SQL HowTo: ক্যোয়ারীতে সরাসরি কিছুক্ষণ লুপ লিখুন বা "প্রাথমিক তিন-পদক্ষেপ"

পর্যায়ক্রমে, কীগুলির একটি সেট ব্যবহার করে সম্পর্কিত ডেটা অনুসন্ধানের কাজটি দেখা দেয়। যতক্ষণ না আমরা রেকর্ডের প্রয়োজনীয় মোট সংখ্যা পাই.

সবচেয়ে "বাস্তব জীবন" উদাহরণ প্রদর্শন করা হয় 20টি প্রাচীনতম সমস্যা, তালিকাভুক্ত কর্মচারীদের তালিকায় (উদাহরণস্বরূপ, একটি বিভাগের মধ্যে)। কাজের ক্ষেত্রগুলির সংক্ষিপ্ত সারসংক্ষেপ সহ বিভিন্ন পরিচালনা "ড্যাশবোর্ড" এর জন্য, একটি অনুরূপ বিষয় প্রায়শই প্রয়োজন হয়।

এই নিবন্ধে আমরা পোস্টগ্রেএসকিউএল-এ এই জাতীয় সমস্যার একটি "নিষ্পাপ" সমাধানের বাস্তবায়ন দেখব, একটি "স্মার্ট" এবং খুব জটিল অ্যালগরিদম। এসকিউএল-এ "লুপ" পাওয়া ডেটা থেকে প্রস্থান করার শর্ত সহ, যা সাধারণ বিকাশের জন্য এবং অন্যান্য অনুরূপ ক্ষেত্রে ব্যবহারের জন্য উভয়ই উপযোগী হতে পারে।

এর থেকে একটি টেস্ট ডেটা সেট নেওয়া যাক পূর্ববর্তী নিবন্ধ. বাছাই করা মানগুলি মিলে গেলে সময়ে সময়ে প্রদর্শিত রেকর্ডগুলিকে "জাম্পিং" থেকে আটকাতে, একটি প্রাথমিক কী যোগ করে বিষয় সূচক প্রসারিত করুন. একই সময়ে, এটি অবিলম্বে এটিকে স্বতন্ত্রতা দেবে এবং আমাদের গ্যারান্টি দেবে যে বাছাই ক্রমটি দ্ব্যর্থহীন:

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

যেমন শোনা যায়, তেমনই লেখা হয়

প্রথমে, অনুরোধের সহজতম সংস্করণটি স্কেচ করা যাক, পারফর্মারদের আইডি পাস করে ইনপুট প্যারামিটার হিসাবে অ্যারে:

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;

[explain.tensor.ru দেখুন]

একটু দু: খিত - আমরা শুধুমাত্র 20 টি রেকর্ড অর্ডার করেছি, এবং ইনডেক্স স্ক্যান আমাদের কাছে ফেরত দিয়েছে 960 সারি, যেটাও তখন সাজাতে হয়েছিল... কম পড়ার চেষ্টা করি।

আনেস্ট + ARRAY

প্রথম বিবেচনা যে আমাদের সাহায্য করবে যদি আমাদের প্রয়োজন হয় মাত্র 20 সাজানো রেকর্ড, তারপর শুধু পড়ুন প্রতিটির জন্য একই ক্রমে 20 টির বেশি বাছাই করা হয়নি চাবি. ভাল, উপযুক্ত সূচক (owner_id, task_date, id) আমাদের আছে।

এক্সট্র্যাক্ট এবং "কলামে ছড়িয়ে দেওয়ার" জন্য একই পদ্ধতি ব্যবহার করা যাক অবিচ্ছেদ্য টেবিল রেকর্ড, যেমন শেষ প্রবন্ধ. আমরা ফাংশন ব্যবহার করে একটি অ্যারেতে ভাঁজ প্রয়োগ করতে পারি 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

[explain.tensor.ru দেখুন]

ওহ, ইতিমধ্যে অনেক ভাল! 40% দ্রুত এবং 4.5 গুণ কম ডেটা আমি এটা পড়তে ছিল.

CTE এর মাধ্যমে টেবিল রেকর্ডের উপাদানীকরণআমাকে আপনার দৃষ্টি আকর্ষণ করা যাক যে কিছু ক্ষেত্রে একটি সাবকোয়ারিতে অনুসন্ধান করার পরে একটি রেকর্ডের ক্ষেত্রগুলির সাথে অবিলম্বে কাজ করার প্রচেষ্টা, এটি একটি CTE-তে "মোড়ানো" ছাড়াই হতে পারে InitPlan "গুণ করুন" এই একই ক্ষেত্রগুলির সংখ্যার সমানুপাতিক:

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

একই রেকর্ড 4 বার "লুক আপ" করা হয়েছিল... PostgreSQL 11 পর্যন্ত, এই আচরণটি নিয়মিত ঘটে, এবং সমাধান হল এটিকে একটি CTE-তে "মোড়ানো" যা এই সংস্করণগুলিতে অপ্টিমাইজারের জন্য একটি পরম সীমা।

পুনরাবৃত্ত সঞ্চয়ক

আগের সংস্করণে, মোট আমরা পড়ি 200 সারি প্রয়োজনের স্বার্থে 20. 960 নয়, এমনকি কম - এটা কি সম্ভব?

