পোস্টগ্রেএসকিউএল অ্যান্টিপ্যাটার্নস: আসুন একটি অভিধানের সাথে ভারী যোগদান করি

আমরা "আপাতদৃষ্টিতে সহজ" PostgreSQL প্রশ্নগুলির কার্যকারিতা উন্নত করার জন্য স্বল্প-পরিচিত উপায়গুলির অধ্যয়নের জন্য উত্সর্গীকৃত নিবন্ধগুলির সিরিজটি চালিয়ে যাচ্ছি:

• বিরল রেকর্ড যোগদানের মাঝখানে পৌঁছে যাবে
• Sisyphean অ্যারে যোগদান করুন
• ক্ষতিকর JOIN এবং OR
• CTE CTE-এ যোগ দিন

ভাববেন না যে আমি জয়েন করতে খুব একটা পছন্দ করি না... :)

তবে প্রায়শই এটি ছাড়াই, অনুরোধটি এটির চেয়ে উল্লেখযোগ্যভাবে বেশি উত্পাদনশীল হয়ে ওঠে। তাই আজ আমরা চেষ্টা করব সম্পদ-নিবিড় যোগদান থেকে পরিত্রাণ পান - একটি অভিধান ব্যবহার করে।

PostgreSQL 12 দিয়ে শুরু করে, নীচে বর্ণিত কিছু পরিস্থিতির কারণে কিছুটা ভিন্নভাবে পুনরুত্পাদন করা যেতে পারে ডিফল্ট নন-মেটেরিয়ালাইজেশন CTE. কী নির্দিষ্ট করে এই আচরণটি প্রত্যাবর্তন করা যেতে পারে MATERIALIZED.

সীমিত শব্দভান্ডারে প্রচুর "তথ্য"

একটি খুব বাস্তব অ্যাপ্লিকেশন কাজ নেওয়া যাক - আমাদের একটি তালিকা প্রদর্শন করতে হবে ইনকামিং বার্তা অথবা প্রেরকদের সাথে সক্রিয় কাজ:

25.01 | Иванов И.И. | Подготовить описание нового алгоритма.
22.01 | Иванов И.И. | Написать статью на Хабр: жизнь без JOIN.
20.01 | Петров П.П. | Помочь оптимизировать запрос.
18.01 | Иванов И.И. | Написать статью на Хабр: JOIN с учетом распределения данных.
16.01 | Петров П.П. | Помочь оптимизировать запрос.

বিমূর্ত বিশ্বে, টাস্ক লেখকদের আমাদের প্রতিষ্ঠানের সমস্ত কর্মীদের মধ্যে সমানভাবে বিতরণ করা উচিত, কিন্তু বাস্তবে কার্যগুলি একটি নিয়ম হিসাবে, মোটামুটি সীমিত সংখ্যক লোকের কাছ থেকে আসে - "ব্যবস্থাপনা থেকে" অনুক্রমের উপরে বা "সাবকন্ট্রাক্টরদের থেকে" প্রতিবেশী বিভাগ থেকে (বিশ্লেষক, ডিজাইনার, মার্কেটিং, ...)।

আসুন আমরা স্বীকার করি যে আমাদের 1000 জনের সংগঠনে, শুধুমাত্র 20 জন লেখক (সাধারণত এমনকি কম) প্রতিটি নির্দিষ্ট পারফর্মারের জন্য কাজগুলি সেট করেন এবং আসুন এই বিষয় জ্ঞান ব্যবহার করা যাক"ঐতিহ্যবাহী" প্রশ্নের গতি বাড়াতে।

স্ক্রিপ্ট জেনারেটর

-- сотрудники
CREATE TABLE person AS
SELECT
  id
, repeat(chr(ascii('a') + (id % 26)), (id % 32) + 1) "name"
, '2000-01-01'::date - (random() * 1e4)::integer birth_date
FROM
  generate_series(1, 1000) id;

ALTER TABLE person ADD PRIMARY KEY(id);

