258 : : /* Do the simple null-frac and width stats */
2259 : 991 : stats->stanullfrac = (double) null_cnt / (double) samplerows;
2260 [ + + ]: 991 : if (is_varwidth)
2261 : 571 : stats->stawidth = total_width / (double) nonnull_cnt;
2262 : : else
2263 : 420 : stats->stawidth = stats->attrtype->typlen;
2264 : :
2265 : : /* Count the number of values we found multiple times */
2266 : 991 : summultiple = 0;
2267 [ + + ]: 4014 : for (nmultiple = 0; nmultiple < track_cnt; nmultiple++)
2268 : : {
2269 [ + + ]: 3525 : if (track[nmultiple].count == 1)
2270 : 502 : break;
2271 : 3023 : summultiple += track[nmultiple].count;
2272 : : }
2273 : :
2274 [ + + ]: 991 : if (nmultiple == 0)
2275 : : {
2276 : : /*
2277 : : * If we found no repeated non-null values, assume it's a unique
2278 : : * column; but be sure to discount for any nulls we found.
2279 : : */
2280 : 115 : stats->stadistinct = -1.0 * (1.0 - stats->stanullfrac);
2281 : : }
2282 [ + + + - : 876 : else if (track_cnt < track_max && toowide_cnt == 0 &&
+ + ]
2283 : : nmultiple == track_cnt)
2284 : : {
2285 : : /*
2286 : : * Our track list includes every value in the sample, and every
2287 : : * value appeared more than once. Assume the column has just
2288 : : * these values. (This case is meant to address columns with
2289 : : * small, fixed sets of possible values, such as boolean or enum
2290 : : * columns. If there are any values that appear just once in the
2291 : : * sample, including too-wide values, we should assume that that's
2292 : : * not what we're dealing with.)
2293 : : */
2294 : 489 : stats->stadistinct = track_cnt;
2295 : : }
2296 : : else
2297 : : {
2298 : : /*----------
2299 : : * Estimate the number of distinct values using the estimator
2300 : : * proposed by Haas and Stokes in IBM Research Report RJ 10025:
2301 : : * n*d / (n - f1 + f1*n/N)
2302 : : * where f1 is the number of distinct values that occurred
2303 : : * exactly once in our sample of n rows (from a total of N),
2304 : : * and d is the total number of distinct values in the sample.
2305 : : * This is their Duj1 estimator; the other estimators they
2306 : : * recommend are considerably more complex, and are numerically
2307 : : * very unstable when n is much smaller than N.
2308 : : *
2309 : : * In this calculation, we consider only non-nulls. We used to
2310 : : * include rows with null values in the n and N counts, but that
2311 : : * leads to inaccurate answers in columns with many nulls, and
2312 : : * it's intuitively bogus anyway considering the desired result is
2313 : : * the number of distinct non-null values.
2314 : : *
2315 : : * We assume (not very reliably!) that all the multiply-occurring
2316 : : * values are reflected in the final track[] list, and the other
2317 : : * nonnull values all appeared but once. (XXX this usually
2318 : : * results in a drastic overestimate of ndistinct. Can we do
2319 : : * any better?)
2320 : : *----------
2321 : : */
2322 : 387 : int f1 = nonnull_cnt - summultiple;
2323 : 387 : int d = f1 + nmultiple;
2324 : 387 : double n = samplerows - null_cnt;
2325 : 387 : double N = totalrows * (1.0 - stats->stanullfrac);
2326 : : double stadistinct;
2327 : :
2328 : : /* N == 0 shouldn't happen, but just in case ... */
2329 [ + - ]: 387 : if (N > 0)
2330 : 387 : stadistinct = (n * d) / ((n - f1) + f1 * n / N);
2331 : : else
2332 : 0 : stadistinct = 0;
2333 : :
2334 : : /* Clamp to sane range in case of roundoff error */
2335 [ + + ]: 387 : if (stadistinct < d)
2336 : 104 : stadistinct = d;
2337 [ - + ]: 387 : if (stadistinct > N)
2338 : 0 : stadistinct = N;
2339 : : /* And round to integer */
2340 : 387 : stats->stadistinct = floor(stadistinct + 0.5);
2341 : : }
2342 : :
2343 : : /*
2344 : : * If we estimated the number of distinct values at more than 10% of
2345 : : * the total row count (a very arbitrary limit), then assume that
2346 : : * stadistinct should scale with the row count rather than be a fixed
2347 : : * value.
2348 : : */
2349 [ + + ]: 991 : if (stats->stadistinct > 0.1 * totalrows)
2350 : 224 : stats->stadistinct = -(stats->stadistinct / totalrows);
2351 : :
2352 : : /*
2353 : : * Decide how many values are worth storing as most-common values. If
2354 : : * we are able to generate a complete MCV list (all the values in the
2355 : : * sample will fit, and we think these are all the ones in the table),
2356 : : * then do so. Otherwise, store only those values that are
2357 : : * significantly more common than the values not in the list.
2358 : : *
2359 : : * Note: the first of these cases is meant to address columns with
2360 : : * small, fixed sets of possible values, such as boolean or enum
2361 : : * columns. If we can *completely* represent the column population by
2362 : : * an MCV list that will fit into the stats target, then we should do
2363 : : * so and thus provide the planner with complete information. But if
2364 : : * the MCV list is not complete, it's generally worth being more
2365 : : * selective, and not just filling it all the way up to the stats
2366 : : * target.
