Ärge arvake, et mulle JOIN nii väga ei meeldi... :)
Kuid sageli ilma selleta osutub taotlus oluliselt produktiivsemaks kui sellega. Nii et täna proovime vabaneda ressursimahukast LIITUMIST - sõnaraamatu kasutamine.
Alates versioonist PostgreSQL 12 võivad mõned allpool kirjeldatud olukorrad esineda veidi erinevalt, kuna vaikimisi mittematerialiseerimine CTE. Seda käitumist saab võtme määramisega taastada MATERIALIZED.
Piiratud sõnavaras palju "fakte".
Võtame väga reaalse rakendusülesande – peame kuvama loendi sissetulevad sõnumid või aktiivsed ülesanded saatjatega:
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.
Abstraktses maailmas peaksid ülesannete autorid olema ühtlaselt jaotunud kõigi meie organisatsiooni töötajate vahel, kuid tegelikkuses ülesanded tulevad reeglina üsna piiratud arvult inimestelt - "juhtkonnast" hierarhias ülespoole või "allhankijatelt" naaberosakondadest (analüütikud, disainerid, turundus jne).
Leppigem sellega, et meie 1000 inimesega organisatsioonis seab igale konkreetsele esinejale ülesandeid vaid 20 autorit (tavaliselt isegi vähem). Kasutame neid aineteadmisi"traditsioonilise" päringu kiirendamiseks.
Skripti generaator
-- 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);
Näitame konkreetse täitja 100 viimast ülesannet:
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;
Selgub, et 1/3 koguajast ja 3/4 näitu lehekülgi andmeid tehti ainult selleks, et otsida autorit 100 korda – iga väljundülesande kohta. Kuid me teame seda nende sadade seas ainult 20 erinevat - Kas neid teadmisi on võimalik kasutada?
hstore-sõnastik
Kasutame ära hstore tüüp sõnastiku võtmeväärtuse loomiseks:
CREATE EXTENSION hstore
Peame lihtsalt sõnastikku sisestama autori ID ja tema nime, et saaksime selle võtme abil välja võtta:
-- 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;
Kulutatud isikute kohta teabe hankimisele 2 korda vähem aega ja 7 korda vähem andmeid loetakse! Lisaks "sõnavarale" aitas meil neid tulemusi saavutada ka hulgikirjete otsimine tabelist ühe käiguga kasutades = ANY(ARRAY(...)).
Tabelikirjed: serialiseerimine ja deserialiseerimine
Aga mis siis, kui peame salvestama mitte ainult ühe tekstivälja, vaid kogu sõnaraamatu kirje? Sel juhul aitab meid PostgreSQL-i võime käsitleda tabelikirjet ühe väärtusena:
...
, 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;
Vaatame, mis siin toimus:
Võtsime p täisisiku tabeli kirje pseudonüümina ja koostas neist hulga.
see salvestiste massiiv sõnastati uuesti tekstistringide massiivi (person[]::text[]), et asetada see väärtuste massiivina hstore'i sõnastikku.
Kui saame seotud kirje, siis me võtmega sõnastikust tõmmatud tekstistringina.
Vajame teksti muuta tabelitüübi väärtuseks isik (iga tabeli jaoks luuakse automaatselt samanimeline tüüp).
"Laiendage" sisestatud kirje veergudeks, kasutades (...).*.
jsoni sõnastik
Kuid selline nipp, nagu me ülalpool rakendasime, ei tööta, kui pole sobivat tabelitüüpi "valamiseks". Täpselt sama olukord tekib ja kui proovime kasutada CTE rida, mitte "päris" tabel.
...
, 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;
Tuleb märkida, et sihtstruktuuri kirjeldamisel ei saa me loetleda kõiki lähtestringi välju, vaid ainult neid, mida me tõesti vajame. Kui meil on "native" tabel, siis on parem kasutada funktsiooni json_populate_record.
Sõnaraamatusse jõuame ikka korra, aga json-[de]serialiseerimise kulud on üsna suured, seetõttu on seda meetodit mõistlik kasutada vaid mõnel juhul, kui “aus” CTE-skannimine näitab end kehvemini.
Toimivuse testimine
Niisiis, meil on kaks võimalust andmete jadasõnasse viimiseks − hstore/json_object. Lisaks saab võtmete ja väärtuste massiive genereerida ka kahel viisil, sisemise või välise teisendamisega tekstiks: massiiv_agg(i::tekst) / massiiv_agg(i)::tekst[].
Kontrollime eri tüüpi serialiseerimise tõhusust puhtalt sünteetilise näite abil - serialiseerida erinevad numbrid võtmed:
WITH dict AS (
SELECT
hstore(
array_agg(i::text)
, array_agg(i::text)
)
FROM
generate_series(1, ...) i
)
TABLE dict;
Hindamisskript: serialiseerimine
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 puhul kuni ligikaudu 2^12 klahvi suurune sõnastik json-i serialiseerimine võtab vähem aega. Sel juhul on kõige tõhusam json_object ja "sisemise" tüüpi teisenduse kombinatsioon array_agg(i::text).
Proovime nüüd iga võtme väärtust 8 korda lugeda – lõppude lõpuks, kui te ei pääse sõnaraamatusse, siis milleks seda vaja on?
Hindamisskript: lugemine sõnastikust
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;
Ja... juba ligikaudu 2^6 klahviga hakkab jsoni sõnastikust lugemine mitu korda kaduma lugedes hstore'ist, jsonb puhul juhtub sama 2^9 juures.
Lõplikud järeldused:
kui teil on vaja seda teha LIITU mitme korduva kirjega - parem on kasutada tabeli "sõnastikku".
kui teie sõnastikku oodatakse väike ja te ei loe sellest palju välja - võite kasutada json[b]
kõigil muudel juhtudel hstore + array_agg(i::text) saab olema tõhusam