PostgreSQL માં અનુક્રમણિકાઓની તમામ સુવિધાઓનો ઉપયોગ કરીને

પોસ્ટગ્રેસ વિશ્વમાં, ડેટાબેઝ સ્ટોરેજ (જેને "હીપ" કહેવાય છે) ના કાર્યક્ષમ નેવિગેશન માટે ઇન્ડેક્સ આવશ્યક છે. પોસ્ટગ્રેસ તેના માટે ક્લસ્ટરિંગને સપોર્ટ કરતું નથી, અને MVCC આર્કિટેક્ચર તમને સમાન ટ્યુપલના ઘણા સંસ્કરણો સાથે સમાપ્ત કરવા માટેનું કારણ બને છે. તેથી, એપ્લિકેશનને ટેકો આપવા માટે કાર્યક્ષમ અનુક્રમણિકાઓ બનાવવા અને જાળવવામાં સક્ષમ બનવું ખૂબ જ મહત્વપૂર્ણ છે.

અનુક્રમણિકાઓના ઉપયોગને ઑપ્ટિમાઇઝ કરવા અને સુધારવા માટે અહીં કેટલીક ટીપ્સ આપી છે.

નોંધ: નીચે દર્શાવેલ ક્વેરી અસંશોધિત પર કામ કરે છે pagila નમૂના ડેટાબેઝ.

કવરિંગ ઇન્ડેક્સનો ઉપયોગ કરવો

ચાલો નિષ્ક્રિય વપરાશકર્તાઓ માટે ઇમેઇલ સરનામાં કાઢવાની વિનંતી જોઈએ. ટેબલ customer ત્યાં એક કૉલમ છે active, અને ક્વેરી સરળ છે:

pagila=# EXPLAIN SELECT email FROM customer WHERE active=0;
                        QUERY PLAN
-----------------------------------------------------------
 Seq Scan on customer  (cost=0.00..16.49 rows=15 width=32)
   Filter: (active = 0)
(2 rows)

ક્વેરી સંપૂર્ણ ટેબલ સ્કેન સિક્વન્સને બોલાવે છે customer. ચાલો કૉલમ પર ઇન્ડેક્સ બનાવીએ active:

pagila=# CREATE INDEX idx_cust1 ON customer(active);
CREATE INDEX
pagila=# EXPLAIN SELECT email FROM customer WHERE active=0;
                                 QUERY PLAN
-----------------------------------------------------------------------------
 Index Scan using idx_cust1 on customer  (cost=0.28..12.29 rows=15 width=32)
   Index Cond: (active = 0)
(2 rows)

તે મદદ કરી, અનુગામી સ્કેન "માં ફેરવાઈ ગયુંindex scan" આનો અર્થ એ છે કે પોસ્ટગ્રેસ ઇન્ડેક્સને સ્કેન કરશે "idx_cust1", અને પછી અન્ય કૉલમના મૂલ્યો વાંચવા માટે કોષ્ટક ઢગલા શોધવાનું ચાલુ રાખો (આ કિસ્સામાં, કૉલમ email) જેની ક્વેરી જરૂરી છે.

પોસ્ટગ્રેએસક્યુએલ 11 માં કવરિંગ ઇન્ડેક્સ રજૂ કરવામાં આવ્યા છે. તેઓ તમને અનુક્રમણિકામાં જ એક અથવા વધુ વધારાના કૉલમ્સ શામેલ કરવાની મંજૂરી આપે છે - તેમના મૂલ્યો ઇન્ડેક્સ ડેટા સ્ટોરમાં સંગ્રહિત થાય છે.

જો અમે આ સુવિધાનો લાભ લીધો અને અનુક્રમણિકાની અંદર ઈમેલ મૂલ્ય ઉમેર્યું, તો પોસ્ટગ્રેસે મૂલ્ય માટે કોષ્ટક ઢગલા શોધવાની જરૂર રહેશે નહીં. email. ચાલો જોઈએ કે શું આ કામ કરશે:

pagila=# CREATE INDEX idx_cust2 ON customer(active) INCLUDE (email);
CREATE INDEX
pagila=# EXPLAIN SELECT email FROM customer WHERE active=0;
                                    QUERY PLAN
----------------------------------------------------------------------------------
 Index Only Scan using idx_cust2 on customer  (cost=0.28..12.29 rows=15 width=32)
   Index Cond: (active = 0)
(2 rows)

«Index Only Scanઅમને કહે છે કે ક્વેરી માટે હવે માત્ર એક ઇન્ડેક્સની જરૂર છે, જે કોષ્ટકના ઢગલા વાંચવા માટે તમામ ડિસ્ક I/O ને ટાળવામાં મદદ કરે છે.

