통계 & 데이터 분포 분석 — 인덱스가 무용지물 되는 순간과 해결책

💡 n_distinct가 음수이면 전체 행 대비 고유값의 비율을 나타냅니다. -0.05는 전체 행의 5%가 고유값임을 의미합니다. 양수이면 절대적인 고유값 수를 나타냅니다(예: 5는 고유값이 정확히 5개).

💡 PostgreSQL 플래너는 통계(pg_statistic)를 기반으로 실행 계획을 결정합니다. 대량 INSERT 후 ANALYZE 없이 쿼리하면 오래된 통계로 인해 잘못된 선택율 추정 → 인덱스를 쓸 때 쓰지 않거나, 쓰면 안 될 때 쓰는 계획이 나올 수 있습니다.

💡 random_page_cost는 임의 I/O(인덱스 스캔)의 비용을 나타냅니다. 기본값 4.0은 HDD 기준이며, SSD에서는 임의 접근 비용이 순차 접근과 비슷하므로 1.1~2.0으로 낮추면 플래너가 인덱스를 더 적극적으로 선택합니다.

💡 기본 통계는 각 컬럼을 독립적으로 처리합니다. 여러 컬럼에 상관관계가 있을 때(예: 시와 구는 함께 등장) WHERE city='서울' AND district='강남구' 같은 복합 조건의 선택율을 과소평가합니다. CREATE STATISTICS로 여러 컬럼의 공동 분포를 학습시키면 더 정확한 행 수 추정이 가능합니다.

💡 statistics_target을 높이면 히스토그램 버킷 수가 늘어나 플래너의 행 수 예측 정확도가 높아집니다. 단, ANALYZE 실행 시간이 늘어나고 pg_statistic에 더 많은 데이터를 저장하여 메모리 사용량이 증가합니다. 문제가 되는 특정 컬럼만 선택적으로 높이는 것이 권장됩니다.