-- задачи с указанным распределением
CREATE TABLE task AS
WITH aid AS (
  SELECT
    id
  , array_agg((random() * 999)::integer + 1) aids
  FROM
    generate_series(1, 1000) id
  , generate_series(1, 20)
  GROUP BY
    1
)
SELECT
  *
FROM
  (
    SELECT
      id
    , '2020-01-01'::date - (random() * 1e3)::integer task_date
    , (random() * 999)::integer + 1 owner_id
    FROM
      generate_series(1, 100000) id
  ) T
, LATERAL(
    SELECT
      aids[(random() * (array_length(aids, 1) - 1))::integer + 1] author_id
    FROM
      aid
    WHERE
      id = T.owner_id
    LIMIT 1
  ) a;

ALTER TABLE task ADD PRIMARY KEY(id);
CREATE INDEX ON task(owner_id, task_date);
CREATE INDEX ON task(author_id);

আসুন একটি নির্দিষ্ট নির্বাহকের জন্য শেষ 100টি কাজ দেখাই:

SELECT
  task.*
, person.name
FROM
  task
LEFT JOIN
  person
    ON person.id = task.author_id
WHERE
  owner_id = 777
ORDER BY
  task_date DESC
LIMIT 100;

[explain.tensor.ru দেখুন]

এটা যে সক্রিয় আউট 1/3 মোট সময় এবং 3/4 রিডিং প্রতিটি আউটপুট টাস্কের জন্য শুধুমাত্র লেখকের জন্য 100 বার অনুসন্ধান করার জন্য ডেটার পৃষ্ঠাগুলি তৈরি করা হয়েছিল। কিন্তু আমরা জানি এই শত শত মধ্যে শুধুমাত্র 20 ভিন্ন - এই জ্ঞান ব্যবহার করা সম্ভব?

hstore-অভিধান

ব্যবহার করা যাক hstore প্রকার একটি "অভিধান" কী-মান তৈরি করতে:

CREATE EXTENSION hstore

আমাদের শুধু লেখকের আইডি এবং তার নাম অভিধানে রাখতে হবে যাতে আমরা এই কী ব্যবহার করে বের করতে পারি:

-- формируем целевую выборку
WITH T AS (
  SELECT
    *
  FROM
    task
  WHERE
    owner_id = 777
  ORDER BY
    task_date DESC
  LIMIT 100
)
-- формируем словарь для уникальных значений
, dict AS (
  SELECT
    hstore( -- hstore(keys::text[], values::text[])
      array_agg(id)::text[]
    , array_agg(name)::text[]
    )
  FROM
    person
  WHERE
    id = ANY(ARRAY(
      SELECT DISTINCT
        author_id
      FROM
        T
    ))
)
-- получаем связанные значения словаря
SELECT
  *
, (TABLE dict) -> author_id::text -- hstore -> key
FROM
  T;

[explain.tensor.ru দেখুন]

ব্যক্তি সম্পর্কে তথ্য প্রাপ্তির জন্য ব্যয় করা হয়েছে 2 গুণ কম সময় এবং 7 গুণ কম ডেটা পড়া! "শব্দভান্ডার" ছাড়াও, যা আমাদের এই ফলাফলগুলি অর্জন করতে সাহায্য করেছিল তা হল বাল্ক রেকর্ড পুনরুদ্ধার টেবিল থেকে একটি একক পাস ব্যবহার করে = ANY(ARRAY(...)).

সারণী এন্ট্রি: সিরিয়ালাইজেশন এবং ডিসিরিয়ালাইজেশন

কিন্তু যদি আমাদের শুধুমাত্র একটি পাঠ্য ক্ষেত্র নয়, অভিধানে একটি সম্পূর্ণ এন্ট্রি সংরক্ষণ করতে হয়? এই ক্ষেত্রে, PostgreSQL এর ক্ষমতা আমাদের সাহায্য করবে একটি টেবিল এন্ট্রিকে একক মান হিসাবে বিবেচনা করুন:

...
, dict AS (
  SELECT
    hstore(
      array_agg(id)::text[]
    , array_agg(p)::text[] -- магия #1
    )
  FROM
    person p
  WHERE
    ...
)
SELECT
  *
, (((TABLE dict) -> author_id::text)::person).* -- магия #2
FROM
  T;

