పోస్ట్గ్రెస్ ప్రపంచంలో, డేటాబేస్ నిల్వ ("హీప్" అని పిలుస్తారు) యొక్క సమర్థవంతమైన నావిగేషన్ కోసం సూచికలు అవసరం. పోస్ట్గ్రెస్ దాని కోసం క్లస్టరింగ్కు మద్దతు ఇవ్వదు మరియు MVCC ఆర్కిటెక్చర్ మిమ్మల్ని ఒకే టుపుల్ యొక్క అనేక వెర్షన్లతో ముగించేలా చేస్తుంది. అందువల్ల, అప్లికేషన్లకు మద్దతు ఇవ్వడానికి సమర్థవంతమైన సూచికలను సృష్టించడం మరియు నిర్వహించడం చాలా ముఖ్యం.
ఇండెక్స్ల వినియోగాన్ని ఆప్టిమైజ్ చేయడానికి మరియు మెరుగుపరచడానికి ఇక్కడ కొన్ని చిట్కాలు ఉన్నాయి.
గమనిక: దిగువ చూపిన ప్రశ్నలు సవరించని వాటిపై పని చేస్తాయి
కవరింగ్ ఇండెక్స్లను ఉపయోగించడం
నిష్క్రియ వినియోగదారుల కోసం ఇమెయిల్ చిరునామాలను సంగ్రహించే అభ్యర్థనను చూద్దాం. పట్టిక customer
ఒక కాలమ్ ఉంది active
, మరియు ప్రశ్న సులభం:
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)
ప్రశ్న పూర్తి టేబుల్ స్కాన్ సీక్వెన్స్ను ప్రేరేపిస్తుంది customer
. కాలమ్పై సూచికను క్రియేట్ చేద్దాం 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)
ఇది సహాయపడింది, తదుపరి స్కాన్ "index scan
". దీని అర్థం పోస్ట్గ్రెస్ సూచికను స్కాన్ చేస్తుంది "idx_cust1
", ఆపై ఇతర నిలువు వరుసల విలువలను చదవడానికి టేబుల్ హీప్ను శోధించడం కొనసాగించండి (ఈ సందర్భంలో, కాలమ్ email
) ప్రశ్నకు అవసరం.
కవరింగ్ ఇండెక్స్లు PostgreSQL 11లో ప్రవేశపెట్టబడ్డాయి. ఇండెక్స్లోనే ఒకటి లేదా అంతకంటే ఎక్కువ అదనపు నిలువు వరుసలను చేర్చడానికి అవి మిమ్మల్ని అనుమతిస్తాయి - వాటి విలువలు ఇండెక్స్ డేటా స్టోర్లో నిల్వ చేయబడతాయి.
మేము ఈ ఫీచర్ని సద్వినియోగం చేసుకుని, ఇండెక్స్ లోపల ఇమెయిల్ విలువను జోడిస్తే, పోస్ట్గ్రెస్ విలువ కోసం టేబుల్ హీప్లో వెతకవలసిన అవసరం లేదు. email
. ఇది పని చేస్తుందో లేదో చూద్దాం:
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
' ప్రశ్నకు ఇప్పుడు సూచిక మాత్రమే అవసరమని మాకు చెబుతుంది, ఇది టేబుల్ హీప్ని చదవడానికి అన్ని డిస్క్ I/Oలను నివారించడంలో సహాయపడుతుంది.
కవరింగ్ ఇండెక్స్లు ప్రస్తుతం B-ట్రీలకు మాత్రమే అందుబాటులో ఉన్నాయి. అయితే, ఈ సందర్భంలో, నిర్వహణ ప్రయత్నం ఎక్కువగా ఉంటుంది.
పాక్షిక సూచికలను ఉపయోగించడం
పాక్షిక సూచికల సూచిక పట్టికలోని అడ్డు వరుసల ఉపసమితి మాత్రమే. ఇది సూచికల పరిమాణాన్ని ఆదా చేస్తుంది మరియు స్కాన్లను వేగవంతం చేస్తుంది.
మేము కాలిఫోర్నియాలో మా కస్టమర్ల ఇమెయిల్ చిరునామాల జాబితాను పొందాలనుకుంటున్నాము. అభ్యర్థన ఇలా ఉంటుంది:
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)
సాధారణ సూచికలు మనకు ఏమి ఇస్తాయి:
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)
స్కాన్ address
ఇండెక్స్ స్కాన్ ద్వారా భర్తీ చేయబడింది idx_address1
ఆపై కుప్పను స్కాన్ చేశాడు address
.
