മൈക്രോസർവീസ് ആർക്കിടെക്ചറിനും, ഈ ലോകത്തിലെ എല്ലാത്തിനേയും പോലെ, അതിന്റെ ഗുണങ്ങളും ദോഷങ്ങളുമുണ്ട്. ചില പ്രക്രിയകൾ അത് എളുപ്പമാക്കുന്നു, മറ്റുള്ളവ കൂടുതൽ ബുദ്ധിമുട്ടാണ്. മാറ്റത്തിന്റെ വേഗതയ്ക്കും മികച്ച സ്കേലബിളിറ്റിക്കും വേണ്ടി, നിങ്ങൾ ത്യാഗങ്ങൾ ചെയ്യേണ്ടതുണ്ട്. അവയിലൊന്ന് വിശകലനത്തിന്റെ സങ്കീർണ്ണതയാണ്. ഒരു മോണോലിത്തിൽ എല്ലാ പ്രവർത്തന വിശകലനങ്ങളും SQL അന്വേഷണങ്ങളായി ഒരു അനലിറ്റിക്കൽ റെപ്ലിക്കിലേക്ക് ചുരുക്കാൻ കഴിയുമെങ്കിൽ, ഒരു മൾട്ടിസർവീസ് ആർക്കിടെക്ചറിൽ ഓരോ സേവനത്തിനും അതിന്റേതായ ഡാറ്റാബേസ് ഉണ്ട്, മാത്രമല്ല ഒരു ചോദ്യം മതിയാകില്ലെന്ന് തോന്നുന്നു (അല്ലെങ്കിൽ അങ്ങനെയാകുമോ?). ഞങ്ങളുടെ കമ്പനിയിലെ പ്രവർത്തന വിശകലനത്തിന്റെ പ്രശ്നം ഞങ്ങൾ എങ്ങനെ പരിഹരിച്ചുവെന്നും ഈ പരിഹാരത്തിൽ എങ്ങനെ ജീവിക്കാൻ പഠിച്ചുവെന്നും താൽപ്പര്യമുള്ളവർക്ക് - സ്വാഗതം.

എന്റെ പേര് പാവൽ ശിവാഷ്, DomClick-ൽ ഞാൻ അനലിറ്റിക്കൽ ഡാറ്റ വെയർഹൗസ് പരിപാലിക്കുന്നതിനുള്ള ഉത്തരവാദിത്തമുള്ള ഒരു ടീമിൽ പ്രവർത്തിക്കുന്നു. പരമ്പരാഗതമായി, ഞങ്ങളുടെ പ്രവർത്തനങ്ങൾ ഡാറ്റാ എഞ്ചിനീയറിംഗിന് ആട്രിബ്യൂട്ട് ചെയ്യാം, പക്ഷേ, വാസ്തവത്തിൽ, ടാസ്ക്കുകളുടെ ശ്രേണി വളരെ വിശാലമാണ്. സ്റ്റാൻഡേർഡ് ഡാറ്റ എഞ്ചിനീയറിംഗ് ETL / ELT ഉണ്ട്, ഡാറ്റ വിശകലന ടൂളുകളുടെ പിന്തുണയും പൊരുത്തപ്പെടുത്തലും അവരുടെ സ്വന്തം ഉപകരണങ്ങളുടെ വികസനവും. പ്രത്യേകിച്ചും, പ്രവർത്തന റിപ്പോർട്ടിംഗിനായി, ഞങ്ങൾക്ക് ഒരു മോണോലിത്ത് ഉണ്ടെന്ന് "നടിക്കാൻ" ഞങ്ങൾ തീരുമാനിച്ചു, കൂടാതെ അനലിസ്റ്റുകൾക്ക് ആവശ്യമായ എല്ലാ ഡാറ്റയും ഉൾക്കൊള്ളുന്ന ഒരു ഡാറ്റാബേസ് നൽകാനും ഞങ്ങൾ തീരുമാനിച്ചു.

