【入門編】 MCVリスト統計 – PostgreSQL

やあ！今日もデータベースと格闘しているかな？

PostgreSQLを触っていると、たまに「なんでこんなにクエリが遅いんだろう？」って頭を抱える瞬間があるよね。実はその原因、データベースが「データの中身を勘違いしている」ことにあるかもしれないんだ。

今日は、そんな勘違いを正して爆速クエリに変えてくれる魔法の杖、「MCVリスト（最頻値リスト）」についてお話しするよ。難しく考えないで、ちょっと日常の風景に例えてみてね。

—

まず、大前提を知っておこう。PostgreSQLくんは、クエリを実行する前に「この検索にはだいたいこれくらいのデータがヒットするはずだな」って予測を立てるんだ。

例えば、100万件ある「ユーザーリスト」から「東京都の人」を探すとしよう。
もし、データベースが「うーん、日本には47都道府県あるから、東京都の人は全体の1/47くらいかな？」と適当な計算をしたらどうなるだろう？

もし、そのリストの90%が東京都の人だったら？

データベースは「数人しか見つからないはずだ！」と思って最短ルート（インデックス）を使おうとするけれど、実際は大量のデータがあって処理がパンクする……なんて悲劇が起きるわけ。これがいわゆる「見積もりのミス」ってやつだね。

ここで登場するのがMCV（Most Common Values：最頻値リスト）だ。

これは、データベースが裏でこっそり作っている「よくあるデータのメモ帳」のことだよ。

「全データを見て回るのは大変だから、とりあえず『よく出てくる値』をランキングにして覚えておこう！」という仕組みなんだ。これを統計情報として持っておくことで、データベースはこんな風に考えを変える。

昔のデータベース： 「平均すると1/47くらいかな〜（テキトー）」
MCVを知ったデータベース： 「お、検索ワードは『東京都』だね。メモ帳を見たら……あ、これ全体の90%を占める超常連さんだ！じゃあ、インデックスを使うより全体をスキャンした方が早いな」

そう、「データに偏りがあること」をあらかじめ知っておけば、賢い判断ができるようになるんだよね。

実は、PostgreSQLは優秀だから、普段から自動的にこのメモ帳（統計情報）を更新してくれているんだ。でも、データが急激に増えたり変わったりした直後は、このメモ帳が古くなっていて役に立たないことがある。

そんな時は、魔法のコマンドを唱えてあげよう。

ANALYZE テーブル名;

これだけでOK！「おい、もう一回データを確認してメモ帳を書き直してくれ！」とお願いするコマンドだよ。これだけで、クエリの速度が劇的に改善することだって珍しくないんだ。

データベースが遅いとき、それは決して「性能が悪い」わけじゃない。「データの実態を知らないだけ」ということが本当に多いんだ。

この視点を持つだけで、君ももう立派なデータベースエンジニアの仲間入りだね。

もしクエリが遅くて困ったら、まずは「PostgreSQLくんはちゃんとMCVを活用できているかな？」って、優しく声をかけてあげてみて。きっと、適切な実行計画で応えてくれるはずだよ。

それじゃ、また次回の記事で会おう！Happy Querying!