PostgreSQL अनुक्रमिक स्कैन के बजाय अनुक्रमिक स्कैन क्यों?

12

हाय सब मैं अपने PostgreSQL डेटाबेस क्वेरी के साथ एक समस्या है और सोच रहा था कि अगर कोई मदद कर सकता है। कुछ परिदृश्यों में मेरी क्वेरी उस अनुक्रमणिका की उपेक्षा करती है जो मैंने बनाई है जिसका उपयोग दो तालिकाओं dataऔर में शामिल होने के लिए किया जाता है data_area। जब ऐसा होता है तो यह एक अनुक्रमिक स्कैन का उपयोग करता है और बहुत धीमी क्वेरी में परिणाम करता है।

अनुक्रमिक स्कैन (~ 5 मिनट)

Unique  (cost=15368261.82..15369053.96 rows=200 width=1942) (actual time=301266.832..301346.936 rows=153812 loops=1)
   CTE data
     ->  Bitmap Heap Scan on data  (cost=6086.77..610089.54 rows=321976 width=297) (actual time=26.286..197.625 rows=335130 loops=1)
           Recheck Cond: (datasetid = 1)
           Filter: ((readingdatetime >= '1920-01-01 00:00:00'::timestamp without time zone) AND (readingdatetime <= '2013-03-11 00:00:00'::timestamp without time zone) AND (depth >= 0::double precision) AND (depth <= 99999::double precision))
           ->  Bitmap Index Scan on data_datasetid_index  (cost=0.00..6006.27 rows=324789 width=0) (actual time=25.462..25.462 rows=335130 loops=1)
                 Index Cond: (datasetid = 1)
   ->  Sort  (cost=15368261.82..15368657.89 rows=158427 width=1942) (actual time=301266.829..301287.110 rows=155194 loops=1)
         Sort Key: data.id
         Sort Method: quicksort  Memory: 81999kB
         ->  Hash Left Join  (cost=15174943.29..15354578.91 rows=158427 width=1942) (actual time=300068.588..301052.832 rows=155194 loops=1)
               Hash Cond: (data_area.area_id = area.id)
               ->  Hash Join  (cost=15174792.93..15351854.12 rows=158427 width=684) (actual time=300066.288..300971.644 rows=155194 loops=1)
                     Hash Cond: (data.id = data_area.data_id)
                     ->  CTE Scan on data  (cost=0.00..6439.52 rows=321976 width=676) (actual time=26.290..313.842 rows=335130 loops=1)
                     ->  Hash  (cost=14857017.62..14857017.62 rows=25422025 width=8) (actual time=300028.260..300028.260 rows=26709939 loops=1)
                           Buckets: 4194304  Batches: 1  Memory Usage: 1043357kB
                           ->  Seq Scan on data_area  (cost=0.00..14857017.62 rows=25422025 width=8) (actual time=182921.056..291687.996 rows=26709939 loops=1)
                                 Filter: (area_id = ANY ('{28,29,30,31,32,33,25,26,27,18,19,20,21,12,13,14,15,16,17,34,35,1,2,3,4,5,6,22,23,24,7,8,9,10,11}'::integer[]))
               ->  Hash  (cost=108.49..108.49 rows=3349 width=1258) (actual time=2.256..2.256 rows=3349 loops=1)
                     Buckets: 1024  Batches: 1  Memory Usage: 584kB
                     ->  Seq Scan on area  (cost=0.00..108.49 rows=3349 width=1258) (actual time=0.007..0.666 rows=3349 loops=1)
 Total runtime: 301493.379 ms

सूचकांक स्कैन (~ 3 सेकंड) ( समझाने पर ..desz.com )

Unique  (cost=17352256.47..17353067.50 rows=200 width=1942) (actual time=3603.303..3681.619 rows=153812 loops=1)
   CTE data
     ->  Bitmap Heap Scan on data  (cost=6284.60..619979.56 rows=332340 width=297) (actual time=26.201..262.314 rows=335130 loops=1)
           Recheck Cond: (datasetid = 1)
           Filter: ((readingdatetime >= '1920-01-01 00:00:00'::timestamp without time zone) AND (readingdatetime <= '2013-03-11 00:00:00'::timestamp without time zone) AND (depth >= 0::double precision) AND (depth <= 99999::double precision))
           ->  Bitmap Index Scan on data_datasetid_index  (cost=0.00..6201.51 rows=335354 width=0) (actual time=25.381..25.381 rows=335130 loops=1)
                 Index Cond: (datasetid = 1)
   ->  Sort  (cost=17352256.47..17352661.98 rows=162206 width=1942) (actual time=3603.302..3623.113 rows=155194 loops=1)
         Sort Key: data.id
         Sort Method: quicksort  Memory: 81999kB
         ->  Hash Left Join  (cost=1296.08..17338219.59 rows=162206 width=1942) (actual time=29.980..3375.921 rows=155194 loops=1)
               Hash Cond: (data_area.area_id = area.id)
               ->  Nested Loop  (cost=0.00..17334287.66 rows=162206 width=684) (actual time=26.903..3268.674 rows=155194 loops=1)
                     ->  CTE Scan on data  (cost=0.00..6646.80 rows=332340 width=676) (actual time=26.205..421.858 rows=335130 loops=1)
                     ->  Index Scan using data_area_pkey on data_area  (cost=0.00..52.13 rows=1 width=8) (actual time=0.006..0.008 rows=0 loops=335130)
                           Index Cond: (data_id = data.id)
                           Filter: (area_id = ANY ('{28,29,30,31,32,33,25,26,27,18,19,20,21,12,13,14,15,16,17,34,35,1,2,3,4,5,6,22,23,24,7,8,9,10,11}'::integer[]))
               ->  Hash  (cost=1254.22..1254.22 rows=3349 width=1258) (actual time=3.057..3.057 rows=3349 loops=1)
                     Buckets: 1024  Batches: 1  Memory Usage: 584kB
                     ->  Index Scan using area_primary_key on area  (cost=0.00..1254.22 rows=3349 width=1258) (actual time=0.012..1.429 rows=3349 loops=1)
 Total runtime: 3706.630 ms