এখানে কি ঘটছে তা দেখা যাক:

1. আমরা নিলাম p পূর্ণ ব্যক্তি টেবিল এন্ট্রির একটি উপনাম হিসাবে এবং তাদের একটি অ্যারে একত্রিত.
2. এই রেকর্ডিং এর অ্যারে recast করা হয়েছে টেক্সট স্ট্রিংগুলির একটি অ্যারেতে (ব্যক্তি[]::টেক্সট[]) এটিকে hstore অভিধানে মানগুলির একটি অ্যারে হিসাবে রাখতে।
3. যখন আমরা একটি সম্পর্কিত রেকর্ড পাই, আমরা কি দ্বারা অভিধান থেকে টানা একটি পাঠ্য স্ট্রিং হিসাবে।
4. আমরা টেক্সট প্রয়োজন একটি টেবিল টাইপ মান পরিণত ব্যক্তি (প্রতিটি টেবিলের জন্য একই নামের এক প্রকার স্বয়ংক্রিয়ভাবে তৈরি হয়)।
5. ব্যবহার করে কলামে টাইপ করা রেকর্ডকে "প্রসারিত করুন" (...).*.

json অভিধান

কিন্তু আমরা উপরে প্রয়োগ করা এই ধরনের কৌশলটি কাজ করবে না যদি "কাস্টিং" করার জন্য কোনও সংশ্লিষ্ট টেবিলের ধরন না থাকে। ঠিক একই অবস্থা তৈরি হবে, এবং আমরা ব্যবহার করার চেষ্টা যদি একটি CTE সারি, একটি "বাস্তব" টেবিল নয়.

এক্ষেত্রে তারা আমাদের সাহায্য করবে json এর সাথে কাজ করার জন্য ফাংশন:

...
, p AS ( -- это уже CTE
  SELECT
    *
  FROM
    person
  WHERE
    ...
)
, dict AS (
  SELECT
    json_object( -- теперь это уже json
      array_agg(id)::text[]
    , array_agg(row_to_json(p))::text[] -- и внутри json для каждой строки
    )
  FROM
    p
)
SELECT
  *
FROM
  T
, LATERAL(
    SELECT
      *
    FROM
      json_to_record(
        ((TABLE dict) ->> author_id::text)::json -- извлекли из словаря как json
      ) AS j(name text, birth_date date) -- заполнили нужную нам структуру
  ) j;

এটা লক্ষ করা উচিত যে লক্ষ্য কাঠামো বর্ণনা করার সময়, আমরা উত্স স্ট্রিং এর সমস্ত ক্ষেত্র তালিকাভুক্ত করতে পারি না, তবে শুধুমাত্র সেইগুলি যা আমাদের সত্যিই প্রয়োজন। যদি আমাদের একটি "নেটিভ" টেবিল থাকে তবে ফাংশনটি ব্যবহার করা ভাল json_populate_record.

আমরা এখনও অভিধান অ্যাক্সেস একবার, কিন্তু json-[de] সিরিয়ালাইজেশন খরচ বেশ বেশিতাই, এই পদ্ধতিটি শুধুমাত্র কিছু ক্ষেত্রে ব্যবহার করা যুক্তিসঙ্গত যখন "সৎ" CTE স্ক্যান নিজেকে আরও খারাপ দেখায়।

পরীক্ষা কর্মক্ষমতা

সুতরাং, আমরা একটি অভিধানে ডেটা সিরিয়ালাইজ করার দুটি উপায় পেয়েছি - hstore/json_object. এছাড়াও, কী এবং মানগুলির অ্যারেগুলিও দুটি উপায়ে তৈরি করা যেতে পারে, পাঠ্যে অভ্যন্তরীণ বা বাহ্যিক রূপান্তর সহ: array_agg(i::text) / array_agg(i)::text[].