2367 : : */
2368 [ + + + - ]: 991 : if (track_cnt < track_max && toowide_cnt == 0 &&
2369 [ + + + + ]: 984 : stats->stadistinct > 0 &&
2370 : : track_cnt <= num_mcv)
2371 : : {
2372 : : /* Track list includes all values seen, and all will fit */
2373 : 632 : num_mcv = track_cnt;
2374 : : }
2375 : : else
2376 : : {
2377 : : int *mcv_counts;
2378 : :
2379 : : /* Incomplete list; decide how many values are worth keeping */
2380 [ + + ]: 359 : if (num_mcv > track_cnt)
2381 : 317 : num_mcv = track_cnt;
2382 : :
2383 [ + - ]: 359 : if (num_mcv > 0)
2384 : : {
2385 : 359 : mcv_counts = palloc_array(int, num_mcv);
2386 [ + + ]: 1334 : for (i = 0; i < num_mcv; i++)
2387 : 975 : mcv_counts[i] = track[i].count;
2388 : :
2389 : 359 : num_mcv = analyze_mcv_list(mcv_counts, num_mcv,
2390 : 359 : stats->stadistinct,
2391 : 359 : stats->stanullfrac,
2392 : : samplerows, totalrows);
2393 : : }
2394 : : }
2395 : :
2396 : : /* Generate MCV slot entry */
2397 [ + + ]: 991 : if (num_mcv > 0)
2398 : : {
2399 : : MemoryContext old_context;
2400 : : Datum *mcv_values;
2401 : : float4 *mcv_freqs;
2402 : :
2403 : : /* Must copy the target values into anl_context */
2404 : 987 : old_context = MemoryContextSwitchTo(stats->anl_context);
2405 : 987 : mcv_values = palloc_array(Datum, num_mcv);
2406 : 987 : mcv_freqs = palloc_array(float4, num_mcv);
2407 [ + + ]: 4784 : for (i = 0; i < num_mcv; i++)
2408 : : {
2409 : 7594 : mcv_values[i] = datumCopy(track[i].value,
2410 : 3797 : stats->attrtype->typbyval,
2411 : 3797 : stats->attrtype->typlen);
2412 : 3797 : mcv_freqs[i] = (double) track[i].count / (double) samplerows;
2413 : : }
2414 : 987 : MemoryContextSwitchTo(old_context);
2415 : :
2416 : 987 : stats->stakind[0] = STATISTIC_KIND_MCV;
2417 : 987 : stats->staop[0] = mystats->eqopr;
2418 : 987 : stats->stacoll[0] = stats->attrcollid;
2419 : 987 : stats->stanumbers[0] = mcv_freqs;
2420 : 987 : stats->numnumbers[0] = num_mcv;
2421 : 987 : stats->stavalues[0] = mcv_values;
2422 : 987 : stats->numvalues[0] = num_mcv;
2423 : :
2424 : : /*
2425 : : * Accept the defaults for stats->statypid and others. They have
2426 : : * been set before we were called (see vacuum.h)
2427 : : */
2428 : : }
2429 : : }
2430 [ + - ]: 358 : else if (null_cnt > 0)
2431 : : {
2432 : : /* We found only nulls; assume the column is entirely null */
2433 : 358 : stats->stats_valid = true;
2434 : 358 : stats->stanullfrac = 1.0;
2435 [ + - ]: 358 : if (is_varwidth)
2436 : 358 : stats->stawidth = 0; /* "unknown" */
2437 : : else
2438 : 0 : stats->stawidth = stats->attrtype->typlen;
2439 : 358 : stats->stadistinct = 0.0; /* "unknown" */
2440 : : }
2441 : :
2442 : : /* We don't need to bother cleaning up any of our temporary palloc's */
2443 : 1349 : }
2444 : :
2445 : :
2446 : : /*
2447 : : * compute_scalar_stats() -- compute column statistics
2448 : : *
2449 : : * We use this when we can find "=" and "<" operators for the datatype.
2450 : : *
2451 : : * We determine the fraction of non-null rows, the average width, the
2452 : : * most common values, the (estimated) number of distinct values, the
2453 : : * distribution histogram, and the correlation of physical to logical order.
2454 : : *
2455 : : * The desired stats can be determined fairly easily after sorting the
2456 : : * data values into order.
