SQL எப்படி: வினவலில் நேரடியாக ஒரு நேர வளையத்தை எழுதவும் அல்லது "எலிமெண்டரி த்ரீ-வே"

அவ்வப்போது, ​​விசைகளின் தொகுப்பைப் பயன்படுத்தி தொடர்புடைய தரவைத் தேடும் பணி எழுகிறது. தேவையான மொத்த பதிவுகள் கிடைக்கும் வரை.

மிகவும் "உண்மையான வாழ்க்கை" உதாரணம் காட்ட வேண்டும் 20 பழமையான பிரச்சனைகள், பட்டியலிடப்பட்டுள்ளது பணியாளர்கள் பட்டியலில் (எடுத்துக்காட்டாக, ஒரு பிரிவுக்குள்). பணியிடங்களின் சுருக்கமான சுருக்கங்களைக் கொண்ட பல்வேறு மேலாண்மை "டாஷ்போர்டுகளுக்கு", இதே போன்ற தலைப்பு அடிக்கடி தேவைப்படுகிறது.

இந்த கட்டுரையில் நாம் PostgreSQL இல் அத்தகைய பிரச்சனைக்கு "அப்பாவியான" தீர்வு, "புத்திசாலி" மற்றும் மிகவும் சிக்கலான அல்காரிதம் செயல்படுத்துவதைப் பார்ப்போம். கண்டுபிடிக்கப்பட்ட தரவிலிருந்து வெளியேறும் நிபந்தனையுடன் SQL இல் "லூப்", இது பொதுவான வளர்ச்சிக்கும் மற்ற ஒத்த சந்தர்ப்பங்களில் பயன்படுத்துவதற்கும் பயனுள்ளதாக இருக்கும்.

இதிலிருந்து ஒரு சோதனைத் தரவை எடுத்துக் கொள்வோம் முந்தைய கட்டுரை. வரிசைப்படுத்தப்பட்ட மதிப்புகள் ஒத்துப்போகும் போது காட்டப்படும் பதிவுகள் அவ்வப்போது "குதிப்பதில்" இருந்து தடுக்க, முதன்மை விசையைச் சேர்ப்பதன் மூலம் பொருள் குறியீட்டை விரிவாக்குங்கள். அதே நேரத்தில், இது உடனடியாக தனித்துவத்தை அளிக்கும் மற்றும் வரிசையாக்க வரிசை தெளிவற்றது என்று எங்களுக்கு உத்தரவாதம் அளிக்கும்:

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

கேட்டபடியே எழுதப்பட்டிருக்கிறது

முதலில், கலைஞர்களின் ஐடிகளை அனுப்புவதன் மூலம் கோரிக்கையின் எளிமையான பதிப்பை வரைவோம். உள்ளீட்டு அளவுருவாக வரிசை:

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;

[explain.tensor.ru ஐப் பார்க்கவும்]

கொஞ்சம் வருத்தம் - நாங்கள் 20 பதிவுகளை மட்டுமே ஆர்டர் செய்தோம், ஆனால் இன்டெக்ஸ் ஸ்கேன் அதை எங்களிடம் திருப்பி அனுப்பியது 960 வரிகள், அதையும் வரிசைப்படுத்த வேண்டியிருந்தது... குறைவாகப் படிக்க முயற்சிப்போம்.

unnest + ARRAY

நமக்குத் தேவைப்பட்டால் அது நமக்கு உதவும் முதல் பரிசீலனை 20 மட்டுமே வரிசைப்படுத்தப்பட்டது பதிவுகள், பிறகு படிக்கவும் ஒவ்வொன்றிற்கும் ஒரே வரிசையில் 20 க்கு மேல் இல்லை முக்கிய நல்ல, பொருத்தமான குறியீடு (owner_id, task_date, id) எங்களிடம் உள்ளது.

பிரித்தெடுப்பதற்கும் “நெடுவரிசைகளாகப் பரவுவதற்கும்” அதே பொறிமுறையைப் பயன்படுத்துவோம். ஒருங்கிணைந்த அட்டவணை பதிவு, என கடந்த கட்டுரை. செயல்பாட்டைப் பயன்படுத்தி ஒரு வரிசையில் மடிப்பையும் பயன்படுத்தலாம் 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

[explain.tensor.ru ஐப் பார்க்கவும்]

ஓ, ஏற்கனவே சிறந்தது! 40% வேகமானது மற்றும் 4.5 மடங்கு குறைவான டேட்டா நான் அதைப் படிக்க வேண்டியிருந்தது.

CTE வழியாக அட்டவணைப் பதிவுகளின் பொருள்மயமாக்கல்என்ற உண்மையை உங்கள் கவனத்திற்குக் கொண்டுவருகிறேன் சில சந்தர்ப்பங்களில் ஒரு பதிவின் புலங்களை ஒரு துணை வினவலில் தேடிய பிறகு, அதை CTE இல் "மடக்காமல்" உடனடியாக வேலை செய்வதற்கான முயற்சி இதற்கு வழிவகுக்கும். InitPlan "பெருக்கி" இதே புலங்களின் எண்ணிக்கைக்கு விகிதாசாரமாக:

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

அதே பதிவேடு 4 முறை "பார்க்கப்பட்டது"... PostgreSQL 11 வரை, இந்த நடத்தை வழக்கமாக நிகழ்கிறது, மேலும் தீர்வு CTE இல் "மடக்கு" ஆகும், இது இந்த பதிப்புகளில் உள்ள ஆப்டிமைசருக்கான முழுமையான வரம்பாகும்.

