समय-समय पर, कुंजियों के एक सेट का उपयोग करके संबंधित डेटा की खोज करने का कार्य सामने आता है। जब तक हमें रिकॉर्ड की आवश्यक कुल संख्या नहीं मिल जाती.
सबसे "वास्तविक जीवन" का उदाहरण प्रदर्शित करना है 20 सबसे पुरानी समस्याएँ, सूचीबद्ध कर्मचारियों की सूची पर (उदाहरण के लिए, एक प्रभाग के भीतर)। कार्य क्षेत्रों के संक्षिप्त सारांश के साथ विभिन्न प्रबंधन "डैशबोर्ड" के लिए, एक समान विषय की अक्सर आवश्यकता होती है।
इस लेख में हम ऐसी समस्या के लिए एक "बेवकूफ" समाधान, एक "स्मार्ट" और बहुत जटिल एल्गोरिदम के PostgreSQL में कार्यान्वयन को देखेंगे। पाए गए डेटा से बाहर निकलने की स्थिति के साथ SQL में "लूप"।, जो सामान्य विकास और अन्य समान मामलों में उपयोग के लिए उपयोगी हो सकता है।
आइए एक परीक्षण डेटा सेट लें
CREATE INDEX ON task(owner_id, task_date, id);
-- а старый - удалим
DROP INDEX task_owner_id_task_date_idx;
जैसा सुना जाता है, वैसा ही लिखा जाता है
सबसे पहले, आइए निष्पादकों की आईडी पास करते हुए अनुरोध का सबसे सरल संस्करण तैयार करें
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;
थोड़ा दुख की बात है - हमने केवल 20 रिकॉर्ड का ऑर्डर दिया, लेकिन इंडेक्स स्कैन ने इसे हमें वापस कर दिया 960 अवधि, जिसे फिर सुलझाना भी पड़ा...आइए कम पढ़ने का प्रयास करें।
अननेस्ट + एरे
पहला विचार जो हमें मदद करेगा वह यह है कि क्या हमें ज़रूरत है केवल 20 को क्रमबद्ध किया गया रिकॉर्ड, फिर बस पढ़ें प्रत्येक के लिए समान क्रम में 20 से अधिक क्रमबद्ध नहीं चाबी। अच्छा, उपयुक्त सूचकांक (मालिक_आईडी, कार्य_दिनांक, आईडी) हमारे पास है।
आइए निकालने और "स्तंभों में फैलाने" के लिए उसी तंत्र का उपयोग करें अभिन्न तालिका रिकॉर्ड, के रूप में 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
ओह, पहले से बहुत बेहतर! 40% तेज़ और 4.5 गुना कम डेटा मुझे इसे पढ़ना था.
सीटीई के माध्यम से तालिका रिकॉर्ड का भौतिकीकरणमैं आपका ध्यान इस तथ्य की ओर आकर्षित करना चाहता हूं कुछ मामलों में किसी रिकॉर्ड के फ़ील्ड को सबक्वेरी में खोजने के बाद तुरंत सीटीई में "लपेटे" बिना उसके साथ काम करने का प्रयास, इसका कारण बन सकता है InitPlan "गुणा करें"। इन्हीं फ़ील्ड की संख्या के समानुपाती:
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
एक ही रिकॉर्ड को 4 बार "देखा" गया... PostgreSQL 11 तक, यह व्यवहार नियमित रूप से होता है, और समाधान इसे CTE में "लपेटना" है, जो इन संस्करणों में ऑप्टिमाइज़र के लिए एक पूर्ण सीमा है।
पुनरावर्ती संचायक
पिछले संस्करण में हमने कुल मिलाकर पढ़ा 200 अवधि आवश्यक 20 के लिए। 960 नहीं, बल्कि उससे भी कम - क्या यह संभव है?
आइए उस ज्ञान का उपयोग करने का प्रयास करें जिसकी हमें आवश्यकता है कुल 20 अभिलेख. यानी, हम डेटा रीडिंग को केवल तब तक दोहराएंगे जब तक हम अपनी ज़रूरत की मात्रा तक नहीं पहुंच जाते।
चरण 1: प्रारंभिक सूची
जाहिर है, 20 रिकॉर्ड की हमारी "लक्ष्य" सूची हमारी ओनर_आईडी कुंजी में से एक के "पहले" रिकॉर्ड से शुरू होनी चाहिए। इसलिए, पहले हम ऐसा ढूंढेंगे प्रत्येक कुंजी के लिए "बहुत पहले"। और इसे सूची में जोड़ें, इसे हमारे इच्छित क्रम में क्रमबद्ध करें - (टास्क_डेट, आईडी)।
चरण 2: "अगली" प्रविष्टियाँ ढूंढें
अब अगर हम अपनी सूची से पहली प्रविष्टि लें और शुरू करें सूचकांक के साथ आगे "कदम"। मालिक_आईडी कुंजी को संरक्षित करते हुए, सभी पाए गए रिकॉर्ड परिणामी चयन में बिल्कुल अगले वाले होते हैं। बेशक, केवल जब तक हम बट कुंजी को पार नहीं कर लेते सूची में दूसरी प्रविष्टि.
यदि यह पता चलता है कि हमने दूसरा रिकॉर्ड "पार" कर लिया है, तो पहली प्रविष्टि के बजाय पढ़ी गई अंतिम प्रविष्टि को सूची में जोड़ा जाना चाहिए (उसी मालिक_आईडी के साथ), जिसके बाद हम सूची को दोबारा क्रमबद्ध करते हैं।
अर्थात्, हम हमेशा पाते हैं कि सूची में प्रत्येक कुंजी के लिए एक से अधिक प्रविष्टि नहीं है (यदि प्रविष्टियाँ समाप्त हो जाती हैं और हम "क्रॉस" नहीं करते हैं, तो सूची से पहली प्रविष्टि गायब हो जाएगी और कुछ भी नहीं जोड़ा जाएगा ), वे और हमेशा क्रमबद्ध एप्लिकेशन कुंजी (टास्क_डेट, आईडी) के आरोही क्रम में।
चरण 3: रिकॉर्ड को फ़िल्टर करें और "विस्तारित" करें
हमारे पुनरावर्ती चयन की कुछ पंक्तियों में, कुछ रिकॉर्ड rv
डुप्लिकेट किए गए हैं - पहले हम "सूची की दूसरी प्रविष्टि की सीमा को पार करना" जैसे पाते हैं, और फिर इसे सूची से पहली प्रविष्टि के रूप में प्रतिस्थापित करते हैं। इसलिए पहली घटना को फ़िल्टर करने की आवश्यकता है।
भयावह अंतिम प्रश्न
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
इस प्रकार, हम निष्पादन समय के 50% के लिए 20% डेटा का कारोबार किया गया. यानी, यदि आपके पास यह मानने का कारण है कि पढ़ने में लंबा समय लग सकता है (उदाहरण के लिए, डेटा अक्सर कैश में नहीं होता है, और आपको इसके लिए डिस्क पर जाना पड़ता है), तो इस तरह से आप पढ़ने पर कम निर्भर हो सकते हैं .
किसी भी मामले में, निष्पादन का समय "बेवकूफ" पहले विकल्प की तुलना में बेहतर निकला। लेकिन इन 3 विकल्पों में से कौन सा उपयोग करना है यह आप पर निर्भर है।
स्रोत: www.habr.com