Рассмотрим оптимизацию запроса с использованием расширения aqo.

Когда запрос выполняется в первый раз, его нет в таблицах, лежащих в основе представлений aqo. Таким образом, данных для предсказания aqo для каждого узла плана нет, и в выводе EXPLAIN появляются строки «AQO not used» (AQO не используется):

demo=# EXPLAIN (ANALYZE, SUMMARY OFF, TIMING OFF)
SELECT bp.*
FROM segments s
JOIN flights f ON f.flight_id = s.flight_id
JOIN boarding_passes bp ON bp.ticket_no = s.ticket_no AND bp.flight_id = s.flight_id
WHERE f.scheduled_departure > '2025-12-1 15:00:00+00';
                                                           QUERY PLAN
--------------------------------------------------------------------------------------------------------------------------------
 Hash Join  (cost=79793.72..237497.86 rows=1201002 width=33) (actual rows=9455.00 loops=1)
   AQO not used, fss=4871603661380287993
   Hash Cond: ((s.flight_id = f.flight_id) AND (s.ticket_no = bp.ticket_no))
   Buffers: shared hit=3713 read=50331, temp read=17210 written=17210
   ->  Seq Scan on segments s  (cost=0.00..72572.70 rows=3941270 width=18) (actual rows=3941249.00 loops=1)
         AQO not used, fss=-1745942650988724053
         Buffers: shared hit=1853 read=31307
   ->  Hash  (cost=52395.69..52395.69 rows=1201002 width=37) (actual rows=9455.00 loops=1)
         Buckets: 131072  Batches: 16  Memory Usage: 1058kB
         Buffers: shared hit=1860 read=19024, temp written=45
         ->  Hash Join  (cost=608.55..52395.69 rows=1201002 width=37) (actual rows=9455.00 loops=1)
               AQO not used, fss=4705493075117122362
               Hash Cond: (bp.flight_id = f.flight_id)
               Buffers: shared hit=1860 read=19024
               ->  Seq Scan on boarding_passes bp  (cost=0.00..45318.32 rows=2463832 width=33) (actual rows=2463832.00 loops=1)
                     AQO not used, fss=1362775811343989307
                     Buffers: shared hit=1656 read=19024
               ->  Hash  (cost=475.98..475.98 rows=10606 width=4) (actual rows=10594.00 loops=1)
                     Buckets: 16384  Batches: 1  Memory Usage: 501kB
                     Buffers: shared hit=204
                     ->  Seq Scan on flights f  (cost=0.00..475.98 rows=10606 width=4) (actual rows=10594.00 loops=1)
                           AQO not used, fss=3484507337497244877
                           Filter: (scheduled_departure > '2025-12-01 22:00:00+07'::timestamp with time zone)
                           Rows Removed by Filter: 11164
                           Buffers: shared hit=204
 Planning:
   Buffers: shared hit=53
 Using aqo: true
 AQO mode: LEARN
 AQO advanced: OFF
 Query hash: 0
 JOINS: 2
(32 rows)

Если в представлении aqo_data нет информации об определённом узле, aqo добавит в него соответствующую запись для дальнейшего обучения и предсказания, за исключением узлов с fss=0 в выводе EXPLAIN. Поскольку значения в полях features и targets в представлении aqo_data являются логарифмом по основанию e, чтобы получить фактическое значение, возведите e в соответствующую степень. Например: exp(9.154298981092557):

 demo=# select * from aqo_data;
 fs |         fss          | dbid  | nfeatures |                  features                   |       targets        | reliability |        oids         | tmpoids 
----+----------------------+-------+-----------+---------------------------------------------+----------------------+-------------+---------------------+---------
  0 |  3484507337497244877 | 16556 |         1 | {{-0.7185575545175223}}                     | {9.268043082104471}  | {1}         | {17452}             | 
  0 | -1745942650988724053 | 16556 |         0 |                                             | {15.187008236114766} | {1}         | {17488}             | 
  0 |  4705493075117122362 | 16556 |         2 | {{-0.7185575545175223,-9.987736784981028}}  | {9.154298981092557}  | {1}         | {17452,17438}       | 
  0 |  1362775811343989307 | 16556 |         0 |                                             | {14.71722841949288}  | {1}         | {17438}             | 
  0 |  4871603661380287993 | 16556 |         2 | {{-0.7185575545175223,-14.672062325711414}} | {9.154298981092557}  | {1}         | {17488,17452,17438} | 
(5 rows)
 

