O bryd i'w gilydd, mae'r dasg o chwilio am ddata cysylltiedig gan ddefnyddio set o allweddi yn codi. nes i ni gael y cyfanswm gofynnol o gofnodion.
Yr enghraifft fwyaf “bywyd go iawn” yw arddangos 20 o broblemau hynaf, rhestredig ar y rhestr o weithwyr (er enghraifft, o fewn un adran). Ar gyfer “dangosfyrddau” rheoli amrywiol gyda chrynodebau o feysydd gwaith, mae angen pwnc tebyg yn eithaf aml.
Yn yr erthygl hon byddwn yn edrych ar weithrediad yn PostgreSQL ateb “naïf” i broblem o'r fath, algorithm “callach” a chymhleth iawn. “dolen” yn SQL gydag amod ymadael o'r data a ddarganfuwyd, a all fod yn ddefnyddiol ar gyfer datblygiad cyffredinol ac i'w ddefnyddio mewn achosion tebyg eraill.
Gadewch i ni gymryd set ddata prawf o
CREATE INDEX ON task(owner_id, task_date, id);
-- а старый - удалим
DROP INDEX task_owner_id_task_date_idx;
Fel y clywir, felly y mae yn ysgrifenedig
Yn gyntaf, gadewch i ni fraslunio'r fersiwn symlaf o'r cais, gan basio IDau'r perfformwyr
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;
Ychydig yn drist - dim ond 20 cofnod a archebwyd gennym, ond dychwelodd Index Scan i ni 960 llinell, y bu'n rhaid ei ddidoli wedyn hefyd... Gadewch i ni geisio darllen llai.
aflonydd+ARRAY
Yr ystyriaeth gyntaf a fydd yn ein helpu yw os bydd angen dim ond 20 wedi'u didoli cofnodion, yna dim ond darllen dim mwy nag 20 wedi'u didoli yn yr un drefn ar gyfer pob un cywair. Da, mynegai addas (perchennog_id, task_date, id) gennym ni.
Gadewch i ni ddefnyddio'r un mecanwaith ar gyfer echdynnu a “lledaenu i golofnau” cofnod tabl annatod, fel 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
O, llawer gwell yn barod! 40% yn gyflymach a 4.5 gwaith yn llai o ddata Roedd yn rhaid i mi ei ddarllen.
Gwireddu cofnodion tabl trwy CTEGadewch imi dynnu eich sylw at y ffaith bod mewn rhai achosion Gall ymgais i weithio ar unwaith gyda meysydd cofnod ar ôl chwilio amdano mewn subquery, heb ei “lapio” mewn CTE, arwain at "lluosi" InitPlan yn gymesur â nifer yr un meysydd hyn:
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
Cafodd yr un cofnod ei “edrych i fyny” 4 gwaith... Hyd at PostgreSQL 11, mae'r ymddygiad hwn yn digwydd yn rheolaidd, a'r ateb yw ei “lapio” mewn CTE, sy'n gyfyngiad absoliwt ar gyfer yr optimizer yn y fersiynau hyn.
Cronadur ailadroddus
Yn y fersiwn flaenorol, rydym yn darllen i gyd 200 llinell er mwyn yr 20 gofynnol. Nid 960, ond hyd yn oed yn llai - a yw'n bosibl?
Gadewch i ni geisio defnyddio'r wybodaeth sydd ei hangen arnom cyfanswm 20 cofnodion. Hynny yw, dim ond hyd nes y byddwn yn cyrraedd y swm sydd ei angen arnom y byddwn yn ailadrodd darllen data.
Cam 1: Rhestr Cychwyn
Yn amlwg, dylai ein rhestr “targed” o 20 cofnod ddechrau gyda’r cofnodion “cyntaf” ar gyfer un o’n bysellau perchennog_id. Felly, yn gyntaf byddwn yn dod o hyd o'r fath “cyntaf iawn” ar gyfer pob un o'r allweddi a'i ychwanegu at y rhestr, gan ei ddidoli yn y drefn rydyn ni eisiau - (task_date, id).
Cam 2: Dewch o hyd i'r cofnodion "nesaf".
Nawr os cymerwn y cofnod cyntaf o'n rhestr a dechrau “cam” ymhellach ar hyd y mynegai gan gadw'r allwedd perchennog_id, yna mae'r holl gofnodion a ddarganfuwyd yn union y rhai nesaf yn y dewis dilynol. Wrth gwrs, dim ond nes i ni groesi'r allwedd casgen ail gofnod yn y rhestr.
Os yw'n ymddangos ein bod ni wedi “croesi” yr ail record, yna dylid ychwanegu'r cofnod olaf a ddarllenwyd at y rhestr yn lle'r un cyntaf (gyda'r un perchennog_id), ac ar ôl hynny rydym yn ail-drefnu'r rhestr eto.
Hynny yw, rydyn ni bob amser yn cael nad oes gan y rhestr fwy nag un cofnod ar gyfer pob un o'r allweddi (os yw'r cofnodion yn rhedeg allan ac nad ydym yn “croesi", yna bydd y cofnod cyntaf o'r rhestr yn diflannu ac ni fydd unrhyw beth yn cael ei ychwanegu ), a hwythau bob amser yn didoli yn nhrefn esgynnol allwedd y cymhwysiad (task_date, id).
Cam 3: hidlo ac "ehangu" cofnodion
Yn rhai o'r rhesi o'n detholiad ailadroddus, mae rhai cofnodion rv
yn cael eu dyblygu - yn gyntaf rydym yn canfod megis “croesi ffin ail gofnod y rhestr”, ac yna ei roi yn ei le fel y 2af o'r rhestr. Felly mae angen hidlo'r digwyddiad cyntaf.
Yr ymholiad terfynol ofnadwy
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
Felly, ni masnachu 50% o ddata yn darllen am 20% o amser gweithredu. Hynny yw, os oes gennych resymau i gredu y gall darllen gymryd amser hir (er enghraifft, yn aml nid yw'r data yn y storfa, ac mae'n rhaid i chi fynd i ddisg ar ei gyfer), yna yn y modd hwn gallwch ddibynnu llai ar ddarllen .
Beth bynnag, roedd yr amser gweithredu yn well nag yn yr opsiwn cyntaf “naïf”. Ond chi sydd i benderfynu pa un o'r 3 opsiwn hyn i'w defnyddio.
Ffynhonnell: hab.com