SQL HowTo፡ በጥያቄው ውስጥ የተወሰነ ጊዜ-loop በቀጥታ ይፃፉ ወይም “አንደኛ ደረጃ ባለሶስት መንገድ”

በየጊዜው ፣ ተዛማጅ መረጃዎችን በቁልፍ ስብስብ የመፈለግ ተግባር ይነሳል ፣ የሚፈለገውን ጠቅላላ ቁጥር እስክናገኝ ድረስ.

በጣም “ሕይወት መሰል” ምሳሌ ማሳያ ነው። 20 በጣም ጥንታዊ ችግሮች፣ ተዘርዝሯል። በሠራተኞች ዝርዝር ውስጥ (ለምሳሌ, በተመሳሳይ ክፍል ውስጥ). ለተለያዩ የሥራ ቦታዎች አጭር ማጠቃለያ ላላቸው የተለያዩ የአስተዳደር “ዳሽቦርዶች” ፣ ተመሳሳይ ርዕስ ብዙ ጊዜ ያስፈልጋል።

በጽሁፉ ውስጥ እንዲህ ዓይነቱን ችግር ለመፍታት “የዋህ” ስሪት ፣ “ብልጥ” እና በጣም የተወሳሰበ ስልተ ቀመር በ PostgreSQL ላይ መተግበሩን እንመለከታለን "loop" በ SQL ውስጥ ከተገኘው መረጃ የመውጫ ሁኔታ ጋርለአጠቃላይ ልማት እና ለሌሎች ተመሳሳይ ጉዳዮች ጥቅም ላይ ሊውል የሚችል።

የሙከራ ዳታ ስብስብን ከ እንውሰድ ቀዳሚ ጽሑፍ. የተደረደሩት እሴቶች ሲዛመዱ የውጤት መዝገቦች ከጊዜ ወደ ጊዜ "አይዘለሉ" እንዳይሉ፣ ዋና ቁልፍ በማከል የርዕሰ-ጉዳዩን መረጃ ጠቋሚ ያራዝሙ. በተመሳሳይ ጊዜ ፣ ​​ይህ ወዲያውኑ ልዩነቱን ይሰጠዋል ፣ እና የመደብ ቅደም ተከተል ልዩነቱን ያረጋግጥልናል-

CREATE INDEX ON task(owner_id, task_date, id);
-- а старый - удалим
DROP INDEX task_owner_id_task_date_idx;

እንደሚሰማው እንዲሁ ተጽፏል

በመጀመሪያ፣ የአስፈፃሚዎቹን መታወቂያ በማለፍ በጣም ቀላሉን የጥያቄውን ስሪት እናውጣ ድርድር እንደ ግብአት:

SELECT
  *
FROM
  task
WHERE
  owner_id = ANY('{1,2,4,8,16,32,64,128,256,512}'::integer[])
ORDER BY
  task_date, id
LIMIT 20;

[ማብራሪያውን ይመልከቱ.tensor.ru]

ትንሽ አሳዛኝ - 20 መዝገቦችን ብቻ አዝዘናል፣ እና ኢንዴክስ ስካን መለሰን። 960 መስመሮች, እሱም ከዚያ ደግሞ መደርደር ነበረበት ... እና ትንሽ ለማንበብ እንሞክር.

unnest + ARRAY

እኛን የሚረዳን የመጀመሪያው ግምት - ካስፈለገን ጠቅላላ 20 ተደርድሯል መዝገቦች, ለማንበብ በቂ ነው ለእያንዳንዱ በተመሳሳይ ቅደም ተከተል የተደረደሩ ከ 20 ያልበለጠ ቁልፍ ጥሩ, ተስማሚ ኢንዴክስ (የባለቤት_መታወቂያ፣ የተግባር_ቀን፣ መታወቂያ) አለን።

ተመሳሳይ የማውጣት እና "ወደ አምዶች" የመቀየር ዘዴን እንጠቀም. የተዋሃደ የጠረጴዛ መግቢያ፣ እንደ ውስጥ የመጨረሻ ጽሑፍ. እንዲሁም ተግባሩን በመጠቀም ኮንቮሉን ወደ ድርድር ይተግብሩ ARRAY():

