Ожидается, что в Postgres 19 появится новое contrib-расширение pg_plan_advice, которое добавит пользовательские хинты. Но как Postgres столько лет обходился без хинтов, пока другие СУБД на них опирались? Статистика.

Начиная с 1998 года, Postgres использует статистику на уровне колонок для генерации планов запросов. Алгоритм много раз улучшался и давно считается хорошо проверенной системой выбора плана выполнения на основе статистики. Статистика, которую генерирует ANALYZE, — основа планировщика запросов.
Когда вы запускаете ANALYZE, Postgres строит две структуры для каждой колонки. Именно на них в первую очередь смотрит планировщик, когда оценивает, сколько строк вернёт WHERE.

Ниже примеры из таблицы с HTTP-запросами. Такой набор данных удобно использовать, потому что там есть разные типы значений, которые легко представить.
Список наиболее частых значений (MCV)

Если самая сложная задача в компьютерных науках — кеширование и нейминг, то список most common values заслуживает место в зале славы за удачное название.

Это самые частые значения колонки и их точные частоты:

most_common_vals  = {GET, POST, PUT, DELETE, PATCH}
most_common_freqs = {0.70, 0.20, 0.05, 0.03, 0.02}

Здесь это HTTP-методы, поэтому набор значений ограничен спецификацией.
Для WHERE method = 'GET' планировщик напрямую читает 0.70 из списка.
70% от 200 000 строк = ожидаемые 140 000 строк.
Гистограмма с бакетами равной высоты

Для значений, которых нет в MCV-списке, Postgres строит equi-height buckets. Ниже пример гистограммы для колонки со временем ответа в миллисекундах:

histogram_bounds = {83, 88, 95, 107, 132, 166, 195, 245, 362, 554, 965, 2622164}

Каждый бакет содержит примерно одинаковое количество строк. Бакет [245, 362] содержит примерно столько же строк, сколько [83, 88].

За счёт фиксированного количества строк диапазон значений становится переменным. Это упрощает оценку количества строк.
NULL-гистограммы

Когда все уникальные значения помещаются в MCV-список, histogram_bounds становится NULL.
У колонки method всего 5 значений. Все они попадают в MCV-список, поэтому гистограмма не нужна.

Зачем нужны две структуры?
MCV даёт точные частоты для популярных значений, а гистограмма покрывает длинный хвост — редкие или непрерывные значения через приближение. Вместе они описывают полное распределение без хранения каждого значения отдельно.

Чтобы посмотреть статистику для таблицы и колонки:

SELECT 
  most_common_vals, 
  most_common_freqs, 
  histogram_bounds
FROM pg_stats
WHERE tablename = 'requests' 
  AND attname = 'status_code';

👉 @SQLPortal