કવરિંગ ઇન્ડેક્સ હાલમાં માત્ર B-ટ્રી માટે જ ઉપલબ્ધ છે. જો કે, આ કિસ્સામાં, જાળવણી પ્રયત્નો વધુ હશે.

આંશિક અનુક્રમણિકાઓનો ઉપયોગ કરીને

આંશિક અનુક્રમણિકાઓ કોષ્ટકમાં પંક્તિઓના માત્ર સબસેટને અનુક્રમિત કરે છે. આ ઇન્ડેક્સનું કદ બચાવે છે અને સ્કેન ઝડપી બનાવે છે.

ચાલો કહીએ કે અમે કેલિફોર્નિયામાં અમારા ગ્રાહકોના ઇમેઇલ સરનામાંની સૂચિ મેળવવા માંગીએ છીએ. વિનંતી આના જેવી હશે:

SELECT c.email FROM customer c
JOIN address a ON c.address_id = a.address_id
WHERE a.district = 'California';
which has a query plan that involves scanning both the tables that are joined:
pagila=# EXPLAIN SELECT c.email FROM customer c
pagila-# JOIN address a ON c.address_id = a.address_id
pagila-# WHERE a.district = 'California';
                              QUERY PLAN
----------------------------------------------------------------------
 Hash Join  (cost=15.65..32.22 rows=9 width=32)
   Hash Cond: (c.address_id = a.address_id)
   ->  Seq Scan on customer c  (cost=0.00..14.99 rows=599 width=34)
   ->  Hash  (cost=15.54..15.54 rows=9 width=4)
         ->  Seq Scan on address a  (cost=0.00..15.54 rows=9 width=4)
               Filter: (district = 'California'::text)
(6 rows)

સામાન્ય સૂચકાંકો આપણને શું આપશે:

pagila=# CREATE INDEX idx_address1 ON address(district);
CREATE INDEX
pagila=# EXPLAIN SELECT c.email FROM customer c
pagila-# JOIN address a ON c.address_id = a.address_id
pagila-# WHERE a.district = 'California';
                                      QUERY PLAN
---------------------------------------------------------------------------------------
 Hash Join  (cost=12.98..29.55 rows=9 width=32)
   Hash Cond: (c.address_id = a.address_id)
   ->  Seq Scan on customer c  (cost=0.00..14.99 rows=599 width=34)
   ->  Hash  (cost=12.87..12.87 rows=9 width=4)
         ->  Bitmap Heap Scan on address a  (cost=4.34..12.87 rows=9 width=4)
               Recheck Cond: (district = 'California'::text)
               ->  Bitmap Index Scan on idx_address1  (cost=0.00..4.34 rows=9 width=0)
                     Index Cond: (district = 'California'::text)
(8 rows)

સ્કેન address ઇન્ડેક્સ સ્કેન દ્વારા બદલવામાં આવ્યું છે idx_address1અને પછી ઢગલો સ્કેન કર્યો address.

આ વારંવારની ક્વેરી હોવાથી અને ઑપ્ટિમાઇઝ કરવાની જરૂર હોવાથી, અમે આંશિક અનુક્રમણિકાનો ઉપયોગ કરી શકીએ છીએ, જે ફક્ત તે જ પંક્તિઓને સરનામાં સાથે અનુક્રમિત કરે છે જેમાં જિલ્લા ‘California’:

pagila=# CREATE INDEX idx_address2 ON address(address_id) WHERE district='California';
CREATE INDEX
pagila=# EXPLAIN SELECT c.email FROM customer c
pagila-# JOIN address a ON c.address_id = a.address_id
pagila-# WHERE a.district = 'California';
                                           QUERY PLAN
------------------------------------------------------------------------------------------------
 Hash Join  (cost=12.38..28.96 rows=9 width=32)
   Hash Cond: (c.address_id = a.address_id)
   ->  Seq Scan on customer c  (cost=0.00..14.99 rows=599 width=34)
   ->  Hash  (cost=12.27..12.27 rows=9 width=4)
         ->  Index Only Scan using idx_address2 on address a  (cost=0.14..12.27 rows=9 width=4)
(5 rows)

હવે ક્વેરી માત્ર વાંચે છે idx_address2 અને ટેબલને સ્પર્શતું નથી address.

