Nie myślcie, że tak bardzo nie lubię DOŁĄCZYĆ... :)
Ale często bez niego prośba okazuje się znacznie bardziej produktywna niż z nią. Więc dzisiaj spróbujemy pozbądź się wymagającego dużych zasobów JOIN - korzystanie ze słownika.
Począwszy od PostgreSQL 12, niektóre z opisanych poniżej sytuacji mogą być odtwarzane nieco inaczej ze względu na domyślny CTE niematerializacji. To zachowanie można odwrócić, określając klucz MATERIALIZED.
Mnóstwo „faktów” w ograniczonym słownictwie
Weźmy bardzo realne zadanie aplikacji - musimy wyświetlić listę wiadomości przychodzące lub aktywne zadania z nadawcami:
25.01 | Иванов И.И. | Подготовить описание нового алгоритма.
22.01 | Иванов И.И. | Написать статью на Хабр: жизнь без JOIN.
20.01 | Петров П.П. | Помочь оптимизировать запрос.
18.01 | Иванов И.И. | Написать статью на Хабр: JOIN с учетом распределения данных.
16.01 | Петров П.П. | Помочь оптимизировать запрос.
W abstrakcyjnym świecie autorzy zadań powinni być równomiernie rozdzieleni pomiędzy wszystkich pracowników naszej organizacji, ale w rzeczywistości zadania pochodzą z reguły od dość ograniczonej liczby osób - „od kierownictwa” w górę hierarchii lub „od podwykonawców” z sąsiednich działów (analitycy, projektanci, marketing, ...).
Przyjmijmy, że w naszej 1000-osobowej organizacji tylko 20 autorów (zwykle nawet mniej) wyznacza zadania dla każdego konkretnego wykonawcy i Wykorzystajmy tę wiedzę przedmiotowąaby przyspieszyć „tradycyjne” zapytanie.
Generator skryptów
-- сотрудники
CREATE TABLE person AS
SELECT
id
, repeat(chr(ascii('a') + (id % 26)), (id % 32) + 1) "name"
, '2000-01-01'::date - (random() * 1e4)::integer birth_date
FROM
generate_series(1, 1000) id;
ALTER TABLE person ADD PRIMARY KEY(id);
-- задачи с указанным распределением
CREATE TABLE task AS
WITH aid AS (
SELECT
id
, array_agg((random() * 999)::integer + 1) aids
FROM
generate_series(1, 1000) id
, generate_series(1, 20)
GROUP BY
1
)
SELECT
*
FROM
(
SELECT
id
, '2020-01-01'::date - (random() * 1e3)::integer task_date
, (random() * 999)::integer + 1 owner_id
FROM
generate_series(1, 100000) id
) T
, LATERAL(
SELECT
aids[(random() * (array_length(aids, 1) - 1))::integer + 1] author_id
FROM
aid
WHERE
id = T.owner_id
LIMIT 1
) a;
ALTER TABLE task ADD PRIMARY KEY(id);
CREATE INDEX ON task(owner_id, task_date);
CREATE INDEX ON task(author_id);
Pokażmy ostatnie 100 zadań dla konkretnego wykonawcy:
SELECT
task.*
, person.name
FROM
task
LEFT JOIN
person
ON person.id = task.author_id
WHERE
owner_id = 777
ORDER BY
task_date DESC
LIMIT 100;
Okazuje się, że 1/3 całkowitego czasu i 3/4 odczytów strony danych zostały utworzone wyłącznie w celu wyszukania autora 100 razy - dla każdego zadania wyjściowego. Ale my to wiemy wśród tych setek tylko 20 różnych - Czy można tę wiedzę wykorzystać?
słownik hstore
Użyjmy typ sklepu aby wygenerować parę klucz-wartość „słownik”:
CREATE EXTENSION hstore
Musimy tylko umieścić identyfikator autora i jego nazwisko w słowniku, abyśmy mogli następnie wyodrębnić za pomocą tego klucza:
-- формируем целевую выборку
WITH T AS (
SELECT
*
FROM
task
WHERE
owner_id = 777
ORDER BY
task_date DESC
LIMIT 100
)
-- формируем словарь для уникальных значений
, dict AS (
SELECT
hstore( -- hstore(keys::text[], values::text[])
array_agg(id)::text[]
, array_agg(name)::text[]
)
FROM
person
WHERE
id = ANY(ARRAY(
SELECT DISTINCT
author_id
FROM
T
))
)
-- получаем связанные значения словаря
SELECT
*
, (TABLE dict) -> author_id::text -- hstore -> key
FROM
T;
Wydane na uzyskanie informacji o osobach 2 razy mniej czasu i 7 razy mniej odczytanych danych! Oprócz „słownictwa” w osiągnięciu tych wyników pomogło nam także: masowe pobieranie rekordów ze stołu w jednym przejściu za pomocą = ANY(ARRAY(...)).
Wpisy w tabeli: serializacja i deserializacja
Co jednak, jeśli będziemy musieli zapisać w słowniku nie tylko jedno pole tekstowe, ale cały wpis? W tym wypadku z pomocą przyjdzie nam umiejętność PostgreSQL traktuj wpis tabeli jako pojedynczą wartość:
...
, dict AS (
SELECT
hstore(
array_agg(id)::text[]
, array_agg(p)::text[] -- магия #1
)
FROM
person p
WHERE
...
