diff --git a/lab_10.sql b/lab_10.sql
new file mode 100644
index 0000000..3644e27
--- /dev/null
+++ b/lab_10.sql
@@ -0,0 +1,844 @@
+-- Лабораторная 10. 
+-- Задание 1.
+
+-- 1. В схеме schema2 создайте таблицу на основе следующего запроса:
+create schema schema2;
+create table schema2.test as
+select
+    1000000.0 * random() as random,
+    a::float8 as sequential,
+    1.0 as value
+from generate_series(1, 1000000) as a;
+
+select * from schema2.test;
+
+-- 2. Запустите сбор статистики для созданной таблицы.
+analyze schema2.test;
+-- Какой оператор вы использовали?
+-- для сбора статистики используется оператор analyze
+
+-- 3. Напишите 2 запроса для получения суммы по столбцу value для поднаборов записей,
+-- отфильтрованных на основе столбцов:
+-- a) random (0,100)
+select sum(value)
+from schema2.test
+where random between 0 and 100;
+-- b) seq (0,100)
+select sum(value)
+from schema2.test
+where sequential between 0 and 100;
+
+-- 4.	Заполните таблицу базовыми значениями времени выполнения запросов 
+-- при разных значениях верхней границы диапазона 
+
+CREATE TABLE schema2.table4 (
+    upper_bound        integer,
+    time_random     numeric(10,3),
+    rows_random        integer,
+    time_sequential numeric(10,3),
+    rows_sequential    integer
+);
+
+
+explain analyze
+select sum(value)
+from schema2.test
+where random between 0 and 100;
+
+select count(*)
+from schema2.test
+where random between 0 and 100;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 100;
+
+select count(*)
+from schema2.test
+where sequential between 0 and 100;
+
+explain analyze
+select sum(value)
+from schema2.test
+where random between 0 and 1000;
+
+select count(*)
+from schema2.test
+where random between 0 and 1000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 1000;
+
+select count(*)
+from schema2.test
+where sequential between 0 and 1000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where random between 0 and 10000;
+
+select count(*)
+from schema2.test
+where random between 0 and 10000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 10000;
+
+select count(*)
+from schema2.test
+where sequential between 0 and 10000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where random between 0 and 100000;
+
+select count(*)
+from schema2.test
+where random between 0 and 100000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 100000;
+
+select count(*)
+from schema2.test
+where sequential between 0 and 100000;
+
+insert into schema2.table4 (
+	upper_bound,
+    time_random,
+    rows_random,
+    time_sequential,
+    rows_sequential
+) values
+	(100,50.254,107,42.990,100),
+	(1000,35.000,1012,30.166,1000),
+	(10000,32.639,9941,32.212,10000),
+	(100000,33.683,99543,33.037,100000);
+
+select * from schema2.table4;
+
+-- 5.	Создайте следующие индексы
+create index btree_random_x
+    on schema2.test (random);
+
+create index btree_sequential_x
+    on schema2.test (sequential);
+
+create index brin_random_x
+    on schema2.test
+    using brin (random);
+
+create index brin_sequential_x
+    on schema2.test
+    using brin (sequential);
+
+
+-- 6.	Оцените размер табличных данных и размеры созданных индексов, 
+-- используя функцию pg_relation_size. Сделайте выводы
+select
+    pg_relation_size('schema2.test') as bytes,
+    pg_size_pretty(pg_relation_size('schema2.test')) as size_pretty;
+select
+    pg_relation_size('schema2.btree_random_x') as bytes,
+    pg_size_pretty(pg_relation_size('schema2.btree_random_x')) as size_pretty;
+select
+    pg_relation_size('schema2.brin_random_x') as bytes,
+    pg_size_pretty(pg_relation_size('schema2.brin_random_x')) as size_pretty;
+select
+    pg_relation_size('schema2.btree_sequential_x') as bytes,
+    pg_size_pretty(pg_relation_size('schema2.btree_sequential_x')) as size_pretty;
+select
+    pg_relation_size('schema2.brin_sequential_x') as bytes,
+    pg_size_pretty(pg_relation_size('schema2.brin_sequential_x')) as size_pretty;
+
+create table schema2.table6 (
+	obj text,
+	size text
+);
+
+insert into schema2.table6 (
+	obj,
+	size) 