2457 : : */
2458 : : static void
2459 : 51591 : compute_scalar_stats(VacAttrStatsP stats,
2460 : : AnalyzeAttrFetchFunc fetchfunc,
2461 : : int samplerows,
2462 : : double totalrows)
2463 : : {
2464 : : int i;
2465 : 51591 : int null_cnt = 0;
2466 : 51591 : int nonnull_cnt = 0;
2467 : 51591 : int toowide_cnt = 0;
2468 : 51591 : double total_width = 0;
2469 [ + + ]: 64181 : bool is_varlena = (!stats->attrtype->typbyval &&
2470 [ + + ]: 12590 : stats->attrtype->typlen == -1);
2471 [ + + ]: 64181 : bool is_varwidth = (!stats->attrtype->typbyval &&
2472 [ + + ]: 12590 : stats->attrtype->typlen < 0);
2473 : : double corr_xysum;
2474 : : SortSupportData ssup;
2475 : : ScalarItem *values;
2476 : 51591 : int values_cnt = 0;
2477 : : int *tupnoLink;
2478 : : ScalarMCVItem *track;
2479 : 51591 : int track_cnt = 0;
2480 : 51591 : int num_mcv = stats->attstattarget;
2481 : 51591 : int num_bins = stats->attstattarget;
2482 : 51591 : StdAnalyzeData *mystats = (StdAnalyzeData *) stats->extra_data;
2483 : :
2484 : 51591 : values = palloc_array(ScalarItem, samplerows);
2485 : 51591 : tupnoLink = palloc_array(int, samplerows);
2486 : 51591 : track = palloc_array(ScalarMCVItem, num_mcv);
2487 : :
2488 : 51591 : memset(&ssup, 0, sizeof(ssup));
2489 : 51591 : ssup.ssup_cxt = CurrentMemoryContext;
2490 : 51591 : ssup.ssup_collation = stats->attrcollid;
2491 : 51591 : ssup.ssup_nulls_first = false;
2492 : :
2493 : : /*
2494 : : * For now, don't perform abbreviated key conversion, because full values
2495 : : * are required for MCV slot generation. Supporting that optimization
2496 : : * would necessitate teaching compare_scalars() to call a tie-breaker.
2497 : : */
2498 : 51591 : ssup.abbreviate = false;
2499 : :
2500 : 51591 : PrepareSortSupportFromOrderingOp(mystats->ltopr, &ssup);
2501 : :
2502 : : /* Initial scan to find sortable values */
2503 [ + + ]: 49277644 : for (i = 0; i < samplerows; i++)
2504 : : {
2505 : : Datum value;
2506 : : bool isnull;
2507 : :
2508 : 49226054 : vacuum_delay_point(true);
2509 : :
2510 : 49226053 : value = fetchfunc(stats, i, &isnull);
2511 : :
2512 : : /* Check for null/nonnull */
2513 [ + + ]: 49226053 : if (isnull)
2514 : : {
2515 : 6196173 : null_cnt++;
2516 : 6219710 : continue;
2517 : : }
2518 : 43029880 : nonnull_cnt++;
2519 : :
2520 : : /*
2521 : : * If it's a variable-width field, add up widths for average width
2522 : : * calculation. Note that if the value is toasted, we use the toasted
2523 : : * width. We don't bother with this calculation if it's a fixed-width
2524 : : * type.
2525 : : */
2526 [ + + ]: 43029880 : if (is_varlena)
2527 : : {
2528 : 5067954 : total_width += VARSIZE_ANY(DatumGetPointer(value));
2529 : :
2530 : : /*
2531 : : * If the value is toasted, we want to detoast it just once to
2532 : : * avoid repeated detoastings and resultant excess memory usage
2533 : : * during the comparisons. Also, check to see if the value is
2534 : : * excessively wide, and if so don't detoast at all --- just
2535 : : * ignore the value.
2536 : : */
2537 [ + + ]: 5067954 : if (toast_raw_datum_size(value) > WIDTH_THRESHOLD)
2538 : : {
2539 : 23537 : toowide_cnt++;
2540 : 23537 : continue;
2541 : : }
2542 : 5044417 : value = PointerGetDatum(PG_DETOAST_DATUM(value));
2543 : : }
2544 [ - + ]: 37961926 : else if (is_varwidth)
2545 : : {
2546 : : /* must be cstring */
2547 : 0 : total_width += strlen(DatumGetCString(value)) + 1;
2548 : : }
2549 : :
2550 : : /* Add it to the list to be sorted */
2551 : 43006343 : values[values_cnt].value = value;
2552 : 43006343 : values[values_cnt].tupno = values_cnt;
2553 : 43006343 : tupnoLink[values_cnt] = values_cnt;
2554 : 43006343 : values_cnt++;
2555 : : }
2556 : :
2557 : : /* We can only compute real stats if we found some sortable values. */
2558 [ + + ]: 51590 : if (values_cnt > 0)
2559 : : {
2560 : : int ndistinct, /* # distinct values in sample */
2561 : : nmultiple, /* # that appear multiple times */
2562 : : num_hist,
2563 : : dups_cnt;
2564 : 48301 : int slot_idx = 0;
2565 : : CompareScalarsContext cxt;
2566 : :
2567 : : /* Sort the collected values */
2568 : 48301 : cxt.ssup = &ssup;
2569 : 48301 : cxt.tupnoLink = tupnoLink;
2570 : 48301 : qsort_interruptible(values, values_cnt, sizeof(ScalarItem),
2571 : : compare_scalars, &cxt);
2572 : :
2573 : : /*
2574 : : * Now scan the values in order, find the most common ones, and also
2575 : : * accumulate ordering-correlation statistics.
2576 : : *
2577 : : * To determine which are most common, we first have to count the
2578 : : * number of duplicates of each value. The duplicates are adjacent in
2579 : : * the sorted list, so a brute-force approach is to compare successive
2580 : : * datum values until we find two that are not equal. However, that
2581 : : * requires N-1 invocations of the datum comparison routine, which are
2582 : : * completely redundant with work that was done during the sort. (The
2583 : : * sort algorithm must at some point have compared each pair of items
2584 : : * that are adjacent in the sorted order; otherwise it could not know
2585 : : * that it's ordered the pair correctly.) We exploit this by having
2586 : : * compare_scalars remember the highest tupno index that each
2587 : : * ScalarItem has been found equal to. At the end of the sort, a
2588 : : * ScalarItem's tupnoLink will still point to itself if and only if it
2589 : : * is the last item of its group of duplicates (since the group will
2590 : : * be ordered by tupno).
