🥇आम्ही PostgreSQL मध्ये निर्देशांकांची सर्व वैशिष्ट्ये वापरतो

पोस्टग्रेस जगात, डेटाबेसच्या स्टोरेजच्या कार्यक्षम नेव्हिगेशनसाठी निर्देशांक आवश्यक आहेत (ज्याला "ढीग" म्हणतात). पोस्टग्रेस यासाठी क्लस्टरिंगला सपोर्ट करत नाही आणि MVCC आर्किटेक्चर तुम्हाला एकाच ट्युपलच्या अनेक आवृत्त्यांसह समाप्त करण्यास प्रवृत्त करते. म्हणून, अनुप्रयोगांना समर्थन देण्यासाठी कार्यक्षम निर्देशांक तयार करण्यात आणि राखण्यात सक्षम असणे खूप महत्वाचे आहे.

निर्देशांकांचा वापर ऑप्टिमाइझ करण्यासाठी आणि सुधारण्यासाठी येथे काही टिपा आहेत.

टीप: खाली दर्शविलेल्या क्वेरी बदल न केलेल्या वर कार्य करतात pagila नमुना डेटाबेस.

कव्हरिंग इंडेक्सेस वापरणे

निष्क्रिय वापरकर्त्यांसाठी ईमेल पत्ते काढण्याची विनंती पाहू. टेबल customer एक स्तंभ आहे active, आणि क्वेरी सोपी आहे:

pagila=# EXPLAIN SELECT email FROM customer WHERE active=0;
                        QUERY PLAN
-----------------------------------------------------------
 Seq Scan on customer  (cost=0.00..16.49 rows=15 width=32)
   Filter: (active = 0)
(2 rows)

क्वेरी संपूर्ण सारणी स्कॅन क्रमाची विनंती करते customer. कॉलमवर इंडेक्स बनवू active:

pagila=# CREATE INDEX idx_cust1 ON customer(active);
CREATE INDEX
pagila=# EXPLAIN SELECT email FROM customer WHERE active=0;
                                 QUERY PLAN
-----------------------------------------------------------------------------
 Index Scan using idx_cust1 on customer  (cost=0.28..12.29 rows=15 width=32)
   Index Cond: (active = 0)
(2 rows)

यामुळे मदत झाली, त्यानंतरचे स्कॅन "मध्ये बदललेindex scan" याचा अर्थ असा की पोस्टग्रेस निर्देशांक स्कॅन करेल "idx_cust1", आणि नंतर इतर स्तंभांची मूल्ये वाचण्यासाठी टेबल हीप शोधणे सुरू ठेवा (या प्रकरणात, स्तंभ email) ज्याची क्वेरी आवश्यक आहे.

कव्हरिंग इंडेक्सेस पोस्टग्रेएसक्यूएल 11 मध्ये सादर केले आहेत. ते तुम्हाला निर्देशांकातच एक किंवा अधिक अतिरिक्त स्तंभ समाविष्ट करण्याची परवानगी देतात - त्यांची मूल्ये इंडेक्स डेटा स्टोअरमध्ये संग्रहित केली जातात.

जर आम्ही या वैशिष्ट्याचा फायदा घेतला आणि निर्देशांकात ईमेल मूल्य जोडले, तर पोस्टग्रेसला मूल्यासाठी टेबल हीप शोधण्याची आवश्यकता नाही. email. हे कार्य करेल का ते पाहूया:

pagila=# CREATE INDEX idx_cust2 ON customer(active) INCLUDE (email);
CREATE INDEX
pagila=# EXPLAIN SELECT email FROM customer WHERE active=0;
                                    QUERY PLAN
----------------------------------------------------------------------------------
 Index Only Scan using idx_cust2 on customer  (cost=0.28..12.29 rows=15 width=32)
   Index Cond: (active = 0)
(2 rows)

«Index Only Scan' आम्हाला सांगते की क्वेरीला आता फक्त एका इंडेक्सची आवश्यकता आहे, जे टेबल हीप वाचण्यासाठी सर्व डिस्क I/O टाळण्यास मदत करते.

