가장 간단한 종류의 확장 스포츠 토토 베트맨 트랙기능적 종속성, 데이터베이스 정규형 정의에 사용되는 개념입니다. 우리는 그 칼럼을 말합니다b기능적으로 열에 종속됩니다.a가치에 대한 지식이 있는 경우a값을 결정하기에 충분합니다.b, 즉, 동일한 값을 갖는 두 개의 행이 없습니다.a그러나 다른 값b. 완전히 정규화된 데이터베이스에서 기능적 종속성은 기본 키와 수퍼키에만 존재해야 합니다. 그러나 실제로는 여러 가지 이유로 인해 많은 데이터 세트가 완전히 정규화되지 않습니다. 성능상의 이유로 의도적인 비정규화가 일반적인 예입니다. 완전히 정규화된 데이터베이스에서도 일부 열 간에 부분 상관 관계가 있을 수 있으며 이는 부분 기능 종속성으로 표현될 수 있습니다.

기능적 종속성의 존재는 특정 쿼리의 추정 ​​정확도에 직접적인 영향을 미칩니다. 쿼리에 독립 열과 종속 열 모두에 대한 조건이 포함된 경우 종속 열의 조건은 결과 크기를 더 이상 줄이지 않습니다. 그러나 기능 종속성에 대한 지식이 없으면 쿼리 플래너는 조건이 독립적이라고 가정하여 결과 크기를 과소평가하게 됩니다.

기획자에게 기능적 종속성을 알리기 위해,분석교차 열 종속성에 대한 측정값을 수집할 수 있습니다. 모든 열 집합 간의 종속성 정도를 평가하는 것은 엄청나게 비용이 많이 들기 때문에 데이터 수집은 다음으로 정의된 스포츠 토토 베트맨 개체에 함께 나타나는 열 그룹으로 제한됩니다.종속성옵션. 생성하는 것이 좋습니다.종속성두 항목 모두에서 불필요한 오버헤드를 피하기 위해 강하게 상관된 열 그룹에 대해서만 스포츠 토토 베트맨분석이후 쿼리 계획.

다음은 기능 종속성 통계 수집의 예입니다.

CREATE STATISTICS stts (종속성) ON 도시, 우편번호 FROM 우편번호;

우편번호를 분석하세요.

SELECT stxname, stxkeys, stxd종속성
  pg_statistic_ext에서 pg_statistic_ext_data에 조인(oid = stxoid)
  어디서 stxname = 'stts';
 stx이름 | sxkeys |             stxd종속성
-------+---------+-------------------------------
 stts | 1 5 | "1 = 5": 1.000000, "5 = 1": 0.423130

여기서 열 1(우편번호)이 열 5(도시)를 완전히 결정하므로 계수는 1.0인 반면, 도시는 약 42%의 경우에만 우편번호를 결정한다는 것을 알 수 있습니다. 즉, 단일 우편번호 이상으로 표시되는 많은 도시(58%)가 있음을 의미합니다.

기능적으로 종속된 열과 관련된 쿼리에 대한 선택성을 계산할 때 플래너는 과소평가가 발생하지 않도록 종속성 계수를 사용하여 조건별 선택성 추정치를 조정합니다.

SELECT * FROM 우편번호 WHERE 도시 = '샌프란시스코' AND 우편번호 = '94105';

SELECT * FROM 우편번호 WHERE 도시 = '샌프란시스코' AND 우편번호 = '90210';

단일 열 스포츠 토토 베트맨는 각 열의 고유 값 수를 저장합니다. 둘 이상의 열을 결합할 때 고유 값의 추정치(예:그룹별 a, b)는 플래너에 단일 열 스포츠 토토 베트맨 데이터만 있는 경우 잘못된 계획을 선택하는 원인이 되는 경우가 많습니다.

이러한 추정치를 개선하려면,분석열 그룹에 대해 n개의 고유한 통계를 수집할 수 있습니다. 이전과 마찬가지로 가능한 모든 열 그룹화에 대해 이 작업을 수행하는 것은 비실용적이므로 데이터는 다음과 같이 정의된 스포츠 토토 베트맨 개체에 함께 나타나는 열 그룹에 대해서만 수집됩니다.특이함옵션. 나열된 열 집합에서 두 개 이상의 열의 가능한 각 조합에 대해 데이터가 수집됩니다.

이전 예를 계속하면 우편번호 테이블의 n-고유 개수는 다음과 같습니다.

