第二个要素，字段值平均宽度的算法：

　　avg(pg_column_size(column_name)

　　第三个要素，字段值之间线性相关性的计算方法：

　　同时需要计算 N*(N-1)/2 种相邻字段的相关性，相关性决定了压缩率的好坏，任意数据类型的相关性计算可以参考我前面写的文章：

　　https://yq.aliyun.com/articles/18038

　　最后是计算综合压缩率，需要计算每种组合的综合压缩率：

　　对于有N列的表来说，会产生N阶乘种排序组合，也就是需要计算 N! 组数据的相关性。

　　如何得到N种组合的顺序，可以参考我前面写的一篇文章：

　　https://yq.aliyun.com/articles/17228

　　代码如下：依赖函数，过滤重复字段，用于生成N阶排列组合：

　　CREATE or replace FUNCTION has_dupli_val(VARIADIC arr int[]) RETURNS boolean AS $$

　　select count(distinct val) <> count(*) dist_val from unnest($1) t(val) where val is not null;

　　$$ language sql strict;

　　计算每种排列组合的压缩率：

　　这里需要用到矩阵，窗口查询，相关性计算等统计学的知识。

　　用PostgreSQL可以把书本上的知识运用起来，还不错的，工业界和学术界的完美结合。

　　下面还是拿Greenplum来做一下验证，PostgreSQL的列存储可以外挂cstore, monetdb引擎。或者等阿里云AliCloudDB for PostgreSQL后期的版本开放这个功能。

　　create or replace function best_compress_cols(samp int8) returns void as $$

　　declare

　　cols text[] := array['c1', 'c2', 'c3', 'c4', 'c5']; -- 参与计算的字段(最多5列, 至少有一列的重复率>10%)