ఇది తరచుగా జరిగే ప్రశ్న మరియు ఆప్టిమైజ్ చేయాల్సిన అవసరం ఉన్నందున, మేము పాక్షిక సూచికను ఉపయోగించవచ్చు, ఇది జిల్లా చిరునామాలతో ఉన్న వరుసలను మాత్రమే సూచిక చేస్తుంది ‘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)
ఇప్పుడు ప్రశ్న మాత్రమే చదువుతుంది idx_address2
మరియు టేబుల్ను తాకదు address
.
బహుళ-విలువ సూచికలను ఉపయోగించడం
ఇండెక్స్ చేయాల్సిన కొన్ని నిలువు వరుసలు స్కేలార్ డేటా రకాన్ని కలిగి ఉండకపోవచ్చు. వంటి కాలమ్ రకాలు jsonb
, arrays
и tsvector
మిశ్రమ లేదా బహుళ విలువలను కలిగి ఉంటుంది. మీరు అటువంటి నిలువు వరుసలను సూచిక చేయవలసి వస్తే, మీరు సాధారణంగా ఆ నిలువు వరుసలలోని అన్ని వ్యక్తిగత విలువలను వెతకాలి.
విఫలమైన టేక్ల నుండి కట్లను కలిగి ఉన్న అన్ని చిత్రాల టైటిల్లను కనుగొనడానికి ప్రయత్నిద్దాం. పట్టిక film
అనే టెక్స్ట్ కాలమ్ ఉంది special_features
. చలనచిత్రం ఈ "ప్రత్యేక లక్షణం"ని కలిగి ఉన్నట్లయితే, నిలువు వరుస మూలకాన్ని వచన శ్రేణిగా కలిగి ఉంటుంది Behind The Scenes
. అటువంటి చిత్రాలన్నింటిని శోధించడానికి, మేము "తెర వెనుక" ఎప్పుడు ఉన్న అన్ని అడ్డు వరుసలను ఎంచుకోవాలి ఏ శ్రేణి విలువలు special_features
:
SELECT title FROM film WHERE special_features @> '{"Behind The Scenes"}';
నెస్టింగ్ ఆపరేటర్ @>
కుడి వైపు ఎడమ వైపు ఉపసమితి ఉంటే తనిఖీ చేస్తుంది.
అభ్యర్థన ప్రణాళిక:
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)
ఇది 67 ధరతో పూర్తి హీప్ స్కాన్ని అభ్యర్థిస్తుంది.
సాధారణ B-ట్రీ సూచిక మనకు సహాయపడుతుందో లేదో చూద్దాం:
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)
ఇండెక్స్ కూడా పరిగణించబడలేదు. ఇండెక్స్ చేయబడిన విలువలలో వ్యక్తిగత మూలకాల ఉనికి గురించి B-ట్రీ సూచికకు తెలియదు.
మాకు GIN సూచిక అవసరం.
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)
ఇండెక్స్ చేయబడిన మిశ్రమ విలువలకు వ్యతిరేకంగా ఒకే విలువలను మ్యాపింగ్ చేయడానికి GIN సూచిక మద్దతు ఇస్తుంది, ఫలితంగా ప్రశ్న ప్రణాళిక ధర సగానికి పైగా తగ్గుతుంది.
డూప్లికేట్ ఇండెక్స్లను వదిలించుకోవడం
ఇండెక్స్లు కాలక్రమేణా పేరుకుపోతాయి మరియు కొన్నిసార్లు కొత్త ఇండెక్స్ మునుపటి వాటిలో ఒకదానితో సమానమైన నిర్వచనాన్ని కలిగి ఉండవచ్చు. ఇండెక్స్ల యొక్క మానవులు చదవగలిగే SQL నిర్వచనాలను పొందడానికి మీరు కేటలాగ్ వీక్షణను ఉపయోగించవచ్చు. pg_indexes
. మీరు ఒకే విధమైన నిర్వచనాలను కూడా సులభంగా కనుగొనవచ్చు:
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)
సూపర్సెట్ సూచికలు
మీరు అనేక సూచికలతో ముగుస్తుంది, వాటిలో ఒకటి ఇతర సూచికలను సూచించే నిలువు వరుసల సూపర్సెట్ని సూచిస్తుంది. ఇది అవాంఛనీయమైనది కావచ్చు లేదా కాకపోవచ్చు-సూపర్సెట్ వల్ల ఇండెక్స్-మాత్రమే స్కాన్లు ఉండవచ్చు, ఇది మంచిది, కానీ ఇది చాలా ఎక్కువ స్థలాన్ని తీసుకోవచ్చు లేదా సూపర్సెట్ ఆప్టిమైజ్ చేయడానికి ఉద్దేశించబడిన ప్రశ్న ఇకపై ఉపయోగించబడదు.
