বড় টেবিল থেকে প্রতি গ্রুপে সর্বাধিক মান পেতে দক্ষ কোয়েরি

Question

টেবিল দেওয়া:

    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)

টেবিলে 20 মিলিয়ন রেকর্ড রয়েছে যা তুলনামূলকভাবে বলার অপেক্ষা রাখে না। তবে এটি ক্রমিক স্ক্যানগুলি ধীর করে দেয়।

আমি কীভাবে max(created_at)প্রত্যেকের শেষ রেকর্ড ( ) পেতে পারি equipment_id?

আমি এই বিষয়টির অনেক উত্তরের মাধ্যমে বেশ কয়েকটি বৈকল্পিক সহ নিম্নলিখিত দুটি প্রশ্নের চেষ্টা করেছি:

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;

আমি এর জন্য বিটি্রি সূচী তৈরি করার চেষ্টাও করেছি equipment_id,created_atকিন্তু পোস্টগ্রিস দেখতে পেয়েছে যে সিক্সস্ক্যান ব্যবহার করা আরও দ্রুত। enable_seqscan = offসেক স্ক্যানের মতো সূচকটি পড়ার চেয়ে ধীরে ধীরে ধীরে ধীরে ধীরে ধীরে ধীরে ধীরে ধীরে ধীরে পড়তে বাধ্য করাও কার্যকর নয়।

ক্যোয়ারীটি সর্বদা সর্বশেষে ফিরে আসার জন্য পর্যায়ক্রমে চলতে হবে।

পোস্টগ্রিস 9.3।

ব্যাখ্যা করুন / বিশ্লেষণ করুন (1.7 মিলিয়ন রেকর্ড সহ):

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

ভাল গতবার আমি যাচাই করেছি যে প্রত্যাশিত শতাংশের কোনও NULLমান ছিল না equipment_id0.1% এর নিচে

— ফেইড

Answer 1

একটি সরল মাল্টিকালম বি-ট্রি সূচকটি সর্বোপরি কাজ করা উচিত:

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

কেন DESC NULLS LAST?

• তারিখের প্রশ্নের সীমাতে অব্যবহৃত সূচক

ক্রিয়া

যদি আপনি ক্যোয়ারি পরিকল্পনাকারীর মধ্যে বুদ্ধিমান কথা বলতে না পারেন, সরঞ্জাম টেবিলের মধ্য দিয়ে একটি ক্রিয়াকলাপটি কৌশলটি করা উচিত। একবারে একটি সরঞ্জাম_আইডি সন্ধান করা সূচকটি ব্যবহার করে। অল্প সংখ্যক জন্য (আপনার EXPLAIN ANALYZEআউটপুট থেকে 57 বিচারক ) এটি দ্রুত।
আপনার কাছে কোনও equipmentটেবিল আছে তা ধরে নেওয়া নিরাপদ ?

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;

একটি দুর্দান্ত কল করার জন্যও:

SELECT * FROM f_latest_equip();

সম্পর্কযুক্ত subqueries

এই equipmentটেবিলটি ব্যবহার করে এটি ভাবতে আসুন , আপনি খুব কম প্রভাব ফেলতে স্বল্প সম্পর্কের সাথে নোংরা কাজ করতে পারেন:

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;

পারফরম্যান্স খুব ভাল।

LATERAL পোস্টগ্রিস 9.3+ এ যোগদান করুন

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;

বিস্তারিত ব্যাখ্যা:

• ব্যবহারকারী প্রতি সর্বশেষ রেকর্ড পুনরুদ্ধার করতে GROUP বাই ক্যোয়ারী অপ্টিমাইজ করুন

সম্পর্কযুক্ত subquery হিসাবে অনুরূপ কর্মক্ষমতা। তুলনা কর্মক্ষমতা max(), DISTINCT ON, ফাংশন, সম্পর্ক subquery এবং LATERALএই:

এসকিউএল ফিডল ।

Comments

@ এরউইন ব্র্যান্ডসটেটার এই আমি কলিনের উত্তর দেওয়ার পরে চেষ্টা করেছি, তবে আমি এই ভাবনা থামাতে পারি না যে এটি এমন একটি কাজ যা ডেটাবেস সাইড এন + 1 ক্যোরিয়াস ব্যবহার করে (নিশ্চিত না যে এটি অ্যান্টিপ্যাটার্নে পড়ে কিনা কোনও সংযোগ ওভারহেড নেই) ... আমি এখন ভাবছি কেন গোষ্ঠীগুলি একেবারে বিদ্যমান, যদি এটি কয়েক মিলিয়ন রেকর্ড সঠিকভাবে পরিচালনা করতে না পারে ... তবে তা বোঝা যায় না, সেখানে? উচিত? আমরা অনুপস্থিত কিছু হতে। অবশেষে, প্রশ্নটি কিছুটা পরিবর্তিত হয়েছে এবং আমরা একটি সরঞ্জাম টেবিলের উপস্থিতি ধরে নিচ্ছি ... আমি অন্য কোনও উপায় আছে কিনা তা জানতে চাই

— Feyd

Answer 2

চেষ্টা ঘ

যদি

1. আমার একটি আলাদা equipmentটেবিল আছে, এবং
2. আমার একটা সূচক আছে geoposition_records(equipment_id, created_at desc)

তাহলে নিম্নলিখিতটি আমার পক্ষে কাজ করে:

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

আমি পিজিকে জোর করে তালিকা এবং সম্পর্কিত উভয়ই নির্ধারণ করতে একটি দ্রুত জিজ্ঞাসা করতে বাধ্য করতে সক্ষম হইনি । তবে আমি আগামীকাল আবার চেষ্টা করতে যাচ্ছি!equipment_idmax(created_at)

চেষ্টা 2

আমি এই লিঙ্কটি পেয়েছি: http://zogovic.com/post/44856908222/optimizing-postgresql-query-for-distinct-values এই কৌশলটির সাথে আমার প্রশ্নের সাথে 1 টি প্রচেষ্টা চেষ্টা করা হয়েছে, আমি পেয়েছি:

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;

এবং এটি দ্রুত কাজ করে! তবে আপনার দরকার

1. এই অতি-চুক্তিবদ্ধ ক্যোয়ারী ফর্ম, এবং
2. একটি সূচক চালু geoposition_records(equipment_id, created_at desc)।