При повторном выполнении запроса aqo распознаёт его и делает предсказание. Обратите внимание на оценку количества строк, предсказанную aqo, и значение ошибки aqo («error=0%»).

demo=# EXPLAIN (ANALYZE, SUMMARY OFF, TIMING OFF)
SELECT bp.*
FROM segments s
JOIN flights f ON f.flight_id = s.flight_id
JOIN boarding_passes bp ON bp.ticket_no = s.ticket_no AND bp.flight_id = s.flight_id
WHERE f.scheduled_departure > '2025-12-1 15:00:00+00';
                                                               QUERY PLAN                                                               
----------------------------------------------------------------------------------------------------------------------------------------
 Gather  (cost=1608.83..38142.58 rows=9455 width=33) (actual rows=9455.00 loops=1)
   Workers Planned: 2
   Workers Launched: 2
   Buffers: shared hit=27340 read=22325
   ->  Nested Loop  (cost=608.83..36197.08 rows=3940 width=33) (actual rows=3151.67 loops=3)
         AQO: rows=9455, error=0%, fss=4871603661380287993
         Join Filter: (s.flight_id = f.flight_id)
         Buffers: shared hit=27340 read=22325
         ->  Hash Join  (cost=608.40..34249.71 rows=3940 width=37) (actual rows=3151.67 loops=3)
               AQO: rows=9455, error=0%, fss=4705493075117122362
               Hash Cond: (bp.flight_id = f.flight_id)
               Buffers: shared hit=2360 read=18932
               ->  Parallel Seq Scan on boarding_passes bp  (cost=0.00..30945.97 rows=1026597 width=33) (actual rows=821277.33 loops=3)
                     AQO: rows=2463832, error=0%, fss=1362775811343989307
                     Buffers: shared hit=1748 read=18932
               ->  Hash  (cost=475.98..475.98 rows=10594 width=4) (actual rows=10594.00 loops=3)
                     Buckets: 16384  Batches: 1  Memory Usage: 501kB
                     Buffers: shared hit=612
                     ->  Seq Scan on flights f  (cost=0.00..475.98 rows=10594 width=4) (actual rows=10594.00 loops=3)
                           AQO: rows=10594, error=0%, fss=3484507337497244877
                           Filter: (scheduled_departure > '2025-12-01 22:00:00+07'::timestamp with time zone)
                           Rows Removed by Filter: 11164
                           Buffers: shared hit=612
         ->  Index Only Scan using segments_pkey on segments s  (cost=0.43..0.48 rows=1 width=18) (actual rows=1.00 loops=9455)
               AQO not used (early terminated), fss=-5182591529139042748
               Index Cond: ((ticket_no = bp.ticket_no) AND (flight_id = bp.flight_id))
               Heap Fetches: 0
               Index Searches: 9455
               Buffers: shared hit=24980 read=3393
 Planning:
   Buffers: shared hit=53
 Using aqo: true
 AQO mode: LEARN
 AQO advanced: OFF
 Query hash: 0
 JOINS: 2
(36 rows)

Изменив константу в запросе, можно заметить, что предсказание сделано с ошибкой:

demo=# EXPLAIN (ANALYZE, SUMMARY OFF, TIMING OFF)
SELECT bp.*
FROM segments s
JOIN flights f ON f.flight_id = s.flight_id
JOIN boarding_passes bp ON bp.ticket_no = s.ticket_no AND bp.flight_id = s.flight_id
WHERE f.scheduled_departure > '2025-11-20 15:00:00+00';
                                                               QUERY PLAN                                                               
----------------------------------------------------------------------------------------------------------------------------------------
 Gather  (cost=1608.83..38142.58 rows=9455 width=33) (actual rows=438899.00 loops=1)
   Workers Planned: 2
   Workers Launched: 2
   Buffers: shared hit=1307156 read=30841
   ->  Nested Loop  (cost=608.83..36197.08 rows=3940 width=33) (actual rows=146299.67 loops=3)
         AQO: rows=9455, error=-4542%, fss=4871603661380287993
         Join Filter: (s.flight_id = f.flight_id)
         Buffers: shared hit=1307156 read=30841
         ->  Hash Join  (cost=608.40..34249.71 rows=3940 width=37) (actual rows=146299.67 loops=3)
               AQO: rows=9455, error=-4542%, fss=4705493075117122362
               Hash Cond: (bp.flight_id = f.flight_id)
               Buffers: shared hit=1521 read=19771
               ->  Parallel Seq Scan on boarding_passes bp  (cost=0.00..30945.97 rows=1026597 width=33) (actual rows=821277.33 loops=3)
                     AQO: rows=2463832, error=0%, fss=1362775811343989307
                     Buffers: shared hit=909 read=19771
               ->  Hash  (cost=475.98..475.98 rows=10594 width=4) (actual rows=12593.00 loops=3)
                     Buckets: 16384  Batches: 1  Memory Usage: 571kB
                     Buffers: shared hit=612
                     ->  Seq Scan on flights f  (cost=0.00..475.98 rows=10594 width=4) (actual rows=12593.00 loops=3)
                           AQO: rows=10594, error=-19%, fss=3484507337497244877
                           Filter: (scheduled_departure > '2025-11-20 22:00:00+07'::timestamp with time zone)
                           Rows Removed by Filter: 9165
                           Buffers: shared hit=612
         ->  Index Only Scan using segments_pkey on segments s  (cost=0.43..0.48 rows=1 width=18) (actual rows=1.00 loops=438899)
               AQO not used (early terminated), fss=-5182591529139042748
               Index Cond: ((ticket_no = bp.ticket_no) AND (flight_id = bp.flight_id))
               Heap Fetches: 0
               Index Searches: 438899
               Buffers: shared hit=1305635 read=11070
 Planning:
   Buffers: shared hit=53
 Using aqo: true
 AQO mode: LEARN
 AQO advanced: OFF
 Query hash: 0
 JOINS: 2
(36 rows)
  