আসুন আমাদের প্রয়োজনীয় জ্ঞান ব্যবহার করার চেষ্টা করি মোট 20 রেকর্ড অর্থাৎ, আমরা আমাদের প্রয়োজনীয় পরিমাণে না পৌঁছানো পর্যন্ত কেবলমাত্র ডেটা রিডিং পুনরাবৃত্তি করব।

ধাপ 1: শুরুর তালিকা

স্পষ্টতই, আমাদের 20টি রেকর্ডের "লক্ষ্য" তালিকাটি আমাদের মালিক_আইডি কীগুলির একটির জন্য "প্রথম" রেকর্ড দিয়ে শুরু হওয়া উচিত। অতএব, প্রথমে আমরা যেমন খুঁজে পাব প্রতিটি কীগুলির জন্য "খুব প্রথম" এবং তালিকায় এটি যোগ করুন, আমরা যে ক্রমে চাই তা সাজিয়ে - (task_date, id)।

ধাপ 2: "পরবর্তী" এন্ট্রি খুঁজুন

এখন যদি আমরা আমাদের তালিকা থেকে প্রথম এন্ট্রি নিয়ে শুরু করি সূচক বরাবর "ধাপ" আরও মালিক_আইডি কী সংরক্ষণ করে, তারপরে পাওয়া সমস্ত রেকর্ডগুলি ফলাফল নির্বাচনের ঠিক পরবর্তীগুলি। অবশ্যই, শুধুমাত্র যতক্ষণ না আমরা বাট কী অতিক্রম করি তালিকায় দ্বিতীয় এন্ট্রি।

যদি দেখা যায় যে আমরা দ্বিতীয় রেকর্ডটি "ক্রস" করেছি, তাহলে শেষ পঠিত এন্ট্রি প্রথমটির পরিবর্তে তালিকায় যোগ করা উচিত (একই মালিক_আইডি সহ), তারপরে আমরা আবার তালিকাটি পুনরায় সাজাই।

অর্থাৎ, আমরা সবসময় পাই যে তালিকায় প্রতিটি কীগুলির জন্য একাধিক এন্ট্রি নেই (যদি এন্ট্রিগুলি শেষ হয়ে যায় এবং আমরা "ক্রস" না করি, তাহলে তালিকা থেকে প্রথম এন্ট্রিটি অদৃশ্য হয়ে যাবে এবং কিছুই যোগ করা হবে না ), এবং তারা সবসময় সাজানো অ্যাপ্লিকেশন কী (task_date, id) এর ক্রমবর্ধমান ক্রমানুসারে।

ধাপ 3: ফিল্টার এবং "প্রসারিত" রেকর্ড

আমাদের রিকার্সিভ সিলেকশনের কিছু সারি, কিছু রেকর্ড rv নকল করা হয়েছে - প্রথমে আমরা খুঁজে পাই যেমন "তালিকার ২য় এন্ট্রির সীমানা অতিক্রম করা", এবং তারপর তালিকা থেকে ১ম হিসাবে প্রতিস্থাপন করি। তাই প্রথম ঘটনাটি ফিল্টার করা দরকার।

ভয়ঙ্কর চূড়ান্ত প্রশ্ন

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

[explain.tensor.ru দেখুন]

এইভাবে, আমরা এক্সিকিউশন সময়ের 50% এর জন্য 20% ডেটা রিড ট্রেড করা হয়েছে. অর্থাৎ, যদি আপনার বিশ্বাস করার কারণ থাকে যে পড়তে অনেক সময় লাগতে পারে (উদাহরণস্বরূপ, ডেটা প্রায়শই ক্যাশে থাকে না এবং আপনাকে এটির জন্য ডিস্কে যেতে হবে), তাহলে এইভাবে আপনি পড়ার উপর কম নির্ভর করতে পারেন .

যাই হোক না কেন, মৃত্যুদন্ড কার্যকর করার সময়টি "নিষ্পাপ" প্রথম বিকল্পের চেয়ে ভাল বলে প্রমাণিত হয়েছিল। কিন্তু এই 3টি বিকল্পের মধ্যে কোনটি ব্যবহার করবেন তা আপনার উপর নির্ভর করে।

উত্স: www.habr.com