कव्हरिंग इंडेक्स सध्या फक्त बी-ट्रीसाठी उपलब्ध आहेत. तथापि, या प्रकरणात, देखभाल प्रयत्न जास्त असेल.

आंशिक निर्देशांक वापरणे

आंशिक अनुक्रमणिका सारणीतील पंक्तींचा फक्त उपसंच अनुक्रमित करते. हे इंडेक्सचा आकार वाचवते आणि स्कॅन जलद करते.

समजा आम्हाला कॅलिफोर्नियामधील आमच्या ग्राहकांच्या ईमेल पत्त्यांची यादी मिळवायची आहे. विनंती अशी असेल:

SELECT c.email FROM customer c
JOIN address a ON c.address_id = a.address_id
WHERE a.district = 'California';
which has a query plan that involves scanning both the tables that are joined:
pagila=# EXPLAIN SELECT c.email FROM customer c
pagila-# JOIN address a ON c.address_id = a.address_id
pagila-# WHERE a.district = 'California';
                              QUERY PLAN
----------------------------------------------------------------------
 Hash Join  (cost=15.65..32.22 rows=9 width=32)
   Hash Cond: (c.address_id = a.address_id)
   ->  Seq Scan on customer c  (cost=0.00..14.99 rows=599 width=34)
   ->  Hash  (cost=15.54..15.54 rows=9 width=4)
         ->  Seq Scan on address a  (cost=0.00..15.54 rows=9 width=4)
               Filter: (district = 'California'::text)
(6 rows)

सामान्य निर्देशांक आम्हाला काय देईल:

pagila=# CREATE INDEX idx_address1 ON address(district);
CREATE INDEX
pagila=# EXPLAIN SELECT c.email FROM customer c
pagila-# JOIN address a ON c.address_id = a.address_id
pagila-# WHERE a.district = 'California';
                                      QUERY PLAN
---------------------------------------------------------------------------------------
 Hash Join  (cost=12.98..29.55 rows=9 width=32)
   Hash Cond: (c.address_id = a.address_id)
   ->  Seq Scan on customer c  (cost=0.00..14.99 rows=599 width=34)
   ->  Hash  (cost=12.87..12.87 rows=9 width=4)
         ->  Bitmap Heap Scan on address a  (cost=4.34..12.87 rows=9 width=4)
               Recheck Cond: (district = 'California'::text)
               ->  Bitmap Index Scan on idx_address1  (cost=0.00..4.34 rows=9 width=0)
                     Index Cond: (district = 'California'::text)
(8 rows)

स्कॅन address इंडेक्स स्कॅनने बदलले आहे idx_address1आणि नंतर ढीग स्कॅन केला address.

ही वारंवार येणारी क्वेरी असल्याने आणि ऑप्टिमाइझ करणे आवश्यक असल्याने, आम्ही आंशिक अनुक्रमणिका वापरू शकतो, जी फक्त त्या पंक्तींना अनुक्रमित करते ज्यात जिल्हा ‘California’:

pagila=# CREATE INDEX idx_address2 ON address(address_id) WHERE district='California';
CREATE INDEX
pagila=# EXPLAIN SELECT c.email FROM customer c
pagila-# JOIN address a ON c.address_id = a.address_id
pagila-# WHERE a.district = 'California';
                                           QUERY PLAN
------------------------------------------------------------------------------------------------
 Hash Join  (cost=12.38..28.96 rows=9 width=32)
   Hash Cond: (c.address_id = a.address_id)
   ->  Seq Scan on customer c  (cost=0.00..14.99 rows=599 width=34)
   ->  Hash  (cost=12.27..12.27 rows=9 width=4)
         ->  Index Only Scan using idx_address2 on address a  (cost=0.14..12.27 rows=9 width=4)
(5 rows)

आता प्रश्न फक्त वाचतो idx_address2 आणि टेबलाला स्पर्श करत नाही address.