Однако вместо пересчёта полей features и targets, aqo добавил новые значения избирательности и оценки количества строк для этого запроса в aqo_data:

demo=# SELECT * FROM aqo_data;
 fs |         fss          | dbid  | nfeatures |                                       features                                        |                targets                | reliability |        oids         | tmpoids 
----+----------------------+-------+-----------+---------------------------------------------------------------------------------------+---------------------------------------+-------------+---------------------+---------
  0 |  3484507337497244877 | 16556 |         1 | {{-0.7185575545175223},{-0.5463556163769266}}                                         | {9.268043082104471,9.440896383005846} | {1,1}       | {17452}             | 
  0 | -1745942650988724053 | 16556 |         0 |                                                                                       | {15.187008236114766}                  | {1}         | {17488}             | 
  0 |  4705493075117122362 | 16556 |         2 | {{-0.7185575545175223,-9.987736784981028},{-0.5463556163769266,-9.987736784981028}}   | {9.154298981092557,12.9920245972504}  | {1,1}       | {17452,17438}       | 
  0 |  1362775811343989307 | 16556 |         0 |                                                                                       | {14.71722841949288}                   | {1}         | {17438}             | 
  0 |  4871603661380287993 | 16556 |         2 | {{-0.7185575545175223,-14.672062325711414},{-0.5463556163769266,-14.672062325711414}} | {9.154298981092557,12.9920245972504}  | {1,1}       | {17488,17452,17438} | 
(5 rows)

Теперь в предсказании есть небольшая ошибка примерно в 2%, которая может объясняться погрешностью вычислений:

demo=# EXPLAIN (ANALYZE, SUMMARY OFF, TIMING OFF)
SELECT bp.*
FROM segments s
JOIN flights f ON f.flight_id = s.flight_id
JOIN boarding_passes bp ON bp.ticket_no = s.ticket_no AND bp.flight_id = s.flight_id
WHERE f.scheduled_departure > '2025-11-20 15:00:00+00';
                                                                  QUERY PLAN                                                                  
----------------------------------------------------------------------------------------------------------------------------------------------
 Gather  (cost=39355.89..164831.92 rows=429336 width=33) (actual rows=438899.00 loops=1)
   Workers Planned: 2
   Workers Launched: 2
   Buffers: shared hit=1619 read=52833, temp read=21086 written=21152
   ->  Parallel Hash Join  (cost=38355.89..120898.32 rows=178890 width=33) (actual rows=146299.67 loops=3)
         AQO: rows=429336, error=-2%, fss=4871603661380287993
         Hash Cond: ((s.flight_id = f.flight_id) AND (s.ticket_no = bp.ticket_no))
         Buffers: shared hit=1619 read=52833, temp read=21086 written=21152
         ->  Parallel Seq Scan on segments s  (cost=0.00..49581.96 rows=1642187 width=18) (actual rows=1313749.67 loops=3)
               AQO: rows=3941249, error=0%, fss=-1745942650988724053
               Buffers: shared read=33160
         ->  Parallel Hash  (cost=34274.54..34274.54 rows=178890 width=37) (actual rows=146299.67 loops=3)
               Buckets: 131072  Batches: 8  Memory Usage: 4928kB
               Buffers: shared hit=1619 read=19673, temp written=2812
               ->  Hash Join  (cost=633.24..34274.54 rows=178890 width=37) (actual rows=146299.67 loops=3)
                     AQO: rows=429336, error=-2%, fss=4705493075117122362
                     Hash Cond: (bp.flight_id = f.flight_id)
                     Buffers: shared hit=1619 read=19673
                     ->  Parallel Seq Scan on boarding_passes bp  (cost=0.00..30945.97 rows=1026597 width=33) (actual rows=821277.33 loops=3)
                           AQO: rows=2463832, error=0%, fss=1362775811343989307
                           Buffers: shared hit=1007 read=19673
                     ->  Hash  (cost=475.98..475.98 rows=12581 width=4) (actual rows=12593.00 loops=3)
                           Buckets: 16384  Batches: 1  Memory Usage: 571kB
                           Buffers: shared hit=612
                           ->  Seq Scan on flights f  (cost=0.00..475.98 rows=12581 width=4) (actual rows=12593.00 loops=3)
                                 AQO: rows=12581, error=-0%, fss=3484507337497244877
                                 Filter: (scheduled_departure > '2025-11-20 22:00:00+07'::timestamp with time zone)
                                 Rows Removed by Filter: 9165
                                 Buffers: shared hit=612
 Planning:
   Buffers: shared hit=53
 Using aqo: true
 AQO mode: LEARN
 AQO advanced: OFF
 Query hash: 0
 JOINS: 2
(36 rows)

