随着计算机硬件、软件技术的飞速发展和计算机系统在各行各业的广泛应用,数据已经成为各种机构的宝贵资源,数据库系统对于当今科研部门、政府机关、企事业单位等来说都是至关重要的。随着时间的推移,数据库中的数据量日益增长,而数据库管理系统的一个重要功能就是将建立于其上的信息系统的性能维持在一个可接受的水平上,查询优化器就是实现这一功能的重要的数据库系统组件。查询优化器分为基于代价和基于规则的优化器。当今通用的商业数据库的查询优化器多为基于代价的优化器。基于代价的优化器相对基于规则的优化器的优势就在于它能根据数据库对象各自特定的信息估算查询代价,以此来选择最优的查询执行路径,而这些数据库对象信息就是数据库管理系统收集的统计信息。因此,数据库统计信息估算的准确度对查询代价估算的结果有着显著的影响,也对优化器的质量有着实质性的影响。收集统计信息可以通过精确计算和采样估算两种方式,前者收集的统计信息准确度高,但计算代价大,特别是分析大对象时容易给系统造成负担；后者收集的统计信息准确度相对前者较低,但计算代价小,系统负担小,即使分析的是大对象。本文主要基于开源数据库管理系统PostgreSQL,分析其收集数据库统计信息与查询优化器相关源代码,重点讨论直方图与Distinct值这两种对估算查询代价极其重要的统计信息的收集,提出在PostgreSQL中使用计算与估算两种方法收集统计信息。在采样估算中使用基于数据块的采样,并且采用基于直方图的交叉验证算法将数据块采样样本的数据偏差缩小至预定阈值范围之内,然后在此样本上建立等高直方图或基于值的直方图,存储于系统表中,供查询优化器使用。在估算Distinct值时,由于数据分布偏差容易造成数据块样本的偏差,因此引入混合式估算法解决由于f1值(样本中只出现一次的值的个数)损失造成的估算误差。最后在Linux AS3和PostgreSQL8.1环境下通过实验证明,本文提出的方案适合于PostgreSQL数据库,并且在保证估算准确度的基础上提高了统计信息收集的效率。