PostgreSQLren aurkako ereduak: CTE x CTE

Nire lan ildoa dela eta, garatzaile batek eskaera bat idatzi eta pentsatzen duen egoerei aurre egin behar diet.Oinarria adimentsua da, dena kudeatu dezake!«

Zenbait kasutan (neurri batean datu-basearen gaitasunen ezjakintasunagatik, neurri batean optimizazio goiztiarengatik), ikuspegi honek "Frankensteins"-en agerpena dakar.

Lehenik eta behin, eskaera baten adibide bat jarriko dut:

-- 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;

Eskaera baten kalitatea nabarmen ebaluatzeko, sor ditzagun datu multzo arbitrario batzuk:

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);

Hori gertatzen da datuak irakurtzeak denboraren laurdena baino gutxiago behar izan zuen kontsultaren exekuzioa:

[ikusi explain.tensor.ru helbidean]

Piezaz pieza bananduz

Begira diezaiogun eskaera gertuagotik eta harritu gaitezen:

1. Zergatik dago WITH RECURSIVE hemen CTE errekurtsiborik ez badago?
2. Zergatik multzokatu min/max balioak CTE bereizi batean, gero jatorrizko laginarekin lotuta badaude?
   +% 25 denbora
3. Zergatik erabili baldintzarik gabeko 'SELECT * FROM' amaieran aurreko CTE errepikatzeko?
   +% 14 denbora

Kasu honetan, zorte handia izan genuen Hash Join aukeratzea konexiorako, eta ez Nested Loop, zeren eta CTE Scan pase bakarra ez, 10K baizik!

CTE Scan-ari buruz pixka batHemen hori gogoratu behar dugu CTE Scan Seq Scan-en antzekoa da - hau da, indexaziorik ez, bilaketa osoa baizik, eta horrek eskatuko luke 10K x 0.3 ms = 3000ms cte_max-eko zikloetarako edo 1K x 1.5 ms = 1500ms cte_bind-en begizta egitean!
Egia esan, zer lortu nahi zenuen ondorioz? Bai, normalean hau da "hiru istorioko" kontsultak aztertzeko 5. minutuan sortzen den galdera.

Gako bikote bakarraren irteera nahi genuen min/max taldetik gako_a.
Beraz, erabil dezagun horretarako leiho funtzioak:

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);

[ikusi explain.tensor.ru helbidean]

Bi aukeretako datuak irakurtzeak gutxi gorabehera 4-5 ms berdinak hartzen dituenez, orduan gure denbora guztia irabazi -32% - hau bere forma garbienean dago karga kendu da oinarrizko CPUtik, eskaera hori nahikoa maiz egiten bada.

Orokorrean, ez duzu oinarria behartu behar "borobila eraman, karratua jaurti".

Iturria: www.habr.com