మీరు అటువంటి సూచికల నిర్వచనాన్ని ఆటోమేట్ చేయవలసి వస్తే, మీరు దీన్ని ప్రారంభించవచ్చు pg_catalog
.
ఉపయోగించని సూచికలు
డేటాబేస్లను ఉపయోగించే అప్లికేషన్లు అభివృద్ధి చెందుతున్నప్పుడు, అవి ఉపయోగించే ప్రశ్నలు కూడా అభివృద్ధి చెందుతాయి. ఇంతకు ముందు జోడించిన సూచికలు ఇకపై ఏ ప్రశ్న ద్వారా ఉపయోగించబడవు. ఇండెక్స్ స్కాన్ చేయబడిన ప్రతిసారీ, అది స్టాటిస్టిక్స్ మేనేజర్ ద్వారా మరియు సిస్టమ్ కేటలాగ్ వీక్షణలో గుర్తించబడుతుంది pg_stat_user_indexes
మీరు విలువను చూడవచ్చు idx_scan
, ఇది సంచిత కౌంటర్. ఈ విలువను కొంత వ్యవధిలో ట్రాక్ చేయడం (నెల అని చెప్పండి) ఏ సూచికలు ఉపయోగించబడటం లేదు మరియు వదిలివేయబడవచ్చు అనే మంచి ఆలోచనను ఇస్తుంది.
స్కీమాలోని అన్ని ఇండెక్స్ల ప్రస్తుత స్కాన్ గణనలను పొందడానికి ఇక్కడ ఒక ప్రశ్న ఉంది ‘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)
తక్కువ లాక్లతో ఇండెక్స్లను పునర్నిర్మించడం
సూచికలు తరచుగా పునర్నిర్మించబడాలి, ఉదాహరణకు అవి ఉబ్బినప్పుడు మరియు పునర్నిర్మాణం స్కాన్ను వేగవంతం చేస్తుంది. ఇండెక్స్లు కూడా పాడవుతాయి. ఇండెక్స్ పారామితులను మార్చడం వలన దానిని పునర్నిర్మించడం కూడా అవసరం కావచ్చు.
సమాంతర సూచిక సృష్టిని ప్రారంభించండి
PostgreSQL 11లో, B-ట్రీ ఇండెక్స్ను రూపొందించడం ఏకకాలంలో ఉంటుంది. సృష్టి ప్రక్రియను వేగవంతం చేయడానికి, అనేక సమాంతర కార్మికులను ఉపయోగించవచ్చు. అయితే, ఈ కాన్ఫిగరేషన్ ఎంపికలు సరిగ్గా సెట్ చేయబడిందని నిర్ధారించుకోండి:
SET max_parallel_workers = 32;
SET max_parallel_maintenance_workers = 16;
డిఫాల్ట్ విలువలు చాలా చిన్నవి. ఆదర్శవంతంగా, ఈ సంఖ్యలు ప్రాసెసర్ కోర్ల సంఖ్యతో పాటు పెరగాలి. లో మరింత చదవండి
నేపథ్య సూచిక సృష్టి
మీరు ఎంపికను ఉపయోగించి నేపథ్యంలో సూచికను సృష్టించవచ్చు CONCURRENTLY
ఆదేశాలు CREATE INDEX
:
pagila=# CREATE INDEX CONCURRENTLY idx_address1 ON address(district);
CREATE INDEX
ఈ సూచిక సృష్టి విధానం సాధారణమైనదానికి భిన్నంగా ఉంటుంది, దీనికి టేబుల్పై తాళం అవసరం లేదు మరియు అందువల్ల వ్రాత కార్యకలాపాలను నిరోధించదు. మరోవైపు, దీనికి ఎక్కువ సమయం పడుతుంది మరియు ఎక్కువ వనరులను వినియోగిస్తుంది.
పోస్ట్గ్రెస్ ఇండెక్స్లను రూపొందించడానికి మరియు ఏదైనా ప్రత్యేక కేసులను పరిష్కరించడానికి మార్గాలను, అలాగే మీ అప్లికేషన్ పేలుతున్నప్పుడు డేటాబేస్ను నిర్వహించే మార్గాలను అందిస్తుంది. ఈ చిట్కాలు మీ ప్రశ్నలను వేగంగా పొందడానికి మరియు మీ డేటాబేస్ స్కేల్ చేయడానికి సిద్ధంగా ఉండటానికి మీకు సహాయపడతాయని మేము ఆశిస్తున్నాము.
మూలం: www.habr.com