+values 
+	('Таблица','50 MB'),
+	('Индекс btree_random_x','21 MB'),
+	('Индекс brin_random_x','24 kB'),
+	('Индекс btree_sequential_x','21 MB'),
+	('Индекс brin_sequential_x','24 kB');
+	
+select * from schema2.table6;
+
+-- 7.	Проверьте, как изменится размер BRIN-индекса при уменьшении значения 
+-- pages_per_range
+drop index schema2.brin_sequential_x;
+
+create index brin_sequential_x
+    on schema2.test
+    using brin (sequential)
+    with (pages_per_range = 64);
+
+select
+    pg_relation_size('schema2.brin_sequential_x') as bytes,
+    pg_size_pretty(pg_relation_size('schema2.brin_sequential_x')) as size_pretty;
+
+-- остался также 24 kB
+
+drop index schema2.brin_sequential_x;
+
+create index brin_sequential_x
+    on schema2.test
+    using brin (sequential)
+    with (pages_per_range = 16);
+
+select
+    pg_relation_size('schema2.brin_sequential_x') as bytes,
+    pg_size_pretty(pg_relation_size('schema2.brin_sequential_x')) as size_pretty;
+
+-- стал 32 kB
+
+drop index schema2.brin_sequential_x;
+
+create index brin_sequential_x
+    on schema2.test
+    using brin (sequential)
+    with (pages_per_range = 4);
+
+select
+    pg_relation_size('schema2.brin_sequential_x') as bytes,
+    pg_size_pretty(pg_relation_size('schema2.brin_sequential_x')) as size_pretty;
+
+-- стал 72 kB
+-- вывод: при уменьшении pages_per_range размер увеличивается,
+-- так как возрастает количество диапазонов, описываемых индексом.
+
+-- 8.	Удалите все индексы
+drop index schema2.btree_random_x;
+drop index schema2.btree_sequential_x;
+drop index schema2.brin_random_x;
+drop index schema2.brin_sequential_x;
+
+-- 9.	Создавая каждый индекс в отдельности, проанализируйте планы
+-- выполнения и зафиксируйте время выполнения запросов (п.3)
+
+CREATE TABLE schema2.table9 (
+    upper_bound        integer,
+    btree_rand     numeric(10,3),
+    btree_seq        numeric(10,3),
+    brin_rand numeric(10,3),
+    brin_seq    numeric(10,3)
+);
+
+create index btree_random_x
+    on schema2.test (random);
+
+explain analyze
+select sum(value)
+from schema2.test
+where random between 0 and 100;
+
+explain analyze
+select sum(value)
+from schema2.test
+where random between 0 and 1000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where random between 0 and 10000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where random between 0 and 100000;
+
+drop index schema2.btree_random_x;
+
+create index btree_sequential_x
+    on schema2.test (sequential);
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 100;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 1000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 10000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 100000;
+
+drop index schema2.btree_sequential_x;
+
+create index brin_random_x
+    on schema2.test
+    using brin (random);
+
+explain analyze
+select sum(value)
+from schema2.test
+where random between 0 and 100;
+
+explain analyze
+select sum(value)
+from schema2.test
+where random between 0 and 1000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where random between 0 and 10000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where random between 0 and 100000;
+
+drop index schema2.brin_random_x;
+
+create index brin_sequential_x
+    on schema2.test
+    using brin (sequential);
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 100;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 1000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 10000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 100000;
+
+insert into schema2.table9 (
+	upper_bound,
+    btree_rand,
+    btree_seq,
+    brin_rand,
+    brin_seq
+) values
+	(100,0.36,0.06,0.19,2.2),
+	(1000,2.5,0.65,1.2,2.6),
+	(10000,23,3.7,203,3.7),
+	(100000,99,31.7,168,33);
+
+select * from schema2.table9;
+
+-- 10.	Сервер не использовал BRIN-индекс при фильтрации по столбцу random, 
+-- поскольку значения распределены равномерно и не коррелируют с физическим порядком 
+-- строк, из-за чего индекс не позволяет эффективно исключить страницы таблицы.
