बड़ी तालिका से प्रति समूह का सबसे बड़ा मूल्य प्राप्त करने के लिए कुशल क्वेरी

Question

तालिका दी गई है:

    Column    |            Type             
 id           | integer                     
 latitude     | numeric(9,6)                
 longitude    | numeric(9,6)                
 speed        | integer                     
 equipment_id | integer                     
 created_at   | timestamp without time zone
Indexes:
    "geoposition_records_pkey" PRIMARY KEY, btree (id)

तालिका में 20 मिलियन रिकॉर्ड हैं, जो अपेक्षाकृत अधिक बोलने वाले नहीं हैं। लेकिन यह अनुक्रमिक स्कैन को धीमा कर देता है।

मैं max(created_at)प्रत्येक का अंतिम रिकॉर्ड ( ) कैसे प्राप्त कर सकता हूं equipment_id?

मैंने निम्नलिखित प्रश्नों की कोशिश की है, कई वेरिएंट्स के साथ जिन्हें मैंने इस विषय के कई उत्तरों के माध्यम से पढ़ा है:

select max(created_at),equipment_id from geoposition_records group by equipment_id;

select distinct on (equipment_id) equipment_id,created_at 
  from geoposition_records order by equipment_id, created_at desc;

मैंने इसके लिए btree indexes बनाने की भी कोशिश की है, equipment_id,created_atलेकिन Postgres पाता है कि sesscan का उपयोग तेज है। enable_seqscan = offइंडेक्स पढ़ने के बाद से फोर्सिंग का कोई फायदा नहीं है, सीक स्कैन जितना धीमा है, शायद उतना ही बुरा है।

क्वेरी को हमेशा अंतिम रूप से लौटते समय चलना चाहिए।

Postgres 9.3 का उपयोग करना।

व्याख्या / विश्लेषण (1.7 मिलियन रिकॉर्ड के साथ):

set enable_seqscan=true;
explain analyze select max(created_at),equipment_id from geoposition_records group by equipment_id;
"HashAggregate  (cost=47803.77..47804.34 rows=57 width=12) (actual time=1935.536..1935.556 rows=58 loops=1)"
"  ->  Seq Scan on geoposition_records  (cost=0.00..39544.51 rows=1651851 width=12) (actual time=0.029..494.296 rows=1651851 loops=1)"
"Total runtime: 1935.632 ms"

set enable_seqscan=false;
explain analyze select max(created_at),equipment_id from geoposition_records group by equipment_id;
"GroupAggregate  (cost=0.00..2995933.57 rows=57 width=12) (actual time=222.034..11305.073 rows=58 loops=1)"
"  ->  Index Scan using geoposition_records_equipment_id_created_at_idx on geoposition_records  (cost=0.00..2987673.75 rows=1651851 width=12) (actual time=0.062..10248.703 rows=1651851 loops=1)"
"Total runtime: 11305.161 ms"

Comments

पिछली बार जब मैंने जाँच की NULLथी equipment_idकि अपेक्षित प्रतिशत में कोई मान नहीं था 0.1% से कम है

— Feyd

Answer 1

एक सादा बहुस्तरीय बी-ट्री इंडेक्स को सभी के बाद काम करना चाहिए:

CREATE INDEX foo_idx
ON geoposition_records (equipment_id, created_at DESC NULLS LAST);

क्यों DESC NULLS LAST?

• अप्रत्यक्ष सूचकांक तिथियों की श्रेणी में क्वेरी

समारोह

यदि आप क्वेरी प्लानर में समझदारी से बात नहीं कर सकते हैं, तो उपकरण तालिका के माध्यम से एक फ़ंक्शन लूप करना चाहिए। एक समय में एक इक्विपमेंट_ड की खोज सूचकांक का उपयोग करता है। एक छोटी संख्या के लिए (57 अपने EXPLAIN ANALYZEआउटपुट से देखते हुए ), यह तेज़ है।
यह मान लेना सुरक्षित है कि आपके पास एक equipmentमेज है?

