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

Үе үе товчлуурын багц ашиглан холбогдох өгөгдлийг хайх даалгавар гарч ирдэг. шаардлагатай нийт бичлэгийг авах хүртэл.

Хамгийн "бодит амьдрал" жишээ бол харуулах явдал юм Хамгийн эртний 20 асуудал, жагсаасан ажилчдын жагсаалтад (жишээлбэл, нэг хэлтэс дотор). Ажлын хэсгүүдийн товч тойм бүхий удирдлагын янз бүрийн "хяналтын самбар" -ын хувьд ижил төстэй сэдэв ихэвчлэн шаардлагатай байдаг.

Энэ нийтлэлд бид PostgreSQL-д ийм асуудлыг шийдэх "гэнэн" шийдэл, "илүү ухаалаг" бөгөөд маш нарийн төвөгтэй алгоритмыг хэрхэн хэрэгжүүлэх талаар авч үзэх болно. Олдсон өгөгдлөөс гарах нөхцөл бүхий SQL-д "гогцоо", энэ нь ерөнхий хөгжүүлэлт болон бусад ижил төстэй тохиолдлуудад ашиг тустай байж болно.

-аас туршилтын өгөгдлийн багцыг авч үзье өмнөх нийтлэл. Үзүүлсэн бичлэгүүдийг эрэмбэлсэн утгууд нь давхцах үед үе үе "үсрэх"-ээс урьдчилан сэргийлэхийн тулд, үндсэн түлхүүр нэмэх замаар сэдвийн индексийг өргөжүүлэх. Үүний зэрэгцээ, энэ нь нэн даруй өвөрмөц байдлыг өгч, эрэмбэлэх дараалал нь хоёрдмол утгатай болохыг баталгаажуулах болно.

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

Сонссоноор нь бичдэг

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

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]

Бага зэрэг харамсалтай - бид ердөө 20 бичлэг захиалсан боловч Index Scan бидэнд буцааж өгсөн 960 мөр, дараа нь бас эрэмбэлэх шаардлагатай болсон ... Бага уншихыг хичээцгээе.

unnest + ARRAY

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

Олборлох, "багананд тараах" ижил механизмыг ашиглацгаая. салшгүй хүснэгтийн бичлэг, шиг Сүүлийн нийтлэл. Мөн бид функцийг ашиглан массив болгон нугалах аргыг хэрэглэж болно 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, аль хэдийн хамаагүй дээр! 40% хурдан, 4.5 дахин бага дата Би үүнийг унших ёстой байсан.

CTE-ээр дамжуулан хүснэгтийн бүртгэлийг материалжуулахҮүнд анхаарлаа хандуулъя зарим тохиолдолд Бичлэгийг дэд асуулгад хайсны дараа CTE-д "боохгүйгээр" тэр даруй талбаруудтай ажиллах оролдлого нь InitPlan-ыг "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

Үүнтэй ижил бичлэгийг 4 удаа "харсан" ... PostgreSQL 11 хүртэл ийм үйлдэл тогтмол гардаг бөгөөд шийдэл нь CTE-д "боож" байгаа бөгөөд энэ нь эдгээр хувилбаруудын оновчтой тохируулагчийн хувьд туйлын хязгаар юм.

Рекурсив аккумлятор

Өмнөх хувилбарт бид нийтдээ уншсан 200 мөр төлөө шаардлагатай 20. 960 биш, гэхдээ бүр бага - боломжтой юу?

Бидэнд хэрэгтэй мэдлэгээ ашиглахыг хичээцгээе нийт 20 бичлэгүүд. Өөрөөр хэлбэл, бид шаардлагатай хэмжээнд хүрэх хүртлээ өгөгдлийг уншихыг давтах болно.

Алхам 1: Эхлэх жагсаалт

Мэдээжийн хэрэг, 20 бичлэгийн "зорилтот" жагсаалт нь эзэмшигчийн дугаарын нэг түлхүүрийн "эхний" бүртгэлээс эхлэх ёстой. Тиймээс эхлээд бид ийм зүйлийг олох болно Түлхүүр бүрийн хувьд "маш эхний" Үүнийг жагсаалтад нэмж, хүссэн дарааллаар нь эрэмбэлнэ үү - (даалгавар_огноо, id).

Алхам 2: "Дараагийн" оруулгуудыг ол

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

Хэрэв бид хоёр дахь рекордыг "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 товчлуур тус бүрд нэгээс илүү зүйл байхгүй гэдгийг бид үргэлж олж авдаг (хэрэв оруулгууд дуусч, бид "гатлахгүй" бол жагсаалтын эхний оруулга зүгээр л алга болж, юу ч нэмэгдэхгүй. ), Тэгээд тэд үргэлж эрэмбэлдэг програмын түлхүүрийн өсөх дарааллаар (даалгавар_огноо, id).

Алхам 3: Бичлэгүүдийг шүүж, "өргөжүүлэх"

Бидний рекурсив сонголтын зарим мөрөнд зарим бичлэгүүд байна rv давхардсан - эхлээд бид "жагсаалтын 2-р оруулгын хилийг давах" гэх мэтийг олж, дараа нь жагсаалтаас 1-р 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]

Тиймээс бид өгөгдлийн уншлагын 50%-ийг гүйцэтгэлийн 20%-д арилжаалсан. Өөрөөр хэлбэл, хэрэв танд уншихад удаан хугацаа шаардагдана гэж үзэх шалтгаан байгаа бол (жишээлбэл, өгөгдөл нь кэшэд байдаггүй бөгөөд та үүнийг хийхийн тулд диск рүү очих хэрэгтэй) ийм байдлаар та уншихаас бага хамааралтай болно. .

Ямар ч байсан гүйцэтгэх хугацаа нь "гэнэн" эхний хувилбараас хамаагүй дээр болсон. Харин эдгээр 3 сонголтын алийг нь ашиглах нь таны хэрэг.

Эх сурвалж: www.habr.com