Можно изменить запрос, добавив некоторую таблицу в список JOIN. В этом случае aqo будет прогнозировать оценку количества строк на узлах, использовавшихся для обучения.

demo=# EXPLAIN (ANALYZE, SUMMARY OFF, TIMING OFF)
SELECT bp.*
FROM segments s
JOIN flights f ON f.flight_id = s.flight_id
JOIN boarding_passes bp ON bp.ticket_no = s.ticket_no AND bp.flight_id = s.flight_id
JOIN tickets t ON t.ticket_no = s.ticket_no
WHERE f.scheduled_departure > '2025-12-1 15:00:00+00';
                                                                  QUERY PLAN                                                                  
----------------------------------------------------------------------------------------------------------------------------------------------
 Gather  (cost=1609.40..40084.93 rows=9666 width=33) (actual rows=9455.00 loops=1)
   Workers Planned: 2
   Workers Launched: 2
   Buffers: shared hit=53810 read=24225 written=1
   ->  Nested Loop  (cost=609.40..38118.33 rows=4028 width=33) (actual rows=3151.67 loops=3)
         AQO not used, fss=3232027643707566962
         Buffers: shared hit=53810 read=24225 written=1
         ->  Nested Loop  (cost=608.97..36240.71 rows=4028 width=47) (actual rows=3151.67 loops=3)
               AQO: rows=9666, error=2%, fss=4871603661380287993
               Join Filter: (s.flight_id = f.flight_id)
               Buffers: shared hit=28230 read=21435
               ->  Hash Join  (cost=608.54..34249.84 rows=4028 width=37) (actual rows=3151.67 loops=3)
                     AQO: rows=9666, error=2%, fss=4705493075117122362
                     Hash Cond: (bp.flight_id = f.flight_id)
                     Buffers: shared hit=1006 read=20286
                     ->  Parallel Seq Scan on boarding_passes bp  (cost=0.00..30945.97 rows=1026597 width=33) (actual rows=821277.33 loops=3)
                           AQO: rows=2463832, error=0%, fss=1362775811343989307
                           Buffers: shared hit=394 read=20286
                     ->  Hash  (cost=475.98..475.98 rows=10605 width=4) (actual rows=10594.00 loops=3)
                           Buckets: 16384  Batches: 1  Memory Usage: 501kB
                           Buffers: shared hit=612
                           ->  Seq Scan on flights f  (cost=0.00..475.98 rows=10605 width=4) (actual rows=10594.00 loops=3)
                                 AQO: rows=10605, error=0%, fss=3484507337497244877
                                 Filter: (scheduled_departure > '2025-12-01 22:00:00+07'::timestamp with time zone)
                                 Rows Removed by Filter: 11164
                                 Buffers: shared hit=612
               ->  Index Only Scan using segments_pkey on segments s  (cost=0.43..0.48 rows=1 width=18) (actual rows=1.00 loops=9455)
                     AQO not used (early terminated), fss=-5182591529139042748
                     Index Cond: ((ticket_no = bp.ticket_no) AND (flight_id = bp.flight_id))
                     Heap Fetches: 0
                     Index Searches: 9455
                     Buffers: shared hit=27224 read=1149
         ->  Index Only Scan using tickets_pkey on tickets t  (cost=0.43..0.47 rows=1 width=14) (actual rows=1.00 loops=9455)
               AQO not used (early terminated), fss=1810536986390200978
               Index Cond: (ticket_no = bp.ticket_no)
               Heap Fetches: 0
               Index Searches: 9455
               Buffers: shared hit=25580 read=2790 written=1
 Planning:
   Buffers: shared hit=121 read=11 dirtied=1
 Using aqo: true
 AQO mode: LEARN
 AQO advanced: OFF
 Query hash: 0
 JOINS: 3
(45 rows)

