一連のキーによって関連データを検索するタスクが定期的に発生します。 必要なレコードの合計数が得られるまで.
最も「本物らしい」例は、次のように表示することです。 最も古い20の問題、記載されています 従業員の名簿に載っている (たとえば、同じ部門内)。 作業分野の簡単な概要を含むさまざまな管理用「ダッシュボード」では、同様のトピックが頻繁に必要になります。
この記事では、このような問題を解決する「単純な」バージョン、より「スマートな」非常に複雑なアルゴリズムの PostgreSQL への実装について検討します。 見つかったデータからの終了条件を含む SQL の「ループ」これは、一般的な開発と他の同様のケースでの使用の両方に役立ちます。
からテスト データセットを取得しましょう
CREATE INDEX ON task(owner_id, task_date, id);
-- а старый - удалим
DROP INDEX task_owner_id_task_date_idx;
聞いたとおりに書かれる
まず、実行者の ID を渡して、リクエストの最も単純なバージョンをスケッチしましょう。
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;
少し悲しいです - 注文したレコードは 20 件だけでしたが、インデックス スキャンで返されました。 960用語、その後、並べ替える必要もありました...そして、読む量を減らしてみましょう。
ネスト解除 + ARRAY
必要な場合に役立つ最初の考慮事項 合計 20 個ソート 記録、読むだけで十分です それぞれ同じ順序でソートされるのは 20 個以下です 鍵。 良い、 適切なインデックス (owner_id、task_date、id) があります。
抽出して「列に変換」する同じメカニズムを使用してみましょう 統合テーブルエントリ、のように 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
ああ、もうかなり良くなりました! 40% 高速化、データ量は 4.5 分の XNUMX に減少 読まなければならなかった。
CTE を介したテーブル レコードの具体化留意しておきます 場合によっては サブクエリで検索した後、CTE で「ラップ」せずにレコード フィールドをすぐに操作しようとすると、次のような問題が発生する可能性があります。 「乗算」InitPlan これらの同じフィールドの数に比例します。
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
同じレコードが 4 回「検索」されました…PostgreSQL 11 までは、この動作が定期的に発生しました。解決策は、これらのバージョンのオプティマイザーの無条件境界である CTE で「ラップ」することです。
再帰的アキュムレータ
以前のバージョンでは、合計すると、 200用語 必要な20のために。すでに960ではありませんが、さらにそれ未満です-可能ですか?
必要な知識を活用してみよう 合計20 記録。 つまり、必要な量に達するまでのみデータの減算を繰り返します。
ステップ 1: スタートリスト
明らかに、20 エントリの「ターゲット」リストは、owner_id キーの XNUMX つの「最初の」エントリから始まる必要があります。 したがって、最初にそのようなものを見つけます 各キーの「非常に最初」 それをリストに追加し、希望する順序 (task_date、id) で並べ替えます。
ステップ 2: 「次の」レコードを見つける
ここで、リストから最初のエントリを取り出して開始すると、 インデックスをさらに下に「ステップ」します owner_id-key を保存すると、見つかったすべてのレコードが、結果として選択される次のレコードになります。 もちろん、それだけ 適用されたキーを通過するまで リストの XNUMX 番目のエントリ。
XNUMX 番目のエントリを「越えた」ことが判明した場合、 最初のエントリではなく、最後に読み取られたエントリをリストに追加する必要があります。 (同じ owner_id で)、その後、リストが再度ソートされます。
つまり、リストには各キーのエントリが XNUMX つしかないことが常にわかります (エントリが終わり、「交差」していない場合、最初のエントリはリストから単に消えるだけで、何も追加されません) )、 そして彼らが 常に並べ替えられる アプリケーションキー(task_date、id)の昇順で表示されます。
ステップ 3: レコードのフィルタリングと展開
再帰的選択の行の一部では、いくつかのレコードが rv
重複しています。最初に「リストの 2 番目のエントリの境界を越えている」などを見つけてから、リストの 1 番目として置き換えます。 したがって、最初に出現したものは除外する必要があります。
ひどい最終クエリ
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
したがって、私たちは 50% のデータ読み取りを 20% の実行時間と引き換えにしました。 つまり、読み取りに時間がかかると思われる理由がある場合 (たとえば、データがキャッシュにないことが多く、そのためにディスクに移動する必要がある場合など)、この方法で読み取りに依存する時間を減らすことができます。
いずれの場合も、「単純な」最初のオプションよりも実行時間は短縮されました。 ただし、これら 3 つのオプションのどれを使用するかはあなた次第です。
出所: habr.com