+
+-- 11.	Измерьте производительность запроса, использующего фильтр по столбцу 
+-- sequential, при использовании различных значений параметра pages_per_range 
+-- (PPR) для BRIN-индекса 
+
+CREATE TABLE schema2.table11 (
+    upper_bound integer,
+    ppr128 numeric(10,3),
+    ppr64 numeric(10,3),
+    ppr32 numeric(10,3),
+    ppr16 numeric(10,3),
+    ppr8 numeric(10,3),
+    ppr4 numeric(10,3)
+);
+
+drop index schema2.brin_sequential_x;
+
+create index brin_sequential_x
+    on schema2.test
+    using brin (sequential)
+    with (pages_per_range = 128);
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 100;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 1000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 10000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 100000;
+
+-- 64
+drop index schema2.brin_sequential_x;
+
+create index brin_sequential_x
+    on schema2.test
+    using brin (sequential)
+    with (pages_per_range = 64);
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 100;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 1000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 10000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 100000;
+
+-- 32
+drop index schema2.brin_sequential_x;
+
+create index brin_sequential_x
+    on schema2.test
+    using brin (sequential)
+    with (pages_per_range = 32);
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 100;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 1000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 10000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 100000;
+
+-- 16
+drop index schema2.brin_sequential_x;
+
+create index brin_sequential_x
+    on schema2.test
+    using brin (sequential)
+    with (pages_per_range = 16);
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 100;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 1000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 10000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 100000;
+
+-- 8
+drop index schema2.brin_sequential_x;
+
+create index brin_sequential_x
+    on schema2.test
+    using brin (sequential)
+    with (pages_per_range = 8);
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 100;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 1000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 10000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 100000;
+
+-- 4
+drop index schema2.brin_sequential_x;
+
+create index brin_sequential_x
+    on schema2.test
+    using brin (sequential)
+    with (pages_per_range = 4);
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 100;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 1000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 10000;
+
+explain analyze
+select sum(value)
+from schema2.test
+where sequential between 0 and 100000;
+
+insert into schema2.table11 (
+	upper_bound,
+    ppr128,
+    ppr64,
+    ppr32,
+    ppr16,
+    ppr8,
+    ppr4
+) values
+	(100,3.9,1.17,0.6,0.7,0.3,0.4),
+	(1000,3.4,1.3,0.7,0.6,0.9,0.67),
+	(10000,3.9,3,2.7,2.8,2.7,3),
+	(100000,25,24,43,28,25,25);
+
+select * from schema2.table11;
+
+-- Задание 2. Методы доступа к данным
+
+-- 12.	Создайте тестовую таблицу schema2.OrderDetails на основе следующего запроса:
+create table schema2.orderdetails as
+select
+    round(random() * 100) as order_id,
+    'product ' || round(random() * 100)::char(3) as product_name,
+    (random() * 100)::numeric::money as price,
+    order_date
+from generate_series(
+        '2022-01-01'::date,
+        '2023-12-31'::date,
+        interval '1 day'
+     ) as order_date, generate_series(1, 5) as id;
+
+-- 13.	Обновите содержимое столбца order_date:
+update schema2.orderdetails od
+set order_date = t.min_date
+from (
+    select order_id, min(order_date) as min_date
+    from schema2.orderdetails
+    group by order_id
+) as t
+where od.order_id = t.order_id;
+
+-- 14.	Напишите запрос, возвращающий количество записей и количество 
+-- уникальных товаров в каждом заказе.
+select
+    order_id,
+    count(*) as rows_count,
+    count(distinct product_name) as unique_products
+from schema2.orderdetails
+group by order_id
+order by order_id;
+
+-- a.	Какой план использовался для выполнения запроса?
+-- используется последовательное сканирование таблицы (seq scan) и группировка строк по order_id
+
+-- 15.	Напишите запрос, извлекающий все записи из всех столбцов таблицы. Какой метод доступа использовался?
+select *
+from schema2.orderdetails;
+-- последовательное сканирование 
+
+-- 16.	Напишите запрос, извлекающий заказы за 22 января 2022 года. 
+-- Какой метод доступа использовался?
+select *
+from schema2.orderdetails
+where order_date = date '2022-01-22';
+-- использовалось последовательное сканирование таблицы,
+-- так как по столбцу order_date отсутствует индекс,
+-- и серверу необходимо просмотреть все строки,
+-- чтобы выбрать записи с датой '2022-01-22'
+
+-- 17.	Создайте B-Tree индекс на столбец order_date.
