SQL HowTo: napišite while-petlju izravno u upitu ili "Elementarni trosmjerni"

Povremeno se pojavljuje zadatak traženja srodnih podataka pomoću skupa ključeva. dok ne dobijemo potreban ukupan broj zapisa.

Primjer iz "stvarnog života" je prikazati 20 najstarijih problema, na popisu na popisu zaposlenih (na primjer, unutar jedne divizije). Za razne upravljačke “nadzorne ploče” s kratkim sažetcima područja rada slična je tema vrlo često potrebna.

U ovom članku ćemo pogledati implementaciju u PostgreSQL "naivnog" rješenja za takav problem, "pametnijeg" i vrlo složenog algoritma “petlja” u SQL-u s izlaznim uvjetom iz pronađenih podataka, što može biti korisno i za opći razvoj i za korištenje u drugim sličnim slučajevima.

Uzmimo testni skup podataka iz prethodni članak. Kako biste spriječili da prikazani zapisi povremeno "skaču" kada se sortirane vrijednosti podudaraju, proširite indeks predmeta dodavanjem primarnog ključa. U isto vrijeme, to će mu odmah dati jedinstvenost i jamčiti nam da je redoslijed sortiranja nedvosmislen:

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

Kako se čuje, tako se i napiše

Prvo, skicirajmo najjednostavniju verziju zahtjeva, prosljeđujući ID-ove izvođača niz kao ulazni parametar:

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;

[pogledajte na expand.tensor.ru]

Malo tužno - naručili smo samo 20 zapisa, ali Index Scan nam ih je vratio 960 redaka, koje je onda također trebalo sortirati... Pokušajmo manje čitati.

unnest + NIZ

Prvo razmatranje koje će nam pomoći je ako trebamo samo 20 sortiranih zapise, onda samo čitajte ne više od 20 sortiranih istim redoslijedom za svaku ključ. Dobro, odgovarajući indeks (owner_id, task_date, id) imamo.

Upotrijebimo isti mehanizam za izdvajanje i “širenje u stupce” zapis integralne tablice, kao u zadnji članak. Također možemo primijeniti savijanje u niz pomoću funkcije 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

[pogledajte na expand.tensor.ru]

Oh, već je puno bolje! 40% brže i 4.5 puta manje podataka Morao sam to pročitati.

Materijalizacija tabličnih zapisa putem CTE-aDopustite mi da vam skrenem pozornost na činjenicu da U nekim slučajevima Pokušaj da se odmah radi s poljima zapisa nakon traženja u podupitu, bez "omatanja" u CTE, može dovesti do "množenje" InitPlan proporcionalno broju tih istih polja:

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

Isti zapis je “pogledan” 4 puta... Sve do PostgreSQL 11, ovo se ponašanje događa redovito, a rješenje je da se “umota” u CTE, što je apsolutno ograničenje za optimizator u ovim verzijama.

Rekurzivni akumulator

U prethodnoj verziji, ukupno čitamo 200 redaka radi potrebnih 20. Ne 960, nego još manje - je li moguće?

Pokušajmo iskoristiti znanje koje nam je potrebno ukupno 20 zapisa. To jest, ponavljat ćemo čitanje podataka samo dok ne dosegnemo količinu koja nam je potrebna.

Korak 1: Startna lista

Očito, naš "ciljani" popis od 20 zapisa trebao bi početi s "prvim" zapisima za jedan od naših owner_id ključeva. Stoga ćemo prvo pronaći takve "vrlo prvi" za svaki od ključeva i dodamo ga na popis, sortirajući redoslijedom kojim želimo - (task_date, id).

Korak 2: Pronađite "sljedeće" unose

Sad ako uzmemo prvi unos s našeg popisa i počnemo “korak” dalje duž indeksa čuvajući ključ owner_id, tada su svi pronađeni zapisi upravo sljedeći u rezultirajućem odabiru. Naravno, samo dok ne prijeđemo ključ za zadnjicu drugi unos na popisu.

Ako se pokaže da smo “prešli” drugi rekord, onda posljednji pročitani unos treba dodati na popis umjesto prvog (s istim owner_id), nakon čega ponovno sortiramo popis.

Odnosno, uvijek dobijemo da lista nema više od jednog unosa za svaki od ključeva (ako ponestane unosa i ne “križimo”, tada će prvi unos s popisa jednostavno nestati i ništa se neće dodati ), i oni uvijek sortirano uzlaznim redoslijedom ključa aplikacije (task_date, id).

Korak 3: filtrirajte i "proširite" zapise

U nekim od redaka našeg rekurzivnog odabira, neki zapisi rv su duplicirani - prvo nalazimo kao što je “prelazak granice 2. unosa na popisu”, a zatim ga zamijenimo kao 1. s popisa. Dakle, prvo pojavljivanje treba filtrirati.

Zastrašujuće posljednje pitanje

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

[pogledajte na expand.tensor.ru]

Dakle, mi trgovano 50% čitanja podataka za 20% vremena izvršenja. Odnosno, ako imate razloga vjerovati da bi čitanje moglo trajati dugo (na primjer, podaci često nisu u predmemoriji i morate ići na disk po njih), tada na ovaj način možete manje ovisiti o čitanju .

U svakom slučaju, vrijeme izvršenja se pokazalo boljim nego u "naivnoj" prvoj opciji. Ali koju od ove 3 opcije koristiti ovisi o vama.

Izvor: www.habr.com