那么首先我们的提出为什么我们需要一个扩展统计信息的方式来进行相关的工作，需求在哪里。一般情况下的查询是不需要这样的扩展，而有一些大表，特殊的查询的确有一个更有效的数据收集对于数据查询是更有利的。
实际上在我们的认知里面，一般对语句的优化都是要建立对应的索引的，而我们大多忘记了另一个问题就是查询中一些查询因为统计信息与查询的数据的方式不匹配，导致即使有索引也对于查询是无效的。
我们用下面的例子来简单说明一下
我们建立一个表，并且灌入数据，这些数据库是时序性的数据，同时
create table test_t (time_d timestamp,value_d numeric DEFAULT random());
insert into test_t (time_d) SELECT * FROM generate_series('2022-01-01', '2023-06-30', '5 second'::interval);
create statistics test_t_day on (date_trunc('day',time_d)) from test_t;
analyze test_t;
explain analyze SELECT date_trunc('day', time_d) as days, count(*) FROM test_t GROUP BY 1;
drop statistics test_t_day;
explain analyze SELECT date_trunc('day', time_d) as days, count(*) FROM test_t GROUP BY 1;
从上面的截图可以看出在使用了 create statistics 后，查询的执行计划和没有建立 create statistics 的执行计划是截然不同的。使用了 create statistics 后整体的执行的计划变为了并行的方式并且gather merge 中的聚合的行数变为了 1090行，而不使用特殊的统计分析，则执行计划消耗的内存和ROW 都和全表扫描是一致的。在没有任何索引的情况下，执行计划在有效的统计信息的情况下，时间缩减了一半。
但在有些情况下，这样的方式也有一些问题，比如在这张表中增加一个主键，我们在看整体的效果是否有变化。在有主键的情况下，也是可以达到与上面没有主键一样的效果的。
除此以外，数据表中的条件之间有关联的情况下，也可以在统计分析中入手，进行一些统计分析中的特殊的操作。
create table test_t (id serial primary key, age int, ages int);
insert into test_t (age,ages) SELECT i/100, i/500 FROM generate_series(1,2000000) s(i);
create statistics test_t_s (dependencies) on age,ages from test_t;
analyze test_t;
explain analyze select * from test_t where age = 1 and ages = 0 limit 1;
drop statistics test_t_s ;
explain analyze select * from test_t where age = 1 and ages = 0 limit 1;
在这个例子中，查询的提速更加明显，提升了300多倍的速度。
这里例子中就是利用了联合统计方式，将查询中有关的两个字段，进行了联合的统计分析，在联合的统计分析中，可以获取到两个字段之间的关系，在这个数据集合里面，数据是有规律的，我们可以用一个SQL来分析出这样的规律。
每一种数值都是100个，而如果不使用create statistics 那么统计分析将不会关心这两个字段的关系，因为两个值之间是有对应关系的，如果不使用这样的方式，则是每个字段自己来进行统计分析，在查询中，这样的统计分析无法给查询带来任何的收益。 这里重要的问题在于当进行聚合的过程中，一般会产生两种结果 1 hash 聚合 2 group 聚合 如果你的work_mem 足够大的情况下，可以使用HASH 聚合，但是如果work_mem 不足够的情况下，则就需要将所有的行进行group 聚合，那么这样的情况下就会设计到使用磁盘来弥补内存的不足。 比如我们在举一个例子，这个表中的数据，需要经常分组，进行distinct 类似的统计的语句执行。
drop statistics test_t_s;
create statistics test_t_s (ndistinct) on age,ages from test_t; analyze test_t;
explain analyze select age,ages from test_t group by age,ages;
以下就是一个例子，大家可以很清晰的看到，如果不使用统计信息，则查询需要的时间是有特定统计信息的2倍。
最后简单的介绍一下，create statistics 的集中类型
1 ndistinct ，这个类型主要是对应于分组多个列的分组，在类似这样的查询的方式中，会使用的比较顺手。
2 dependencies, 这个类型主要应用在查询中两个条件以上，并且这两个条件之间的值是有关联性的，或者逻辑课寻迹性。
3 自定义的方式，这与我们第一个列子中的使用方式一样，有类似函数 statistic 的意味
4 MVC ，这个部分需要弄清楚查询和多个值之间的关系，不建议轻易使用MVC的方式，这里就不在往下介绍。
实际上我们可以经常考虑的是 dependencies ，以及ndistinct 两种方式。
最后在阐述一下，在SQL的优化中是一个复合型的工作，并不是简单的使用索引，或者修改SQL，实际上我听到的最好的SQL的优化方式是，将这个业务逻辑推到。