+create index orderdetails_order_date_btree_idx
+    on schema2.orderdetails (order_date);
+
+-- 18.	Повторите выполнение запроса из п. 5. 
+explain analyze
+select *
+from schema2.orderdetails
+where order_date = date '2022-01-22';
+-- после создания btree индекса на столбец order_date сервер использовал метод доступа index scan, 
+-- postgres обращается к индексу orderdetails_order_date_btree_idx, чтоб быстро определить, 
+-- есть ли строки с указанной датой
+
+-- 19.	Используя параметры enable_seqscan, enable_indexscan, enable_indexonlyscan,
+-- enable_bitmapscan 
+-- a.	Оцените затраты при выполнении данного запроса с использованием различных методов доступа
+-- b.	Cделайте выводы
+
+set enable_seqscan = on;
+set enable_indexscan = off;
+set enable_bitmapscan = off;
+set enable_indexonlyscan = off;
+
+explain analyze
+select *
+from schema2.orderdetails
+where order_date = date '2022-01-22';
+-- Использовано последовательное сканирование,
+-- так как индексные методы доступа отключены,
+-- сервер просматривает всю таблицу и отбирает подходящие строки.
+
+set enable_seqscan = off;
+set enable_indexscan = on;
+set enable_bitmapscan = off;
+set enable_indexonlyscan = off;
+
+explain analyze
+select *
+from schema2.orderdetails
+where order_date = date '2022-01-22';
+-- Использован index scan,
+-- сервер обращается к индексу по order_date
+-- и читает только строки, удовлетворяющие условию,
+-- что снижает объём обрабатываемых данных по сравнению с seq scan
+
+set enable_seqscan = off;
+set enable_indexscan = off;
+set enable_bitmapscan = on;
+set enable_indexonlyscan = off;
+
+explain analyze
+select *
+from schema2.orderdetails
+where order_date = date '2022-01-22';
+-- Использован bitmap scan 
+-- сначала формируется битовая карта подходящих строк,
+-- затем данные считываются из таблицы блоками.
+-- Такой метод эффективен при большом числе совпадений.
+
+set enable_seqscan = off;
+set enable_indexscan = on;
+set enable_bitmapscan = on;
+set enable_indexonlyscan = on;
+
+explain analyze
+select *
+from schema2.orderdetails
+-- Index-only scan не применяется,
+-- поскольку индекс по order_date не содержит всех столбцов,
+-- используемых в SELECT *,
+-- и серверу необходимо обращаться к таблице за недостающими данными.
+-- В результате используется обычный index scan.
+
+set enable_seqscan = on;
+set enable_indexscan = on;
+set enable_bitmapscan = on;
+set enable_indexonlyscan = on;
+
+-- 20.	Создайте hash-индекс на столбец order_date.
+create index orderdetails_order_date_hash_idx
+    on schema2.orderdetails
+    using hash (order_date);
+-- 21.	Повторите выполнение запроса из п.5. 
+explain analyze
+select *
+from schema2.orderdetails
+where order_date = date '2022-01-22';
+-- планировщик выбрал btree индекс, так как его стоимость оказалась ниже
+
+-- 22.	Измените условие фильтрации для извлечения всех заказов за даты, 
+-- предшествующие 22 января 2022 года.
+explain analyze
+select *
+from schema2.orderdetails
+where order_date < date '2022-01-22';
+-- планировщик использовал последовательное сканирование,
+-- поскольку условие с диапазоном возвращает большое количество строк,
+-- и применение B-tree индекса было бы менее эффективно
+-- из-за частых обращений от индекса к таблице.
+-- Hash-индекс не может быть задействован,
+-- так как он не поддерживает операции сравнения (<, >).
+
+-- 23.	Какой тип индекса может быть полезен для запроса, извлекающего данные ТОЛЬКО:
+-- a.	по заказу 34?  
+-- btree индекс на order_id
+-- b.	По заказам за январь 2022 года? 