मल्टी-व्हॅल्यू इंडेक्सेस वापरणे

अनुक्रमित केल्या जाणार्‍या काही स्तंभांमध्ये स्केलर डेटा प्रकार असू शकत नाही. स्तंभ प्रकार जसे jsonb, arrays и tsvector संमिश्र किंवा एकाधिक मूल्ये आहेत. तुम्हाला असे स्तंभ अनुक्रमित करायचे असल्यास, तुम्हाला त्या स्तंभांमधील सर्व वैयक्तिक मूल्ये शोधावी लागतील.

अयशस्वी टेकमधून कट असलेल्या सर्व चित्रपटांची शीर्षके शोधण्याचा प्रयत्न करूया. टेबल film तेथे मजकूर स्तंभ म्हणतात special_features. जर चित्रपटात ही "विशेष मालमत्ता" असेल, तर स्तंभामध्ये मजकूर अॅरे म्हणून घटक असतो Behind The Scenes. अशा सर्व चित्रपटांचा शोध घेण्यासाठी, आम्हाला "पडद्यामागे" असलेल्या सर्व पंक्ती निवडण्याची आवश्यकता आहे कोणत्याही अॅरे मूल्ये special_features:

SELECT title FROM film WHERE special_features @> '{"Behind The Scenes"}';

नेस्टिंग ऑपरेटर @> उजवी बाजू डाव्या बाजूचा उपसंच आहे का ते तपासते.

योजनेची विनंती करा:

pagila=# EXPLAIN SELECT title FROM film
pagila-# WHERE special_features @> '{"Behind The Scenes"}';
                           QUERY PLAN
-----------------------------------------------------------------
 Seq Scan on film  (cost=0.00..67.50 rows=5 width=15)
   Filter: (special_features @> '{"Behind The Scenes"}'::text[])
(2 rows)

जे 67 खर्चासह संपूर्ण ढीग स्कॅनची विनंती करते.

नियमित बी-ट्री इंडेक्स आपल्याला मदत करतो का ते पाहूया:

pagila=# CREATE INDEX idx_film1 ON film(special_features);
CREATE INDEX
pagila=# EXPLAIN SELECT title FROM film
pagila-# WHERE special_features @> '{"Behind The Scenes"}';
                           QUERY PLAN
-----------------------------------------------------------------
 Seq Scan on film  (cost=0.00..67.50 rows=5 width=15)
   Filter: (special_features @> '{"Behind The Scenes"}'::text[])
(2 rows)

निर्देशांकाचाही विचार केला गेला नाही. बी-ट्री इंडेक्सला अनुक्रमित मूल्यांमधील वैयक्तिक घटकांच्या अस्तित्वाची जाणीव नसते.

आम्हाला एक GIN निर्देशांक हवा आहे.

pagila=# CREATE INDEX idx_film2 ON film USING GIN(special_features);
CREATE INDEX
pagila=# EXPLAIN SELECT title FROM film
pagila-# WHERE special_features @> '{"Behind The Scenes"}';
                                QUERY PLAN
---------------------------------------------------------------------------
 Bitmap Heap Scan on film  (cost=8.04..23.58 rows=5 width=15)
   Recheck Cond: (special_features @> '{"Behind The Scenes"}'::text[])
   ->  Bitmap Index Scan on idx_film2  (cost=0.00..8.04 rows=5 width=0)
         Index Cond: (special_features @> '{"Behind The Scenes"}'::text[])
(4 rows)

GIN अनुक्रमणिका अनुक्रमित संमिश्र मूल्यांच्या विरूद्ध एकल मूल्यांचे मॅपिंग करण्यास समर्थन देते, परिणामी क्वेरी योजनेची किंमत अर्ध्यापेक्षा जास्त आहे.