പൊതുവേ, ഞങ്ങൾ വ്യത്യസ്ത ഓപ്ഷനുകൾ പരിഗണിച്ചു. ഒരു സമ്പൂർണ്ണ ശേഖരം നിർമ്മിക്കാൻ സാധിച്ചു - ഞങ്ങൾ ശ്രമിച്ചു, പക്ഷേ, സത്യസന്ധമായി പറഞ്ഞാൽ, ഒരു ശേഖരം നിർമ്മിക്കുന്നതിനും അതിൽ മാറ്റങ്ങൾ വരുത്തുന്നതിനുമുള്ള സാവധാനത്തിലുള്ള പ്രക്രിയയിലൂടെ യുക്തിയിൽ പതിവായി മാറ്റങ്ങളോടെ ചങ്ങാത്തം കൂടാൻ ഞങ്ങൾക്ക് കഴിഞ്ഞില്ല ( ആരെങ്കിലും വിജയിച്ചാൽ, എങ്ങനെയെന്ന് അഭിപ്രായങ്ങളിൽ എഴുതുക). നിങ്ങൾക്ക് വിശകലന വിദഗ്ധരോട് പറയാൻ കഴിയും: "കൂട്ടുകാരേ, പൈത്തൺ പഠിച്ച് അനലിറ്റിക്കൽ ലൈനുകളിലേക്ക് പോകുക", എന്നാൽ ഇത് ഒരു അധിക റിക്രൂട്ട്മെന്റ് ആവശ്യകതയാണ്, സാധ്യമെങ്കിൽ ഇത് ഒഴിവാക്കണമെന്ന് തോന്നി. FDW (ഫോറിൻ ഡാറ്റ റാപ്പർ) സാങ്കേതികവിദ്യ ഉപയോഗിച്ച് പരീക്ഷിക്കാൻ ഞങ്ങൾ തീരുമാനിച്ചു: വാസ്തവത്തിൽ, ഇത് ഒരു സാധാരണ dblink ആണ്, ഇത് SQL സ്റ്റാൻഡേർഡിലാണ്, എന്നാൽ കൂടുതൽ സൗകര്യപ്രദമായ ഇന്റർഫേസ്. അതിന്റെ അടിസ്ഥാനത്തിൽ, ഞങ്ങൾ ഒരു തീരുമാനമെടുത്തു, അത് ഒടുവിൽ വേരൂന്നിയതാണ്, ഞങ്ങൾ അതിൽ സ്ഥിരതാമസമാക്കി. അതിന്റെ വിശദാംശങ്ങൾ ഒരു പ്രത്യേക ലേഖനത്തിന്റെ വിഷയമാണ്, ഒരുപക്ഷേ ഒന്നിൽ കൂടുതൽ, കാരണം എനിക്ക് ഒരുപാട് കാര്യങ്ങൾ സംസാരിക്കണം: ഡാറ്റാബേസ് സ്കീമ സിൻക്രൊണൈസേഷൻ മുതൽ വ്യക്തിഗത ഡാറ്റയുടെ ആക്സസ് നിയന്ത്രണവും വ്യക്തിവൽക്കരണവും വരെ. ഈ പരിഹാരം യഥാർത്ഥ അനലിറ്റിക്കൽ ഡാറ്റാബേസുകൾക്കും റിപ്പോസിറ്ററികൾക്കും പകരമല്ല, ഇത് ഒരു പ്രത്യേക പ്രശ്നം മാത്രമേ പരിഹരിക്കൂ എന്നതും ശ്രദ്ധിക്കേണ്ടതാണ്.

ഉയർന്ന തലത്തിൽ ഇത് ഇതുപോലെ കാണപ്പെടുന്നു:

ഉപയോക്താക്കൾക്ക് അവരുടെ വർക്ക് ഡാറ്റ സംഭരിക്കാൻ കഴിയുന്ന ഒരു PostgreSQL ഡാറ്റാബേസ് ഉണ്ട്, ഏറ്റവും പ്രധാനമായി, എല്ലാ സേവനങ്ങളുടെയും അനലിറ്റിക്കൽ പകർപ്പുകൾ FDW വഴി ഈ ഡാറ്റാബേസുമായി ബന്ധിപ്പിച്ചിരിക്കുന്നു. ഇത് നിരവധി ഡാറ്റാബേസുകളിലേക്ക് ഒരു ചോദ്യം എഴുതുന്നത് സാധ്യമാക്കുന്നു, അത് എന്താണെന്നത് പ്രശ്നമല്ല: PostgreSQL, MySQL, MongoDB അല്ലെങ്കിൽ മറ്റെന്തെങ്കിലും (ഫയൽ, API, പെട്ടെന്ന് അനുയോജ്യമായ റാപ്പർ ഇല്ലെങ്കിൽ, നിങ്ങൾക്ക് സ്വന്തമായി എഴുതാം). ശരി, എല്ലാം മികച്ചതാണെന്ന് തോന്നുന്നു! പിരിയുക?