WITH T AS (
  SELECT
    unnest(ARRAY(
      SELECT
        t
      FROM
        task t
      WHERE
        owner_id = unnest
      ORDER BY
        task_date, id
      LIMIT 20 -- ограничиваем тут...
    )) r
  FROM
    unnest('{1,2,4,8,16,32,64,128,256,512}'::integer[])
)
SELECT
  (r).*
FROM
  T
ORDER BY
  (r).task_date, (r).id
LIMIT 20; -- ... и тут - тоже

[ማብራሪያውን ይመልከቱ.tensor.ru]

ኦህ ፣ ቀድሞውኑ በጣም የተሻለ ነው! 40% ፈጣን እና 4.5 ጊዜ ያነሰ ውሂብ ማንበብ ነበረበት።

በCTE በኩል የሰንጠረዥ መዝገቦችን ማቴሪያል ማድረግያንን አስተውያለሁ በአንዳንድ ሁኔታዎች በሲቲኢ ውስጥ “መጠቅለል” ሳይኖር በንዑስ መጠይቅ ውስጥ ከፈለገ በኋላ ወዲያውኑ ከመዝገብ መስኮች ጋር ለመስራት የሚደረግ ሙከራ ወደ "ማባዛት" InitPlan ከእነዚህ ተመሳሳይ መስኮች ብዛት ጋር ተመጣጣኝ

SELECT
  ((
    SELECT
      t
    FROM
      task t
    WHERE
      owner_id = 1
    ORDER BY
      task_date, id
    LIMIT 1
  ).*);

Result  (cost=4.77..4.78 rows=1 width=16) (actual time=0.063..0.063 rows=1 loops=1)
  Buffers: shared hit=16
  InitPlan 1 (returns $0)
    ->  Limit  (cost=0.42..1.19 rows=1 width=48) (actual time=0.031..0.032 rows=1 loops=1)
          Buffers: shared hit=4
          ->  Index Scan using task_owner_id_task_date_id_idx on task t  (cost=0.42..387.57 rows=500 width=48) (actual time=0.030..0.030 rows=1 loops=1)
                Index Cond: (owner_id = 1)
                Buffers: shared hit=4
  InitPlan 2 (returns $1)
    ->  Limit  (cost=0.42..1.19 rows=1 width=48) (actual time=0.008..0.009 rows=1 loops=1)
          Buffers: shared hit=4
          ->  Index Scan using task_owner_id_task_date_id_idx on task t_1  (cost=0.42..387.57 rows=500 width=48) (actual time=0.008..0.008 rows=1 loops=1)
                Index Cond: (owner_id = 1)
                Buffers: shared hit=4
  InitPlan 3 (returns $2)
    ->  Limit  (cost=0.42..1.19 rows=1 width=48) (actual time=0.008..0.008 rows=1 loops=1)
          Buffers: shared hit=4
          ->  Index Scan using task_owner_id_task_date_id_idx on task t_2  (cost=0.42..387.57 rows=500 width=48) (actual time=0.008..0.008 rows=1 loops=1)
                Index Cond: (owner_id = 1)
                Buffers: shared hit=4"
  InitPlan 4 (returns $3)
    ->  Limit  (cost=0.42..1.19 rows=1 width=48) (actual time=0.009..0.009 rows=1 loops=1)
          Buffers: shared hit=4
          ->  Index Scan using task_owner_id_task_date_id_idx on task t_3  (cost=0.42..387.57 rows=500 width=48) (actual time=0.009..0.009 rows=1 loops=1)
                Index Cond: (owner_id = 1)
                Buffers: shared hit=4

ተመሳሳዩ መዝገብ 4 ጊዜ “ተፈላጊ” ነበር… እስከ PostgreSQL 11 ድረስ፣ ይህ ባህሪ በመደበኛነት ይከሰታል፣ እና መፍትሄው በCTE ውስጥ “መጠቅለል” ነው፣ ይህም በእነዚህ ስሪቶች ውስጥ ለአመቻቹ ምንም ቅድመ ሁኔታ የሌለው ወሰን ነው።

recursive accumulator

በቀድሞው ስሪት, በአጠቃላይ, እናነባለን 200 መስመሮች ለአስፈላጊው 20. ቀድሞውንም 960 አይደለም, ግን እንዲያውም ያነሰ - ይቻላል?

