Ekki halda að mér líki ekki svo vel við JOIN... :)
En oft án þess reynist beiðnin vera verulega afkastameiri en með henni. Svo í dag reynum við losna við auðlindafrekt JOIN - með því að nota orðabók.
Frá og með PostgreSQL 12 geta sumar aðstæður sem lýst er hér að neðan verið endurskapaðar aðeins öðruvísi vegna sjálfgefið óverjandi CTE. Hægt er að snúa þessari hegðun til baka með því að tilgreina lykilinn MATERIALIZED.
Fullt af „staðreyndum“ í takmörkuðum orðaforða
Við skulum taka mjög raunverulegt umsóknarverkefni - við þurfum að birta lista skilaboð sem berast eða virk verkefni með sendendum:
25.01 | Иванов И.И. | Подготовить описание нового алгоритма.
22.01 | Иванов И.И. | Написать статью на Хабр: жизнь без JOIN.
20.01 | Петров П.П. | Помочь оптимизировать запрос.
18.01 | Иванов И.И. | Написать статью на Хабр: JOIN с учетом распределения данных.
16.01 | Петров П.П. | Помочь оптимизировать запрос.
Í óhlutbundnum heimi ættu verkefnahöfundar að vera jafnt dreift á alla starfsmenn stofnunarinnar okkar, en í raun og veru verkefni koma að jafnaði frá frekar takmörkuðum fjölda fólks - „frá stjórnendum“ upp stigveldið eða „frá undirverktökum“ frá nálægum deildum (sérfræðingar, hönnuðir, markaðssetning, ...).
Við skulum sætta okkur við að í okkar 1000 manna skipulagi, setja aðeins 20 höfundar (oftast jafnvel færri) verkefni fyrir hvern tiltekinn flytjanda og Notum þessa fagþekkingutil að flýta fyrir "hefðbundinni" fyrirspurn.
Script rafall
-- сотрудники
CREATE TABLE person AS
SELECT
id
, repeat(chr(ascii('a') + (id % 26)), (id % 32) + 1) "name"
, '2000-01-01'::date - (random() * 1e4)::integer birth_date
FROM
generate_series(1, 1000) id;
ALTER TABLE person ADD PRIMARY KEY(id);
-- задачи с указанным распределением
CREATE TABLE task AS
WITH aid AS (
SELECT
id
, array_agg((random() * 999)::integer + 1) aids
FROM
generate_series(1, 1000) id
, generate_series(1, 20)
GROUP BY
1
)
SELECT
*
FROM
(
SELECT
id
, '2020-01-01'::date - (random() * 1e3)::integer task_date
, (random() * 999)::integer + 1 owner_id
FROM
generate_series(1, 100000) id
) T
, LATERAL(
SELECT
aids[(random() * (array_length(aids, 1) - 1))::integer + 1] author_id
FROM
aid
WHERE
id = T.owner_id
LIMIT 1
) a;
ALTER TABLE task ADD PRIMARY KEY(id);
CREATE INDEX ON task(owner_id, task_date);
CREATE INDEX ON task(author_id);
Sýnum síðustu 100 verkefnin fyrir tiltekinn framkvæmdastjóra:
SELECT
task.*
, person.name
FROM
task
LEFT JOIN
person
ON person.id = task.author_id
WHERE
owner_id = 777
ORDER BY
task_date DESC
LIMIT 100;
Það kemur í ljós að 1/3 heildartími og 3/4 lestur gagnasíður voru aðeins gerðar til að leita að höfundinum 100 sinnum - fyrir hvert úttaksverkefni. En við vitum að meðal þessara hundruða aðeins 20 mismunandi - Er hægt að nýta þessa þekkingu?
hstore-orðabók
Nýtum okkur hstore gerð til að búa til „orðabók“ lykilgildi:
CREATE EXTENSION hstore
Við þurfum bara að setja auðkenni höfundar og nafn hans í orðabókina svo að við getum síðan dregið út með þessum lykli:
-- формируем целевую выборку
WITH T AS (
SELECT
*
FROM
task
WHERE
owner_id = 777
ORDER BY
task_date DESC
LIMIT 100
)
-- формируем словарь для уникальных значений
, dict AS (
SELECT
hstore( -- hstore(keys::text[], values::text[])
array_agg(id)::text[]
, array_agg(name)::text[]
)
FROM
person
WHERE
id = ANY(ARRAY(
SELECT DISTINCT
author_id
FROM
T
))
)
-- получаем связанные значения словаря
SELECT
*
, (TABLE dict) -> author_id::text -- hstore -> key
FROM
T;
Varið í að afla upplýsinga um einstaklinga 2 sinnum styttri tíma og 7 sinnum minni gögn lesin! Auk „orðaforða“ var það sem hjálpaði okkur að ná þessum árangri endurheimt magnskráa frá borðinu í einni umferð með því að nota = ANY(ARRAY(...)).
Töflufærslur: Serialization og deserialization
En hvað ef við þurfum að vista ekki bara einn textareit heldur heila færslu í orðabókinni? Í þessu tilviki mun hæfni PostgreSQL hjálpa okkur meðhöndla töflufærslu sem eitt gildi:
...
, dict AS (
SELECT
hstore(
array_agg(id)::text[]
, array_agg(p)::text[] -- магия #1
)
FROM
person p
WHERE
...
)
SELECT
*
, (((TABLE dict) -> author_id::text)::person).* -- магия #2
FROM
T;
Við skulum skoða hvað var í gangi hér:
Við tókum p sem samnefni við töflufærsluna fyrir fulla persónu og setti saman fjölda þeirra.