എല്ലാം വളരെ വേഗത്തിലും ലളിതമായും അവസാനിച്ചെങ്കിൽ, ഒരുപക്ഷേ, ലേഖനം നിലനിൽക്കില്ല.

റിമോട്ട് സെർവറുകളിലേക്കുള്ള അഭ്യർത്ഥനകൾ പോസ്റ്റ്‌ഗ്രേസ് എങ്ങനെ കൈകാര്യം ചെയ്യുന്നു എന്നതിനെക്കുറിച്ച് വ്യക്തമായിരിക്കേണ്ടത് പ്രധാനമാണ്. ഇത് യുക്തിസഹമാണെന്ന് തോന്നുന്നു, പക്ഷേ പലപ്പോഴും ആളുകൾ ഇത് ശ്രദ്ധിക്കുന്നില്ല: പോസ്റ്റ്ഗ്രേസ് അന്വേഷണത്തെ റിമോട്ട് സെർവറുകളിൽ സ്വതന്ത്രമായി നിർവ്വഹിക്കുന്ന ഭാഗങ്ങളായി വിഭജിക്കുകയും ഈ ഡാറ്റ ശേഖരിക്കുകയും അന്തിമ കണക്കുകൂട്ടലുകൾ നടത്തുകയും ചെയ്യുന്നു, അതിനാൽ അന്വേഷണ നിർവ്വഹണ വേഗത എങ്ങനെ എന്നതിനെ ആശ്രയിച്ചിരിക്കും. എഴുതിയിരിക്കുന്നു. ഇത് ശ്രദ്ധിക്കേണ്ടതാണ്: ഒരു റിമോട്ട് സെർവറിൽ നിന്ന് ഡാറ്റ വരുമ്പോൾ, അവയ്ക്ക് ഇനി സൂചികകൾ ഇല്ല, ഷെഡ്യൂളറെ സഹായിക്കുന്ന ഒന്നും തന്നെയില്ല, അതിനാൽ, ഞങ്ങൾക്ക് മാത്രമേ സഹായിക്കാനും നിർദ്ദേശിക്കാനും കഴിയൂ. അതിനെക്കുറിച്ച് കൂടുതൽ വിശദമായി സംസാരിക്കാൻ ഞാൻ ആഗ്രഹിക്കുന്നു.

ഒരു ലളിതമായ അഭ്യർത്ഥനയും അതിനൊപ്പം ഒരു പ്ലാനും

ഒരു റിമോട്ട് സെർവറിൽ Postgres 6 ദശലക്ഷം വരി പട്ടിക എങ്ങനെ അന്വേഷിക്കുന്നുവെന്ന് കാണിക്കാൻ, നമുക്ക് ഒരു ലളിതമായ പ്ലാൻ നോക്കാം.

explain analyze verbose  
SELECT count(1)
FROM fdw_schema.table;

Aggregate  (cost=418383.23..418383.24 rows=1 width=8) (actual time=3857.198..3857.198 rows=1 loops=1)
  Output: count(1)
  ->  Foreign Scan on fdw_schema."table"  (cost=100.00..402376.14 rows=6402838 width=0) (actual time=4.874..3256.511 rows=6406868 loops=1)
        Output: "table".id, "table".is_active, "table".meta, "table".created_dt
        Remote SQL: SELECT NULL FROM fdw_schema.table
Planning time: 0.986 ms
Execution time: 3857.436 ms

VERBOSE സ്റ്റേറ്റ്‌മെന്റ് ഉപയോഗിക്കുന്നത് റിമോട്ട് സെർവറിലേക്ക് അയയ്‌ക്കുന്ന അന്വേഷണവും തുടർന്നുള്ള പ്രോസസ്സിംഗിനായി ഞങ്ങൾക്ക് ലഭിക്കുന്ന ഫലങ്ങളും കാണാൻ നിങ്ങളെ അനുവദിക്കുന്നു (RemoteSQL സ്ട്രിംഗ്).

