re:re:actable
Урок 063 минуты чтения

Что такое селективность индекса

На этой странице
Кратко

Селективность условия — доля строк таблицы, которые ему соответствуют. Высокая селективность (мало строк: email = $1, id = $1) — индекс очень выгоден. Низкая (много строк: is_active = true для 95% пользователей) — дешевле прочитать таблицу целиком последовательно, чем делать тысячи случайных переходов из индекса в heap; поэтому планировщик может не использовать индекс, и это правильно. Важна селективность конкретного значения, а не столбца в целом: status = 'failed' (0,1% строк) селективно, а status = 'done' (90%) — нет. Для таких перекосов подходят частичные индексы. Оценки селективности планировщик берёт из статистики (pg_stats: частые значения, гистограммы), поэтому устаревшая статистика ведёт к плохим планам.

Вопрос

Что такое селективность и как она влияет на использование индекса?

Примеры

УсловиеДоля строкИндекс выгоден
id = 421 строкаДа
email = 'anna@x.com'1 строкаДа
user_id = 70,01%Да
status = 'failed'0,1%Да
status = 'done'90%Нет — Seq Scan
is_active95%Нет

Граница зависит от размера строк, кеша и настроек (random_page_cost), но ориентир — единицы процентов.

Почему много строк через индекс медленнее

Seq Scan:   читаем 10 000 страниц подряд (последовательно, быстро)
Index Scan: 900 000 строк → до 900 000 переходов к разным страницам (случайный доступ)

Промежуточный вариант — Bitmap Heap Scan: сначала собрать номера страниц из индекса, затем читать их по порядку.

Перекос значений и частичный индекс

-- задачи в работе — малая доля, по ним ищут постоянно
CREATE INDEX jobs_pending_idx ON jobs (created_at) WHERE status = 'pending';
 
SELECT * FROM jobs WHERE status = 'pending' ORDER BY created_at LIMIT 100;

Индекс маленький (только pending), быстро обновляется и не содержит 99% «done»-строк.

Статистика

SELECT attname, n_distinct, most_common_vals, most_common_freqs
FROM pg_stats
WHERE tablename = 'orders' AND attname = 'status';
most_common_vals  = {done, cancelled, new, failed}
most_common_freqs = {0.9, 0.06, 0.035, 0.005}

Планировщик знает, что status = 'done' вернёт 90% строк, а failed — 0,5%, и выбирает разные планы для разных параметров.

Коррелированные столбцы

-- city = 'Moscow' (10%) и country = 'RU' (30%) — планировщик считает независимыми: 3%
-- на деле все Moscow — в RU: 10%
CREATE STATISTICS users_city_country (dependencies) ON city, country FROM users;
ANALYZE users;

Кардинальность и селективность

Кардинальность столбца — число различных значений. Высокая кардинальность (email, id) обычно означает высокую селективность равенства, но при перекосе распределения одного числа мало — смотрите на частоты значений.

Частые ошибки

  • Индекс по boolean или столбцу со статусом без условия.
  • «Заставлять» планировщик использовать индекс, когда Seq Scan действительно дешевле.
  • Не делать ANALYZE после массовой загрузки.
  • Оценивать селективность по столбцу, а не по реальным значениям в запросах.

Что важно помнить

  • Селективность = доля строк, подходящих под условие.
  • Индекс выгоден, когда строк мало.
  • Перекос значений — повод для частичного индекса.

Мини-шпаргалка

  • Мало строк → Index Scan.
  • Много строк → Seq Scan / Bitmap.
  • pg_stats.most_common_vals/freqs.
  • CREATE INDEX ... WHERE rare_condition.
  • CREATE STATISTICS для коррелированных столбцов.

Документация

PostgreSQL: Statistics Used by the Planner, PostgreSQL: Row Estimation Examples.

Дочитали до конца?
Отметьте урок — прогресс сохранится в браузере.

Поиск

Поиск по урокам