CREATE STATISTICS stts2 (ndistinct) ON 시, 주, 우편번호 FROM 우편번호;

우편번호를 분석하세요.

SELECT stxkeys AS k, stxdndistinct AS nd
  pg_statistic_ext에서 pg_statistic_ext_data에 조인(oid = stxoid)
  어디서 stxname = 'stts2';
-[ 기록 1 ]--------------------------------------------​--
케이 | 1 2 5
둘째 | "1, 2": 33178, "1, 5": 33178, "2, 5": 27435, "1, 2, 5": 33178

이는 33178개의 고유한 값을 갖는 세 가지 열 조합이 있음을 나타냅니다: 우편번호 및 주; 우편번호 및 도시 및 우편번호, 도시 및 주(이 표에서 우편번호만 고유하다는 점을 고려하면 모두 동일하다는 사실이 예상됩니다). 반면에 도시와 주를 조합한 경우 고유 값은 27435개에 불과합니다.

생성하는 것이 좋습니다특이함스포츠 토토 베트맨는 실제로 그룹화에 사용되는 열 조합에 대해서만 개체를 ​​생성하며, 그룹 수를 잘못 추정하면 잘못된 계획이 발생합니다. 그렇지 않으면,분석주기가 낭비되었습니다.

각 열에 저장된 또 다른 유형의 스포츠 토토 베트맨는 가장 일반적인 값 목록입니다. 이를 통해 개별 열에 대해 매우 정확한 추정이 가능하지만 여러 열에 조건이 있는 쿼리의 경우 상당히 잘못된 추정이 발생할 수 있습니다.

그러한 추정치를 개선하려면,분석열 조합에 대한 MCV 목록을 수집할 수 있습니다. 함수적 종속성 및 n-고유 계수와 마찬가지로 가능한 모든 열 그룹화에 대해 이 작업을 수행하는 것은 비현실적입니다. 이 경우 MCV 목록(기능적 종속성 및 n-고유 계수와 달리)은 공통 열 값을 저장하므로 더욱 그렇습니다. 따라서 데이터는 다음과 같이 정의된 스포츠 토토 베트맨 개체에 함께 나타나는 열 그룹에 대해서만 수집됩니다.mcv옵션.

이전 예를 계속하면 우편번호 테이블의 MCV 목록은 다음과 같을 수 있습니다(간단한 통계 유형과 달리 MCV 내용을 검사하려면 함수가 필요합니다).

우편번호에서 도시, 주에 대한 통계 stts3 (mcv) 생성;

우편번호를 분석하세요.

m을 선택하세요.* pg_statistic_ext에서 pg_statistic_ext_data에 조인(oid = stxoid),
                pg_mcv_list_items(stxdmcv) m WHERE stxname = 'stts3';

 색인 |         가치 | 널 | 주파수 | 기본_주파수
--------+------------+-------+------------+---
     0 | 워싱턴 DC | f,f |  0.003467 |        2.7e-05
     1 | 아포, AE | f,f |  0.003067 |        1.9e-05
     2 | 휴스턴, 텍사스 | f,f |  0.002167 |       0.000133
     3 | 엘파소, 텍사스 | f,f |     0.002 |       0.000113
     4 | 뉴욕, 뉴욕 | f,f |  0.001967 |       0.000114
     5 | 조지아주 애틀랜타 | f,f |  0.001633 |        3.3e-05
     6 | 캘리포니아주 새크라멘토 | f,f |  0.001433 |        7.8e-05
     7 | 마이애미, 플로리다 | f,f |    0.0014 |          6e-05
     8 | 텍사스주 달라스 | f,f |  0.001367 |        8.8e-05
     9 | 일리노이주 시카고 | f,f |  0.001333 |        5.1e-05
   ...
(99행)

이는 도시와 주의 가장 일반적인 조합이 DC의 워싱턴이며 실제 빈도(샘플에서)가 약 0.35%임을 나타냅니다. 단순 열당 빈도로 계산된 조합의 기본 빈도는 0.0027%에 불과하므로 2배 정도 과소평가됩니다.

생성하는 것이 좋습니다MCV스포츠 토토 베트맨는 실제로 조건에서 함께 사용되는 열 조합에 대해서만 개체를 ​​생성하며 그룹 수를 잘못 추정하면 잘못된 계획이 발생합니다. 그렇지 않으면,분석그리고 계획 주기는 낭비입니다.