+-- btree индекс на order_date
+-- c.	По товару 
+-- btree индекс на product_name
+
+
+-- Задание 3. Способы соединения
+
+-- 1.	Создайте новую таблицу schema2.products на основе выборки уникальных продуктов 
+-- из таблицы orders
+create table schema2.products as
+select distinct product_name
+from schema2.orderdetails;
+
+-- 2.	Добавьте в таблицу products столбец id с автоматически генерируемыми значениями (IDENTITY)
+alter table schema2.products
+add column id int generated always as identity;
+
+-- 3.	Модифицируйте структуру таблицы OrderDetails:
+-- a.	Добавьте столбец id_product. 
+-- Тип данных должен соответствовать типу данных столбца id таблицы products
+alter table schema2.orderdetails
+add column id_product int;
+
+-- b.	Значения в столбце id_product должны содержать код соответствующего продукта из таблицы products
+update schema2.orderdetails od
+set id_product = p.id
+from schema2.products p
+where od.product_name = p.product_name;
+
+-- c.	Удалите столбец product_name
+alter table schema2.orderdetails
+drop column product_name;
+
+-- 4.	Напишите запрос, который извлекает номер заказа, наименование продукта, цену продукта в заказе, дату заказа.
+explain analyze
+select
+    od.order_id,
+    p.product_name,
+    od.price,
+    od.order_date
+from schema2.orderdetails od
+join schema2.products p
+    on od.id_product = p.id;
+-- a.	Какой план использовался для выполнения запроса?
+-- используется план с hash join между таблицами orderdetails и products,
+-- b.	Какой способ соединения используется в плане?
+-- обе таблицы читаются последовательным сканированием, соединение выполняется по полю id_product = id
+
+-- 5.	Создайте индексы на столбцах id_product в таблице OrderDetails и id таблицы products 
+create index orderdetails_id_product_idx
+    on schema2.orderdetails (id_product);
+create index products_id_idx
+    on schema2.products (id);
+
+-- 6.	Повторно выполните запрос
+explain analyze
+select
+    od.order_id,
+    p.product_name,
+    od.price,
+    od.order_date
+from schema2.orderdetails od
+join schema2.products p
+    on od.id_product = p.id;
+-- a.	Какой план использовался для выполнения запроса?
+-- после создания индексов на столбцах id_product и id сервер использует план с hash join
+-- таблицы считываются seq scan
+-- b.	Есть ли отличия от ранее использованного плана?
+-- нет
+
+-- 7.	Напишите запрос, который извлекает продукты, которых нет в 1 заказе. 
+-- Запрос должен возвращать номер заказа и название продукта
+explain analyze
+select distinct
+    od.order_id,
+    p.product_name
+from schema2.orderdetails od
+join schema2.products p
+    on od.id_product = p.id
+where od.id_product not in (
+    select id_product
+    from schema2.orderdetails
+    where order_id = 1
+);
+-- a. 	Какой план использовался для выполнения запроса?
+-- seq scan с использованием hash join и hashaggregate.
+
+-- b. 	Какой способ соединения используется в плане?
+-- hash join.
+
+-- 8.	Используя параметры сервера, связанные со способами объединения 
+-- поэкспериментируйте с выполнением запросов и обратите внимание на характеристики планов выполнения
+
+-- Включён только merge join
+SET enable_mergejoin = on;
+SET enable_hashjoin  = off;
+SET enable_nestloop  = off;
+
+EXPLAIN ANALYZE
+SELECT
+    od.order_id,
+    p.product_name,
+    od.price,
+    od.order_date
+FROM schema2.orderdetails od
+JOIN schema2.products p
+    ON od.id_product = p.id;
+-- План использует Merge Join.
+-- Для его выполнения входные данные предварительно сортируются
+-- (или используются уже упорядоченные данные),
+-- что при данной структуре таблиц даёт наименьшие затраты.
+
+-- Включён только hash join
+SET enable_mergejoin = off;
+SET enable_hashjoin  = on;
+SET enable_nestloop  = off;
+
+EXPLAIN ANALYZE
+SELECT
+    od.order_id,
+    p.product_name,
+    od.price,
+    od.order_date
+FROM schema2.orderdetails od
+JOIN schema2.products p
+    ON od.id_product = p.id;
+-- План использует Hash Join.
+-- PostgreSQL строит хеш-таблицу по одной из таблиц
+-- и затем выполняет соединение,
+-- что приводит к большим затратам по памяти и времени
+-- по сравнению с merge join в данном случае.