SQL HowTo: асуултанд шууд while-loop бичнэ үү, эсвэл "Elementary three-way".

Үе үе түлхүүрүүдийн багцаар холбогдох өгөгдлийг хайх даалгавар гарч ирдэг. шаардлагатай нийт бичлэгт хүрэх хүртэл.

Хамгийн "бодит" жишээ бол дүгнэлт хийх явдал юм Хамгийн эртний 20 даалгавар, жагсаасан ажилчдын жагсаалтад (Жишээ нь, нэг хэлтэс дотор). Ажлын хэсгүүдийн товч тойм бүхий янз бүрийн удирдлагын самбаруудын хувьд ижил төстэй сэдэв ихэвчлэн шаардлагатай байдаг.

Энэ нийтлэлд бид "илүү ухаалаг" бөгөөд маш нарийн төвөгтэй алгоритм болох PostgreSQL-д энэ асуудлыг шийдэх "гэнэн" шийдлийг хэрэгжүүлэх талаар авч үзэх болно. Олдсон өгөгдөл дээр үндэслэн гарах нөхцөлтэй SQL-д "гогцоо", энэ нь ерөнхий хөгжүүлэлт болон бусад ижил төстэй тохиолдлуудад хэрэглэгдэх боломжтой.

-аас туршилтын өгөгдлийн багцыг авч үзье өмнөх нийтлэлЭрэмбэлэгдсэн утгууд таарч байх үед гаралтын бичлэгүүдийг нэгээс нөгөөд "үсрэх"-ээс урьдчилан сэргийлэхийн тулд, Анхдагч түлхүүрийг нэмж сэдвийн индексийг өргөжүүльеЭнэ нь нэн даруй өвөрмөц болгож, тодорхой эрэмбэлэх дарааллыг баталгаажуулна:

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

Энэ нь сонсогдож байгаагаар бичигдсэн байдаг.

Эхлээд жүжигчдийн үнэмлэхийг дамжуулж хүсэлтийн хамгийн энгийн хувилбарыг зурцгаая массивыг оролтын параметр болгон:

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;

[express.tensor.ru-г үзнэ үү]

Энэ нь жаахан гунигтай байна - бид ердөө 20 бичлэг захиалсан бөгөөд Index Scan бидэнд буцааж өгсөн. 960 мөр, дараа нь эрэмбэлэх шаардлагатай болсон ... Бага уншихыг хичээцгээе.

unnest + ARRAY

Шаардлагатай бол бидэнд туслах хамгийн эхний зүйл бол Зөвхөн 20 нь эрэмблэгдсэн бичлэгүүд, дараа нь уншихад хангалттай тус бүрдээ ижил дарааллаар эрэмбэлсэн 20-оос ихгүй байна түлхүүр. Баярлалаа, тохиромжтой индекс (эзэмшигчийн_id, ажлын_огноо, id) бидэнд байна.

Олборлох, "багананд задлах" ижил механизмыг ашиглацгаая. салшгүй хүснэгтийн оруулга, шиг Сүүлийн нийтлэл. Мөн бид функцийг ашиглан массив болгон нугалах аргыг хэрэглэнэ 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

[express.tensor.ru-г үзнэ үү]

Өө, энэ нь хамаагүй дээр! 40% хурдан, 4.5 дахин бага дата Би үүнийг унших ёстой байсан.

CTE-ээр дамжуулан хүснэгтийн бүртгэлийг материалжуулахҮүнд би та бүхний анхаарлыг хандуулахыг хүсч байна зарим тохиолдолд Бичлэгийн талбарыг дэд асуулгад хайсны дараа шууд CTE-д "боохгүйгээр" ажиллахыг оролдох нь InitPlan-ийн "үржүүлэх" эдгээр ижил талбаруудын тоотой пропорциональ:

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

Ижил бичлэгийг 4 удаа "хайж" хийсэн ... PostgreSQL 11 хүртэл ийм зан үйлтэй байнга тулгардаг байсан бөгөөд шийдэл нь CTE-д "боож" байсан бөгөөд энэ нь эдгээр хувилбаруудын оновчтой болгоход туйлын хязгаар юм.

