PostgreSQL એન્ટિપેટર્ન: “અનંત એ મર્યાદા નથી!”, અથવા પુનરાવર્તન વિશે થોડું

પુનરાવર્તન - જો સંબંધિત ડેટા પર સમાન "ઊંડાણ" ક્રિયાઓ કરવામાં આવે તો ખૂબ જ શક્તિશાળી અને અનુકૂળ મિકેનિઝમ. પરંતુ અનિયંત્રિત પુનરાવૃત્તિ એ એક અનિષ્ટ છે જે બંનેમાંથી એક તરફ દોરી શકે છે અનંત અમલ પ્રક્રિયા, અથવા (જે વધુ વખત થાય છે). બધી ઉપલબ્ધ મેમરી "ખાવું"..

આ સંદર્ભમાં DBMS સમાન સિદ્ધાંતો પર કામ કરે છે - "તેઓએ મને ખોદવાનું કહ્યું, તેથી હું ખોદું". તમારી વિનંતી માત્ર પડોશી પ્રક્રિયાઓને ધીમું કરી શકતી નથી, સતત પ્રોસેસર સંસાધનો લે છે, પણ સમગ્ર ડેટાબેઝને "છોડો" અને બધી ઉપલબ્ધ મેમરીને "ખાઈ" પણ શકે છે. તેથી અનંત પુનરાવર્તન સામે રક્ષણ - વિકાસકર્તાની પોતાની જવાબદારી.

PostgreSQL માં, દ્વારા પુનરાવર્તિત પ્રશ્નોનો ઉપયોગ કરવાની ક્ષમતા WITH RECURSIVE આવૃત્તિ 8.4 ના અનાદિકાળમાં દેખાયા હતા, પરંતુ તમે હજી પણ સંભવિત રૂપે સંવેદનશીલ "રક્ષણહીન" વિનંતીઓનો નિયમિતપણે સામનો કરી શકો છો. તમારી જાતને આ પ્રકારની સમસ્યાઓથી કેવી રીતે છુટકારો મેળવવો?

પુનરાવર્તિત પ્રશ્નો લખશો નહીં

અને નોન-રિકર્સિવ લખો. આપની, તમારા K.O.

હકીકતમાં, PostgreSQL ઘણી બધી કાર્યક્ષમતા પ્રદાન કરે છે જેનો તમે ઉપયોગ કરી શકો છો નથી પુનરાવર્તન લાગુ કરો.

સમસ્યા માટે મૂળભૂત રીતે અલગ અભિગમનો ઉપયોગ કરો

કેટલીકવાર તમે ફક્ત "અલગ બાજુ" થી સમસ્યાને જોઈ શકો છો. મેં લેખમાં આવી પરિસ્થિતિનું ઉદાહરણ આપ્યું "SQL કેવી રીતે: 1000 અને એકત્રીકરણની એક રીત" - કસ્ટમ એગ્રીગેટ ફંક્શનનો ઉપયોગ કર્યા વિના સંખ્યાઓના સમૂહનો ગુણાકાર:

WITH RECURSIVE src AS (
  SELECT '{2,3,5,7,11,13,17,19}'::integer[] arr
)
, T(i, val) AS (
  SELECT
    1::bigint
  , 1
UNION ALL
  SELECT
    i + 1
  , val * arr[i]
  FROM
    T
  , src
  WHERE
    i <= array_length(arr, 1)
)
SELECT
  val
FROM
  T
ORDER BY -- отбор финального результата
  i DESC
LIMIT 1;

આ વિનંતીને ગણિતના નિષ્ણાતોના વિકલ્પ સાથે બદલી શકાય છે:

WITH src AS (
  SELECT unnest('{2,3,5,7,11,13,17,19}'::integer[]) prime
)
SELECT
  exp(sum(ln(prime)))::integer val
FROM
  src;

લૂપ્સને બદલે generate_series નો ઉપયોગ કરો

ચાલો કહીએ કે આપણે સ્ટ્રિંગ માટે તમામ સંભવિત ઉપસર્ગો બનાવવાના કાર્યનો સામનો કરી રહ્યા છીએ 'abcdefgh':

WITH RECURSIVE T AS (
  SELECT 'abcdefgh' str
UNION ALL
  SELECT
    substr(str, 1, length(str) - 1)
  FROM
    T
  WHERE
    length(str) > 1
)
TABLE T;

શું તમને ખાતરી છે કે તમારે અહીં પુનરાવર્તનની જરૂર છે?.. જો તમે ઉપયોગ કરો છો LATERAL и generate_series, તો પછી તમારે CTE ની પણ જરૂર રહેશે નહીં:

SELECT
  substr(str, 1, ln) str
FROM
  (VALUES('abcdefgh')) T(str)
, LATERAL(
    SELECT generate_series(length(str), 1, -1) ln
  ) X;

ડેટાબેઝ માળખું બદલો

ઉદાહરણ તરીકે, તમારી પાસે કોણે કોને પ્રતિસાદ આપ્યો તેના કનેક્શન્સ સાથેના ફોરમ સંદેશાઓનું ટેબલ અથવા એક થ્રેડ સામાજિક નેટવર્ક:

CREATE TABLE message(
  message_id
    uuid
      PRIMARY KEY
, reply_to
    uuid
      REFERENCES message
, body
    text
);
CREATE INDEX ON message(reply_to);

ઠીક છે, એક વિષય પરના બધા સંદેશાઓ ડાઉનલોડ કરવાની સામાન્ય વિનંતી કંઈક આના જેવી લાગે છે:

WITH RECURSIVE T AS (
  SELECT
    *
  FROM
    message
  WHERE
    message_id = $1
UNION ALL
  SELECT
    m.*
  FROM
    T
  JOIN
    message m
      ON m.reply_to = T.message_id
)
TABLE T;

પરંતુ કારણ કે આપણને હંમેશા રૂટ સંદેશમાંથી સમગ્ર વિષયની જરૂર હોય છે, તો પછી આપણે કેમ નહીં દરેક એન્ટ્રીમાં તેનું ID ઉમેરો આપોઆપ?