നമുക്ക് കുറച്ചുകൂടി മുന്നോട്ട് പോയി ഞങ്ങളുടെ അന്വേഷണത്തിലേക്ക് നിരവധി ഫിൽട്ടറുകൾ ചേർക്കാം: ഒന്ന് ബൂളിയൻ ഫീൽഡ്, എൻട്രി വഴി ഒന്ന് ടൈംസ്റ്റാമ്പ് ഓരോ ഇടവേളയ്ക്കും ഓരോന്നും jsonb.

explain analyze verbose
SELECT count(1)
FROM fdw_schema.table 
WHERE is_active is True
AND created_dt BETWEEN CURRENT_DATE - INTERVAL '7 month' 
AND CURRENT_DATE - INTERVAL '6 month'
AND meta->>'source' = 'test';

Aggregate  (cost=577487.69..577487.70 rows=1 width=8) (actual time=27473.818..25473.819 rows=1 loops=1)
  Output: count(1)
  ->  Foreign Scan on fdw_schema."table"  (cost=100.00..577469.21 rows=7390 width=0) (actual time=31.369..25372.466 rows=1360025 loops=1)
        Output: "table".id, "table".is_active, "table".meta, "table".created_dt
        Filter: (("table".is_active IS TRUE) AND (("table".meta ->> 'source'::text) = 'test'::text) AND ("table".created_dt >= (('now'::cstring)::date - '7 mons'::interval)) AND ("table".created_dt <= ((('now'::cstring)::date)::timestamp with time zone - '6 mons'::interval)))
        Rows Removed by Filter: 5046843
        Remote SQL: SELECT created_dt, is_active, meta FROM fdw_schema.table
Planning time: 0.665 ms
Execution time: 27474.118 ms

ചോദ്യങ്ങൾ എഴുതുമ്പോൾ നിങ്ങൾ ശ്രദ്ധിക്കേണ്ട നിമിഷം ഇവിടെയാണ്. ഫിൽട്ടറുകൾ റിമോട്ട് സെർവറിലേക്ക് കൈമാറ്റം ചെയ്യപ്പെട്ടില്ല, അതായത് അത് എക്സിക്യൂട്ട് ചെയ്യുന്നതിനായി, ലോക്കൽ ആയി ഫിൽട്ടർ ചെയ്യുന്നതിനായി പോസ്റ്റ്ഗ്രെസ് എല്ലാ 6 ദശലക്ഷം വരികളും വലിക്കുന്നു (ഫിൽട്ടർ ലൈൻ) പിന്നീട് അഗ്രഗേഷൻ നടത്തുന്നു. ഫിൽട്ടറുകൾ റിമോട്ട് മെഷീനിലേക്ക് കൈമാറുന്നതിനായി ഒരു ചോദ്യം എഴുതുക എന്നതാണ് വിജയത്തിലേക്കുള്ള താക്കോൽ, ആവശ്യമായ വരികൾ മാത്രം ഞങ്ങൾ സ്വീകരിക്കുകയും കൂട്ടിച്ചേർക്കുകയും ചെയ്യുന്നു.

അത് ചില ബൂലിയൻഷിറ്റ് ആണ്

ബൂളിയൻ ഫീൽഡുകൾ ഉപയോഗിച്ച്, എല്ലാം ലളിതമാണ്. യഥാർത്ഥ അന്വേഷണത്തിൽ, പ്രശ്നം ഓപ്പറേറ്റർ കാരണമാണ് is. ഞങ്ങൾ അത് മാറ്റിസ്ഥാപിക്കുകയാണെങ്കിൽ =, അപ്പോൾ നമുക്ക് ഇനിപ്പറയുന്ന ഫലം ലഭിക്കും:

explain analyze verbose
SELECT count(1)
FROM fdw_schema.table
WHERE is_active = True
AND created_dt BETWEEN CURRENT_DATE - INTERVAL '7 month' 
AND CURRENT_DATE - INTERVAL '6 month'
AND meta->>'source' = 'test';

