时间戳

首页 > 解决方案 > SELECT DISTINCT 是否意味着 Seq Scan？

database - SELECT DISTINCT 是否意味着 Seq Scan？

问题描述

我想知道执行SELECT DISTINCT查询是否意味着顺序扫描，以及如何优化它。

我创建了一个虚拟表并确认当没有索引时，SELECT DISTINCT执行 Seq Scan。

test=# create table test2 (id SERIAL, t1 text);
CREATE TABLE
test=# insert into test2 select generate_series(0, 100000) AS id, md5(random()::text) AS t1;
INSERT 0 100001
test=# explain analyze select distinct t1 from test2;

结果是：

                                                     QUERY PLAN
--------------------------------------------------------------------------------------------------------------------
 HashAggregate  (cost=2157.97..2159.97 rows=200 width=32) (actual time=54.086..77.352 rows=100000 loops=1)
   Group Key: t1
   ->  Seq Scan on test2  (cost=0.00..1893.18 rows=105918 width=32) (actual time=0.012..12.232 rows=100001 loops=1)
 Planning time: 0.079 ms
 Execution time: 86.345 ms
(5 rows)

当我们创建索引时：

test=# create index test2_idx_t1 on test2 (t1);
CREATE INDEX
test=# explain analyze select distinct t1 from test2;

结果是：

第一次：

                                                    QUERY PLAN
-------------------------------------------------------------------------------------------------------------------
 HashAggregate  (cost=2084.01..2086.01 rows=200 width=32) (actual time=48.871..74.617 rows=100000 loops=1)
   Group Key: t1
   ->  Seq Scan on test2  (cost=0.00..1834.01 rows=100001 width=32) (actual time=0.009..9.891 rows=100001 loops=1)
 Planning time: 0.145 ms
 Execution time: 83.564 ms
(5 rows)

第二次及以后：

QUERY PLAN
----------------------------------------------------------------------------------------------------------------------------------------------
 Unique  (cost=0.42..7982.42 rows=100001 width=33) (actual time=0.016..80.949 rows=100000 loops=1)
   ->  Index Only Scan using test2_idx_t1 on test2  (cost=0.42..7732.42 rows=100001 width=33) (actual time=0.015..53.396 rows=100001 loops=1)
         Heap Fetches: 100001
 Planning time: 0.053 ms
 Execution time: 87.552 ms
(5 rows)
  1. 为什么在创建索引后第一次查询时会执行 Seq Scan？
  2. 为什么在这种情况下索引扫描比 seq 扫描更昂贵，为什么查询规划器会选择它？

标签： databasepostgresql

解决方案

要获得关于表中所有行的查询结果，必须扫描整个表。

避免顺序表扫描的唯一方法是建立一个索引t1并拥有一个最近清理过的表，以便大多数块“全部可见”。然后可以使用“仅索引扫描”，这通常更便宜。

为什么不立即使用仅索引扫描？我不能绝对肯定地回答这个问题，但一个很好的猜测是，当您第一次运行查询时，autovacuum 仍然在桌子上忙碌。

推荐阅读