મલ્ટી-વેલ્યુ ઇન્ડેક્સનો ઉપયોગ કરીને

અનુક્રમિત કરવાની કેટલીક કૉલમમાં સ્કેલર ડેટા પ્રકાર ન હોઈ શકે. કૉલમ પ્રકારો જેવા jsonb, arrays и tsvector સંયુક્ત અથવા બહુવિધ મૂલ્યો ધરાવે છે. જો તમારે આવા કૉલમને ઇન્ડેક્સ કરવાની જરૂર હોય, તો તમારે સામાન્ય રીતે તે કૉલમ્સમાંના તમામ વ્યક્તિગત મૂલ્યો શોધવાનું રહેશે.

ચાલો બધી ફિલ્મોના શીર્ષકો શોધવાનો પ્રયાસ કરીએ જેમાં અસફળ ટેકમાંથી કટ હોય. ટેબલ film ત્યાં એક ટેક્સ્ટ કૉલમ કહેવાય છે special_features. જો મૂવીમાં આ "વિશેષ મિલકત" હોય, તો કૉલમમાં ટેક્સ્ટ એરે તરીકે એલિમેન્ટ હોય છે Behind The Scenes. આવી બધી ફિલ્મો શોધવા માટે, આપણે જ્યારે "પદદા પાછળ" હોય ત્યારે બધી પંક્તિઓ પસંદ કરવાની જરૂર છે કોઈપણ એરે કિંમતો special_features:

SELECT title FROM film WHERE special_features @> '{"Behind The Scenes"}';

નેસ્ટિંગ ઓપરેટર @> જમણી બાજુ ડાબી બાજુનો સબસેટ છે કે કેમ તે તપાસે છે.

વિનંતી યોજના:

pagila=# EXPLAIN SELECT title FROM film
pagila-# WHERE special_features @> '{"Behind The Scenes"}';
                           QUERY PLAN
-----------------------------------------------------------------
 Seq Scan on film  (cost=0.00..67.50 rows=5 width=15)
   Filter: (special_features @> '{"Behind The Scenes"}'::text[])
(2 rows)

જે 67 ની કિંમત સાથે સંપૂર્ણ ઢગલો સ્કેન કરવાની વિનંતી કરે છે.

ચાલો જોઈએ કે શું નિયમિત બી-ટ્રી ઇન્ડેક્સ આપણને મદદ કરે છે:

pagila=# CREATE INDEX idx_film1 ON film(special_features);
CREATE INDEX
pagila=# EXPLAIN SELECT title FROM film
pagila-# WHERE special_features @> '{"Behind The Scenes"}';
                           QUERY PLAN
-----------------------------------------------------------------
 Seq Scan on film  (cost=0.00..67.50 rows=5 width=15)
   Filter: (special_features @> '{"Behind The Scenes"}'::text[])
(2 rows)

ઇન્ડેક્સ પણ ધ્યાનમાં લેવામાં આવ્યો ન હતો. બી-ટ્રી ઇન્ડેક્સ અનુક્રમિત મૂલ્યોમાં વ્યક્તિગત ઘટકોના અસ્તિત્વથી વાકેફ નથી.

અમને GIN ઇન્ડેક્સની જરૂર છે.

pagila=# CREATE INDEX idx_film2 ON film USING GIN(special_features);
CREATE INDEX
pagila=# EXPLAIN SELECT title FROM film
pagila-# WHERE special_features @> '{"Behind The Scenes"}';
                                QUERY PLAN
---------------------------------------------------------------------------
 Bitmap Heap Scan on film  (cost=8.04..23.58 rows=5 width=15)
   Recheck Cond: (special_features @> '{"Behind The Scenes"}'::text[])
   ->  Bitmap Index Scan on idx_film2  (cost=0.00..8.04 rows=5 width=0)
         Index Cond: (special_features @> '{"Behind The Scenes"}'::text[])
(4 rows)

GIN ઇન્ડેક્સ અનુક્રમિત સંયુક્ત મૂલ્યો સામે એકલ મૂલ્યોના મેપિંગને સમર્થન આપે છે, પરિણામે ક્વેરી પ્લાનની કિંમત અડધા કરતાં વધુ છે.