የሚያስፈልገንን እውቀት ለመጠቀም እንሞክር ጠቅላላ 20 መዝገቦች. ማለትም፣ የምንፈልገው መጠን እስኪደርስ ድረስ የውሂብ ቅነሳውን ደጋግመን እንሰራለን።

ደረጃ 1፡ ዝርዝር ጀምር

በግልጽ እንደሚታየው የእኛ "ዒላማ" ዝርዝራችን 20 ግቤቶች በ"መጀመሪያ" ግቤቶች ለአንዱ የባለቤት_መታወቂያ ቁልፍ መጀመር አለባቸው። ስለዚህ, በመጀመሪያ እንዲህ አይነት እናገኛለን ለእያንዳንዱ ቁልፎች "በጣም መጀመሪያ". እና በዝርዝሩ ውስጥ ያስቀምጡት, እኛ በምንፈልገው ቅደም ተከተል በመደርደር - (የተግባር_ቀን, መታወቂያ).

ደረጃ 2: "ቀጣይ" መዝገቦችን ያግኙ

አሁን የመጀመሪያውን ግቤት ከዝርዝራችን ወስደን ከጀመርን ከመረጃ ጠቋሚው የበለጠ "ደረጃ". የባለቤት_መታወቂያ ቁልፍን በማስቀመጥ፣ ሁሉም የተገኙት መዝገቦች በውጤቱ ምርጫ ውስጥ ቀጣዮቹ ናቸው። እርግጥ ነው, ብቻ የተተገበረውን ቁልፍ እስክንሻገር ድረስ በዝርዝሩ ውስጥ ሁለተኛ ግቤት.

የሁለተኛውን ግቤት "የተሻገርን" ከሆነ, ከዚያ የመጨረሻው ንባብ ከመጀመሪያው ይልቅ ወደ ዝርዝሩ መጨመር አለበት (በተመሳሳዩ የባለቤትነት መታወቂያ) ፣ ከዚያ በኋላ ዝርዝሩ እንደገና ተደርድሯል።

ማለትም ፣ ዝርዝሩ ለእያንዳንዱ ቁልፎች ከአንድ በላይ ግቤት እንደሌለው ሁል ጊዜ እናገኛለን (ምዝግቦቹ ካለቁ እና “ያልተሻገርን” ከሆነ ፣ ከዚያ የመጀመሪያው ግቤት በቀላሉ ከዝርዝሩ ይጠፋል እና ምንም ነገር አይጨምርም። ) እና እነሱ ሁልጊዜ የተደረደሩ በመተግበሪያ ቁልፉ (የተግባር_ቀን፣ መታወቂያ) በከፍታ ቅደም ተከተል።

ደረጃ 3፡ መዝገቦችን ማጣራት እና ማስፋት

በእኛ ተደጋጋሚ ምርጫ የረድፎች ክፍል ፣ አንዳንድ መዝገቦች rv የተባዙ ናቸው - በመጀመሪያ እንደ “የዝርዝሩን 2 ኛ መግቢያ ድንበር ማለፍ” እና ከዚያ ከዝርዝሩ 1 ኛ እንተካለን። እና ስለዚህ የመጀመሪያው ክስተት ማጣራት አለበት.