சுழல்நிலை திரட்டி

முந்தைய பதிப்பில், மொத்தத்தில் நாம் படித்தோம் 200 வரிகள் தேவைக்காக 20. 960 அல்ல, ஆனால் இன்னும் குறைவாக - இது சாத்தியமா?

நமக்குத் தேவையான அறிவைப் பயன்படுத்த முயற்சிப்போம் மொத்தம் 20 பதிவுகள். அதாவது, நமக்குத் தேவையான அளவை அடையும் வரை மட்டுமே தரவு வாசிப்பை மீண்டும் செய்வோம்.

படி 1: தொடக்கப் பட்டியல்

வெளிப்படையாக, எங்களின் 20 பதிவுகளின் “இலக்கு” ​​பட்டியல் எங்கள் உரிமையாளர்_ஐடி விசைகளில் ஒன்றின் “முதல்” பதிவுகளுடன் தொடங்க வேண்டும். எனவே, முதலில் நாம் அத்தகையதைக் கண்டுபிடிப்போம் ஒவ்வொரு விசைக்கும் "மிகவும் முதல்" பட்டியலில் சேர்த்து, நாம் விரும்பும் வரிசையில் வரிசைப்படுத்தவும் - (பணி_தேதி, ஐடி).

படி 2: "அடுத்த" உள்ளீடுகளைக் கண்டறியவும்

இப்போது நமது பட்டியலில் இருந்து முதல் பதிவை எடுத்து தொடங்கினால் குறியீட்டுடன் மேலும் "படி" உரிமையாளர்_ஐடி விசையைப் பாதுகாத்தல், பின்னர் கிடைத்த அனைத்து பதிவுகளும் விளைந்த தேர்வில் அடுத்ததாக இருக்கும். நிச்சயமாக, மட்டுமே நாம் பட் கீயை கடக்கும் வரை பட்டியலில் இரண்டாவது நுழைவு.

நாங்கள் இரண்டாவது பதிவை "கடந்தோம்" என்று மாறிவிட்டால், பிறகு முதல் பதிவிற்குப் பதிலாக கடைசியாகப் படித்தவை பட்டியலில் சேர்க்கப்பட வேண்டும் (அதே உரிமையாளர்_ஐடியுடன்), அதன் பிறகு பட்டியலை மீண்டும் வரிசைப்படுத்துவோம்.

அதாவது, பட்டியலில் ஒவ்வொரு விசைக்கும் ஒன்றுக்கு மேற்பட்ட உள்ளீடுகள் இல்லை என்பதை நாங்கள் எப்போதும் பெறுகிறோம் (உள்ளீடுகள் முடிந்து, "குறுக்கு" இல்லை என்றால், பட்டியலில் இருந்து முதல் உள்ளீடு வெறுமனே மறைந்துவிடும், எதுவும் சேர்க்கப்படாது. ), மற்றும் அவர்கள் எப்போதும் வரிசைப்படுத்தப்படும் பயன்பாட்டு விசையின் ஏறுவரிசையில் (task_date, id).

படி 3: பதிவுகளை வடிகட்டி "விரிவாக்கு"

எங்கள் சுழல்நிலை தேர்வின் சில வரிசைகளில், சில பதிவுகள் rv நகலெடுக்கப்பட்டவை - முதலில் "பட்டியலின் 2வது நுழைவின் எல்லையைக் கடப்பது" போன்றவற்றைக் கண்டறிந்து, பின்னர் பட்டியலில் இருந்து 1வது இடமாக மாற்றுவோம். எனவே முதல் நிகழ்வை வடிகட்ட வேண்டும்.

பயங்கரமான இறுதிக் கேள்வி

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

[explain.tensor.ru ஐப் பார்க்கவும்]

இவ்வாறு, நாங்கள் 50% செயல்பாட்டிற்கு 20% தரவு வாசிப்புகளை வர்த்தகம் செய்தது. அதாவது, படிக்க நீண்ட நேரம் ஆகலாம் என்று நம்புவதற்கு உங்களுக்கு காரணங்கள் இருந்தால் (உதாரணமாக, தரவு பெரும்பாலும் தற்காலிக சேமிப்பில் இல்லை, அதற்காக நீங்கள் வட்டுக்குச் செல்ல வேண்டும்), இந்த வழியில் நீங்கள் வாசிப்பதைக் குறைவாகச் சார்ந்து இருக்கலாம். .

எப்படியிருந்தாலும், "அப்பாவி" முதல் விருப்பத்தை விட செயல்படுத்தும் நேரம் சிறப்பாக இருந்தது. ஆனால் இந்த 3 விருப்பங்களில் எதைப் பயன்படுத்துவது என்பது உங்களுடையது.

ஆதாரம்: www.habr.com