ડુપ્લિકેટ અનુક્રમણિકાઓથી છુટકારો મેળવવો

સૂચકાંકો સમય જતાં એકઠા થાય છે, અને કેટલીકવાર નવા અનુક્રમણિકામાં અગાઉના એક જેવી જ વ્યાખ્યા હોઈ શકે છે. અનુક્રમણિકાઓની માનવ-વાંચી શકાય તેવી SQL વ્યાખ્યાઓ મેળવવા માટે તમે કેટલોગ દૃશ્યનો ઉપયોગ કરી શકો છો. pg_indexes. તમે સમાન વ્યાખ્યાઓ પણ સરળતાથી શોધી શકો છો:

 SELECT array_agg(indexname) AS indexes, replace(indexdef, indexname, '') AS defn
    FROM pg_indexes
GROUP BY defn
  HAVING count(*) > 1;
And here’s the result when run on the stock pagila database:
pagila=#   SELECT array_agg(indexname) AS indexes, replace(indexdef, indexname, '') AS defn
pagila-#     FROM pg_indexes
pagila-# GROUP BY defn
pagila-#   HAVING count(*) > 1;
                                indexes                                 |                                defn
------------------------------------------------------------------------+------------------------------------------------------------------
 {payment_p2017_01_customer_id_idx,idx_fk_payment_p2017_01_customer_id} | CREATE INDEX  ON public.payment_p2017_01 USING btree (customer_id
 {payment_p2017_02_customer_id_idx,idx_fk_payment_p2017_02_customer_id} | CREATE INDEX  ON public.payment_p2017_02 USING btree (customer_id
 {payment_p2017_03_customer_id_idx,idx_fk_payment_p2017_03_customer_id} | CREATE INDEX  ON public.payment_p2017_03 USING btree (customer_id
 {idx_fk_payment_p2017_04_customer_id,payment_p2017_04_customer_id_idx} | CREATE INDEX  ON public.payment_p2017_04 USING btree (customer_id
 {payment_p2017_05_customer_id_idx,idx_fk_payment_p2017_05_customer_id} | CREATE INDEX  ON public.payment_p2017_05 USING btree (customer_id
 {idx_fk_payment_p2017_06_customer_id,payment_p2017_06_customer_id_idx} | CREATE INDEX  ON public.payment_p2017_06 USING btree (customer_id
(6 rows)

સુપરસેટ સૂચકાંકો

એવું બની શકે છે કે તમે ઘણા અનુક્રમણિકાઓ સાથે સમાપ્ત કરો છો, જેમાંથી એક કૉલમના સુપરસેટને અનુક્રમિત કરે છે જે અન્ય અનુક્રમણિકાઓને અનુક્રમિત કરે છે. આ ઇચ્છનીય હોઈ શકે છે અથવા ન પણ હોઈ શકે-સુપરસેટ માત્ર અનુક્રમણિકા સ્કેનમાં પરિણમી શકે છે, જે સારું છે, પરંતુ તે વધુ પડતી જગ્યા લઈ શકે છે, અથવા સુપરસેટ ઑપ્ટિમાઇઝ કરવાનો હેતુ હતો તે ક્વેરી હવે ઉપયોગમાં લેવાતી નથી.

જો તમારે આવા અનુક્રમણિકાઓની વ્યાખ્યાને સ્વચાલિત કરવાની જરૂર હોય, તો તમે પ્રારંભ કરી શકો છો pg_index ટેબલ પરથી pg_catalog.

નહિં વપરાયેલ અનુક્રમણિકાઓ

જેમ જેમ ડેટાબેઝનો ઉપયોગ કરતી એપ્લિકેશનો વિકસિત થાય છે, તેમ તેમ તેઓ જે ક્વેરીનો ઉપયોગ કરે છે તે પણ વિકસિત થાય છે. અગાઉ ઉમેરવામાં આવેલ અનુક્રમણિકા હવે કોઈપણ ક્વેરી દ્વારા ઉપયોગમાં લેવામાં આવશે નહીં. દરેક વખતે જ્યારે ઇન્ડેક્સ સ્કેન કરવામાં આવે છે, ત્યારે તે આંકડા સંચાલક દ્વારા ચિહ્નિત કરવામાં આવે છે, અને સિસ્ટમ કેટલોગ દૃશ્યમાં pg_stat_user_indexes તમે મૂલ્ય જોઈ શકો છો idx_scan, જે સંચિત કાઉન્ટર છે. સમયના સમયગાળામાં આ મૂલ્યને ટ્રૅક કરવાથી (એક મહિનો કહો) એ સારી રીતે ખ્યાલ આવશે કે કયા ઇન્ડેક્સનો ઉપયોગ કરવામાં આવી રહ્યો નથી અને તેને છોડી શકાય છે.

