PostgreSQL యాంటీప్యాటర్న్స్: “ఇన్ఫినిటీ అనేది పరిమితి కాదు!”, లేదా రికర్షన్ గురించి కొంచెం

పునరావృతం - సంబంధిత డేటాపై అదే “లోతైన” చర్యలు చేస్తే చాలా శక్తివంతమైన మరియు అనుకూలమైన యంత్రాంగం. కానీ అనియంత్రిత పునరావృతం ఒక చెడు, ఇది దేనికైనా దారితీయవచ్చు అంతులేని అమలు ప్రక్రియ, లేదా (ఇది తరచుగా జరుగుతుంది) కు అందుబాటులో ఉన్న మొత్తం మెమరీని "తినడం".

ఈ విషయంలో DBMS అదే సూత్రాలపై పని చేస్తుంది - "వారు నన్ను తవ్వమని చెప్పారు, కాబట్టి నేను తవ్వాను". మీ అభ్యర్థన పొరుగు ప్రక్రియలను నెమ్మదిస్తుంది, నిరంతరం ప్రాసెసర్ వనరులను తీసుకుంటుంది, కానీ మొత్తం డేటాబేస్ను "డ్రాప్" చేస్తుంది, అందుబాటులో ఉన్న మొత్తం మెమరీని "తినేస్తుంది". కాబట్టి. అనంతమైన పునరావృతం నుండి రక్షణ - డెవలపర్ యొక్క బాధ్యత.

PostgreSQLలో, రికర్సివ్ క్వెరీలను ఉపయోగించే సామర్థ్యం WITH RECURSIVE వెర్షన్ 8.4 యొక్క ప్రాచీన కాలంలో కనిపించింది, కానీ మీరు ఇప్పటికీ తరచుగా హాని కలిగించే "రక్షణలేని" ప్రశ్నలను ఎదుర్కోవచ్చు. ఈ రకమైన సమస్యల నుండి మిమ్మల్ని మీరు ఎలా వదిలించుకోవాలి?

పునరావృత ప్రశ్నలను వ్రాయవద్దు

మరియు పునరావృతం కాని వాటిని వ్రాయండి. భవదీయులు, మీ K.O.

నిజానికి, PostgreSQL మీరు ఉపయోగించగల చాలా ఫంక్షనాలిటీని అందిస్తుంది కాదు పునరావృతం వర్తిస్తాయి.

సమస్యకు ప్రాథమికంగా భిన్నమైన విధానాన్ని ఉపయోగించండి

కొన్నిసార్లు మీరు సమస్యను "వేర్వేరు వైపు" నుండి చూడవచ్చు. నేను వ్యాసంలో అటువంటి పరిస్థితికి ఒక ఉదాహరణ ఇచ్చాను "SQL ఎలా: 1000 మరియు అగ్రిగేషన్ యొక్క ఒక మార్గం" - కస్టమ్ కంకర ఫంక్షన్‌లను ఉపయోగించకుండా సంఖ్యల సమితిని గుణించడం:

WITH RECURSIVE src AS (
  SELECT '{2,3,5,7,11,13,17,19}'::integer[] arr
)
, T(i, val) AS (
  SELECT
    1::bigint
  , 1
UNION ALL
  SELECT
    i + 1
  , val * arr[i]
  FROM
    T
  , src
  WHERE
    i <= array_length(arr, 1)
)
SELECT
  val
FROM
  T
ORDER BY -- отбор финального результата
  i DESC
LIMIT 1;

ఈ అభ్యర్థనను గణిత నిపుణుల ఎంపికతో భర్తీ చేయవచ్చు:

WITH src AS (
  SELECT unnest('{2,3,5,7,11,13,17,19}'::integer[]) prime
)
SELECT
  exp(sum(ln(prime)))::integer val
FROM
  src;

లూప్‌లకు బదులుగా జనరేట్_సిరీస్‌ని ఉపయోగించండి

స్ట్రింగ్ కోసం సాధ్యమయ్యే అన్ని ఉపసర్గలను రూపొందించే పనిని మేము ఎదుర్కొంటున్నామని చెప్పండి 'abcdefgh':

WITH RECURSIVE T AS (
  SELECT 'abcdefgh' str
UNION ALL
  SELECT
    substr(str, 1, length(str) - 1)
  FROM
    T
  WHERE
    length(str) > 1
)
TABLE T;

మీకు ఖచ్చితంగా ఇక్కడ రికర్షన్ అవసరమా?.. మీరు ఉపయోగిస్తే LATERAL и generate_series, అప్పుడు మీకు CTE కూడా అవసరం లేదు:

SELECT
  substr(str, 1, ln) str
FROM
  (VALUES('abcdefgh')) T(str)
, LATERAL(
    SELECT generate_series(length(str), 1, -1) ln
  ) X;

డేటాబేస్ నిర్మాణాన్ని మార్చండి

ఉదాహరణకు, మీరు ఎవరికి ప్రతిస్పందించిన వారి నుండి కనెక్షన్‌లతో కూడిన ఫోరమ్ సందేశాల పట్టిక లేదా థ్రెడ్‌ను కలిగి ఉన్నారు సామాజిక నెట్వర్క్:

CREATE TABLE message(
  message_id
    uuid
      PRIMARY KEY
, reply_to
    uuid
      REFERENCES message
, body
    text
);
CREATE INDEX ON message(reply_to);

సరే, ఒక అంశంపై అన్ని సందేశాలను డౌన్‌లోడ్ చేయడానికి ఒక సాధారణ అభ్యర్థన ఇలా కనిపిస్తుంది:

WITH RECURSIVE T AS (
  SELECT
    *
  FROM
    message
  WHERE
    message_id = $1
UNION ALL
  SELECT
    m.*
  FROM
    T
  JOIN
    message m
      ON m.reply_to = T.message_id
)
TABLE T;

అయితే మనకు ఎల్లప్పుడూ రూట్ సందేశం నుండి మొత్తం టాపిక్ అవసరం కాబట్టి, మనం ఎందుకు చేయకూడదు ప్రతి ఎంట్రీకి దాని IDని జోడించండి స్వయంచాలకంగా?