2591 : : */
2592 : 48300 : corr_xysum = 0;
2593 : 48300 : ndistinct = 0;
2594 : 48300 : nmultiple = 0;
2595 : 48300 : dups_cnt = 0;
2596 [ + + ]: 43044643 : for (i = 0; i < values_cnt; i++)
2597 : : {
2598 : 42996343 : int tupno = values[i].tupno;
2599 : :
2600 : 42996343 : corr_xysum += ((double) i) * ((double) tupno);
2601 : 42996343 : dups_cnt++;
2602 [ + + ]: 42996343 : if (tupnoLink[tupno] == tupno)
2603 : : {
2604 : : /* Reached end of duplicates of this value */
2605 : 9371565 : ndistinct++;
2606 [ + + ]: 9371565 : if (dups_cnt > 1)
2607 : : {
2608 : 771585 : nmultiple++;
2609 [ + + ]: 771585 : if (track_cnt < num_mcv ||
2610 [ + + ]: 345556 : dups_cnt > track[track_cnt - 1].count)
2611 : : {
2612 : : /*
2613 : : * Found a new item for the mcv list; find its
2614 : : * position, bubbling down old items if needed. Loop
2615 : : * invariant is that j points at an empty/ replaceable
2616 : : * slot.
2617 : : */
2618 : : int j;
2619 : :
2620 [ + + ]: 491902 : if (track_cnt < num_mcv)
2621 : 426029 : track_cnt++;
2622 [ + + ]: 6435783 : for (j = track_cnt - 1; j > 0; j--)
2623 : : {
2624 [ + + ]: 6382808 : if (dups_cnt <= track[j - 1].count)
2625 : 438927 : break;
2626 : 5943881 : track[j].count = track[j - 1].count;
2627 : 5943881 : track[j].first = track[j - 1].first;
2628 : : }
2629 : 491902 : track[j].count = dups_cnt;
2630 : 491902 : track[j].first = i + 1 - dups_cnt;
2631 : : }
2632 : : }
2633 : 9371565 : dups_cnt = 0;
2634 : : }
2635 : : }
2636 : :
2637 : 48300 : stats->stats_valid = true;
2638 : : /* Do the simple null-frac and width stats */
2639 : 48300 : stats->stanullfrac = (double) null_cnt / (double) samplerows;
2640 [ + + ]: 48300 : if (is_varwidth)
2641 : 7158 : stats->stawidth = total_width / (double) nonnull_cnt;
2642 : : else
2643 : 41142 : stats->stawidth = stats->attrtype->typlen;
2644 : :
2645 [ + + ]: 48300 : if (nmultiple == 0)
2646 : : {
2647 : : /*
2648 : : * If we found no repeated non-null values, assume it's a unique
2649 : : * column; but be sure to discount for any nulls we found.
2650 : : */
2651 : 13191 : stats->stadistinct = -1.0 * (1.0 - stats->stanullfrac);
2652 : : }
2653 [ + + + + ]: 35109 : else if (toowide_cnt == 0 && nmultiple == ndistinct)
2654 : : {
2655 : : /*
2656 : : * Every value in the sample appeared more than once. Assume the
2657 : : * column has just these values. (This case is meant to address
2658 : : * columns with small, fixed sets of possible values, such as
2659 : : * boolean or enum columns. If there are any values that appear
2660 : : * just once in the sample, including too-wide values, we should
2661 : : * assume that that's not what we're dealing with.)
2662 : : */
2663 : 21518 : stats->stadistinct = ndistinct;
2664 : : }
2665 : : else
2666 : : {
2667 : : /*----------
2668 : : * Estimate the number of distinct values using the estimator
2669 : : * proposed by Haas and Stokes in IBM Research Report RJ 10025:
2670 : : * n*d / (n - f1 + f1*n/N)
2671 : : * where f1 is the number of distinct values that occurred
2672 : : * exactly once in our sample of n rows (from a total of N),
2673 : : * and d is the total number of distinct values in the sample.
2674 : : * This is their Duj1 estimator; the other estimators they
2675 : : * recommend are considerably more complex, and are numerically
2676 : : * very unstable when n is much smaller than N.
2677 : : *
2678 : : * In this calculation, we consider only non-nulls. We used to
2679 : : * include rows with null values in the n and N counts, but that
2680 : : * leads to inaccurate answers in columns with many nulls, and
2681 : : * it's intuitively bogus anyway considering the desired result is
2682 : : * the number of distinct non-null values.
2683 : : *
2684 : : * Overwidth values are assumed to have been distinct.
2685 : : *----------
2686 : : */
2687 : 13591 : int f1 = ndistinct - nmultiple + toowide_cnt;
2688 : 13591 : int d = f1 + nmultiple;
2689 : 13591 : double n = samplerows - null_cnt;
2690 : 13591 : double N = totalrows * (1.0 - stats->stanullfrac);
2691 : : double stadistinct;
2692 : :
2693 : : /* N == 0 shouldn't happen, but just in case ... */
2694 [ + - ]: 13591 : if (N > 0)
2695 : 13591 : stadistinct = (n * d) / ((n - f1) + f1 * n / N);
2696 : : else
2697 : 0 : stadistinct = 0;
2698 : :
2699 : : /* Clamp to sane range in case of roundoff error */
2700 [ + + ]: 13591 : if (stadistinct < d)
2701 : 729 : stadistinct = d;
2702 [ - + ]: 13591 : if (stadistinct > N)
2703 : 0 : stadistinct = N;
2704 : : /* And round to integer */
2705 : 13591 : stats->stadistinct = floor(stadistinct + 0.5);
2706 : : }
2707 : :
2708 : : /*
2709 : : * If we estimated the number of distinct values at more than 10% of
2710 : : * the total row count (a very arbitrary limit), then assume that
2711 : : * stadistinct should scale with the row count rather than be a fixed
2712 : : * value.