Aggregate  (cost=508010.14..508010.15 rows=1 width=8) (actual time=19064.314..19064.314 rows=1 loops=1)
  Output: count(1)
  ->  Foreign Scan on fdw_schema."table"  (cost=100.00..507988.44 rows=8679 width=0) (actual time=33.035..18951.278 rows=1360025 loops=1)
        Output: "table".id, "table".is_active, "table".meta, "table".created_dt
        Filter: ((("table".meta ->> 'source'::text) = 'test'::text) AND ("table".created_dt >= (('now'::cstring)::date - '7 mons'::interval)) AND ("table".created_dt <= ((('now'::cstring)::date)::timestamp with time zone - '6 mons'::interval)))
        Rows Removed by Filter: 3567989
        Remote SQL: SELECT created_dt, meta FROM fdw_schema.table WHERE (is_active)
Planning time: 0.834 ms
Execution time: 19064.534 ms

നിങ്ങൾക്ക് കാണാനാകുന്നതുപോലെ, ഫിൽട്ടർ റിമോട്ട് സെർവറിലേക്ക് പറന്നു, കൂടാതെ എക്സിക്യൂഷൻ സമയം 27 ൽ നിന്ന് 19 സെക്കൻഡായി കുറച്ചു.

ഓപ്പറേറ്റർ എന്ന് ശ്രദ്ധിക്കേണ്ടതാണ് is ഓപ്പറേറ്ററിൽ നിന്ന് വ്യത്യസ്തമാണ് = നൾ മൂല്യത്തിൽ പ്രവർത്തിക്കാൻ കഴിയുന്ന ഒന്ന്. അതിനർത്ഥം അതാണ് സത്യമല്ല ഫിൽട്ടറിൽ False, Null എന്നീ മൂല്യങ്ങൾ അവശേഷിപ്പിക്കും != ശരിയാണ് തെറ്റായ മൂല്യങ്ങൾ മാത്രം അവശേഷിപ്പിക്കും. അതിനാൽ, ഓപ്പറേറ്ററെ മാറ്റിസ്ഥാപിക്കുമ്പോൾ അല്ല നിങ്ങൾ OR ഓപ്പറേറ്ററുമായി ഫിൽട്ടറിലേക്ക് രണ്ട് നിബന്ധനകൾ നൽകണം, ഉദാഹരണത്തിന്, എവിടെ (കോൾ != ശരി) അല്ലെങ്കിൽ (കോൾ അസാധുവാണ്).

ബൂളിയൻ കണ്ടുപിടിച്ചുകൊണ്ട്, മുന്നോട്ട്. അതിനിടയിൽ, മറ്റ് മാറ്റങ്ങളുടെ ഫലം സ്വതന്ത്രമായി പരിഗണിക്കുന്നതിന്, ബൂളിയൻ മൂല്യം ഉപയോഗിച്ച് ഫിൽട്ടറിനെ അതിന്റെ യഥാർത്ഥ രൂപത്തിലേക്ക് തിരികെ നൽകാം.

timestanptz? hz

പൊതുവേ, വിദൂര സെർവറുകൾ ഉൾപ്പെടുന്ന ഒരു ചോദ്യം എങ്ങനെ ശരിയായി എഴുതാമെന്ന് നിങ്ങൾ പലപ്പോഴും പരീക്ഷിക്കേണ്ടതുണ്ട്, അതിനുശേഷം മാത്രമേ ഇത് സംഭവിക്കുന്നതെന്നതിന്റെ വിശദീകരണത്തിനായി നോക്കുക. ഇതിനെക്കുറിച്ച് വളരെ കുറച്ച് വിവരങ്ങൾ മാത്രമേ ഇന്റർനെറ്റിൽ കണ്ടെത്താൻ കഴിയൂ. അതിനാൽ, പരീക്ഷണങ്ങളിൽ, ഒരു നിശ്ചിത തീയതി ഫിൽട്ടർ ബംഗ്ലാവോടെ ഒരു റിമോട്ട് സെർവറിലേക്ക് പറക്കുന്നതായി ഞങ്ങൾ കണ്ടെത്തി, പക്ഷേ നമുക്ക് ഡൈനാമിക് ആയി തീയതി സജ്ജീകരിക്കണമെങ്കിൽ, ഉദാഹരണത്തിന്, now() അല്ലെങ്കിൽ CURRENT_DATE, ഇത് സംഭവിക്കില്ല. ഞങ്ങളുടെ ഉദാഹരണത്തിൽ, ഞങ്ങൾ ഒരു ഫിൽട്ടർ ചേർത്തതിനാൽ, Create_at കോളത്തിൽ മുമ്പ് കൃത്യം 1 മാസത്തെ ഡാറ്റ അടങ്ങിയിരിക്കുന്നു (CURRENT_DATE - INTERVAL '7 മാസം', CURRENT_DATE - INTERVAL '6 മാസം'). ഈ കേസിൽ ഞങ്ങൾ എന്താണ് ചെയ്തത്?