तालिका संरचना

यह तालिका के लिए तालिका संरचना है data_area। यदि आवश्यक हो तो मैं अन्य तालिकाओं को प्रदान कर सकता हूं।

CREATE TABLE data_area
(
  data_id integer NOT NULL,
  area_id integer NOT NULL,
  CONSTRAINT data_area_pkey PRIMARY KEY (data_id , area_id ),
  CONSTRAINT data_area_area_id_fk FOREIGN KEY (area_id)
      REFERENCES area (id) MATCH SIMPLE
      ON UPDATE NO ACTION ON DELETE NO ACTION,
  CONSTRAINT data_area_data_id_fk FOREIGN KEY (data_id)
      REFERENCES data (id) MATCH SIMPLE
      ON UPDATE CASCADE ON DELETE CASCADE
);

क्वेरी के

WITH data AS (
    SELECT * 
    FROM data 
    WHERE 
        datasetid IN (1) 
        AND (readingdatetime BETWEEN '1920-01-01' AND '2013-03-11') 
        AND depth BETWEEN 0 AND 99999
)
SELECT * 
FROM ( 
    SELECT DISTINCT ON (data.id) data.id, * 
    FROM 
        data, 
        data_area 
        LEFT JOIN area ON area_id = area.id 
    WHERE 
        data_id = data.id 
        AND area_id IN (28,29,30,31,32,33,25,26,27,18,19,20,21,12,13,14,15,16,17,34,35,1,2,3,4,5,6,22,23,24,7,8,9,10,11) 
) as s;

153812पंक्तियाँ लौटाता है । क्या set enable_seqscan= false;अक्षम अनुक्रमिक स्कैन करने के लिए और सूचकांक परिणाम मिलता है।

मैंने ANALYSEडेटाबेस पर करने की कोशिश की है और क्वेरी में उपयोग किए गए कॉलम पर इकट्ठा किए गए आंकड़ों को बढ़ा रहा है, लेकिन कुछ भी मदद नहीं करता है।

किसी को फैल सकता है और इस पर प्रकाश या सुझाव कुछ और मैं कोशिश करनी चाहिए?

postgresql  query-performance  execution-plan 
— मार्क डेविडसन
स्रोत
यदि आप उन निष्पादन योजनाओं में से प्रत्येक को उत्पन्न करने वाले प्रश्नों को शामिल करते हैं तो यह मेरी मदद करेगा ।
— माइक शेरिल 'कैट रिकॉल'
अनुमानित संख्याओं और पंक्तियों की वास्तविक संख्या में परिमाण के 2 आदेशों का अंतर? क्या मैं यह सही पढ़ रहा हूं?
— माइक शेरिल 'कैट रिकॉल'
@Catcall ने क्वेरी को जोड़ा है (थोड़े मौलिक काम करने में सक्षम होने के लिए)। जब आप अनुमानित पंक्तियों का उल्लेख करते हैं कि 200 और फिर वास्तव में 153812 वापस आ रही है?
— मार्क डेविडसन
2
हां, 200 बनाम 150k एक नज़र में अजीब लगता है। क्या कार्टेसियन उत्पाद ( FROM data, data_area) के साथ बाएं हाथ मिलाने के लिए एक सम्मोहक कारण है ? पहली नज़र में, बिना आदेश के बिना आदेश पर DISTINCT का उपयोग करना एक बुरा विचार है।
— माइक शेरिल 'कैट रिकॉल'
Explan.depesz.com/s/Uzin जानकारीपूर्ण हो सकता है।
— क्रेग रिंगर

जवाबों:

8

इस लाइन पर ध्यान दें:

->  Index Scan using data_area_pkey on data_area  (cost=0.00..52.13 rows=1 width=8) 
    (actual time=0.006..0.008 rows=0 loops=335130)

यदि आप लूप को देखते हुए कुल लागत की गणना करते हैं, तो यह है 52.3 * 335130 = 17527299। यह seq_scanविकल्प के लिए 14857017.62 से बड़ा है । यही कारण है कि यह सूचकांक का उपयोग नहीं करता है।