2713 : : */
2714 [ + + ]: 48300 : if (stats->stadistinct > 0.1 * totalrows)
2715 : 10224 : stats->stadistinct = -(stats->stadistinct / totalrows);
2716 : :
2717 : : /*
2718 : : * Decide how many values are worth storing as most-common values. If
2719 : : * we are able to generate a complete MCV list (all the values in the
2720 : : * sample will fit, and we think these are all the ones in the table),
2721 : : * then do so. Otherwise, store only those values that are
2722 : : * significantly more common than the values not in the list.
2723 : : *
2724 : : * Note: the first of these cases is meant to address columns with
2725 : : * small, fixed sets of possible values, such as boolean or enum
2726 : : * columns. If we can *completely* represent the column population by
2727 : : * an MCV list that will fit into the stats target, then we should do
2728 : : * so and thus provide the planner with complete information. But if
2729 : : * the MCV list is not complete, it's generally worth being more
2730 : : * selective, and not just filling it all the way up to the stats
2731 : : * target.
2732 : : */
2733 [ + + + + ]: 48300 : if (track_cnt == ndistinct && toowide_cnt == 0 &&
2734 [ + + + - ]: 21030 : stats->stadistinct > 0 &&
2735 : : track_cnt <= num_mcv)
2736 : : {
2737 : : /* Track list includes all values seen, and all will fit */
2738 : 18733 : num_mcv = track_cnt;
2739 : : }
2740 : : else
2741 : : {
2742 : : int *mcv_counts;
2743 : :
2744 : : /* Incomplete list; decide how many values are worth keeping */
2745 [ + + ]: 29567 : if (num_mcv > track_cnt)
2746 : 26989 : num_mcv = track_cnt;
2747 : :
2748 [ + + ]: 29567 : if (num_mcv > 0)
2749 : : {
2750 : 16376 : mcv_counts = palloc_array(int, num_mcv);
2751 [ + + ]: 336558 : for (i = 0; i < num_mcv; i++)
2752 : 320182 : mcv_counts[i] = track[i].count;
2753 : :
2754 : 16376 : num_mcv = analyze_mcv_list(mcv_counts, num_mcv,
2755 : 16376 : stats->stadistinct,
2756 : 16376 : stats->stanullfrac,
2757 : : samplerows, totalrows);
2758 : : }
2759 : : }
2760 : :
2761 : : /* Generate MCV slot entry */
2762 [ + + ]: 48300 : if (num_mcv > 0)
2763 : : {
2764 : : MemoryContext old_context;
2765 : : Datum *mcv_values;
2766 : : float4 *mcv_freqs;
2767 : :
2768 : : /* Must copy the target values into anl_context */
2769 : 35071 : old_context = MemoryContextSwitchTo(stats->anl_context);
2770 : 35071 : mcv_values = palloc_array(Datum, num_mcv);
2771 : 35071 : mcv_freqs = palloc_array(float4, num_mcv);
2772 [ + + ]: 460927 : for (i = 0; i < num_mcv; i++)
2773 : : {
2774 : 851712 : mcv_values[i] = datumCopy(values[track[i].first].value,
2775 : 425856 : stats->attrtype->typbyval,
2776 : 425856 : stats->attrtype->typlen);
2777 : 425856 : mcv_freqs[i] = (double) track[i].count / (double) samplerows;
2778 : : }
2779 : 35071 : MemoryContextSwitchTo(old_context);
2780 : :
2781 : 35071 : stats->stakind[slot_idx] = STATISTIC_KIND_MCV;
2782 : 35071 : stats->staop[slot_idx] = mystats->eqopr;
2783 : 35071 : stats->stacoll[slot_idx] = stats->attrcollid;
2784 : 35071 : stats->stanumbers[slot_idx] = mcv_freqs;
2785 : 35071 : stats->numnumbers[slot_idx] = num_mcv;
2786 : 35071 : stats->stavalues[slot_idx] = mcv_values;
2787 : 35071 : stats->numvalues[slot_idx] = num_mcv;
2788 : :
2789 : : /*
2790 : : * Accept the defaults for stats->statypid and others. They have
2791 : : * been set before we were called (see vacuum.h)
2792 : : */
2793 : 35071 : slot_idx++;
2794 : : }
2795 : :
2796 : : /*
2797 : : * Generate a histogram slot entry if there are at least two distinct
2798 : : * values not accounted for in the MCV list. (This ensures the
2799 : : * histogram won't collapse to empty or a singleton.)
