Périodiquement, la tâche de rechercher des données liées par un ensemble de clés se pose, jusqu'à ce que nous obtenions le nombre total d'enregistrements requis.
L'exemple le plus "réaliste" consiste à afficher 20 problèmes les plus anciens, répertorié sur la liste des employés (par exemple, au sein d'un même service). Pour divers "tableaux de bord" managériaux avec de brefs résumés des domaines de travail, un sujet similaire est assez souvent requis.
Dans l'article, nous envisagerons l'implémentation sur PostgreSQL d'une version "naïve" de la résolution d'un tel problème, un algorithme "plus intelligent" et très complexe "boucle" en SQL avec une condition de sortie des données trouvées, qui peut être utile à la fois pour le développement général et pour une utilisation dans d'autres cas similaires.
Prenons un ensemble de données de test à partir de . Pour que les enregistrements de sortie ne "sautent" pas de temps en temps lorsque les valeurs triées correspondent, étendre l'index des sujets en ajoutant une clé primaire. En même temps, cela lui donnera immédiatement l'unicité, et nous garantit l'unicité de l'ordre de tri :
CREATE INDEX ON task(owner_id, task_date, id);
-- а старый - удалим
DROP INDEX task_owner_id_task_date_idx;Comme on l'entend, ainsi on l'écrit
Tout d'abord, esquissons la version la plus simple de la requête, en transmettant les identifiants des artistes :
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;
Un peu triste - nous n'avons commandé que 20 disques et Index Scan nous a renvoyé terme 960, qu'il fallait ensuite aussi trier ... Et essayons de lire moins.
désimbriquer + TABLEAU
La première considération qui nous aidera - si nous avons besoin total 20 triés enregistrements, il suffit de lire pas plus de 20 triés dans le même ordre pour chacun clé. Bien, indice approprié (owner_id, task_date, id) que nous avons.
Utilisons le même mécanisme d'extraction et de "transformation en colonnes" saisie complète du tableau, un péché . Et appliquez également la convolution à un tableau en utilisant la fonction 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
Oh, c'est déjà beaucoup mieux ! 40 % plus rapide et 4.5 fois moins de données fallait lire.
Matérialisation des enregistrements de table via CTEje noterai que dans certains cas une tentative de travailler immédiatement avec les champs d'enregistrement après l'avoir recherché dans une sous-requête, sans "envelopper" dans un CTE, peut conduire à "multiplication" InitPlan proportionnel au nombre de ces mêmes champs :
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
Le même enregistrement a été "recherché" 4 fois... Jusqu'à PostgreSQL 11, ce comportement se produit régulièrement, et la solution consiste à "envelopper" dans un CTE, qui est une limite inconditionnelle pour l'optimiseur dans ces versions.
accumulateur récursif
Dans la version précédente, au total, nous lisons terme 200 pour les 20 nécessaires. Déjà pas 960, mais encore moins - est-ce possible?
Essayons d'utiliser les connaissances dont nous avons besoin xnumx total enregistrements. Autrement dit, nous allons itérer la soustraction de données uniquement jusqu'à ce que la quantité dont nous avons besoin soit atteinte.
Étape 1 : Liste de démarrage
Évidemment, notre liste "cible" de 20 entrées devrait commencer par les "premières" entrées pour l'une de nos clés owner_id. Par conséquent, nous trouvons d'abord un tel "très premier" pour chacune des touches et placez-le dans la liste, en le triant dans l'ordre que nous voulons - (task_date, id).
Étape 2 : rechercher les enregistrements "suivants"
Maintenant, si nous prenons la première entrée de notre liste et commençons "étape" plus bas dans l'index avec la sauvegarde de la clé owner_id, tous les enregistrements trouvés ne sont que les suivants dans la sélection résultante. Bien sûr, seulement jusqu'à ce qu'on croise la touche appliquée deuxième entrée de la liste.
S'il s'avérait que nous "franchions" la deuxième entrée, alors la dernière entrée lue doit être ajoutée à la liste au lieu de la première (avec le même owner_id), après quoi la liste est à nouveau triée.
C'est-à-dire que nous obtenons toujours que la liste n'a pas plus d'une entrée pour chacune des clés (si les entrées sont terminées et que nous n'avons pas «croisé», alors la première entrée disparaîtra simplement de la liste et rien ne sera ajouté ), et ils toujours trié dans l'ordre croissant de la clé de l'application (task_date, id).
Étape 3 : Filtrage et extension des enregistrements
Dans la partie des lignes de notre sélection récursive, quelques enregistrements rv sont dupliqués - nous trouvons d'abord comme "franchir la frontière de la 2ème entrée de la liste", puis nous remplaçons par le 1er de la liste. Et donc la première occurrence doit être filtrée.
Terrible dernière requête
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
Ainsi, nous échangé 50 % de lectures de données pour 20 % de temps d'exécution. Autrement dit, si vous avez des raisons de croire que la lecture peut être longue (par exemple, les données ne sont souvent pas dans le cache et vous devez aller sur le disque pour cela), alors vous pouvez compter moins sur la lecture.
Dans tous les cas, le temps d'exécution s'est avéré meilleur que dans la première option "naïve". Mais laquelle de ces 3 options utiliser dépend de vous.
Source: habr.com