-- добавим поле с общим идентификатором темы и индекс на него
ALTER TABLE message
  ADD COLUMN theme_id uuid;
CREATE INDEX ON message(theme_id);

-- инициализируем идентификатор темы в триггере при вставке
CREATE OR REPLACE FUNCTION ins() RETURNS TRIGGER AS $$
BEGIN
  NEW.theme_id = CASE
    WHEN NEW.reply_to IS NULL THEN NEW.message_id -- берем из стартового события
    ELSE ( -- или из сообщения, на которое отвечаем
      SELECT
        theme_id
      FROM
        message
      WHERE
        message_id = NEW.reply_to
    )
  END;
  RETURN NEW;
END;
$$ LANGUAGE plpgsql;

CREATE TRIGGER ins BEFORE INSERT
  ON message
    FOR EACH ROW
      EXECUTE PROCEDURE ins();

ఇప్పుడు మా మొత్తం పునరావృత ప్రశ్నను ఇలా తగ్గించవచ్చు:

SELECT
  *
FROM
  message
WHERE
  theme_id = $1;

వర్తించే "పరిమితులు" ఉపయోగించండి

కొన్ని కారణాల వల్ల మేము డేటాబేస్ యొక్క నిర్మాణాన్ని మార్చలేకపోతే, డేటాలో లోపం ఉనికిని కూడా అంతులేని పునరావృతానికి దారితీయకుండా ఉండటానికి మనం దేనిపై ఆధారపడవచ్చో చూద్దాం.

రికర్షన్ డెప్త్ కౌంటర్

మేము స్పష్టంగా సరిపోదని భావించే పరిమితిని చేరుకునే వరకు మేము ప్రతి పునరావృత దశలో కౌంటర్‌ను ఒక్కొక్కటిగా పెంచుతాము:

WITH RECURSIVE T AS (
  SELECT
    0 i
  ...
UNION ALL
  SELECT
    i + 1
  ...
  WHERE
    T.i < 64 -- предел
)

ప్రో: మేము లూప్ చేయడానికి ప్రయత్నించినప్పుడు, మేము ఇంకా "డెప్త్‌లో" పునరావృతాల యొక్క పేర్కొన్న పరిమితి కంటే ఎక్కువ చేయము.
కాన్స్: మేము అదే రికార్డ్‌ను మళ్లీ ప్రాసెస్ చేయలేమని హామీ లేదు - ఉదాహరణకు, 15 మరియు 25 లోతులో, ఆపై ప్రతి +10. మరియు "వెడల్పు" గురించి ఎవరూ వాగ్దానం చేయలేదు.

అధికారికంగా, అటువంటి పునరావృతం అనంతం కాదు, కానీ ప్రతి దశలో రికార్డుల సంఖ్య విపరీతంగా పెరిగితే, అది ఎలా ముగుస్తుందో మనందరికీ బాగా తెలుసు...

"చదరంగంలో గింజల సమస్య" చూడండి

"మార్గం" యొక్క సంరక్షకుడు

మేము రికర్షన్ మార్గంలో ఎదుర్కొన్న అన్ని ఆబ్జెక్ట్ ఐడెంటిఫైయర్‌లను ప్రత్యామ్నాయంగా శ్రేణిలోకి జోడిస్తాము, ఇది దానికి ప్రత్యేకమైన “మార్గం”:

WITH RECURSIVE T AS (
  SELECT
    ARRAY[id] path
  ...
UNION ALL
  SELECT
    path || id
  ...
  WHERE
    id <> ALL(T.path) -- не совпадает ни с одним из
)

ప్రో: డేటాలో సైకిల్ ఉన్నట్లయితే, మేము ఖచ్చితంగా అదే రికార్డును ఒకే మార్గంలో పదేపదే ప్రాసెస్ చేయము.
కాన్స్: కానీ అదే సమయంలో, మనం పునరావృతం చేయకుండా అన్ని రికార్డులను అక్షరాలా దాటవేయవచ్చు.

"నైట్ యొక్క తరలింపు సమస్య" చూడండి

మార్గం పొడవు పరిమితి

అపారమయిన లోతు వద్ద పునరావృత "సంచారం" యొక్క పరిస్థితిని నివారించడానికి, మేము రెండు మునుపటి పద్ధతులను మిళితం చేయవచ్చు. లేదా, మేము అనవసరమైన ఫీల్డ్‌లకు మద్దతు ఇవ్వకూడదనుకుంటే, పాత్ పొడవు యొక్క అంచనాతో పునరావృత్తిని కొనసాగించడానికి షరతును భర్తీ చేయండి:

WITH RECURSIVE T AS (
  SELECT
    ARRAY[id] path
  ...
UNION ALL
  SELECT
    path || id
  ...
  WHERE
    id <> ALL(T.path) AND
    array_length(T.path, 1) < 10
)

మీ రుచికి ఒక పద్ధతిని ఎంచుకోండి!

మూలం: www.habr.com