আসুন একটি বিশুদ্ধভাবে কৃত্রিম উদাহরণ ব্যবহার করে বিভিন্ন ধরণের সিরিয়ালাইজেশনের কার্যকারিতা পরীক্ষা করি - বিভিন্ন সংখ্যার কী ক্রমিক করা:

WITH dict AS (
  SELECT
    hstore(
      array_agg(i::text)
    , array_agg(i::text)
    )
  FROM
    generate_series(1, ...) i
)
TABLE dict;

মূল্যায়ন স্ক্রিপ্ট: ক্রমিককরণ

WITH T AS (
  SELECT
    *
  , (
      SELECT
        regexp_replace(ea[array_length(ea, 1)], '^Execution Time: (d+.d+) ms$', '1')::real et
      FROM
        (
          SELECT
            array_agg(el) ea
          FROM
            dblink('port= ' || current_setting('port') || ' dbname=' || current_database(), $$
              explain analyze
              WITH dict AS (
                SELECT
                  hstore(
                    array_agg(i::text)
                  , array_agg(i::text)
                  )
                FROM
                  generate_series(1, $$ || (1 << v) || $$) i
              )
              TABLE dict
            $$) T(el text)
        ) T
    ) et
  FROM
    generate_series(0, 19) v
  ,   LATERAL generate_series(1, 7) i
  ORDER BY
    1, 2
)
SELECT
  v
, avg(et)::numeric(32,3)
FROM
  T
GROUP BY
  1
ORDER BY
  1;

PostgreSQL 11-এ, প্রায় 2^12 কীগুলির অভিধান আকার পর্যন্ত json-এ সিরিয়ালাইজেশন কম সময় নেয়. এই ক্ষেত্রে, সবচেয়ে কার্যকর হল json_object এবং "অভ্যন্তরীণ" টাইপ রূপান্তরের সংমিশ্রণ array_agg(i::text).

এখন আসুন প্রতিটি কীর মান 8 বার পড়ার চেষ্টা করি - সর্বোপরি, আপনি যদি অভিধানটি অ্যাক্সেস না করেন, তবে এটির প্রয়োজন কেন?

মূল্যায়ন স্ক্রিপ্ট: একটি অভিধান থেকে পড়া

WITH T AS (
  SELECT
    *
  , (
      SELECT
        regexp_replace(ea[array_length(ea, 1)], '^Execution Time: (d+.d+) ms$', '1')::real et
      FROM
        (
          SELECT
            array_agg(el) ea
          FROM
            dblink('port= ' || current_setting('port') || ' dbname=' || current_database(), $$
              explain analyze
              WITH dict AS (
                SELECT
                  json_object(
                    array_agg(i::text)
                  , array_agg(i::text)
                  )
                FROM
                  generate_series(1, $$ || (1 << v) || $$) i
              )
              SELECT
                (TABLE dict) -> (i % ($$ || (1 << v) || $$) + 1)::text
              FROM
                generate_series(1, $$ || (1 << (v + 3)) || $$) i
            $$) T(el text)
        ) T
    ) et
  FROM
    generate_series(0, 19) v
  , LATERAL generate_series(1, 7) i
  ORDER BY
    1, 2
)
SELECT
  v
, avg(et)::numeric(32,3)
FROM
  T
GROUP BY
  1
ORDER BY
  1;

এবং... ইতিমধ্যে প্রায় 2^6 কী সহ, একটি json অভিধান থেকে পড়া একাধিকবার হারাতে শুরু করে hstore থেকে পড়া, jsonb এর জন্য একই 2^9 এ ঘটে।

চূড়ান্ত সিদ্ধান্ত:

• আপনি এটা করতে হবে একাধিক পুনরাবৃত্তি রেকর্ডের সাথে যোগ দিন - টেবিলের "অভিধান" ব্যবহার করা ভাল
• যদি আপনার অভিধান প্রত্যাশিত হয় ছোট এবং আপনি এটি থেকে অনেক পড়বেন না - আপনি json [b] ব্যবহার করতে পারেন
• অন্য সব ক্ষেত্রে hstore + array_agg(i::text) আরো কার্যকর হবে

উত্স: www.habr.com