PostgreSQL ആന്റിപാറ്റേണുകൾ: CTE x CTE

എന്റെ പ്രവർത്തനരീതി കാരണം, ഒരു ഡെവലപ്പർ ഒരു അഭ്യർത്ഥന എഴുതുകയും ചിന്തിക്കുകയും ചെയ്യുമ്പോൾ എനിക്ക് സാഹചര്യങ്ങൾ കൈകാര്യം ചെയ്യേണ്ടിവരും "അടിസ്ഥാനം മികച്ചതാണ്, അതിന് എല്ലാം സ്വയം കൈകാര്യം ചെയ്യാൻ കഴിയും!«

ചില സന്ദർഭങ്ങളിൽ (ഭാഗികമായി ഡാറ്റാബേസിന്റെ കഴിവുകളെക്കുറിച്ചുള്ള അജ്ഞതയിൽ നിന്ന്, ഭാഗികമായി അകാല ഒപ്റ്റിമൈസേഷനുകളിൽ നിന്ന്), ഈ സമീപനം "ഫ്രാങ്കെൻസ്റ്റൈൻസ്" പ്രത്യക്ഷപ്പെടുന്നതിലേക്ക് നയിക്കുന്നു.

ആദ്യം, അത്തരമൊരു അഭ്യർത്ഥനയുടെ ഒരു ഉദാഹരണം ഞാൻ നൽകും:

-- для каждой ключевой пары находим ассоциированные значения полей
WITH RECURSIVE cte_bind AS (
  SELECT DISTINCT ON (key_a, key_b)
    key_a a
  , key_b b
  , fld1 bind_fld1
  , fld2 bind_fld2
  FROM
    tbl
)
-- находим min/max значений для каждого первого ключа
, cte_max AS (
  SELECT
    a
  , max(bind_fld1) bind_fld1
  , min(bind_fld2) bind_fld2
  FROM
    cte_bind
  GROUP BY
    a
)
-- связываем по первому ключу ключевые пары и min/max-значения
, cte_a_bind AS (
  SELECT
    cte_bind.a
  , cte_bind.b
  , cte_max.bind_fld1
  , cte_max.bind_fld2
  FROM
    cte_bind
  INNER JOIN
    cte_max
      ON cte_max.a = cte_bind.a
)
SELECT * FROM cte_a_bind;

ഒരു അഭ്യർത്ഥനയുടെ ഗുണനിലവാരം ഗണ്യമായി വിലയിരുത്തുന്നതിന്, നമുക്ക് ചില അനിയന്ത്രിതമായ ഡാറ്റ സെറ്റ് സൃഷ്ടിക്കാം:

CREATE TABLE tbl AS
SELECT
  (random() * 1000)::integer key_a
, (random() * 1000)::integer key_b
, (random() * 10000)::integer fld1
, (random() * 10000)::integer fld2
FROM
  generate_series(1, 10000);
CREATE INDEX ON tbl(key_a, key_b);

അത് മാറുന്നു ഡാറ്റ വായിക്കാൻ സമയത്തിന്റെ നാലിലൊന്നിൽ താഴെ സമയമെടുത്തു അന്വേഷണ നിർവ്വഹണം:

[explain.tensor.ru-ൽ കാണുക]

അതിനെ കഷണം കഷണങ്ങളായി വേർപെടുത്തുന്നു

നമുക്ക് അഭ്യർത്ഥനയെ സൂക്ഷ്മമായി പരിശോധിക്കുകയും അമ്പരപ്പിക്കുകയും ചെയ്യാം:

1. റിക്കേഴ്‌സീവ് CTE-കൾ ഇല്ലെങ്കിൽ എന്തുകൊണ്ട് ഇവിടെ VITH RECURSIVE ആയി?
2. ഒറിജിനൽ സാമ്പിളുമായി ബന്ധിപ്പിച്ചിട്ടുണ്ടെങ്കിൽ, ഒരു പ്രത്യേക CTE-യിൽ മിനി/മാക്സ് മൂല്യങ്ങൾ ഗ്രൂപ്പുചെയ്യുന്നത് എന്തുകൊണ്ട്?
   + 25% സമയം
3. മുമ്പത്തെ CTE ആവർത്തിക്കാൻ അവസാനം ഉപാധികളില്ലാത്ത 'SELECT * FROM' ഉപയോഗിക്കുന്നത് എന്തുകൊണ്ട്?
   + 14% സമയം

