PostgreSQL অ্যান্টিপ্যাটার্নস: CTE x CTE

আমার কাজের লাইনের কারণে, আমাকে পরিস্থিতি মোকাবেলা করতে হবে যখন একজন বিকাশকারী একটি অনুরোধ লেখেন এবং মনে করেন "বেস স্মার্ট, এটি নিজেই সবকিছু সামলাতে পারে!«

কিছু ক্ষেত্রে (আংশিকভাবে ডাটাবেসের ক্ষমতা সম্পর্কে অজ্ঞতা থেকে, আংশিকভাবে অকাল অপ্টিমাইজেশন থেকে), এই পদ্ধতিটি "ফ্রাঙ্কেনস্টাইনস" এর চেহারার দিকে নিয়ে যায়।

প্রথমত, আমি এই ধরনের একটি অনুরোধের একটি উদাহরণ দেব:

-- для каждой ключевой пары находим ассоциированные значения полей
WITH RECURSIVE cte_bind AS (
  SELECT DISTINCT ON (key_a, key_b)
    key_a a
  , key_b b
  , fld1 bind_fld1
  , fld2 bind_fld2
  FROM
    tbl
)
-- находим min/max значений для каждого первого ключа
, cte_max AS (
  SELECT
    a
  , max(bind_fld1) bind_fld1
  , min(bind_fld2) bind_fld2
  FROM
    cte_bind
  GROUP BY
    a
)
-- связываем по первому ключу ключевые пары и min/max-значения
, cte_a_bind AS (
  SELECT
    cte_bind.a
  , cte_bind.b
  , cte_max.bind_fld1
  , cte_max.bind_fld2
  FROM
    cte_bind
  INNER JOIN
    cte_max
      ON cte_max.a = cte_bind.a
)
SELECT * FROM cte_a_bind;

একটি অনুরোধের গুণমানকে উল্লেখযোগ্যভাবে মূল্যায়ন করতে, আসুন কিছু নির্বিচারে ডেটা সেট তৈরি করি:

CREATE TABLE tbl AS
SELECT
  (random() * 1000)::integer key_a
, (random() * 1000)::integer key_b
, (random() * 10000)::integer fld1
, (random() * 10000)::integer fld2
FROM
  generate_series(1, 10000);
CREATE INDEX ON tbl(key_a, key_b);

এটা দেখা যাচ্ছে যে ডেটা পড়তে সময় লেগেছে এক চতুর্থাংশেরও কম প্রশ্ন সম্পাদন:

[explain.tensor.ru দেখুন]

টুকরো টুকরো করে নেওয়া

আসুন অনুরোধটি ঘনিষ্ঠভাবে দেখি এবং বিভ্রান্ত হই:

1. যদি কোন রিকার্সিভ CTE না থাকে তাহলে এখানে RECURSIVE কেন?
2. কেন একটি পৃথক CTE-তে ন্যূনতম/সর্বোচ্চ মানগুলিকে তারপরে মূল নমুনার সাথে সংযুক্ত করা হয় কেন?
   +25% সময়
3. কেন পূর্ববর্তী CTE পুনরাবৃত্তি করতে শেষে একটি নিঃশর্ত 'SELECT * FROM' ব্যবহার করবেন?
   +14% সময়

এই ক্ষেত্রে, আমরা খুব ভাগ্যবান যে সংযোগের জন্য হ্যাশ জয়েনকে বেছে নেওয়া হয়েছিল, নেস্টেড লুপ নয়, কারণ তখন আমরা কেবল একটি CTE স্ক্যান পাসই পেতাম না, 10K!

CTE স্ক্যান সম্পর্কে একটুএখানে আমাদের এটা মনে রাখতে হবে CTE স্ক্যান Seq Scan এর মতই - অর্থাৎ, কোন ইন্ডেক্সিং নয়, শুধুমাত্র একটি সম্পূর্ণ অনুসন্ধান, যার প্রয়োজন হবে 10K x 0.3ms = 3000ms cte_max দ্বারা চক্রের জন্য বা 1K x 1.5ms = 1500ms cte_bind দ্বারা লুপ করার সময়!
আসলে, আপনি ফলাফল হিসাবে কি পেতে চেয়েছিলেন? হ্যাঁ, সাধারণত এই প্রশ্নটি "তিন-তলা" প্রশ্নগুলি বিশ্লেষণ করার 5 তম মিনিটে কোথাও আসে।

আমরা প্রতিটি অনন্য কী জোড়ার জন্য আউটপুট করতে চেয়েছিলাম key_a দ্বারা গ্রুপ থেকে সর্বনিম্ন/সর্বোচ্চ.
তাই এর জন্য এটি ব্যবহার করা যাক উইন্ডো ফাংশন:

SELECT DISTINCT ON(key_a, key_b)
	key_a a
,	key_b b
,	max(fld1) OVER(w) bind_fld1
,	min(fld2) OVER(w) bind_fld2
FROM
	tbl
WINDOW
	w AS (PARTITION BY key_a);

[explain.tensor.ru দেখুন]

যেহেতু উভয় বিকল্পে ডেটা পড়তে একই আনুমানিক 4-5ms লাগে, তারপর আমাদের সমস্ত সময় লাভ -32% - এটি তার বিশুদ্ধতম আকারে বেস সিপিইউ থেকে লোড সরানো হয়েছে, যদি এই ধরনের অনুরোধ প্রায়ই কার্যকর করা হয়।

সাধারণভাবে, আপনার বেসটিকে "গোলাকারটি বহন করতে, বর্গাকারটি রোল করতে" বাধ্য করা উচিত নয়।

উত্স: www.habr.com