В представлении aqo_query_stat отображается статистика времени планирования запросов, времени выполнения запросов и ошибок оценки количества строк. На основании этих данных вы можете принимать решения об использовании предсказаний aqo для различных классов запросов.

Обратимся к представлению aqo_query_stats:

demo=# SELECT * FROM aqo_query_stat \gx
-[ RECORD 1 ]-----------------+----------------------------------------------------------------
fs                            | 0
dbid                          | 16556
execution_time_with_aqo       | {1.194791831,0.497019753,0.372696583,0.071416851}
execution_time_without_aqo    | {1.194049191,1.003504607}
planning_time_with_aqo        | {0.004099525,0.000548588,0.000518923,0.000545041}
planning_time_without_aqo     | {0.000568455,0.000472447}
cardinality_error_with_aqo    | {0.47163214679982596,0,1.5696609066434117,0.009035905503851183}
cardinality_error_without_aqo | {0.47163214679982596,1.9379745948665572}
executions_with_aqo           | 4
executions_without_aqo        | 2

Полученные данные относятся к запросу, рассмотренному в примере Пример F.1. Этот запрос выполнялся с каждым из параметров f.scheduled_departure > '2025-11-20 15:00:00+00' и f.scheduled_departure > '2025-12-1 15:00:00+00' по одному разу без aqo и по два раза с aqo. Видно, что с aqo ошибка оценки количества строк уменьшается до 0,009, а минимальная ошибка оценки количества строк без aqo составляет 0,471. Кроме того, время выполнения с aqo меньше, чем без него. Таким образом, можно сделать вывод, что aqo хорошо обучается на этом запросе и предсказание можно использовать для этого класса запросов.

Расширенный режим позволяет более гибко управлять расширением aqo. При включении данного режима, то есть

demo=# SET aqo.advanced = on;

aqo будет собирать данные машинного обучения отдельно для каждого выполняемого запроса. Например:

demo=# EXPLAIN (ANALYZE, SUMMARY OFF, TIMING OFF)
SELECT bp.*
FROM segments s
JOIN flights f ON f.flight_id = s.flight_id
JOIN boarding_passes bp ON bp.ticket_no = s.ticket_no AND bp.flight_id = s.flight_id
WHERE f.scheduled_departure > '2025-12-1 15:00:00+00';
                                                           QUERY PLAN                                                           
--------------------------------------------------------------------------------------------------------------------------------
 Hash Join  (cost=79793.72..237497.86 rows=1201002 width=33) (actual rows=9455.00 loops=1)
   AQO not used, fss=4871603661380287993
   Hash Cond: ((s.flight_id = f.flight_id) AND (s.ticket_no = bp.ticket_no))
   Buffers: shared hit=4958 read=49086, temp read=17210 written=17210
   ->  Seq Scan on segments s  (cost=0.00..72572.70 rows=3941270 width=18) (actual rows=3941249.00 loops=1)
         AQO not used, fss=-1745942650988724053
         Buffers: shared hit=2116 read=31044
   ->  Hash  (cost=52395.69..52395.69 rows=1201002 width=37) (actual rows=9455.00 loops=1)
         Buckets: 131072  Batches: 16  Memory Usage: 1058kB
         Buffers: shared hit=2842 read=18042, temp written=45
         ->  Hash Join  (cost=608.55..52395.69 rows=1201002 width=37) (actual rows=9455.00 loops=1)
               AQO not used, fss=4705493075117122362
               Hash Cond: (bp.flight_id = f.flight_id)
               Buffers: shared hit=2842 read=18042
               ->  Seq Scan on boarding_passes bp  (cost=0.00..45318.32 rows=2463832 width=33) (actual rows=2463832.00 loops=1)
                     AQO not used, fss=1362775811343989307
                     Buffers: shared hit=2638 read=18042
               ->  Hash  (cost=475.98..475.98 rows=10606 width=4) (actual rows=10594.00 loops=1)
                     Buckets: 16384  Batches: 1  Memory Usage: 501kB
                     Buffers: shared hit=204
                     ->  Seq Scan on flights f  (cost=0.00..475.98 rows=10606 width=4) (actual rows=10594.00 loops=1)
                           AQO not used, fss=3484507337497244877
                           Filter: (scheduled_departure > '2025-12-01 22:00:00+07'::timestamp with time zone)
                           Rows Removed by Filter: 11164
                           Buffers: shared hit=204
 Planning:
   Buffers: shared hit=463
 Using aqo: true
 AQO mode: LEARN
 AQO advanced: ON
 Query hash: 6166891552805381787
 JOINS: 2
(32 rows)
        