ഈ സാഹചര്യത്തിൽ, നെസ്റ്റഡ് ലൂപ്പല്ല, കണക്ഷനായി ഹാഷ് ജോയിൻ തിരഞ്ഞെടുത്തത് ഞങ്ങൾ വളരെ ഭാഗ്യവാനായിരുന്നു, കാരണം അപ്പോൾ ഞങ്ങൾക്ക് ഒരു CTE സ്കാൻ പാസ് മാത്രമല്ല, 10K ലഭിക്കുമായിരുന്നു!

CTE സ്കാനിനെക്കുറിച്ച് കുറച്ച്ഇവിടെ നാം അത് ഓർക്കണം CTE സ്കാൻ, Seq സ്കാൻ പോലെയാണ് - അതായത്, ഇൻഡെക്‌സിംഗ് ഇല്ല, പക്ഷേ പൂർണ്ണമായ തിരയൽ മാത്രമേ ആവശ്യമുള്ളൂ 10K x 0.3ms = 3000 മി cte_max വഴിയുള്ള സൈക്കിളുകൾക്കായി അഥവാ 1K x 1.5ms = 1500 മി cte_bind വഴി ലൂപ്പ് ചെയ്യുമ്പോൾ!
യഥാർത്ഥത്തിൽ, ഫലമായി നിങ്ങൾക്ക് എന്താണ് ലഭിക്കേണ്ടത്? അതെ, സാധാരണയായി ഇത് "മൂന്ന്-നില" അന്വേഷണങ്ങൾ വിശകലനം ചെയ്യുന്നതിന്റെ അഞ്ചാം മിനിറ്റിൽ എവിടെയോ വരുന്ന ചോദ്യമാണ്.

ഓരോ അദ്വിതീയ കീ ജോഡിക്കും ഔട്ട്പുട്ട് ചെയ്യാൻ ഞങ്ങൾ ആഗ്രഹിച്ചു കീ_എ പ്രകാരം ഗ്രൂപ്പിൽ നിന്ന് മിനിറ്റ്/പരമാവധി.
അതുകൊണ്ട് നമുക്ക് ഇത് ഉപയോഗിക്കാം വിൻഡോ പ്രവർത്തനങ്ങൾ:

SELECT DISTINCT ON(key_a, key_b)
	key_a a
,	key_b b
,	max(fld1) OVER(w) bind_fld1
,	min(fld2) OVER(w) bind_fld2
FROM
	tbl
WINDOW
	w AS (PARTITION BY key_a);

[explain.tensor.ru-ൽ കാണുക]

രണ്ട് ഓപ്‌ഷനുകളിലെയും ഡാറ്റ വായിക്കുന്നതിന് ഏകദേശം 4-5 എംഎസ് എടുക്കുന്നതിനാൽ, ഞങ്ങളുടെ സമയമെല്ലാം ലാഭിക്കും -32% - ഇത് അതിന്റെ ശുദ്ധമായ രൂപത്തിലാണ് അടിസ്ഥാന സിപിയുവിൽ നിന്ന് ലോഡ് നീക്കം ചെയ്തു, അത്തരമൊരു അഭ്യർത്ഥന പലപ്പോഴും നടപ്പിലാക്കിയാൽ മതി.

പൊതുവേ, "വൃത്താകൃതിയിലുള്ളത് കൊണ്ടുപോകുക, ചതുരം ഉരുട്ടുക" എന്ന് നിങ്ങൾ അടിത്തറയെ നിർബന്ധിക്കരുത്.

അവലംബം: www.habr.com