提高第一次查询的性能

Question

如果执行以下数据库（postgres）查询，则第二次调用要快得多。

我想第一个查询很慢，因为操作系统（linux）需要从磁盘获取数据。 第二个查询受益于文件系统级别和postgres中的缓存。

有没有办法优化数据库，以便在第一次调用时快速获得结果？

第一次通话 （慢）

foo3_bar_p@BAR-FOO3-Test:~$ psql

foo3_bar_p=# explain analyze SELECT "foo3_beleg"."id", ... FROM "foo3_beleg" WHERE 
foo3_bar_p-# (("foo3_beleg"."id" IN (SELECT beleg_id FROM foo3_text where 
foo3_bar_p(# content @@ 'footown'::tsquery)) AND "foo3_beleg"."belegart_id" IN 
foo3_bar_p(# ('...', ...));
                                                                                             QUERY PLAN                                                                                 
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
 Nested Loop  (cost=75314.58..121963.20 rows=152 width=135) (actual time=27253.451..88462.165 rows=11 loops=1)
   ->  HashAggregate  (cost=75314.58..75366.87 rows=5229 width=4) (actual time=16087.345..16113.988 rows=17671 loops=1)
         ->  Bitmap Heap Scan on foo3_text  (cost=273.72..75254.67 rows=23964 width=4) (actual time=327.653..16026.787 rows=27405 loops=1)
               Recheck Cond: (content @@ '''footown'''::tsquery)
               ->  Bitmap Index Scan on foo3_text_content_idx  (cost=0.00..267.73 rows=23964 width=0) (actual time=281.909..281.909 rows=27405 loops=1)
                     Index Cond: (content @@ '''footown'''::tsquery)
   ->  Index Scan using foo3_beleg_pkey on foo3_beleg  (cost=0.00..8.90 rows=1 width=135) (actual time=4.092..4.092 rows=0 loops=17671)
         Index Cond: (id = foo3_text.beleg_id)
         Filter: ((belegart_id)::text = ANY ('{...
         Rows Removed by Filter: 1
 Total runtime: 88462.809 ms
(11 rows)

二次通话 （快速）

  Nested Loop  (cost=75314.58..121963.20 rows=152 width=135) (actual time=127.569..348.705 rows=11 loops=1)
   ->  HashAggregate  (cost=75314.58..75366.87 rows=5229 width=4) (actual time=114.390..133.131 rows=17671 loops=1)
         ->  Bitmap Heap Scan on foo3_text  (cost=273.72..75254.67 rows=23964 width=4) (actual time=11.961..97.943 rows=27405 loops=1)
               Recheck Cond: (content @@ '''footown'''::tsquery)
               ->  Bitmap Index Scan on foo3_text_content_idx  (cost=0.00..267.73 rows=23964 width=0) (actual time=9.226..9.226 rows=27405 loops=1)
                     Index Cond: (content @@ '''footown'''::tsquery)
   ->  Index Scan using foo3_beleg_pkey on foo3_beleg  (cost=0.00..8.90 rows=1 width=135) (actual time=0.012..0.012 rows=0 loops=17671)
         Index Cond: (id = foo3_text.beleg_id)
         Filter: ((belegart_id)::text = ANY ('...
         Rows Removed by Filter: 1
 Total runtime: 348.833 ms
(11 rows)

foo3_text表的表格布局（28M行）

foo3_egs_p=# \d foo3_text
                                 Table "public.foo3_text"
  Column  |         Type          |                         Modifiers                          
----------+-----------------------+------------------------------------------------------------
 id       | integer               | not null default nextval('foo3_text_id_seq'::regclass)
 beleg_id | integer               | not null
 index_id | character varying(32) | not null
 value    | text                  | not null
 content  | tsvector              | 
Indexes:
    "foo3_text_pkey" PRIMARY KEY, btree (id)
    "foo3_text_index_id_2685e3637668d5e7_uniq" UNIQUE CONSTRAINT, btree (index_id, beleg_id)
    "foo3_text_beleg_id" btree (beleg_id)
    "foo3_text_content_idx" gin (content)
    "foo3_text_index_id" btree (index_id)
    "foo3_text_index_id_like" btree (index_id varchar_pattern_ops)
Foreign-key constraints:
    "beleg_id_refs_id_6e6d40770e71292" FOREIGN KEY (beleg_id) REFERENCES foo3_beleg(id) DEFERRABLE INITIALLY DEFERRED
    "index_id_refs_name_341600137465c2f9" FOREIGN KEY (index_id) REFERENCES foo3_index(name) DEFERRABLE INITIALLY DEFERRED

可以进行硬件更改（SSD而不是传统磁盘）或RAM磁盘。 但也许当前的硬件也可以做得更快。

版本：x86_64-unknown-linux-gnu上的PostgreSQL 9.1.2

如果您需要更多详细信息，请发表评论。

Answer 1

Postgres为您提供了在运行时查询执行时进行一些配置的机会，以决定您的I / O操作优先级。

random_page_cost(floating point) - （参考）是可以帮助你的。 它基本上会设置你的IO / CPU操作比。

更高的值意味着I / O很重要，我有顺序磁盘; 和更低的值意味着I / O并不重要，我有随机访问磁盘。

默认值为4.0 ，如果查询占用的时间较短，可能需要增加和测试。

不要忘记，您的I / O优先级取决于您的列数，行数。

一个很大的但是; 由于你的指标是btree，你的CPU优先级比I / O优先级上升要快得多。 您基本上可以将复杂性映射到优先级。

CPU Priority = O(log(x))
I/O Priority = O(x)

总而言之，这意味着，如果Postgre价值4.0将为100k项，你应该将其设置为（大约） (4.0 * log(100k) * 10M)/(log(10M) * 100k)为10M项。

Answer 2

同意Julius但是，如果你只需要来自foo3_beleg的东西，请尝试使用EXISTS（如果你也粘贴了你的sql它会有所帮助，而不仅仅是你的解释计划）。

select ...
from foo3_beleg b
where exists
(select 1 from foo_text s where t.beleg_id = b.id)
....

