PostgreSQL एंटीपैटर्न: "अनंत सीमा नहीं है!", या रिकर्सन के बारे में थोड़ा सा

प्रत्यावर्तन - यदि संबंधित डेटा पर समान "गहन" क्रियाएं की जाती हैं तो एक बहुत शक्तिशाली और सुविधाजनक तंत्र। लेकिन अनियंत्रित पुनरावर्तन एक ऐसी बुराई है जो दोनों में से किसी एक को जन्म दे सकती है अंतहीन निष्पादन प्रक्रिया, या (जो अधिक बार होता है)। सभी उपलब्ध मेमोरी को "खाना"।.

इस संबंध में DBMS इन्हीं सिद्धांतों पर कार्य करता है - "उन्होंने मुझसे खुदाई करने को कहा, इसलिए मैंने खुदाई की"। आपका अनुरोध न केवल पड़ोसी प्रक्रियाओं को धीमा कर सकता है, लगातार प्रोसेसर संसाधन ले सकता है, बल्कि पूरे डेटाबेस को "छोड़" भी सकता है, सभी उपलब्ध मेमोरी को "खा" सकता है। इसलिए अनंत पुनरावृत्ति के विरुद्ध सुरक्षा - जिम्मेदारी स्वयं डेवलपर की।

PostgreSQL में, पुनरावर्ती प्रश्नों का उपयोग करने की क्षमता WITH RECURSIVE संस्करण 8.4 के प्राचीन समय में दिखाई दिया, लेकिन आप अभी भी नियमित रूप से संभावित रूप से कमजोर "रक्षाहीन" अनुरोधों का सामना कर सकते हैं। इस प्रकार की समस्याओं से कैसे छुटकारा पाएं?

पुनरावर्ती प्रश्न न लिखें

और गैर-पुनरावर्ती लिखें। भवदीय, आपका के.ओ.

वास्तव में, PostgreSQL काफी कार्यक्षमता प्रदान करता है जिसका आप उपयोग कर सकते हैं नहीं प्रत्यावर्तन लागू करें.

समस्या के प्रति मौलिक रूप से भिन्न दृष्टिकोण का प्रयोग करें

कभी-कभी आप समस्या को केवल "अलग पक्ष" से देख सकते हैं। मैंने लेख में ऐसी स्थिति का एक उदाहरण दिया है "एसक्यूएल हाउटो: 1000 और एकत्रीकरण का एक तरीका" - कस्टम एग्रीगेट फ़ंक्शंस का उपयोग किए बिना संख्याओं के एक सेट का गुणन:

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;

इस अनुरोध को गणित विशेषज्ञों के विकल्प से बदला जा सकता है:

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

लूप के बजाय generate_series का उपयोग करें

मान लीजिए कि हमें एक स्ट्रिंग के लिए सभी संभावित उपसर्ग उत्पन्न करने के कार्य का सामना करना पड़ रहा है '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;

क्या आप वाकई यहां रिकर्सन की आवश्यकता है?.. यदि आप उपयोग करते हैं LATERAL и generate_series, तो आपको CTE की भी आवश्यकता नहीं होगी:

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

डेटाबेस संरचना बदलें

उदाहरण के लिए, आपके पास फ़ोरम संदेशों की एक तालिका है जिसमें कनेक्शन के साथ किसने किसको उत्तर दिया है, या इसमें एक थ्रेड है सामाजिक नेटवर्क:

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

खैर, एक विषय पर सभी संदेशों को डाउनलोड करने का एक सामान्य अनुरोध कुछ इस तरह दिखता है:

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;

लेकिन चूँकि हमें हमेशा मूल संदेश से संपूर्ण विषय की आवश्यकता होती है, तो हमें क्यों नहीं प्रत्येक प्रविष्टि में इसकी आईडी जोड़ें स्वचालित?

-- 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();

अब हमारी संपूर्ण पुनरावर्ती क्वेरी को केवल इस तक सीमित किया जा सकता है:

SELECT
  *
FROM
  message
WHERE
  theme_id = $1;

लागू "सीमाएं" का प्रयोग करें

यदि हम किसी कारण से डेटाबेस की संरचना को बदलने में असमर्थ हैं, तो आइए देखें कि हम किस पर भरोसा कर सकते हैं ताकि डेटा में त्रुटि की उपस्थिति से भी अंतहीन पुनरावृत्ति न हो।

प्रत्यावर्तन गहराई काउंटर

हम बस प्रत्येक रिकर्सन चरण पर काउंटर को एक-एक करके बढ़ाते हैं जब तक कि हम उस सीमा तक नहीं पहुंच जाते जिसे हम स्पष्ट रूप से अपर्याप्त मानते हैं:

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

प्रो: जब हम लूप करने का प्रयास करते हैं, तब भी हम "गहराई में" पुनरावृत्तियों की निर्दिष्ट सीमा से अधिक नहीं करेंगे।
विपक्ष: इस बात की कोई गारंटी नहीं है कि हम उसी रिकॉर्ड को दोबारा संसाधित नहीं करेंगे - उदाहरण के लिए, 15 और 25 की गहराई पर, और फिर हर +10 पर। और किसी ने भी "चौड़ाई" के बारे में कुछ भी वादा नहीं किया।

औपचारिक रूप से, ऐसी पुनरावृत्ति अनंत नहीं होगी, लेकिन यदि प्रत्येक चरण पर रिकॉर्ड की संख्या तेजी से बढ़ती है, तो हम सभी अच्छी तरह से जानते हैं कि यह कैसे समाप्त होता है...

देखें "शतरंज की बिसात पर अनाज की समस्या"

"पथ" के संरक्षक

हम बारी-बारी से रिकर्सन पथ के साथ आए सभी ऑब्जेक्ट पहचानकर्ताओं को एक सरणी में जोड़ते हैं, जो इसके लिए एक अद्वितीय "पथ" है:

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

प्रो: यदि डेटा में कोई चक्र है, तो हम एक ही रिकॉर्ड को एक ही पथ में बार-बार संसाधित नहीं करेंगे।
विपक्ष: लेकिन साथ ही, हम खुद को दोहराए बिना सचमुच सभी रिकॉर्ड को बायपास कर सकते हैं।

देखें "नाइट्स मूव प्रॉब्लम"

पथ की लंबाई सीमा

असंगत गहराई पर पुनरावृत्ति "भटकने" की स्थिति से बचने के लिए, हम पिछले दो तरीकों को जोड़ सकते हैं। या, यदि हम अनावश्यक फ़ील्ड का समर्थन नहीं करना चाहते हैं, तो पथ की लंबाई के अनुमान के साथ पुनरावृत्ति जारी रखने की शर्त को पूरक करें:

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
)

अपने स्वाद के अनुसार एक विधि चुनें!

स्रोत: www.habr.com