2800 : : */
2801 : 48300 : num_hist = ndistinct - num_mcv;
2802 [ + + ]: 48300 : if (num_hist > num_bins)
2803 : 7871 : num_hist = num_bins + 1;
2804 [ + + ]: 48300 : if (num_hist >= 2)
2805 : : {
2806 : : MemoryContext old_context;
2807 : : Datum *hist_values;
2808 : : int nvals;
2809 : : int pos,
2810 : : posfrac,
2811 : : delta,
2812 : : deltafrac;
2813 : :
2814 : : /* Sort the MCV items into position order to speed next loop */
2815 : 21764 : qsort_interruptible(track, num_mcv, sizeof(ScalarMCVItem),
2816 : : compare_mcvs, NULL);
2817 : :
2818 : : /*
2819 : : * Collapse out the MCV items from the values[] array.
2820 : : *
2821 : : * Note we destroy the values[] array here... but we don't need it
2822 : : * for anything more. We do, however, still need values_cnt.
2823 : : * nvals will be the number of remaining entries in values[].
2824 : : */
2825 [ + + ]: 21764 : if (num_mcv > 0)
2826 : : {
2827 : : int src,
2828 : : dest;
2829 : : int j;
2830 : :
2831 : 11322 : src = dest = 0;
2832 : 11322 : j = 0; /* index of next interesting MCV item */
2833 [ + + ]: 412785 : while (src < values_cnt)
2834 : : {
2835 : : int ncopy;
2836 : :
2837 [ + + ]: 401463 : if (j < num_mcv)
2838 : : {
2839 : 392982 : int first = track[j].first;
2840 : :
2841 [ + + ]: 392982 : if (src >= first)
2842 : : {
2843 : : /* advance past this MCV item */
2844 : 286180 : src = first + track[j].count;
2845 : 286180 : j++;
2846 : 286180 : continue;
2847 : : }
2848 : 106802 : ncopy = first - src;
2849 : : }
2850 : : else
2851 : 8481 : ncopy = values_cnt - src;
2852 : 115283 : memmove(&values[dest], &values[src],
2853 : : ncopy * sizeof(ScalarItem));
2854 : 115283 : src += ncopy;
2855 : 115283 : dest += ncopy;
2856 : : }
2857 : 11322 : nvals = dest;
2858 : : }
2859 : : else
2860 : 10442 : nvals = values_cnt;
2861 : : Assert(nvals >= num_hist);
2862 : :
2863 : : /* Must copy the target values into anl_context */
2864 : 21764 : old_context = MemoryContextSwitchTo(stats->anl_context);
2865 : 21764 : hist_values = palloc_array(Datum, num_hist);
2866 : :
2867 : : /*
2868 : : * The object of this loop is to copy the first and last values[]
2869 : : * entries along with evenly-spaced values in between. So the
2870 : : * i'th value is values[(i * (nvals - 1)) / (num_hist - 1)]. But
2871 : : * computing that subscript directly risks integer overflow when
2872 : : * the stats target is more than a couple thousand. Instead we
2873 : : * add (nvals - 1) / (num_hist - 1) to pos at each step, tracking
2874 : : * the integral and fractional parts of the sum separately.
2875 : : */
2876 : 21764 : delta = (nvals - 1) / (num_hist - 1);
2877 : 21764 : deltafrac = (nvals - 1) % (num_hist - 1);
2878 : 21764 : pos = posfrac = 0;
2879 : :
2880 [ + + ]: 1134194 : for (i = 0; i < num_hist; i++)
2881 : : {
2882 : 2224860 : hist_values[i] = datumCopy(values[pos].value,
2883 : 1112430 : stats->attrtype->typbyval,
2884 : 1112430 : stats->attrtype->typlen);
2885 : 1112430 : pos += delta;
2886 : 1112430 : posfrac += deltafrac;
2887 [ + + ]: 1112430 : if (posfrac >= (num_hist - 1))
2888 : : {
2889 : : /* fractional part exceeds 1, carry to integer part */
2890 : 374970 : pos++;
2891 : 374970 : posfrac -= (num_hist - 1);
2892 : : }
2893 : : }
2894 : :
2895 : 21764 : MemoryContextSwitchTo(old_context);
2896 : :
2897 : 21764 : stats->stakind[slot_idx] = STATISTIC_KIND_HISTOGRAM;
2898 : 21764 : stats->staop[slot_idx] = mystats->ltopr;
2899 : 21764 : stats->stacoll[slot_idx] = stats->attrcollid;
2900 : 21764 : stats->stavalues[slot_idx] = hist_values;
2901 : 21764 : stats->numvalues[slot_idx] = num_hist;
2902 : :
2903 : : /*
2904 : : * Accept the defaults for stats->statypid and others. They have
2905 : : * been set before we were called (see vacuum.h)
2906 : : */
2907 : 21764 : slot_idx++;
2908 : : }
2909 : :
2910 : : /* Generate a correlation entry if there are multiple values */
2911 [ + + ]: 48300 : if (values_cnt > 1)
2912 : : {
2913 : : MemoryContext old_context;
2914 : : float4 *corrs;
2915 : : double corr_xsum,
2916 : : corr_x2sum;
2917 : :
2918 : : /* Must copy the target values into anl_context */
2919 : 45513 : old_context = MemoryContextSwitchTo(stats->anl_context);
2920 : 45513 : corrs = palloc_object(float4);
2921 : 45513 : MemoryContextSwitchTo(old_context);
2922 : :
2923 : : /*----------
2924 : : * Since we know the x and y value sets are both
2925 : : * 0, 1, ..., values_cnt-1
2926 : : * we have sum(x) = sum(y) =
2927 : : * (values_cnt-1)*values_cnt / 2
2928 : : * and sum(x^2) = sum(y^2) =
2929 : : * (values_cnt-1)*values_cnt*(2*values_cnt-1) / 6.