સ્કીમામાં તમામ અનુક્રમણિકાઓની વર્તમાન સ્કેન ગણતરીઓ મેળવવા માટે અહીં એક ક્વેરી છે ‘public’:

SELECT relname, indexrelname, idx_scan
FROM   pg_catalog.pg_stat_user_indexes
WHERE  schemaname = 'public';
with output like this:
pagila=# SELECT relname, indexrelname, idx_scan
pagila-# FROM   pg_catalog.pg_stat_user_indexes
pagila-# WHERE  schemaname = 'public'
pagila-# LIMIT  10;
    relname    |    indexrelname    | idx_scan
---------------+--------------------+----------
 customer      | customer_pkey      |    32093
 actor         | actor_pkey         |     5462
 address       | address_pkey       |      660
 category      | category_pkey      |     1000
 city          | city_pkey          |      609
 country       | country_pkey       |      604
 film_actor    | film_actor_pkey    |        0
 film_category | film_category_pkey |        0
 film          | film_pkey          |    11043
 inventory     | inventory_pkey     |    16048
(10 rows)

ઓછા તાળાઓ સાથે અનુક્રમણિકાઓનું પુનઃનિર્માણ

ઇન્ડેક્સને વારંવાર પુનઃબીલ્ડ કરવાની જરૂર પડે છે, ઉદાહરણ તરીકે જ્યારે તે ફૂલી જાય છે, અને પુનઃનિર્માણ સ્કેનને ઝડપી બનાવી શકે છે. સૂચકાંકો પણ બગડી શકે છે. ઇન્ડેક્સ પેરામીટર બદલવાથી તેને ફરીથી બનાવવાની પણ જરૂર પડી શકે છે.

સમાંતર અનુક્રમણિકા બનાવટ સક્ષમ કરો

PostgreSQL 11 માં, B-Tree ઇન્ડેક્સ બનાવવું એ સમવર્તી છે. સર્જન પ્રક્રિયાને ઝડપી બનાવવા માટે, ઘણા સમાંતર કામદારોનો ઉપયોગ કરી શકાય છે. જો કે, ખાતરી કરો કે આ રૂપરેખાંકન વિકલ્પો યોગ્ય રીતે સેટ કરેલ છે:

SET max_parallel_workers = 32;
SET max_parallel_maintenance_workers = 16;

ડિફૉલ્ટ મૂલ્યો ખૂબ નાના છે. આદર્શરીતે, આ સંખ્યાઓ પ્રોસેસર કોરોની સંખ્યા સાથે વધવી જોઈએ. માં વધુ વાંચો દસ્તાવેજીકરણ.

પૃષ્ઠભૂમિ અનુક્રમણિકા બનાવટ

તમે વિકલ્પનો ઉપયોગ કરીને પૃષ્ઠભૂમિમાં ઇન્ડેક્સ બનાવી શકો છો CONCURRENTLY આદેશો CREATE INDEX:

pagila=# CREATE INDEX CONCURRENTLY idx_address1 ON address(district);
CREATE INDEX

આ ઇન્ડેક્સ બનાવવાની પ્રક્રિયા સામાન્ય કરતાં અલગ છે જેમાં તેને ટેબલ પર લૉકની જરૂર હોતી નથી, અને તેથી લેખન કામગીરીને અવરોધિત કરતી નથી. બીજી બાજુ, તે વધુ સમય લે છે અને વધુ સંસાધનોનો ઉપયોગ કરે છે.

પોસ્ટગ્રેસ અનુક્રમણિકાઓ બનાવવા અને કોઈપણ વિશિષ્ટ કેસોને હલ કરવાની રીતો તેમજ તમારી એપ્લિકેશન વિસ્ફોટથી વધે તો ડેટાબેઝનું સંચાલન કરવાની રીતો માટે ઘણી રાહત પૂરી પાડે છે. અમે આશા રાખીએ છીએ કે આ ટિપ્સ તમને તમારી ક્વેરી ઝડપથી મેળવવામાં અને તમારા ડેટાબેઝને માપવા માટે તૈયાર કરવામાં મદદ કરશે.

સોર્સ: www.habr.com