-- добавим поле с общим идентификатором темы и индекс на него
ALTER TABLE message
  ADD COLUMN theme_id uuid;
CREATE INDEX ON message(theme_id);

-- инициализируем идентификатор темы в триггере при вставке
CREATE OR REPLACE FUNCTION ins() RETURNS TRIGGER AS $$
BEGIN
  NEW.theme_id = CASE
    WHEN NEW.reply_to IS NULL THEN NEW.message_id -- берем из стартового события
    ELSE ( -- или из сообщения, на которое отвечаем
      SELECT
        theme_id
      FROM
        message
      WHERE
        message_id = NEW.reply_to
    )
  END;
  RETURN NEW;
END;
$$ LANGUAGE plpgsql;

CREATE TRIGGER ins BEFORE INSERT
  ON message
    FOR EACH ROW
      EXECUTE PROCEDURE ins();

હવે અમારી આખી પુનરાવર્તિત ક્વેરી માત્ર આમાં ઘટાડી શકાય છે:

SELECT
  *
FROM
  message
WHERE
  theme_id = $1;

લાગુ "મર્યાદા" નો ઉપયોગ કરો

જો આપણે કોઈ કારણોસર ડેટાબેઝનું માળખું બદલવામાં અસમર્થ હોઈએ, તો ચાલો જોઈએ કે આપણે શેના પર આધાર રાખી શકીએ જેથી ડેટામાં ભૂલની હાજરી પણ અનંત પુનરાવર્તન તરફ દોરી ન જાય.

રિકર્ઝન ડેપ્થ કાઉન્ટર

અમે દરેક પુનરાવર્તિત પગલા પર કાઉન્ટરને એક વડે વધારીએ છીએ જ્યાં સુધી અમે એવી મર્યાદા સુધી પહોંચી ન જઈએ જેને અમે દેખીતી રીતે અપૂરતી માનીએ છીએ:

WITH RECURSIVE T AS (
  SELECT
    0 i
  ...
UNION ALL
  SELECT
    i + 1
  ...
  WHERE
    T.i < 64 -- предел
)

પ્રો: જ્યારે આપણે લૂપ કરવાનો પ્રયાસ કરીએ છીએ, ત્યારે પણ આપણે "ઊંડાણમાં" પુનરાવર્તનોની નિર્દિષ્ટ મર્યાદા કરતાં વધુ નહીં કરીએ.
છેતરપિંડીંઓ: ત્યાં કોઈ ગેરેંટી નથી કે અમે તે જ રેકોર્ડ પર ફરીથી પ્રક્રિયા કરીશું નહીં - ઉદાહરણ તરીકે, 15 અને 25 ની ઊંડાઈએ, અને પછી દરેક +10. અને કોઈએ "પહોળાઈ" વિશે કંઈપણ વચન આપ્યું નથી.

ઔપચારિક રીતે, આવા પુનરાવર્તન અનંત હશે નહીં, પરંતુ જો દરેક પગલા પર રેકોર્ડ્સની સંખ્યા ઝડપથી વધે છે, તો આપણે બધા સારી રીતે જાણીએ છીએ કે તે કેવી રીતે સમાપ્ત થાય છે ...

"ચેસબોર્ડ પર અનાજની સમસ્યા" જુઓ

"પાથ" ના વાલી

અમે રિકર્ઝન પાથ સાથે મળેલા તમામ ઑબ્જેક્ટ ઓળખકર્તાઓને અમે વૈકલ્પિક રીતે એરેમાં ઉમેરીએ છીએ, જે તેના માટે એક અનન્ય "પાથ" છે:

WITH RECURSIVE T AS (
  SELECT
    ARRAY[id] path
  ...
UNION ALL
  SELECT
    path || id
  ...
  WHERE
    id <> ALL(T.path) -- не совпадает ни с одним из
)

પ્રો: જો ડેટામાં કોઈ ચક્ર હોય, તો અમે તે જ પાથની અંદર એક જ રેકોર્ડની વારંવાર પ્રક્રિયા કરીશું નહીં.
છેતરપિંડીંઓ: પરંતુ તે જ સમયે, આપણે આપણી જાતને પુનરાવર્તન કર્યા વિના શાબ્દિક રીતે તમામ રેકોર્ડ્સને બાયપાસ કરી શકીએ છીએ.

"નાઈટની મૂવ પ્રોબ્લેમ" જુઓ

પાથ લંબાઈ મર્યાદા

અગમ્ય ઊંડાણમાં પુનરાવર્તિત "ભટકતા" ની પરિસ્થિતિને ટાળવા માટે, અમે અગાઉની બે પદ્ધતિઓને જોડી શકીએ છીએ. અથવા, જો આપણે બિનજરૂરી ક્ષેત્રોને સમર્થન આપવા માંગતા ન હોય, તો પાથ લંબાઈના અંદાજ સાથે પુનરાવર્તન ચાલુ રાખવા માટેની શરતને પૂરક બનાવો:

WITH RECURSIVE T AS (
  SELECT
    ARRAY[id] path
  ...
UNION ALL
  SELECT
    path || id
  ...
  WHERE
    id <> ALL(T.path) AND
    array_length(T.path, 1) < 10
)

તમારા સ્વાદ માટે એક પદ્ધતિ પસંદ કરો!

સોર્સ: www.habr.com