डुप्लिकेट इंडेक्सेसपासून मुक्त होणे

निर्देशांक कालांतराने जमा होतात आणि काहीवेळा नवीन निर्देशांकामध्ये मागीलपैकी एक सारखीच व्याख्या असू शकते. इंडेक्सेसची मानवी-वाचनीय SQL व्याख्या मिळविण्यासाठी तुम्ही कॅटलॉग दृश्य वापरू शकता. pg_indexes. आपण समान व्याख्या देखील सहजपणे शोधू शकता:

 SELECT array_agg(indexname) AS indexes, replace(indexdef, indexname, '') AS defn
    FROM pg_indexes
GROUP BY defn
  HAVING count(*) > 1;
And here’s the result when run on the stock pagila database:
pagila=#   SELECT array_agg(indexname) AS indexes, replace(indexdef, indexname, '') AS defn
pagila-#     FROM pg_indexes
pagila-# GROUP BY defn
pagila-#   HAVING count(*) > 1;
                                indexes                                 |                                defn
------------------------------------------------------------------------+------------------------------------------------------------------
 {payment_p2017_01_customer_id_idx,idx_fk_payment_p2017_01_customer_id} | CREATE INDEX  ON public.payment_p2017_01 USING btree (customer_id
 {payment_p2017_02_customer_id_idx,idx_fk_payment_p2017_02_customer_id} | CREATE INDEX  ON public.payment_p2017_02 USING btree (customer_id
 {payment_p2017_03_customer_id_idx,idx_fk_payment_p2017_03_customer_id} | CREATE INDEX  ON public.payment_p2017_03 USING btree (customer_id
 {idx_fk_payment_p2017_04_customer_id,payment_p2017_04_customer_id_idx} | CREATE INDEX  ON public.payment_p2017_04 USING btree (customer_id
 {payment_p2017_05_customer_id_idx,idx_fk_payment_p2017_05_customer_id} | CREATE INDEX  ON public.payment_p2017_05 USING btree (customer_id
 {idx_fk_payment_p2017_06_customer_id,payment_p2017_06_customer_id_idx} | CREATE INDEX  ON public.payment_p2017_06 USING btree (customer_id
(6 rows)

सुपरसेट निर्देशांक

असे होऊ शकते की तुमच्याकडे अनेक अनुक्रमणिका आहेत, ज्यापैकी एक स्तंभांचा एक सुपरसेट अनुक्रमित करतो जो इतर निर्देशांकांना अनुक्रमित करतो. हे वांछनीय असू शकते किंवा असू शकत नाही—सुपरसेटचा परिणाम फक्त-इंडेक्स स्कॅनमध्ये होऊ शकतो, जे चांगले आहे, परंतु ते खूप जागा घेऊ शकते किंवा सुपरसेट ऑप्टिमाइझ करण्याच्या हेतूने असलेली क्वेरी यापुढे वापरली जाणार नाही.

आपल्याला अशा निर्देशांकांची व्याख्या स्वयंचलित करण्याची आवश्यकता असल्यास, आपण प्रारंभ करू शकता pg_index टेबल पासून pg_catalog.

न वापरलेले निर्देशांक

डेटाबेस वापरणारे अॅप्लिकेशन्स जसे विकसित होतात, तसे ते वापरत असलेल्या क्वेरी देखील विकसित होतात. आधी जोडलेल्या अनुक्रमणिका यापुढे कोणत्याही क्वेरीद्वारे वापरल्या जाणार नाहीत. प्रत्येक वेळी अनुक्रमणिका स्कॅन केल्यावर, ते सांख्यिकी व्यवस्थापकाद्वारे चिन्हांकित केले जाते आणि सिस्टम कॅटलॉग दृश्यात pg_stat_user_indexes आपण मूल्य पाहू शकता idx_scan, जे एक संचयी काउंटर आहे. ठराविक कालावधीत (एक महिना म्हणा) या मूल्याचा मागोवा घेतल्यास कोणते निर्देशांक वापरले जात नाहीत आणि टाकले जाऊ शकतात याची चांगली कल्पना येईल.