Þetta upptökurnar voru endursteyptar í fjölda textastrengja (persóna[]::texti[]) til að setja hann í hstore orðabókina sem fylki gilda.
Þegar við fáum tengda skrá, við dregið úr orðabókinni með lykli sem textastrengur.
Okkur vantar texta breytast í töflutegundargildi manneskja (fyrir hvert borð er sjálfkrafa búin til tegund með sama nafni).
„Stækkaðu“ vélritaða færsluna í dálka með því að nota (...).*.
json orðabók
En slík bragð eins og við notuðum hér að ofan mun ekki virka ef það er engin samsvarandi borðtegund til að gera „steypu“. Nákvæmlega sama staða mun koma upp, og ef við reynum að nota CTE röð, ekki "alvöru" borð.
...
, p AS ( -- это уже CTE
SELECT
*
FROM
person
WHERE
...
)
, dict AS (
SELECT
json_object( -- теперь это уже json
array_agg(id)::text[]
, array_agg(row_to_json(p))::text[] -- и внутри json для каждой строки
)
FROM
p
)
SELECT
*
FROM
T
, LATERAL(
SELECT
*
FROM
json_to_record(
((TABLE dict) ->> author_id::text)::json -- извлекли из словаря как json
) AS j(name text, birth_date date) -- заполнили нужную нам структуру
) j;
Það skal tekið fram að þegar markskipulaginu er lýst, getum við ekki skráð alla reiti upprunastrengsins, heldur aðeins þá sem við þurfum í raun og veru. Ef við erum með „innfædda“ töflu, þá er betra að nota aðgerðina json_populate_record.
Við komum samt einu sinni í orðabókina, en json-[de]serialization kostnaður er nokkuð hár, þess vegna er sanngjarnt að nota þessa aðferð aðeins í sumum tilfellum þegar „heiðarleg“ CTE Scan sýnir sig verri.
Prófa frammistöðu
Svo, við höfum tvær leiðir til að raða gögnum í orðabók - hstore/json_object. Að auki er einnig hægt að búa til fylki lykla og gilda sjálfra á tvo vegu, með innri eða ytri umbreytingu í texta: array_agg(i::text) / array_agg(i)::text[].
Við skulum athuga virkni mismunandi tegunda raðgreiningar með því að nota eingöngu tilbúið dæmi - setja mismunandi fjölda lykla í röð:
WITH dict AS (
SELECT
hstore(
array_agg(i::text)
, array_agg(i::text)
)
FROM
generate_series(1, ...) i
)
TABLE dict;
Matshandrit: serialization
WITH T AS (
SELECT
*
, (
SELECT
regexp_replace(ea[array_length(ea, 1)], '^Execution Time: (d+.d+) ms$', '1')::real et
FROM
(
SELECT
array_agg(el) ea
FROM
dblink('port= ' || current_setting('port') || ' dbname=' || current_database(), $$
explain analyze
WITH dict AS (
SELECT
hstore(
array_agg(i::text)
, array_agg(i::text)
)
FROM
generate_series(1, $$ || (1 << v) || $$) i
)
TABLE dict
$$) T(el text)
) T
) et
FROM
generate_series(0, 19) v
, LATERAL generate_series(1, 7) i
ORDER BY
1, 2
)
SELECT
v
, avg(et)::numeric(32,3)
FROM
T
GROUP BY
1
ORDER BY
1;
Á PostgreSQL 11, allt að um það bil orðabókarstærð 2^12 lykla Serialization í json tekur styttri tíma. Í þessu tilfelli er áhrifaríkasta samsetningin af json_object og „innri“ gerð umbreytingar array_agg(i::text).
Nú skulum við reyna að lesa gildi hvers takka 8 sinnum - þegar allt kemur til alls, ef þú hefur ekki aðgang að orðabókinni, hvers vegna er það þá þörf?
Matshandrit: lesið úr orðabók
WITH T AS (
SELECT
*
, (
SELECT
regexp_replace(ea[array_length(ea, 1)], '^Execution Time: (d+.d+) ms$', '1')::real et
FROM
(
SELECT
array_agg(el) ea
FROM
dblink('port= ' || current_setting('port') || ' dbname=' || current_database(), $$
explain analyze
WITH dict AS (
SELECT
json_object(
array_agg(i::text)
, array_agg(i::text)
)
FROM
generate_series(1, $$ || (1 << v) || $$) i
)
SELECT
(TABLE dict) -> (i % ($$ || (1 << v) || $$) + 1)::text
FROM
generate_series(1, $$ || (1 << (v + 3)) || $$) i
$$) T(el text)
) T
) et
FROM
generate_series(0, 19) v
, LATERAL generate_series(1, 7) i
ORDER BY
1, 2
)
SELECT
v
, avg(et)::numeric(32,3)
FROM
T
GROUP BY
1
ORDER BY
1;
Og... þegar um það bil með 2^6 lyklum byrjar lestur úr json orðabók að tapast mörgum sinnum að lesa úr hstore, fyrir jsonb gerist það sama við 2^9.
Lokaályktanir:
ef þú þarft að gera það JOIN með mörgum endurteknum færslum - það er betra að nota "orðabók" af töflunni
ef von er á orðabókinni þinni lítið og þú munt ekki lesa mikið úr því - þú getur notað json[b]
í öllum öðrum tilvikum hstore + array_agg(i::texti) verður skilvirkari