SQL HowTo: escribir un bucle while directamente na consulta, ou "Elementario de tres vías"

Periodicamente, xorde a tarefa de buscar datos relacionados mediante un conxunto de claves. ata obter o número total de rexistros necesario.

O exemplo máis "real" é mostrar 20 problemas máis antigos, listado na lista de empregados (por exemplo, dentro dunha división). Para varios "paneis de control" de xestión con breves resumos das áreas de traballo, é necesario un tema similar con bastante frecuencia.

Neste artigo analizaremos a implementación en PostgreSQL dunha solución "inxenua" a tal problema, un algoritmo "máis intelixente" e moi complexo. "bucle" en SQL cunha condición de saída dos datos atopados, que pode ser útil tanto para o desenvolvemento xeral como para o seu uso noutros casos similares.

Tomemos un conxunto de datos de proba artigo anterior. Para evitar que os rexistros mostrados "salten" de cando en vez cando coinciden os valores ordenados, expanda o índice de materias engadindo unha chave primaria. Ao mesmo tempo, isto daralle inmediatamente unicidade e garantirá que a orde de clasificación sexa inequívoca:

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

Como se escoita, así está escrito

En primeiro lugar, esbocemos a versión máis sinxela da solicitude, pasando os ID dos intérpretes matriz como parámetro de entrada:

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;

[Mira explicar.tensor.ru]

Un pouco triste: só pedimos 20 rexistros, pero Index Scan devolveunos 960 liñas, que logo tamén había que ordenar... Tentemos ler menos.

unnest + ARRAY

A primeira consideración que nos axudará é se o necesitamos só 20 clasificados rexistros, despois só ler non máis de 20 clasificados na mesma orde para cada un chave. ben, índice adecuado (owner_id, task_date, id) temos.

Usemos o mesmo mecanismo para extraer e "estender en columnas" rexistro de táboa integral, como en último artigo. Tamén podemos aplicar dobramento nunha matriz usando a función 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

[Mira explicar.tensor.ru]

Ah, xa moito mellor! Un 40 % máis rápido e 4.5 veces menos datos Tiven que lelo.

Materialización de rexistros de táboa mediante CTEPermíteme chamar a túa atención sobre o feito de que nalgúns casos Un intento de traballar inmediatamente cos campos dun rexistro despois de buscalo nunha subconsulta, sen "envolvelo" nun CTE, pode levar a "multiplicar" InitPlan proporcional ao número destes mesmos campos:

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

O mesmo rexistro foi "buscado" 4 veces... Ata PostgreSQL 11, este comportamento ocorre con regularidade, e a solución é "envolvelo" nun CTE, o que é un límite absoluto para o optimizador nestas versións.

Acumulador recursivo

Na versión anterior, en total lemos 200 liñas polo ben do necesario 20. Non 960, pero aínda menos - é posible?

Intentemos utilizar o coñecemento que necesitamos en total 20 rexistros. É dicir, iteraremos a lectura de datos só ata chegar á cantidade que necesitamos.

Paso 1: Lista de inicio

Obviamente, a nosa lista "obxectivo" de 20 rexistros debería comezar cos "primeiros" rexistros dunha das nosas chaves owner_id. Polo tanto, primeiro atoparemos tal "moi primeiro" para cada unha das teclas e engádeo á lista, clasificándoo na orde que queremos - (data_tarefa, id).

Paso 2: Busca as "seguintes" entradas

Agora si tomamos a primeira entrada da nosa lista e comezamos "paso" máis ao longo do índice conservando a chave owner_id, entón todos os rexistros atopados son exactamente os seguintes na selección resultante. Por suposto, só ata cruzar a chave de culata segunda entrada da lista.

Se resulta que "cruzamos" o segundo rexistro, entón a última entrada lida debería engadirse á lista en lugar da primeira (co mesmo owner_id), despois de que reordenamos a lista de novo.

É dicir, sempre obtemos que a lista non ten máis que unha entrada para cada unha das claves (se se esgotan as entradas e non nos “cruzamos”, entón a primeira entrada da lista simplemente desaparecerá e non se engadirá nada. ), e eles sempre ordenado en orde ascendente da clave da aplicación (task_date, id).

Paso 3: filtrar e "expandir" os rexistros

Nalgunhas das filas da nosa selección recursiva, algúns rexistros rv duplícanse - primeiro atopamos como "atravesar a fronteira da 2ª entrada da lista", e despois substitúea como a primeira da lista. Polo tanto, hai que filtrar a primeira aparición.

A temida consulta final

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

[Mira explicar.tensor.ru]

Así, nós negociou o 50% das lecturas de datos durante o 20% do tempo de execución. É dicir, se tes motivos para crer que a lectura pode levar moito tempo (por exemplo, os datos moitas veces non están na caché e tes que ir ao disco para iso), entón, deste xeito, podes depender menos da lectura. .

En calquera caso, o tempo de execución resultou ser mellor que na primeira opción "inxenua". Pero cal destas 3 opcións usar depende de ti.

Fonte: www.habr.com