sql - 从大表中获取每个时间戳的最新记录 - 不使用索引
问题描述
我有几个临时表,其中记录被定期插入/更新(不删除)。
每个表都有一个“更新前”触发器,用当前时间戳更新时间戳列。
有一个进程定期运行,根据存储在控制表中的时间戳从每个临时表中获取最新记录(增量)。这是使用物化视图完成的。
每次上述过程运行时,控制表都会使用从物化视图中找到的 max(timestamp) 进行更新
对照表:
id | staging_table_name | input_last_update_timestamp |
---+--------------------+-----------------------------+
1 | stg_table1 | 2018-06-29 12:57:19 |
2 | stg_table2 | 2018-06-29 13:52:19 |
stg_table1
id | internal_timestamp
--------+--------------------
6875303 | 2018-06-29 14:18:17
6874765 | 2018-06-29 14:18:17
6875095 | 2018-06-29 14:18:17
6867996 | 2018-06-29 14:18:17
6873723 | 2018-06-29 14:18:17
6874594 | 2018-06-29 14:18:17
6868561 | 2018-06-29 14:18:17
6875292 | 2018-06-29 14:18:00
6874595 | 2018-06-29 14:18:00
6875300 | 2018-06-29 14:18:00
我尝试了以下查询,但没有一个使用我在暂存表的“internal_timestamp”列上的索引
查询1:
SELECT
p.id,
p.internal_timestamp
FROM
staging_scm.stg_table1 p,
control_staging_scm.control_table o
WHERE
p.internal_timestamp > o.input_last_update_timestamp
AND o.id = 21
查询2
SELECT
p.id,
p.internal_timestamp
FROM
staging_scm.stg_table1 p
JOIN
control_staging_scm.control_table o ON p.internal_timestamp > o.input_last_update_timestamp
WHERE
o.id = 21
查询3
SELECT
p.id,
p.internal_timestamp
FROM
staging_scm.stg_table1 p
WHERE
p.internal_timestamp > (SELECT o.input_last_update_timestamp
FROM control_staging_scm.control_table o
WHERE o.id = 21)
解释计划:
Query 1 and 2
Nested Loop (cost=0.03..203273.39 rows=1539352 width=12) (actual time=2013.969..2058.475 rows=520 loops=1)
Join Filter: (p.internal_timestamp > o.input_last_update_timestamp)
Rows Removed by Join Filter: 4615088
Buffers: shared hit=173254
-> Index Scan using control_table_pkey on control_table o (cost=0.03..4.03 rows=1 width=8) (actual time=0.011..0.014 rows=1 loops=1)
Index Cond: (id = 21)
Buffers: shared hit=2
-> Seq Scan on stg_table1 p (cost=0.00..187106.17 rows=4618055 width=12) (actual time=0.003..419.628 rows=4615608 loops=1)
Buffers: shared hit=173252
Planning time: 0.110 ms
Execution time: 2058.533 ms
Query 3
Seq Scan on stg_table1 p (cost=4.03..189419.23 rows=1539352 width=12) (actual time=2020.801..2054.617 rows=675 loops=1)
Filter: (internal_timestamp > $0)
Rows Removed by Filter: 4614988
Buffers: shared hit=173254
InitPlan 1 (returns $0)
-> Index Scan using control_table_pkey on control_table o (cost=0.03..4.03 rows=1 width=8) (actual time=0.013..0.014 rows=1 loops=1)
Index Cond: (id = 21)
Buffers: shared hit=2
Planning time: 0.155 ms
Execution time: 2054.694 ms
当我设置 enable_seqscan = OFF 时,使用索引并且性能好几个数量级
解释计划(Seqscan OFF)
Nested Loop (cost=41794.55..225088.07 rows=1539618 width=12) (actual time=0.100..0.557 rows=407 loops=1)
Buffers: shared hit=97
-> Index Scan using control_table_pkey on control_table o (cost=0.03..4.03 rows=1 width=8) (actual time=0.010..0.011 rows=1 loops=1)
Index Cond: (id = 21)
Buffers: shared hit=2
-> Bitmap Heap Scan on stg_table1 p (cost=41794.52..220465.18 rows=1539618 width=12) (actual time=0.085..0.317 rows=407 loops=1)
Recheck Cond: (internal_timestamp > o.input_last_update_timestamp)
Heap Blocks: exact=90
Buffers: shared hit=95
-> Bitmap Index Scan on stg_table1_internal_timestamp_idx (cost=0.00..41717.54 rows=1539618 width=0) (actual time=0.070..0.070 rows=407 loops=1)
Index Cond: (internal_timestamp > o.input_last_update_timestamp)
Buffers: shared hit=5
Planning time: 0.131 ms
Execution time: 0.631 ms
不用说我在临时表上运行了分析,并且我已经相应地设置了 autovacuum/autoanalyze
那么计划者在临时表上的“internal_timestamp”上使用索引需要什么?
更新 1
在尝试下面的@Laurenz 建议之前,我很好奇 CTE 或标量函数在哪里可以解决问题。
但不幸的是,优化器在两种解决方案中都没有使用索引
CTE
WITH x AS (
SELECT o.input_last_update_timestamp
FROM control_staging_scm.control_table o
WHERE o.id = 21
)
SELECT
p.id,
p.internal_timestamp
FROM
staging_scm.stg_table1 p
WHERE
p.internal_timestamp > (SELECT x.input_last_update_timestamp FROM x)
标量函数
CREATE OR REPLACE FUNCTION control_staging_scm.last_update_timestamp(_table_id integer)
RETURNS timestamp without time zone
AS $function$
SELECT o.input_last_update_timestamp FROM control_staging_scm.control_table o WHERE o.id = $1;
$function$ LANGUAGE 'sql';
SELECT
p.id,
p.internal_timestamp
FROM
staging_scm.stg_table1 p
WHERE
p.internal_timestamp > (SELECT control_staging_scm.last_update_timestamp(21))
我期待/希望在执行主查询之前计算值(时间戳)并可供优化器使用。
如果有人指出优化器在上述情况下的内部行为,那就太好了!
解决方案
优化器非常清楚 只会有一个匹配行control_table
,但它无法预测该列将具有什么值(仅在查询执行时才知道),因此它input_last_update_timestamp
无法知道其中有多少结果行stg_table1
应该期待。
缺乏这方面的知识,它回退到估计将选择三分之一的行,这最好通过顺序扫描来完成。
您可以通过将查询分成两部分来改进它:
SELECT o.input_last_update_timestamp
FROM control_staging_scm.control_table o
WHERE o.id = 21;
SELECT p.id, p.internal_timestamp
FROM staging_scm.stg_table1 p
WHERE p.internal_timestamp > <result from first query>;
然后在计划第二次查询时会知道实际值,如果只有几行符合条件,PostgreSQL 将选择索引扫描。
推荐阅读
- python - 如何在python中多次更新windowText?
- tensorflow - MirroredStrategy 不使用 GPU
- sql-server - 无法从存储过程或触发器读取/写入链接服务器(Ms Access)
- ios - 用于创建开发者或分发证书和推送证书的 CSR(证书签名请求)文件是否必须相同?
- c++ - 为什么输出是方框中的问号而不是数字?
- keycloak - Keycloak - 事件侦听器提供程序未触发新领域创建事件
- xamarin - 虽然在android中拒绝相机权限,但它不会再次询问
- unity3d - 穿过物体的光投射
- c++ - 为数组元素赋值后程序崩溃
- java - 我的图像没有被压缩 - 我该怎么办?