explain analyze verbose
SELECT count(1)
FROM fdw_schema.table 
WHERE is_active is True
AND created_dt >= (SELECT CURRENT_DATE::timestamptz - INTERVAL '7 month') 
AND created_dt <(SELECT CURRENT_DATE::timestamptz - INTERVAL '6 month')
AND meta->>'source' = 'test';

Aggregate  (cost=306875.17..306875.18 rows=1 width=8) (actual time=4789.114..4789.115 rows=1 loops=1)
  Output: count(1)
  InitPlan 1 (returns $0)
    ->  Result  (cost=0.00..0.02 rows=1 width=8) (actual time=0.007..0.008 rows=1 loops=1)
          Output: ((('now'::cstring)::date)::timestamp with time zone - '7 mons'::interval)
  InitPlan 2 (returns $1)
    ->  Result  (cost=0.00..0.02 rows=1 width=8) (actual time=0.002..0.002 rows=1 loops=1)
          Output: ((('now'::cstring)::date)::timestamp with time zone - '6 mons'::interval)
  ->  Foreign Scan on fdw_schema."table"  (cost=100.02..306874.86 rows=105 width=0) (actual time=23.475..4681.419 rows=1360025 loops=1)
        Output: "table".id, "table".is_active, "table".meta, "table".created_dt
        Filter: (("table".is_active IS TRUE) AND (("table".meta ->> 'source'::text) = 'test'::text))
        Rows Removed by Filter: 76934
        Remote SQL: SELECT is_active, meta FROM fdw_schema.table WHERE ((created_dt >= $1::timestamp with time zone)) AND ((created_dt < $2::timestamp with time zone))
Planning time: 0.703 ms
Execution time: 4789.379 ms

സബ്‌ക്വറിയിൽ തീയതി മുൻകൂട്ടി കണക്കാക്കാനും ഇതിനകം തയ്യാറാക്കിയ വേരിയബിൾ ഫിൽട്ടറിലേക്ക് കൈമാറാനും ഞങ്ങൾ പ്ലാനറെ പ്രേരിപ്പിച്ചു. ഈ സൂചന ഞങ്ങൾക്ക് ഒരു മികച്ച ഫലം നൽകി, ചോദ്യം ഏതാണ്ട് 6 മടങ്ങ് വേഗത്തിലായി!

വീണ്ടും, ഇവിടെ ശ്രദ്ധിക്കേണ്ടത് പ്രധാനമാണ്: സബ്ക്വറിയിലെ ഡാറ്റ തരം ഞങ്ങൾ ഫിൽട്ടർ ചെയ്യുന്ന ഫീൽഡിന് തുല്യമായിരിക്കണം, അല്ലാത്തപക്ഷം തരങ്ങൾ വ്യത്യസ്തമായതിനാൽ ആദ്യം എല്ലാം നേടേണ്ടത് ആവശ്യമാണെന്ന് പ്ലാനർ തീരുമാനിക്കും. ഡാറ്റ പ്രാദേശികമായി ഫിൽട്ടർ ചെയ്യുക.

തീയതി പ്രകാരം ഫിൽട്ടർ അതിന്റെ യഥാർത്ഥ മൂല്യത്തിലേക്ക് തിരികെ നൽകാം.