स्कीमातील सर्व निर्देशांकांची वर्तमान स्कॅन संख्या मिळविण्यासाठी येथे एक क्वेरी आहे ‘public’:

SELECT relname, indexrelname, idx_scan
FROM   pg_catalog.pg_stat_user_indexes
WHERE  schemaname = 'public';
with output like this:
pagila=# SELECT relname, indexrelname, idx_scan
pagila-# FROM   pg_catalog.pg_stat_user_indexes
pagila-# WHERE  schemaname = 'public'
pagila-# LIMIT  10;
    relname    |    indexrelname    | idx_scan
---------------+--------------------+----------
 customer      | customer_pkey      |    32093
 actor         | actor_pkey         |     5462
 address       | address_pkey       |      660
 category      | category_pkey      |     1000
 city          | city_pkey          |      609
 country       | country_pkey       |      604
 film_actor    | film_actor_pkey    |        0
 film_category | film_category_pkey |        0
 film          | film_pkey          |    11043
 inventory     | inventory_pkey     |    16048
(10 rows)

कमी लॉकसह अनुक्रमणिका पुन्हा तयार करणे

अनुक्रमणिका अनेकदा पुन्हा तयार करणे आवश्यक आहे, उदाहरणार्थ जेव्हा ते फुगले जातात आणि पुनर्बांधणी स्कॅनला गती देऊ शकते. तसेच निर्देशांक दूषित होऊ शकतात. इंडेक्स पॅरामीटर्स बदलण्यासाठी ते पुन्हा तयार करणे देखील आवश्यक असू शकते.

समांतर अनुक्रमणिका निर्मिती सक्षम करा

PostgreSQL 11 मध्ये, बी-ट्री इंडेक्स तयार करणे समवर्ती आहे. निर्मिती प्रक्रियेला गती देण्यासाठी, अनेक समांतर कामगारांचा वापर केला जाऊ शकतो. तथापि, हे कॉन्फिगरेशन पर्याय योग्यरित्या सेट केले असल्याचे सुनिश्चित करा:

SET max_parallel_workers = 32;
SET max_parallel_maintenance_workers = 16;

डीफॉल्ट मूल्ये खूप लहान आहेत. आदर्शपणे, प्रोसेसर कोरच्या संख्येसह ही संख्या वाढली पाहिजे. मध्ये अधिक वाचा दस्तऐवजीकरण.

पार्श्वभूमी निर्देशांक निर्मिती

तुम्ही पर्याय वापरून पार्श्वभूमीत अनुक्रमणिका तयार करू शकता CONCURRENTLY आज्ञा CREATE INDEX:

pagila=# CREATE INDEX CONCURRENTLY idx_address1 ON address(district);
CREATE INDEX

ही अनुक्रमणिका तयार करण्याची प्रक्रिया नेहमीच्या पद्धतीपेक्षा वेगळी आहे कारण त्याला टेबलवर लॉकची आवश्यकता नसते आणि त्यामुळे लेखन ऑपरेशन्स ब्लॉक होत नाहीत. दुसरीकडे, यास अधिक वेळ लागतो आणि अधिक संसाधने लागतात.

पोस्टग्रेस निर्देशांक तयार करण्यासाठी आणि कोणत्याही विशेष प्रकरणांचे निराकरण करण्याचे मार्ग तसेच तुमचा अनुप्रयोग स्फोटकपणे वाढल्यास डेटाबेस व्यवस्थापित करण्यासाठी भरपूर लवचिकता प्रदान करते. आम्‍हाला आशा आहे की या टिपा तुम्‍हाला तुमच्‍या क्‍वेरी जलद आणि तुमच्‍या डेटाबेसला मापनासाठी तयार करण्‍यात मदत करतील.

स्त्रोत: www.habr.com

PostgreSQL मधील निर्देशांकांची सर्व वैशिष्ट्ये वापरणे