Рекурсив аккумлятор

Өмнөх хувилбарт бид нийт уншсан 200 мөр хэрэгцээний төлөө 20. 960 байхаа больсон, гэхдээ бүр бага - боломжтой юу?

Бидэнд хэрэгтэй мэдлэгээ ашиглахыг хичээцгээе нийт 20 бичлэгүүд. Өөрөөр хэлбэл, бид шаардлагатай тоонд хүрэх хүртэл өгөгдлийг уншихад л давтах болно.

Алхам 1: Эхлэх жагсаалт

Мэдээжийн хэрэг, 20 бүртгэлээс бүрдсэн "зорилтот" жагсаалт нь эзэмшигчийн_id түлхүүрүүдийн "эхний" бүртгэлээс эхлэх ёстой. Тиймээс эхлээд эдгээрийг олъё Түлхүүр бүрийн хувьд "хамгийн эхний" Үүнийг жагсаалтад нэмж, хүссэн дарааллаар нь эрэмбэлнэ үү - (даалгавар_огноо, id).

Алхам 2: "Дараагийн" бичлэгүүдийг олоорой

Одоо бид жагсаалтаасаа эхний оруулгыг аваад эхлэх юм бол индексийн дагуу "алхам" owner_id түлхүүр хадгалагдсан тохиолдолд бүх олдсон бичлэгүүд нь үр дүнгийн сонголтын яг дараагийнх нь болно. Мэдээжийн хэрэг, зөвхөн Бид ашигласан түлхүүрийг гатлах хүртэл жагсаалтын хоёр дахь оруулга.

Хэрэв бид хоёр дахь оруулгыг "гаталсан" нь тогтоогдвол Эхний уншсан бичлэгийн оронд жагсаалтад хамгийн сүүлд уншсан оруулгыг нэмэх ёстой (ижил эзэмшигчийн_id-тай), үүний дараа бид жагсаалтыг дахин эрэмбэлнэ.

Өөрөөр хэлбэл, жагсаалтад түлхүүр тус бүрт нэгээс илүү оруулга байхгүй (хэрэв оруулгууд дуусч, бид тэдгээрийг "гаталж амжаагүй" бол эхний оруулга жагсаалтаас алга болж, юу ч нэмэгдэхгүй) бид үргэлж төгсдөг. үргэлж эрэмбэлдэг програмын түлхүүрийн өсөх дарааллаар (даалгавар_огноо, id).

Алхам 3: Бичлэгүүдийг шүүж, өргөжүүлнэ үү

Бидний рекурсив сонголтын зарим мөрөнд зарим бичлэгүүд rv Давхардсан бичилтүүд—бид эхлээд "жагсаалтын 2 дахь бичлэгийн хилийг давах" гэх мэт оруулгуудыг олж, дараа нь жагсаалтын эхний оруулга болгон орлуулна. Тиймээс эхний тохиолдлыг шүүх хэрэгтэй.

Аймшигтай эцсийн асуулт

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

[express.tensor.ru-г үзнэ үү]

Тэгэхээр бид өгөгдлийн уншлагын 50%-ийг гүйцэтгэлийн 20%-д арилжаалсанӨөрөөр хэлбэл, хэрэв танд унших нь удаан байж магадгүй гэж үзэх үндэслэл байгаа бол (жишээлбэл, өгөгдөл нь ихэвчлэн кэшэд байдаггүй бөгөөд дискнээс татаж авах шаардлагатай байдаг) энэ арга нь уншихад найдах явдлыг бууруулж чадна.

Ямар ч тохиолдолд гүйцэтгэлийн хугацаа нь "гэнэн" эхний хувилбараас илүү сайн байсан. Гэхдээ эдгээр гурван сонголтын алийг нь ашиглах нь таны хэрэг.

Эх сурвалж: www.habr.com