ഫ്രെഡി vs. jsonb

പൊതുവേ, ബൂളിയൻ ഫീൽഡുകളും തീയതികളും ഇതിനകം തന്നെ ഞങ്ങളുടെ അന്വേഷണത്തെ ത്വരിതപ്പെടുത്തിയിട്ടുണ്ട്, എന്നാൽ ഒരു ഡാറ്റ തരം കൂടി ഉണ്ടായിരുന്നു. ഇവിടെയും വിജയങ്ങൾ ഉണ്ടെങ്കിലും, സത്യസന്ധമായി പറഞ്ഞാൽ, അത് ഉപയോഗിച്ച് ഫിൽട്ടറിംഗ് നടത്തുന്ന പോരാട്ടം ഇപ്പോഴും അവസാനിച്ചിട്ടില്ല. അതിനാൽ, ഫിൽട്ടർ കടന്നുപോകാൻ ഞങ്ങൾക്ക് എങ്ങനെ കഴിഞ്ഞുവെന്നത് ഇതാ jsonb ഒരു വിദൂര സെർവറിലേക്ക് ഫീൽഡ്.

explain analyze verbose
SELECT count(1)
FROM fdw_schema.table 
WHERE is_active is True
AND created_dt BETWEEN CURRENT_DATE - INTERVAL '7 month' 
AND CURRENT_DATE - INTERVAL '6 month'
AND meta @> '{"source":"test"}'::jsonb;

Aggregate  (cost=245463.60..245463.61 rows=1 width=8) (actual time=6727.589..6727.590 rows=1 loops=1)
  Output: count(1)
  ->  Foreign Scan on fdw_schema."table"  (cost=1100.00..245459.90 rows=1478 width=0) (actual time=16.213..6634.794 rows=1360025 loops=1)
        Output: "table".id, "table".is_active, "table".meta, "table".created_dt
        Filter: (("table".is_active IS TRUE) AND ("table".created_dt >= (('now'::cstring)::date - '7 mons'::interval)) AND ("table".created_dt <= ((('now'::cstring)::date)::timestamp with time zone - '6 mons'::interval)))
        Rows Removed by Filter: 619961
        Remote SQL: SELECT created_dt, is_active FROM fdw_schema.table WHERE ((meta @> '{"source": "test"}'::jsonb))
Planning time: 0.747 ms
Execution time: 6727.815 ms

ഓപ്പറേറ്റർമാരെ ഫിൽട്ടർ ചെയ്യുന്നതിനുപകരം, നിങ്ങൾ ഒരു ഓപ്പറേറ്ററുടെ സാന്നിധ്യം ഉപയോഗിക്കണം. jsonb വ്യത്യസ്തമായതിൽ. യഥാർത്ഥ 7-ന് പകരം 29 സെക്കൻഡ്. ഇതുവരെ, ഫിൽട്ടറുകൾ കൈമാറുന്നതിനുള്ള വിജയകരമായ ഒരേയൊരു ഓപ്ഷൻ ഇതാണ് jsonb ഒരു വിദൂര സെർവറിലേക്ക്, എന്നാൽ ഇവിടെ ഒരു പരിമിതി കണക്കിലെടുക്കേണ്ടത് പ്രധാനമാണ്: ഞങ്ങൾ ഡാറ്റാബേസിന്റെ പതിപ്പ് 9.6 ഉപയോഗിക്കുന്നു, എന്നാൽ ഏപ്രിൽ അവസാനത്തോടെ അവസാന പരിശോധനകൾ പൂർത്തിയാക്കി പതിപ്പ് 12-ലേക്ക് നീങ്ങാൻ ഞങ്ങൾ പദ്ധതിയിടുന്നു. ഞങ്ങൾ അപ്‌ഡേറ്റ് ചെയ്‌തയുടൻ, അത് എങ്ങനെ ബാധിച്ചുവെന്ന് ഞങ്ങൾ എഴുതും, കാരണം നിരവധി പ്രതീക്ഷകളുള്ള ധാരാളം മാറ്റങ്ങൾ ഉണ്ട്: json_path, പുതിയ CTE സ്വഭാവം, പുഷ് ഡൗൺ (പതിപ്പ് 10 മുതൽ നിലവിലുണ്ട്). ഉടൻ തന്നെ ഇത് പരീക്ഷിക്കാൻ ഞാൻ ആഗ്രഹിക്കുന്നു.