Теперь этот запрос хранится в aqo_data с ненулевым fs (по умолчанию fs равен хешу запроса):

demo=# SELECT * FROM aqo_data;
         fs          |         fss          | dbid  | nfeatures |                  features                   |       targets        | reliability |        oids         | tmpoids 
---------------------+----------------------+-------+-----------+---------------------------------------------+----------------------+-------------+---------------------+---------
 6166891552805381787 |  4705493075117122362 | 16556 |         2 | {{-0.7185575545175223,-9.987736784981028}}  | {9.154298981092557}  | {1}         | {17452,17438}       | 
 6166891552805381787 |  4871603661380287993 | 16556 |         2 | {{-0.7185575545175223,-14.672062325711414}} | {9.154298981092557}  | {1}         | {17488,17452,17438} | 
 6166891552805381787 |  1362775811343989307 | 16556 |         0 |                                             | {14.71722841949288}  | {1}         | {17438}             | 
 6166891552805381787 |  3484507337497244877 | 16556 |         1 | {{-0.7185575545175223}}                     | {9.268043082104471}  | {1}         | {17452}             | 
 6166891552805381787 | -1745942650988724053 | 16556 |         0 |                                             | {15.187008236114766} | {1}         | {17488}             | 
(5 rows)

Можно настроить несколько параметров только для этого запроса. Это значения learn_aqo, use_aqo и auto_tuning в представлении aqo_queries:

demo=# SELECT * FROM aqo_queries;
         fs          | dbid  | learn_aqo | use_aqo | auto_tuning | smart_timeout | count_increase_timeout 
---------------------+-------+-----------+---------+-------------+---------------+------------------------
 6166891552805381787 | 16556 | t         | t       | f           |             0 |                      0
                   0 |     0 | f         | f       | f           |             0 |                      0
(2 rows)

Зададим для use_aqo значение false:

demo=# SELECT aqo_queries_update(6166891552805381787, NULL, NULL, false, NULL);
 aqo_queries_update 
--------------------
 t
(1 row)

Теперь изменим константу в запросе:

demo=# EXPLAIN (ANALYZE, SUMMARY OFF, TIMING OFF)
SELECT bp.*
FROM segments s
JOIN flights f ON f.flight_id = s.flight_id
JOIN boarding_passes bp ON bp.ticket_no = s.ticket_no AND bp.flight_id = s.flight_id
WHERE f.scheduled_departure > '2025-11-20 15:00:00+00';
                                                           QUERY PLAN                                                           
--------------------------------------------------------------------------------------------------------------------------------
 Hash Join  (cost=84966.87..244434.20 rows=1426685 width=33) (actual rows=438899.00 loops=1)
   AQO not used, fss=0
   Hash Cond: ((s.flight_id = f.flight_id) AND (s.ticket_no = bp.ticket_no))
   Buffers: shared hit=5142 read=48902, temp read=20132 written=20132
   ->  Seq Scan on segments s  (cost=0.00..72572.70 rows=3941270 width=18) (actual rows=3941249.00 loops=1)
         AQO not used, fss=0
         Buffers: shared hit=2208 read=30952
   ->  Hash  (cost=52420.60..52420.60 rows=1426685 width=37) (actual rows=438899.00 loops=1)
         Buckets: 131072  Batches: 16  Memory Usage: 2925kB
         Buffers: shared hit=2934 read=17950, temp written=2967
         ->  Hash Join  (cost=633.46..52420.60 rows=1426685 width=37) (actual rows=438899.00 loops=1)
               AQO not used, fss=0
               Hash Cond: (bp.flight_id = f.flight_id)
               Buffers: shared hit=2934 read=17950
               ->  Seq Scan on boarding_passes bp  (cost=0.00..45318.32 rows=2463832 width=33) (actual rows=2463832.00 loops=1)
                     AQO not used, fss=0
                     Buffers: shared hit=2730 read=17950
               ->  Hash  (cost=475.98..475.98 rows=12599 width=4) (actual rows=12593.00 loops=1)
                     Buckets: 16384  Batches: 1  Memory Usage: 571kB
                     Buffers: shared hit=204
                     ->  Seq Scan on flights f  (cost=0.00..475.98 rows=12599 width=4) (actual rows=12593.00 loops=1)
                           AQO not used, fss=0
                           Filter: (scheduled_departure > '2025-11-20 22:00:00+07'::timestamp with time zone)
                           Rows Removed by Filter: 9165
                           Buffers: shared hit=204
 Planning:
   Buffers: shared hit=53
 Using aqo: false
 AQO mode: LEARN
 AQO advanced: ON
 Query hash: 6166891552805381787
 JOINS: 2
(32 rows)