इसलिए आशावादी सूचकांक स्कैन की लागत को कम कर रहा है। मुझे लगता है कि आपका डेटा इंडेक्स पर सॉर्ट किया गया है (या तो क्लस्टर इंडेक्स के कारण या इसे कैसे लोड किया गया था) और / या आपके पास बहुत सारी कैशे मेमोरी और / या एक अच्छी फास्ट डिस्क है। इसलिए थोड़ा यादृच्छिक I / O चल रहा है।

आप यह भी जाँच करनी चाहिए correlationमें pg_stats, कि अनुकूलक द्वारा प्रयोग किया जाता सूचकांक लागत की गणना करते समय क्लस्टरिंग का आकलन करने के, और अंत में बदलने का प्रयास करें random_page_costऔर cpu_index_tuple_costअपने सिस्टम मैच के लिए,।

— jop
स्रोत
जब तक मैं कुछ याद कर रहा हूँ, मैं मतलब @jop लगता है 52.13, नहीं 52.3है, जो १७४७०३२६.९ में परिणाम होगा (अभी भी seq_scan से बड़ा)
— botnet
2

आपका CTE वास्तव में और कुछ नहीं करता है, तो कुछ WHEREशर्तों को 'आउटसोर्स' करता है , उनमें से ज्यादातर समान दिखते हैं WHERE TRUE। चूंकि सीटीई आमतौर पर एक अनुकूलन बाड़ के पीछे होता है (जिसका अर्थ है कि यह अपने आप ही अनुकूलित है), वे कुछ प्रश्नों के साथ बहुत मदद कर सकते हैं। इस मामले में, हालांकि, मैं सटीक विपरीत प्रभाव की उम्मीद करूंगा।

मैं कोशिश करूँगा कि प्रश्न को जितना संभव हो उतना सरल होने के लिए फिर से लिखा जाए:

SELECT d.id, * 
FROM 
    data d 
    JOIN data_area da ON da.data_id = d.id
    LEFT JOIN area a ON da.area_id = a.id 
WHERE 
    d.datasetid IN (1) 
    AND da.area_id IN (28,29,30,31,32,33,25,26,27,18,19,20,21,12,13,14,15,16,17,34,35,1,2,3,4,5,6,22,23,24,7,8,9,10,11) 
    AND (readingdatetime BETWEEN '1920-01-01' AND '2013-03-11') -- this and the next condition don't do anything, I think
    AND depth BETWEEN 0 AND 99999
;

और फिर जांचें कि क्या सूचकांक का उपयोग किया गया है या नहीं। यह अभी भी बहुत संभव है कि आपको सभी आउटपुट कॉलम की जरूरत नहीं है (कम से कम जंक्शन टेबल के दो कॉलम सुपरफ्लस हैं)।

कृपया वापस रिपोर्ट करें और हमें बताएं कि आप कौन सा PostgreSQL संस्करण उपयोग करते हैं।

— Dezso
स्रोत
आपके सुझाव के लिए धन्यवाद, आपके पोस्ट पर मेरे विलंबित उत्तर के लिए मेरी क्षमा याचना, मैं अन्य परियोजनाओं पर काम कर रहा हूं। आपके सुझाव का वास्तव में मतलब है कि क्वेरी अब सभी प्रश्नों के लिए सूचकांक का मज़बूती से उपयोग करने लगती है लेकिन मुझे अभी भी वह प्रदर्शन नहीं मिल रहा है जिसकी मुझे उम्मीद है। मैंने एक क्वेरी पर एक विश्लेषण किया है जिसमें बहुत अधिक डेटा समझाया गया है ।epesz.com/s/1yu , INDEX स्कैन पर खर्च होने वाले 95% समय के साथ 4 मिनट लेता है।
— डेविडसन
उल्लेख करना भूल गया कि मैं संस्करण 9.1.4 का उपयोग कर रहा हूँ
— मार्क डेविडसन
मूल रूप से सूचकांक स्कैन काफी तेज है, समस्या यह है कि इसे कुछ मिलियन बार दोहराया जाता है। SET enable_nestloop=offक्वेरी चलाने से पहले आपको क्या मिलेगा ?
— dezso 14
-1

अनुयायियों के लिए, मेरे पास एक समान समस्या थी जो पसंद थी

select * from table where bigint_column between x and y and mod(bigint_column, 10000) == z

समस्या यह थी कि मेरे bigint_column "के बीच x और y" का एक सूचकांक था, लेकिन मेरी क्वेरी मूल रूप से उस तालिका में "सभी पंक्तियों" थी, इसलिए यह सूचकांक का उपयोग नहीं कर रहा था [क्योंकि इसे पूरी तालिका को वैसे भी स्कैन करना था] लेकिन seq_scan अनुक्रमिक स्कैन कर रहा था। मेरे लिए एक समीकरण समीकरण के "मॉड" पक्ष के लिए एक नया सूचकांक बनाना था, ताकि वह अभिव्यक्ति पर इसका उपयोग कर सके ।

— rogerdpack
स्रोत
1
downvoters टिप्पणी करने के लिए स्वतंत्र महसूस क्यों करते हैं :)
— rogerdpack 4
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.