አስፈሪ የመጨረሻ ጥያቄ

WITH RECURSIVE T AS (
  -- #1 : заносим в список "первые" записи по каждому из ключей набора
  WITH wrap AS ( -- "материализуем" record'ы, чтобы обращение к полям не вызывало умножения InitPlan/SubPlan
    WITH T AS (
      SELECT
        (
          SELECT
            r
          FROM
            task r
          WHERE
            owner_id = unnest
          ORDER BY
            task_date, id
          LIMIT 1
        ) r
      FROM
        unnest('{1,2,4,8,16,32,64,128,256,512}'::integer[])
    )
    SELECT
      array_agg(r ORDER BY (r).task_date, (r).id) list -- сортируем список в нужном порядке
    FROM
      T
  )
  SELECT
    list
  , list[1] rv
  , FALSE not_cross
  , 0 size
  FROM
    wrap
UNION ALL
  -- #2 : вычитываем записи 1-го по порядку ключа, пока не перешагнем через запись 2-го
  SELECT
    CASE
      -- если ничего не найдено для ключа 1-й записи
      WHEN X._r IS NOT DISTINCT FROM NULL THEN
        T.list[2:] -- убираем ее из списка
      -- если мы НЕ пересекли прикладной ключ 2-й записи
      WHEN X.not_cross THEN
        T.list -- просто протягиваем тот же список без модификаций
      -- если в списке уже нет 2-й записи
      WHEN T.list[2] IS NULL THEN
        -- просто возвращаем пустой список
        '{}'
      -- пересортировываем словарь, убирая 1-ю запись и добавляя последнюю из найденных
      ELSE (
        SELECT
          coalesce(T.list[2] || array_agg(r ORDER BY (r).task_date, (r).id), '{}')
        FROM
          unnest(T.list[3:] || X._r) r
      )
    END
  , X._r
  , X.not_cross
  , T.size + X.not_cross::integer
  FROM
    T
  , LATERAL(
      WITH wrap AS ( -- "материализуем" record
        SELECT
          CASE
            -- если все-таки "перешагнули" через 2-ю запись
            WHEN NOT T.not_cross
              -- то нужная запись - первая из спписка
              THEN T.list[1]
            ELSE ( -- если не пересекли, то ключ остался как в предыдущей записи - отталкиваемся от нее
              SELECT
                _r
              FROM
                task _r
              WHERE
                owner_id = (rv).owner_id AND
                (task_date, id) > ((rv).task_date, (rv).id)
              ORDER BY
                task_date, id
              LIMIT 1
            )
          END _r
      )
      SELECT
        _r
      , CASE
          -- если 2-й записи уже нет в списке, но мы хоть что-то нашли
          WHEN list[2] IS NULL AND _r IS DISTINCT FROM NULL THEN
            TRUE
          ELSE -- ничего не нашли или "перешагнули"
            coalesce(((_r).task_date, (_r).id) < ((list[2]).task_date, (list[2]).id), FALSE)
        END not_cross
      FROM
        wrap
    ) X
  WHERE
    T.size < 20 AND -- ограничиваем тут количество
    T.list IS DISTINCT FROM '{}' -- или пока список не кончился
)
-- #3 : "разворачиваем" записи - порядок гарантирован по построению
SELECT
  (rv).*
FROM
  T
WHERE
  not_cross; -- берем только "непересекающие" записи

[ማብራሪያውን ይመልከቱ.tensor.ru]

በመሆኑም እኛ ለ 50% የማስፈጸሚያ ጊዜ 20% ውሂብ ያነባል. ያም ማለት ማንበብ ረጅም ሊሆን እንደሚችል ለማመን ምክንያት ካሎት (ለምሳሌ, መረጃ ብዙውን ጊዜ በመሸጎጫው ውስጥ የለም, እና ለእሱ ወደ ዲስክ መሄድ አለብዎት), ከዚያ በዚህ መንገድ በትንሹ በማንበብ ላይ ሊመኩ ይችላሉ.

ያም ሆነ ይህ፣ የማስፈጸሚያው ጊዜ ከ" naive" የመጀመሪያው አማራጭ የተሻለ ሆኖ ተገኝቷል። ግን ከእነዚህ 3 አማራጮች ውስጥ የትኛውን መጠቀም የእርስዎ ምርጫ ነው።

ምንጭ: hab.com