postgresql - 如何提高大型表上基于日期的查询性能？

问题描述

这与我发布的其他 2 个问题有关（听起来我应该将此作为新问题发布） - 反馈有所帮助，但我认为下次我需要插入数据时同样的问题会再次出现。事情进展缓慢，这迫使我暂时删除一些较旧的数据，以便我正在查询的表中只剩下 2 个月的价值。

这次提供更多细节 - 希望它有助于查明问题：

PG 10.7 版（在 heroku 上运行
总 DB 大小：18.4GB（这包含 2 个月的数据，并且每个月都会以大致相同的速度增长）
15GB 内存
总可用存储空间：512GB
最大的表（执行最慢查询的表）为 9.6GB（它是整个数据库中最大的一块）——大约 1000 万条记录

最大表的架构：

-- Table Definition ----------------------------------------------

CREATE TABLE reportimpression (
    datelocal timestamp without time zone,
    devicename text,
    network text,
    sitecode text,
    advertisername text,
    mediafilename text,
    gender text,
    agegroup text,
    views integer,
    impressions integer,
    dwelltime numeric
);

-- Indices -------------------------------------------------------

CREATE INDEX reportimpression_feb2019_index ON reportimpression(datelocal timestamp_ops) WHERE datelocal >= '2019-02-01 00:00:00'::timestamp without time zone AND datelocal < '2019-03-01 00:00:00'::timestamp without time zone;
CREATE INDEX reportimpression_mar2019_index ON reportimpression(datelocal timestamp_ops) WHERE datelocal >= '2019-03-01 00:00:00'::timestamp without time zone AND datelocal < '2019-04-01 00:00:00'::timestamp without time zone;
CREATE INDEX reportimpression_jan2019_index ON reportimpression(datelocal timestamp_ops) WHERE datelocal >= '2019-01-01 00:00:00'::timestamp without time zone AND datelocal < '2019-02-01 00:00:00'::timestamp without time zone;

慢查询：

SELECT
    date_part('hour', datelocal) AS hour,
    SUM(CASE WHEN gender = 'male' THEN views ELSE 0 END) AS male,
    SUM(CASE WHEN gender = 'female' THEN views ELSE 0 END) AS female
FROM reportimpression
WHERE
    datelocal >= '3-1-2019' AND
    datelocal < '4-1-2019'
GROUP BY date_part('hour', datelocal)
ORDER BY date_part('hour', datelocal)

此查询中的日期范围通常是整个月（它接受来自基于 Web 的报告的用户输入） - 正如您所看到的，我尝试为每个月的数据创建一个索引。这有帮助，但据我所知，除非最近运行了查询（将结果放入缓存中），否则它仍然可能需要一分钟才能运行。

解释分析结果：

Finalize GroupAggregate  (cost=1035890.38..1035897.86 rows=1361 width=24) (actual time=3536.089..3536.108 rows=24 loops=1)
  Group Key: (date_part('hour'::text, datelocal))
  ->  Sort  (cost=1035890.38..1035891.06 rows=1361 width=24) (actual time=3536.083..3536.087 rows=48 loops=1)
        Sort Key: (date_part('hour'::text, datelocal))
        Sort Method: quicksort  Memory: 28kB
        ->  Gather  (cost=1035735.34..1035876.21 rows=1361 width=24) (actual time=3535.926..3579.818 rows=48 loops=1)
              Workers Planned: 1
              Workers Launched: 1
              ->  Partial HashAggregate  (cost=1034735.34..1034740.11 rows=1361 width=24) (actual time=3532.917..3532.933 rows=24 loops=2)
                    Group Key: date_part('hour'::text, datelocal)
                    ->  Parallel Index Scan using reportimpression_mar2019_index on reportimpression  (cost=0.09..1026482.42 rows=3301168 width=17) (actual time=0.045..2132.174 rows=2801158 loops=2)
Planning time: 0.517 ms
Execution time: 3579.965 ms

我认为处理 1000 万条记录不会太多，特别是考虑到我最近提高了我正在尝试投入资源的 PG 计划，所以我认为问题仍然只是我的索引或者我的查询效率不高。

标签： postgresqlpostgresql-10

解决方案

物化视图是实现您概述的内容的方法。查询过去几个月的只读数据无需刷新即可工作。如果您也需要涵盖当前月份，则可能需要对当前月份进行特殊处理。

底层查询仍然可以从索引中受益，您可以采取两个方向：

首先，像你现在这样的部分索引在你的场景中不会买太多，不值得。如果您收集更多月的数据并且主要按月查询（并按月添加/删除行）表分区可能是一个想法，那么您的索引也会自动分区。不过，我会考虑 Postgres 11 甚至是即将推出的 Postgres 12。）

如果您的行很宽，请创建一个允许仅索引扫描的索引。喜欢：

CREATE INDEX reportimpression_covering_idx ON reportimpression(datelocal, views, gender);

有关的：

如果在该字段上构建了 b-tree 索引，PostgreSQL 如何执行 ORDER BY？

或INCLUDEPostgres 11 或更高版本中的其他列：

CREATE INDEX reportimpression_covering_idx ON reportimpression(datelocal) INCLUDE (views, gender);

否则，如果您的行是按物理排序的datelocal，请考虑使用BRIN 索引。对于您的情况，它非常小，可能与 B 树索引一样快。（但是太小了，它会更容易保持缓存，并且不会将其他数据推送出去。）

CREATE INDEX reportimpression_brin_idx ON reportimpression USING BRIN (datelocal);

您可能对表格行感兴趣CLUSTER或pg_repack对表格行进行物理排序。pg_repack可以在没有对表的排他锁甚至没有 btree 索引（由要求CLUSTER）的情况下做到这一点。但它是 Postgres 标准发行版未附带的附加模块。

有关的：

postgresql - 如何提高大型表上基于日期的查询性能？

问题描述

解决方案

推荐阅读