SQL HowTo: כתוב לולאת while ישירות בשאילתה, או "אלמנטרי תלת כיווני"

מעת לעת, מתעוררת המשימה של חיפוש נתונים קשורים באמצעות קבוצת מפתחות. עד שנקבל את המספר הכולל הנדרש של רשומות.

הדוגמה הכי "החיים האמיתיים" היא להציג 20 הבעיות העתיקות ביותר, ברשימה ברשימת העובדים (לדוגמה, בתוך חטיבה אחת). עבור "לוחות מחוונים" שונים של ניהול עם סיכומים קצרים של תחומי עבודה, נושא דומה נדרש לעתים קרובות למדי.

במאמר זה נבחן יישום ב-PostgreSQL של ​​פתרון "נאיבי" לבעיה כזו, אלגוריתם "חכם" ומורכב מאוד "לולאה" ב-SQL עם תנאי יציאה מהנתונים שנמצאו, שיכול להיות שימושי הן לפיתוח כללי והן לשימוש במקרים דומים אחרים.

בוא ניקח מערך נתוני בדיקה מאמר קודם. כדי למנוע מהרשומות המוצגות "לקפוץ" מעת לעת כאשר הערכים הממוינים חופפים, הרחב את אינדקס הנושא על ידי הוספת מפתח ראשי. יחד עם זאת, זה יעניק לו באופן מיידי ייחודיות ויבטיח לנו שסדר המיון הוא חד משמעי:

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

כמו שנשמע, כך כתוב

ראשית, בואו נשרטט את הגרסה הפשוטה ביותר של הבקשה, תוך העברת תעודות הזהות של המבצעים מערך כפרמטר קלט:

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;

[הסתכל ב-explain.tensor.ru]

קצת עצוב - הזמנו רק 20 תקליטים, אבל אינדקס סריקה החזירה לנו 960 שורות, שאז גם היה צריך למיין... בואו ננסה לקרוא פחות.

unnest + ARRAY

השיקול הראשון שיעזור לנו הוא אם נצטרך רק 20 ממוינים רשומות, ואז פשוט לקרוא לא יותר מ-20 ממוינים באותו סדר עבור כל אחד מַפְתֵחַ. טוֹב, אינדקס מתאים (owner_id, task_date, id) יש לנו.

בואו נשתמש באותו מנגנון לחילוץ ו"התפשטות לעמודות" רשומת טבלה אינטגרלית, כמו ב המאמר האחרון. אנו יכולים גם ליישם קיפול למערך באמצעות הפונקציה 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

[הסתכל ב-explain.tensor.ru]

הו, הרבה יותר טוב כבר! מהיר יותר ב-40% ופי 4.5 פחות נתונים הייתי חייב לקרוא אותו.

התממשות של רשומות טבלה באמצעות CTEהרשו לי להפנות את תשומת לבכם לעובדה זאת במקרים מסוימים ניסיון לעבוד מיד עם השדות של רשומה לאחר חיפוש אחריה בשאילתת משנה, מבלי "לעטוף" אותה ב-CTE, יכול להוביל ל "להכפיל" את InitPlan פרופורציונלי למספר של אותם שדות:

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

אותו רשומה "נבדקה" 4 פעמים... עד PostgreSQL 11, התנהגות זו מתרחשת באופן קבוע, והפתרון הוא "לעטוף" אותו ב-CTE, שהוא גבול מוחלט לאופטימיזר בגרסאות אלו.

מצבר רקורסיבי

בגרסה הקודמת, בסך הכל קראנו 200 שורות למען ה-20 הנדרשים. לא 960, אלא אפילו פחות - האם זה אפשרי?

בואו ננסה להשתמש בידע שאנחנו צריכים סה"כ רשומות. כלומר, נחזור על קריאת נתונים רק עד שנגיע לכמות שאנו צריכים.

שלב 1: רשימת התחלות

ברור, רשימת ה"מטרה" שלנו של 20 רשומות צריכה להתחיל ברשומות ה"ראשונות" עבור אחד ממפתחות ה-owner_id שלנו. לכן, ראשית נמצא כאלה "ראשון מאוד" עבור כל אחד מהמפתחות ולהוסיף אותו לרשימה, למיין אותו לפי הסדר שאנחנו רוצים - (תאריך_משימה, מזהה).

שלב 2: מצא את הערכים "הבאים".

עכשיו אם ניקח את הערך הראשון מהרשימה שלנו ונתחיל "צעד" הלאה לאורך האינדקס שמירה על מפתח owner_id, אז כל הרשומות שנמצאו הן בדיוק הבאות בבחירה שהתקבלה. כמובן, רק עד שנחצה את מפתח התחת ערך שני ברשימה.

אם יתברר ש"חצינו" את השיא השני, אז יש להוסיף את הערך האחרון שנקרא לרשימה במקום הראשון (עם אותו owner_id), שלאחריו אנו ממיינים מחדש את הרשימה שוב.

כלומר, תמיד נקבל שלרשימה אין יותר מכניסה אחת לכל אחד מהמפתחות (אם נגמרו הערכים ולא "נחצה", הרי שהערך הראשון מהרשימה פשוט ייעלם ולא יתווסף כלום ), והם תמיד מסודר בסדר עולה של מפתח האפליקציה (תאריך_משימה, מזהה).

שלב 3: סינון ו"הרחב" רשומות

בחלק מהשורות של הבחירה הרקורסיבית שלנו, כמה רשומות rv משוכפלים - תחילה אנו מוצאים כגון "חציית הגבול של הערך השני ברשימה", ולאחר מכן מחליפים אותו בתור הראשון מהרשימה. אז צריך לסנן את ההתרחשות הראשונה.

השאילתה הסופית המפחידה

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

[הסתכל ב-explain.tensor.ru]

לפיכך, אנחנו נסחר ב-50% מקריאות הנתונים במשך 20% מזמן הביצוע. כלומר, אם יש לך סיבות להאמין שהקריאה עשויה להימשך זמן רב (לדוגמה, הנתונים לרוב אינם בקובץ ה-Cache, ואתה צריך ללכת לדיסק בשביל זה), אז בדרך זו אתה יכול להיות פחות תלוי בקריאה .

בכל מקרה, זמן הביצוע התברר כטוב יותר מאשר באופציה הראשונה ה"נאיבית". אבל באיזו משלוש האפשרויות האלה להשתמש תלוי בך.

מקור: www.habr.com