2930 : : *----------
2931 : : */
2932 : 45513 : corr_xsum = ((double) (values_cnt - 1)) *
2933 : 45513 : ((double) values_cnt) / 2.0;
2934 : 45513 : corr_x2sum = ((double) (values_cnt - 1)) *
2935 : 45513 : ((double) values_cnt) * (double) (2 * values_cnt - 1) / 6.0;
2936 : :
2937 : : /* And the correlation coefficient reduces to */
2938 : 45513 : corrs[0] = (values_cnt * corr_xysum - corr_xsum * corr_xsum) /
2939 : 45513 : (values_cnt * corr_x2sum - corr_xsum * corr_xsum);
2940 : :
2941 : 45513 : stats->stakind[slot_idx] = STATISTIC_KIND_CORRELATION;
2942 : 45513 : stats->staop[slot_idx] = mystats->ltopr;
2943 : 45513 : stats->stacoll[slot_idx] = stats->attrcollid;
2944 : 45513 : stats->stanumbers[slot_idx] = corrs;
2945 : 45513 : stats->numnumbers[slot_idx] = 1;
2946 : 45513 : slot_idx++;
2947 : : }
2948 : : }
2949 [ + + ]: 3289 : else if (nonnull_cnt > 0)
2950 : : {
2951 : : /* We found some non-null values, but they were all too wide */
2952 : : Assert(nonnull_cnt == toowide_cnt);
2953 : 212 : stats->stats_valid = true;
2954 : : /* Do the simple null-frac and width stats */
2955 : 212 : stats->stanullfrac = (double) null_cnt / (double) samplerows;
2956 [ + - ]: 212 : if (is_varwidth)
2957 : 212 : stats->stawidth = total_width / (double) nonnull_cnt;
2958 : : else
2959 : 0 : stats->stawidth = stats->attrtype->typlen;
2960 : : /* Assume all too-wide values are distinct, so it's a unique column */
2961 : 212 : stats->stadistinct = -1.0 * (1.0 - stats->stanullfrac);
2962 : : }
2963 [ + - ]: 3077 : else if (null_cnt > 0)
2964 : : {
2965 : : /* We found only nulls; assume the column is entirely null */
2966 : 3077 : stats->stats_valid = true;
2967 : 3077 : stats->stanullfrac = 1.0;
2968 [ + + ]: 3077 : if (is_varwidth)
2969 : 2654 : stats->stawidth = 0; /* "unknown" */
2970 : : else
2971 : 423 : stats->stawidth = stats->attrtype->typlen;
2972 : 3077 : stats->stadistinct = 0.0; /* "unknown" */
2973 : : }
2974 : :
2975 : : /* We don't need to bother cleaning up any of our temporary palloc's */
2976 : 51589 : }
2977 : :
2978 : : /*
2979 : : * Comparator for sorting ScalarItems
2980 : : *
2981 : : * Aside from sorting the items, we update the tupnoLink[] array
2982 : : * whenever two ScalarItems are found to contain equal datums. The array
2983 : : * is indexed by tupno; for each ScalarItem, it contains the highest
2984 : : * tupno that that item's datum has been found to be equal to. This allows
2985 : : * us to avoid additional comparisons in compute_scalar_stats().
2986 : : */
2987 : : static int
2988 : 405693465 : compare_scalars(const void *a, const void *b, void *arg)
2989 : : {
2990 : 405693465 : Datum da = ((const ScalarItem *) a)->value;
2991 : 405693465 : int ta = ((const ScalarItem *) a)->tupno;
2992 : 405693465 : Datum db = ((const ScalarItem *) b)->value;
2993 : 405693465 : int tb = ((const ScalarItem *) b)->tupno;
2994 : 405693465 : CompareScalarsContext *cxt = (CompareScalarsContext *) arg;
2995 : : int compare;
2996 : :
2997 : 405693465 : compare = ApplySortComparator(da, false, db, false, cxt->ssup);
2998 [ + + ]: 405693465 : if (compare != 0)
2999 : 156373701 : return compare;
3000 : :
3001 : : /*
3002 : : * The two datums are equal, so update cxt->tupnoLink[].
3003 : : */
3004 [ + + ]: 249319764 : if (cxt->tupnoLink[ta] < tb)
3005 : 34836031 : cxt->tupnoLink[ta] = tb;
3006 [ + + ]: 249319764 : if (cxt->tupnoLink[tb] < ta)
3007 : 2491008 : cxt->tupnoLink[tb] = ta;
3008 : :
3009 : : /*
3010 : : * For equal datums, sort by tupno
3011 : : */
3012 : 249319764 : return ta - tb;
3013 : : }
3014 : :
3015 : : /*
3016 : : * Comparator for sorting ScalarMCVItems by position
3017 : : */
3018 : : static int
3019 : 1479054 : compare_mcvs(const void *a, const void *b, void *arg)
3020 : : {
3021 : 1479054 : int da = ((const ScalarMCVItem *) a)->first;
3022 : 1479054 : int db = ((const ScalarMCVItem *) b)->first;
3023 : :
3024 : 1479054 : return da - db;
3025 : : }
3026 : :
3027 : : /*
3028 : : * Analyze the list of common values in the sample and decide how many are
3029 : : * worth storing in the table's MCV list.