但是，我怀疑你在第一次传递时“唤醒”只是你的数据库将IN子查询行加载到内存中。 无论如何，这可能会发生，尽管EXISTS通常比IN快得多（如果不包含硬编码列表则很少需要IN，如果我查看sql则需要黄色标记）。

Answer 3

第一次执行查询时，postgres将从磁盘加载数据，即使硬盘驱动器也很慢。 第二次运行查询时，它将从RAM加载以前加载的数据，这显然更快。

这个问题的解决方案是将关系数据加载到操作系统缓冲区缓存或PostgreSQL缓冲区缓存中：

int8 pg_prewarm(regclass, mode text default 'buffer', fork text default 'main', first_block int8 default null, last_block int8 default null) ：

第一个论点是要预热的关系。 第二个参数是要使用的预热方法，如下面进一步讨论的; 第三个是要预热的关系叉，通常是主要的。 第四个参数是第一个预热的块编号（NULL被接受为零的同义词）。 第五个参数是预警的最后一个块编号（NULL表示通过关系中的最后一个块预热）。 返回值是预热的块数。

有三种可用的预热方法。 prefetch向操作系统发出异步预取请求（如果支持），否则抛出错误。 read读取请求的块范围; 与prefetch不同，这是同步的，并且在所有平台和构建上都受支持，但可能会更慢。 buffer将请求的块范围读入数据库缓冲区缓存。

请注意，使用这些方法中的任何一种方法，尝试预热更多块而不是缓存 - 操作系统在使用预取或读取时使用，或者使用PostgreSQL时使用缓冲区 - 可能会导致编号较低的块被驱逐，因为读取的编号较高的块预警数据也不受高速缓存驱逐的特殊保护，因此其他系统活动可能会在读取后立即驱逐新预热的块; 相反，预热也可能从缓存中驱逐其他数据。 由于这些原因，预热通常在启动时最有用，因为缓存很大程度上是空的。

资源

希望这有帮助！

Answer 4

有时将“WHERE x IN”移动到JOIN中可以显着提高性能。 试试这个：

SELECT
  foo3_beleg.id, ...
FROM
  foo3_beleg b INNER JOIN
  foo3_text  t ON (t.beleg_id = b.id AND t.content @@ 'footown'::tsquery)
WHERE 
  foo3_beleg.belegart_id IN ('...', ...);

---

这是一个可重复的实验来支持我的主张。

我碰巧有一个很大的Postgres数据库（3000万行）（ http://juliusdavies.ca/2013/j.emse/bertillonage/ ），所以我把它加载到postgres 9.4beta3。

结果令人印象深刻。 子选择方法慢大约20倍：

time  psql myDb < using-in.sql
real    0m17.212s

time  psql myDb < using-join.sql
real    0m0.807s

---

对于那些对复制感兴趣的人，以下是我用来测试我的理论的原始SQL查询。

此查询使用“SELECT IN”子查询，并且速度慢20倍（第一次执行时笔记本电脑上的时间为17秒）：

  -- using-in.sql
  SELECT
    COUNT(DISTINCT sigsha1re) AS a_intersect_b, infilesha1
  FROM
    files INNER JOIN sigs  ON (files.filesha1 = sigs.filesha1)
  WHERE
    sigs.sigsha1re IN (
      SELECT sigsha1re FROM sigs WHERE sigs.sigsha1re like '0347%'
    )  
  GROUP BY
    infilesha1

此查询将条件移出子查询并进入加入条件，并且速度提高了20倍（第一次执行时笔记本电脑上的时间为0.8秒）。

  -- using-join.sql
  SELECT
    COUNT(DISTINCT sigsha1re) AS a_intersect_b, infilesha1
  FROM
    files INNER JOIN sigs  ON (
      files.filesha1 = sigs.filesha1 AND sigs.sigsha1re like '0347%'
    )
  GROUP BY
    infilesha1

---

ps如果您对数据库的用途感到好奇，可以使用它来计算任意jar文件与大约2011年maven存储库中的所有jar文件的相似程度。

./query.sh lib/commons-codec-1.5.jar | psql myDb

 similarity |                      a = 39 = commons-codec-1.5.jar  (bin2bin)                       
------------+--------------------------------------------------------------------------------------
  1.000     | commons-codec-1.5.jar
  0.447     | commons-codec-1.4.jar
  0.174     | org.apache.sling.auth.form-1.0.2.jar
  0.170     | org.apache.sling.auth.form-1.0.0.jar
  0.142     | jbehave-core-3.0-beta-3.jar
  0.142     | jbehave-core-3.0-beta-4.jar
  0.141     | jbehave-core-3.0-beta-5.jar
  0.141     | jbehave-core-3.0-beta-6.jar
  0.140     | commons-codec-1.2.jar