aqo не использовался для этого запроса, но в представлении aqo_data появились новые данные:

demo=# SELECT * FROM aqo_data;
         fs          |         fss          | dbid  | nfeatures |                                       features                                        |                targets                | reliability |        oids         | tmpoids 
---------------------+----------------------+-------+-----------+---------------------------------------------------------------------------------------+---------------------------------------+-------------+---------------------+---------
 6166891552805381787 |  4705493075117122362 | 16556 |         2 | {{-0.7185575545175223,-9.987736784981028},{-0.5463556163769266,-9.987736784981028}}   | {9.154298981092557,12.9920245972504}  | {1,1}       | {17452,17438}       | 
 6166891552805381787 |  4871603661380287993 | 16556 |         2 | {{-0.7185575545175223,-14.672062325711414},{-0.5463556163769266,-14.672062325711414}} | {9.154298981092557,12.9920245972504}  | {1,1}       | {17488,17452,17438} | 
 6166891552805381787 |  1362775811343989307 | 16556 |         0 |                                                                                       | {14.71722841949288}                   | {1}         | {17438}             | 
 6166891552805381787 |  3484507337497244877 | 16556 |         1 | {{-0.7185575545175223},{-0.5463556163769266}}                                         | {9.268043082104471,9.440896383005846} | {1,1}       | {17452}             | 
 6166891552805381787 | -1745942650988724053 | 16556 |         0 |                                                                                       | {15.187008236114766}                  | {1}         | {17488}             | 
(5 rows)

Установленное значение параметра use_aqo не относится к другим запросам. После выполнения другого запроса дважды видно, что aqo обучается на нём и делает для него предсказание:

demo=# EXPLAIN (ANALYZE, SUMMARY OFF, TIMING OFF)
SELECT bp.*
FROM segments s
JOIN flights f ON f.flight_id = s.flight_id
JOIN boarding_passes bp ON bp.ticket_no = s.ticket_no AND bp.flight_id = s.flight_id
JOIN tickets t ON t.ticket_no = s.ticket_no
WHERE f.scheduled_departure > '2025-12-1 15:00:00+00';
                                                                 QUERY PLAN                                                                  
---------------------------------------------------------------------------------------------------------------------------------------------
 Gather  (cost=68355.43..129435.66 rows=9455 width=33) (actual rows=9455.00 loops=1)
   Workers Planned: 2
   Workers Launched: 2
   Buffers: shared hit=34424 read=48398, temp read=25496 written=25656
   ->  Nested Loop  (cost=67355.43..127490.16 rows=3940 width=33) (actual rows=3151.67 loops=3)
         AQO: rows=9455, error=0%, fss=3232027643707566962
         Buffers: shared hit=34424 read=48398, temp read=25496 written=25656
         ->  Parallel Hash Join  (cost=67355.00..125653.57 rows=3940 width=47) (actual rows=3151.67 loops=3)
               AQO: rows=9455, error=0%, fss=4871603661380287993
               Hash Cond: ((bp.flight_id = f.flight_id) AND (bp.ticket_no = s.ticket_no))
               Buffers: shared hit=6286 read=48166, temp read=25496 written=25656
               ->  Parallel Seq Scan on boarding_passes bp  (cost=0.00..30945.97 rows=1026597 width=33) (actual rows=821277.33 loops=3)
                     AQO: rows=2463832, error=0%, fss=1362775811343989307
                     Buffers: shared hit=3098 read=17582
               ->  Parallel Hash  (cost=54501.93..54501.93 rows=616138 width=22) (actual rows=492910.33 loops=3)
                     Buckets: 131072  Batches: 16  Memory Usage: 6144kB
                     Buffers: shared hit=3188 read=30584, temp written=7556
                     ->  Hash Join  (cost=608.40..54501.93 rows=616138 width=22) (actual rows=492910.33 loops=3)
                           AQO: rows=1478731, error=0%, fss=4547398436029445256
                           Hash Cond: (s.flight_id = f.flight_id)
                           Buffers: shared hit=3188 read=30584
                           ->  Parallel Seq Scan on segments s  (cost=0.00..49581.96 rows=1642187 width=18) (actual rows=1313749.67 loops=3)
                                 AQO: rows=3941249, error=0%, fss=-1745942650988724053
                                 Buffers: shared hit=2576 read=30584
                           ->  Hash  (cost=475.98..475.98 rows=10594 width=4) (actual rows=10594.00 loops=3)
                                 Buckets: 16384  Batches: 1  Memory Usage: 501kB
                                 Buffers: shared hit=612
                                 ->  Seq Scan on flights f  (cost=0.00..475.98 rows=10594 width=4) (actual rows=10594.00 loops=3)
                                       AQO: rows=10594, error=0%, fss=3484507337497244877
                                       Filter: (scheduled_departure > '2025-12-01 22:00:00+07'::timestamp with time zone)
                                       Rows Removed by Filter: 11164
                                       Buffers: shared hit=612
         ->  Index Only Scan using tickets_pkey on tickets t  (cost=0.43..0.47 rows=1 width=14) (actual rows=1.00 loops=9455)
               AQO not used (early terminated), fss=1810536986390200978
               Index Cond: (ticket_no = bp.ticket_no)
               Heap Fetches: 0
               Index Searches: 9455
               Buffers: shared hit=28138 read=232
 Planning:
   Buffers: shared hit=85
 Using aqo: true
 AQO mode: LEARN
 AQO advanced: ON
 Query hash: 5639045936347396923
 JOINS: 3
(45 rows)

SET aqo.sandbox = ON;
SET aqo.enable = ON;
SET aqo.advanced = OFF;
-- Очистка базы знаний песочницы, не затрагивающая основные данные
SELECT aqo_reset();

EXPLAIN (ANALYZE, SUMMARY OFF, TIMING OFF)
SELECT bp.*
FROM segments s
JOIN flights f ON f.flight_id = s.flight_id
JOIN boarding_passes bp ON bp.ticket_no = s.ticket_no AND bp.flight_id = s.flight_id
JOIN tickets t ON t.ticket_no = s.ticket_no
WHERE f.scheduled_departure > '2025-12-1 15:00:00+00';

-- Выполнение предыдущего запроса, пока планы не стабилизируются
...

-- Копирование данных, полученных из песочницы с aqo.advanced = OFF
CREATE TABLE aqo_data_sandbox AS SELECT * FROM aqo_data;
SET aqo.sandbox = OFF;
SELECT aqo_data_update (fs, fss, dbid, nfeatures, features, targets, reliability, oids, tmpoids)
FROM aqo_data_sandbox WHERE fs = 0;
DROP TABLE aqo_data_sandbox;

В этом примере модуль aqo использовался для оптимизации 600 запросов, каждый из которых соединяет 10 таблиц.

Чтобы получить средний размер динамической выделяемой памяти на запрос, используйте функцию aqo_storage_usage следующим образом:

postgres=# select dsm_current_size / fs_current_size as avg_mem_by_query from aqo_storage_usage();
avg_mem_by_query
------------------
49853
(1 row)

aqo использует приблизительно 50 килобайт на запрос для хранения aqo_data и aqo_query_texts. Это значение полезно для вычисления необходимого размера памяти для всех потенциальных запросов и для указания предела памяти в параметре aqo.dsm_size_max.

Можно также получить среднее количество строк в aqo_data на запрос с помощью следующего запроса:

postgres=# select fss_current_size / fs_current_size as N_rows_in_aqo_data from aqo_storage_usage();
N_rows_in_aqo_data
--------------------
22
(1 row)

Чтобы получить средний размер строк в aqo_data, выполните следующий запрос:

postgres=# select (dsm_current_size - (select sum(length(query_text)) from aqo_query_texts)) / fss_current_size as row_size_in_aqo_data from aqo_storage_usage();
row_size_in_aqo_data
----------------------
2216
(1 row)

В этом примере запрос находит пассажиров, которые потратили больше всего денег на билеты и совершили больше всего перелётов в течение указанных трёх месяцев.