3030 : : *
3031 : : * mcv_counts is assumed to be a list of the counts of the most common values
3032 : : * seen in the sample, starting with the most common. The return value is the
3033 : : * number that are significantly more common than the values not in the list,
3034 : : * and which are therefore deemed worth storing in the table's MCV list.
3035 : : */
3036 : : static int
3037 : 16735 : analyze_mcv_list(int *mcv_counts,
3038 : : int num_mcv,
3039 : : double stadistinct,
3040 : : double stanullfrac,
3041 : : int samplerows,
3042 : : double totalrows)
3043 : : {
3044 : : double ndistinct_table;
3045 : : double sumcount;
3046 : : int i;
3047 : :
3048 : : /*
3049 : : * If the entire table was sampled, keep the whole list. This also
3050 : : * protects us against division by zero in the code below.
3051 : : */
3052 [ + + - + ]: 16735 : if (samplerows == totalrows || totalrows <= 1.0)
3053 : 16172 : return num_mcv;
3054 : :
3055 : : /* Re-extract the estimated number of distinct nonnull values in table */
3056 : 563 : ndistinct_table = stadistinct;
3057 [ + + ]: 563 : if (ndistinct_table < 0)
3058 : 102 : ndistinct_table = -ndistinct_table * totalrows;
3059 : :
3060 : : /*
3061 : : * Exclude the least common values from the MCV list, if they are not
3062 : : * significantly more common than the estimated selectivity they would
3063 : : * have if they weren't in the list. All non-MCV values are assumed to be
3064 : : * equally common, after taking into account the frequencies of all the
3065 : : * values in the MCV list and the number of nulls (c.f. eqsel()).
3066 : : *
3067 : : * Here sumcount tracks the total count of all but the last (least common)
3068 : : * value in the MCV list, allowing us to determine the effect of excluding
3069 : : * that value from the list.
3070 : : *
3071 : : * Note that we deliberately do this by removing values from the full
3072 : : * list, rather than starting with an empty list and adding values,
3073 : : * because the latter approach can fail to add any values if all the most
3074 : : * common values have around the same frequency and make up the majority
3075 : : * of the table, so that the overall average frequency of all values is
3076 : : * roughly the same as that of the common values. This would lead to any
3077 : : * uncommon values being significantly overestimated.
3078 : : */
3079 : 563 : sumcount = 0.0;
3080 [ + + ]: 1176 : for (i = 0; i < num_mcv - 1; i++)
3081 : 613 : sumcount += mcv_counts[i];
3082 : :
3083 [ + - ]: 698 : while (num_mcv > 0)
3084 : : {
3085 : : double selec,
3086 : : otherdistinct,
3087 : : N,
3088 : : n,
3089 : : K,
3090 : : variance,
3091 : : stddev;
3092 : :
3093 : : /*
3094 : : * Estimated selectivity the least common value would have if it
3095 : : * wasn't in the MCV list (c.f. eqsel()).
3096 : : */
3097 : 698 : selec = 1.0 - sumcount / samplerows - stanullfrac;
3098 [ - + ]: 698 : if (selec < 0.0)
3099 : 0 : selec = 0.0;
3100 [ - + ]: 698 : if (selec > 1.0)
3101 : 0 : selec = 1.0;
3102 : 698 : otherdistinct = ndistinct_table - (num_mcv - 1);
3103 [ + - ]: 698 : if (otherdistinct > 1)
3104 : 698 : selec /= otherdistinct;
3105 : :
3106 : : /*
3107 : : * If the value is kept in the MCV list, its population frequency is
3108 : : * assumed to equal its sample frequency. We use the lower end of a
3109 : : * textbook continuity-corrected Wald-type confidence interval to
3110 : : * determine if that is significantly more common than the non-MCV
3111 : : * frequency --- specifically we assume the population frequency is
3112 : : * highly likely to be within around 2 standard errors of the sample
3113 : : * frequency, which equates to an interval of 2 standard deviations
3114 : : * either side of the sample count, plus an additional 0.5 for the
3115 : : * continuity correction. Since we are sampling without replacement,
3116 : : * this is a hypergeometric distribution.
3117 : : *
3118 : : * XXX: Empirically, this approach seems to work quite well, but it
3119 : : * may be worth considering more advanced techniques for estimating
3120 : : * the confidence interval of the hypergeometric distribution.
3121 : : */
3122 : 698 : N = totalrows;
3123 : 698 : n = samplerows;
3124 : 698 : K = N * mcv_counts[num_mcv - 1] / n;
3125 : 698 : variance = n * K * (N - K) * (N - n) / (N * N * (N - 1));
3126 : 698 : stddev = sqrt(variance);
3127 : :
3128 [ + + ]: 698 : if (mcv_counts[num_mcv - 1] > selec * samplerows + 2 * stddev + 0.5)
3129 : : {
3130 : : /*
3131 : : * The value is significantly more common than the non-MCV
3132 : : * selectivity would suggest. Keep it, and all the other more
3133 : : * common values in the list.
3134 : : */
3135 : 521 : break;
3136 : : }
3137 : : else
3138 : : {
3139 : : /* Discard this value and consider the next least common value */
3140 : 177 : num_mcv--;
3141 [ + + ]: 177 : if (num_mcv == 0)
3142 : 42 : break;
3143 : 135 : sumcount -= mcv_counts[num_mcv - 1];
3144 : : }
3145 : : }
3146 : 563 : return num_mcv;
3147 : : }
|