CREATE OR REPLACE FUNCTION f_latest_equip()
  RETURNS TABLE (equipment_id int, latest timestamp) AS
$func$
BEGIN
FOR equipment_id IN
   SELECT e.equipment_id FROM equipment e ORDER BY 1
LOOP
   SELECT g.created_at
   FROM   geoposition_records g
   WHERE  g.equipment_id = f_latest_equip.equipment_id
                           -- prepend function name to disambiguate
   ORDER  BY g.created_at DESC NULLS LAST
   LIMIT  1
   INTO   latest;

   RETURN NEXT;
END LOOP;
END  
$func$  LANGUAGE plpgsql STABLE;

एक अच्छी कॉल के लिए भी बनाता है:

SELECT * FROM f_latest_equip();

सहसंबद्ध उपश्रेणियाँ

इसके बारे में सोचें, इस equipmentतालिका का उपयोग करके , आप कम सहसंबद्ध उपश्रेणियों के साथ गंदे काम को बहुत प्रभाव में ला सकते हैं:

SELECT equipment_id
     ,(SELECT created_at
       FROM   geoposition_records
       WHERE  equipment_id = eq.equipment_id
       ORDER  BY created_at DESC NULLS LAST
       LIMIT  1) AS latest
FROM   equipment eq;

प्रदर्शन बहुत अच्छा है।

LATERAL Postgres 9.3+ में शामिल हों

SELECT eq.equipment_id, r.latest
FROM   equipment eq
LEFT   JOIN LATERAL (
   SELECT created_at
   FROM   geoposition_records
   WHERE  equipment_id = eq.equipment_id
   ORDER  BY created_at DESC NULLS LAST
   LIMIT  1
   ) r(latest) ON true;

विस्तृत विवरण:

• प्रति उपयोगकर्ता नवीनतम रिकॉर्ड प्राप्त करने के लिए क्वेरी द्वारा ग्रुप ऑप्टिमाइज़ करें

सहसंबद्ध उपशम के समान प्रदर्शन। तुलना के प्रदर्शन max(), DISTINCT ON, समारोह, सहसंबद्ध सबक्वेरी और LATERALइस में:

एसक्यूएल फिडल ।

Comments

@ErwinBrandstetter यह एक ऐसी चीज़ है जिसे मैंने कॉलिन के उत्तर के बाद आज़माया है, लेकिन मैं यह सोचना बंद नहीं कर सकता कि यह एक वर्कअराउंड है जो एक तरह का डेटाबेस साइड n + 1 प्रश्नों का उपयोग करता है (यह सुनिश्चित नहीं होता है कि क्या वहाँ से एंटीपैटर्न में गिरता है ओवरहेड का कोई संबंध नहीं) ... मुझे अब आश्चर्य हो रहा है कि समूह आखिर क्यों मौजूद है, अगर यह कुछ मिलियन रिकॉर्ड को ठीक से नहीं संभाल सकता है ... इसका कोई मतलब नहीं है, वहाँ होना चाहिए? कुछ हम याद कर रहे हैं। अंत में, सवाल थोड़ा बदल गया है और हम एक उपकरण तालिका की उपस्थिति मान रहे हैं ... मैं जानना चाहता हूं कि क्या वास्तव में एक और तरीका है

— Feyd

Answer 2

प्रयास करना १

अगर

1. मेरे पास एक अलग equipmentटेबल है, और
2. मेरे पास एक सूचकांक है geoposition_records(equipment_id, created_at desc)

फिर मेरे लिए निम्नलिखित काम करता है:

select id as equipment_id, (select max(created_at)
                            from geoposition_records
                            where equipment_id = equipment.id
                           ) as max_created_at
from equipment;

मैं पीजी को एस और संबंधित दोनों की सूची निर्धारित करने के लिए एक तेज क्वेरी करने के लिए मजबूर करने में सक्षम नहीं था । लेकिन मैं कल फिर से कोशिश करने जा रहा हूँ!equipment_idmax(created_at)

प्रयास २

मुझे यह लिंक मिला: http://zogovic.com/post/44856908222/optimizing-postgresql-query-for-distinct-values इस तकनीक को 1 प्रयास से मेरी क्वेरी के साथ जोड़कर, मुझे यह मिला:

WITH RECURSIVE equipment(id) AS (
    SELECT MIN(equipment_id) FROM geoposition_records
  UNION
    SELECT (
      SELECT equipment_id
      FROM geoposition_records
      WHERE equipment_id > equipment.id
      ORDER BY equipment_id
      LIMIT 1
    )
    FROM equipment WHERE id IS NOT NULL
)
SELECT id AS equipment_id, (SELECT MAX(created_at)
                            FROM geoposition_records
                            WHERE equipment_id = equipment.id
                           ) AS max_created_at
FROM equipment;

और यह तेजी से काम करता है! लेकिन आपको जरूरत है

1. यह अल्ट्रा-कंट्रोल्ड क्वेरी फॉर्म, और
2. एक सूचकांक पर geoposition_records(equipment_id, created_at desc)।