അവനെ പൂർത്തിയാക്കുക

ഓരോ മാറ്റവും അന്വേഷണ വേഗതയെ എങ്ങനെ വ്യക്തിഗതമായി ബാധിക്കുന്നുവെന്ന് ഞങ്ങൾ പരിശോധിച്ചു. മൂന്ന് ഫിൽട്ടറുകളും ശരിയായി എഴുതിയാൽ എന്താണ് സംഭവിക്കുന്നതെന്ന് നോക്കാം.

explain analyze verbose
SELECT count(1)
FROM fdw_schema.table 
WHERE is_active = True
AND created_dt >= (SELECT CURRENT_DATE::timestamptz - INTERVAL '7 month') 
AND created_dt <(SELECT CURRENT_DATE::timestamptz - INTERVAL '6 month')
AND meta @> '{"source":"test"}'::jsonb;

Aggregate  (cost=322041.51..322041.52 rows=1 width=8) (actual time=2278.867..2278.867 rows=1 loops=1)
  Output: count(1)
  InitPlan 1 (returns $0)
    ->  Result  (cost=0.00..0.02 rows=1 width=8) (actual time=0.010..0.010 rows=1 loops=1)
          Output: ((('now'::cstring)::date)::timestamp with time zone - '7 mons'::interval)
  InitPlan 2 (returns $1)
    ->  Result  (cost=0.00..0.02 rows=1 width=8) (actual time=0.003..0.003 rows=1 loops=1)
          Output: ((('now'::cstring)::date)::timestamp with time zone - '6 mons'::interval)
  ->  Foreign Scan on fdw_schema."table"  (cost=100.02..322041.41 rows=25 width=0) (actual time=8.597..2153.809 rows=1360025 loops=1)
        Output: "table".id, "table".is_active, "table".meta, "table".created_dt
        Remote SQL: SELECT NULL FROM fdw_schema.table WHERE (is_active) AND ((created_dt >= $1::timestamp with time zone)) AND ((created_dt < $2::timestamp with time zone)) AND ((meta @> '{"source": "test"}'::jsonb))
Planning time: 0.820 ms
Execution time: 2279.087 ms

അതെ, ചോദ്യം കൂടുതൽ സങ്കീർണ്ണമാണെന്ന് തോന്നുന്നു, ഇത് നിർബന്ധിത വിലയാണ്, പക്ഷേ എക്സിക്യൂഷൻ വേഗത 2 സെക്കൻഡാണ്, ഇത് 10 മടങ്ങ് വേഗത്തിലാണ്! താരതമ്യേന ചെറിയ ഒരു കൂട്ടം ഡാറ്റയിലെ ലളിതമായ ഒരു ചോദ്യത്തെക്കുറിച്ചാണ് ഞങ്ങൾ സംസാരിക്കുന്നത്. യഥാർത്ഥ അഭ്യർത്ഥനകളിൽ, ഞങ്ങൾക്ക് നൂറുകണക്കിന് മടങ്ങ് വരെ വർദ്ധനവ് ലഭിച്ചു.

ചുരുക്കത്തിൽ: നിങ്ങൾ FDW ഉപയോഗിച്ചാണ് PostgreSQL ഉപയോഗിക്കുന്നതെങ്കിൽ, എല്ലാ ഫിൽട്ടറുകളും റിമോട്ട് സെർവറിലേക്ക് അയച്ചിട്ടുണ്ടോയെന്ന് എപ്പോഴും പരിശോധിക്കുക, നിങ്ങൾ സന്തുഷ്ടരായിരിക്കും... വ്യത്യസ്ത സെർവറുകളിൽ നിന്നുള്ള ടേബിളുകൾക്കിടയിൽ നിങ്ങൾ ചേരുന്നത് വരെയെങ്കിലും. എന്നാൽ ഇത് മറ്റൊരു ലേഖനത്തിനുള്ള കഥയാണ്.

നിങ്ങളുടെ ശ്രദ്ധയ്ക്ക് നന്ദി! അഭിപ്രായങ്ങളിൽ നിങ്ങളുടെ അനുഭവങ്ങളെക്കുറിച്ചുള്ള ചോദ്യങ്ങളും അഭിപ്രായങ്ങളും കഥകളും കേൾക്കാൻ ഞാൻ ആഗ്രഹിക്കുന്നു.

അവലംബം: www.habr.com