)
SELECT
*
, (((TABLE dict) -> author_id::text)::person).* -- магия #2
FROM
T;
Przyjrzyjmy się, co się tutaj działo:
Wzięliśmy p jako alias do wpisu pełnej tabeli osób i zebrał ich szereg.
to przekształcono szereg nagrań do tablicy ciągów tekstowych (person[]::text[]), aby umieścić ją w słowniku hstore jako tablicę wartości.
Kiedy otrzymamy powiązany zapis, my wyciągnięte ze słownika według klucza jako ciąg tekstowy.
Potrzebujemy tekstu zamień na wartość typu tabeli osoba (dla każdej tabeli automatycznie tworzony jest typ o tej samej nazwie).
„Rozwiń” wpisany rekord do kolumn za pomocą (...).*.
słownik jsona
Ale taka sztuczka, którą zastosowaliśmy powyżej, nie zadziała, jeśli nie ma odpowiedniego typu tabeli do wykonania „rzucania”. Dokładnie taka sama sytuacja powstanie, jeśli spróbujemy skorzystać wiersz CTE, a nie „prawdziwa” tabela.
...
, p AS ( -- это уже CTE
SELECT
*
FROM
person
WHERE
...
)
, dict AS (
SELECT
json_object( -- теперь это уже json
array_agg(id)::text[]
, array_agg(row_to_json(p))::text[] -- и внутри json для каждой строки
)
FROM
p
)
SELECT
*
FROM
T
, LATERAL(
SELECT
*
FROM
json_to_record(
((TABLE dict) ->> author_id::text)::json -- извлекли из словаря как json
) AS j(name text, birth_date date) -- заполнили нужную нам структуру
) j;
Należy zaznaczyć, że opisując docelową strukturę nie możemy wyszczególnić wszystkich pól ciągu źródłowego, a jedynie te, które są nam naprawdę potrzebne. Jeśli mamy tabelę „natywną”, lepiej skorzystać z tej funkcji json_populate_record.
Nadal mamy dostęp do słownika raz, ale json-[de]koszty serializacji są dość wysokiedlatego rozsądne jest stosowanie tej metody tylko w niektórych przypadkach, gdy „uczciwy” skan CTE pokazuje się gorzej.
Testowanie wydajności
Mamy więc dwa sposoby serializacji danych w słowniku − hstore/json_object. Ponadto tablice samych kluczy i wartości można również generować na dwa sposoby, z wewnętrzną lub zewnętrzną konwersją na tekst: array_agg(i::text) / array_agg(i)::text[].
Sprawdźmy skuteczność różnych typów serializacji na czysto syntetycznym przykładzie - serializować różne liczby kluczy:
WITH dict AS (
SELECT
hstore(
array_agg(i::text)
, array_agg(i::text)
)
FROM
generate_series(1, ...) i
)
TABLE dict;
Skrypt ewaluacyjny: serializacja
WITH T AS (
SELECT
*
, (
SELECT
regexp_replace(ea[array_length(ea, 1)], '^Execution Time: (d+.d+) ms$', '1')::real et
FROM
(
SELECT
array_agg(el) ea
FROM
dblink('port= ' || current_setting('port') || ' dbname=' || current_database(), $$
explain analyze
WITH dict AS (
SELECT
hstore(
array_agg(i::text)
, array_agg(i::text)
)
FROM
generate_series(1, $$ || (1 << v) || $$) i
)
TABLE dict
$$) T(el text)
) T
) et
FROM
generate_series(0, 19) v
, LATERAL generate_series(1, 7) i
ORDER BY
1, 2
)
SELECT
v
, avg(et)::numeric(32,3)
FROM
T
GROUP BY
1
ORDER BY
1;
W PostgreSQL 11 do rozmiaru słownika wynoszącego w przybliżeniu 2^12 kluczy serializacja do jsona zajmuje mniej czasu. W tym przypadku najskuteczniejsze jest połączenie konwersji typu json_object i „wewnętrznej”. array_agg(i::text).
Teraz spróbujmy przeczytać wartość każdego klucza 8 razy - w końcu, jeśli nie masz dostępu do słownika, to po co ci to?
Skrypt ewaluacyjny: czytanie ze słownika
WITH T AS (
SELECT
*
, (
SELECT
regexp_replace(ea[array_length(ea, 1)], '^Execution Time: (d+.d+) ms$', '1')::real et
FROM
(
SELECT
array_agg(el) ea
FROM
dblink('port= ' || current_setting('port') || ' dbname=' || current_database(), $$
explain analyze
WITH dict AS (
SELECT
json_object(
array_agg(i::text)
, array_agg(i::text)
)
FROM
generate_series(1, $$ || (1 << v) || $$) i
)
SELECT
(TABLE dict) -> (i % ($$ || (1 << v) || $$) + 1)::text
FROM
generate_series(1, $$ || (1 << (v + 3)) || $$) i
$$) T(el text)
) T
) et
FROM
generate_series(0, 19) v
, LATERAL generate_series(1, 7) i
ORDER BY
1, 2
)
SELECT
v
, avg(et)::numeric(32,3)
FROM
T
GROUP BY
1
ORDER BY
1;
I... już mniej więcej przy kluczach 2^6 czytanie ze słownika json zaczyna tracić wiele razy czytanie z hstore, dla jsonb to samo dzieje się przy 2^9.
Wnioski końcowe:
jeśli musisz to zrobić DOŁĄCZ z wieloma powtarzającymi się rekordami — lepiej skorzystać ze „słownika” tabeli
jeśli oczekuje się Twojego słownika mały i niewiele z niego odczytasz - możesz użyć json[b]
we wszystkich innych przypadkach hstore + array_agg(i::text) będzie bardziej skuteczny