提高第一次查詢的性能

Question

如果執行以下數據庫（postgres）查詢，則第二次調用要快得多。

我想第一個查詢很慢，因為操作系統（linux）需要從磁盤獲取數據。 第二個查詢受益於文件系統級別和postgres中的緩存。

有沒有辦法優化數據庫，以便在第一次調用時快速獲得結果？

第一次通話 （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)

二次通話 （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

可以進行硬件更改（SSD而不是傳統磁盤）或RAM磁盤。 但也許當前的硬件也可以做得更快。

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

如果您需要更多詳細信息，請發表評論。

Answer 1

Postgres為您提供了在運行時查詢執行時進行一些配置的機會，以決定您的I / O操作優先級。

random_page_cost(floating point) - （參考）是可以幫助你的。 它基本上會設置你的IO / CPU操作比。

更高的值意味着I / O很重要，我有順序磁盤; 和更低的值意味着I / O並不重要，我有隨機訪問磁盤。

默認值為4.0 ，如果查詢占用的時間較短，可能需要增加和測試。

不要忘記，您的I / O優先級取決於您的列數，行數。

一個很大的但是; 由於你的指標是btree，你的CPU優先級比I / O優先級上升要快得多。 您基本上可以將復雜性映射到優先級。

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

總而言之，這意味着，如果Postgre價值4.0將為100k項，你應該將其設置為（大約） (4.0 * log(100k) * 10M)/(log(10M) * 100k)為10M項。

Answer 2

同意Julius但是，如果你只需要來自foo3_beleg的東西，請嘗試使用EXISTS（如果你也粘貼了你的sql它會有所幫助，而不僅僅是你的解釋計划）。

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

但是，我懷疑你在第一次傳遞時“喚醒”只是你的數據庫將IN子查詢行加載到內存中。 無論如何，這可能會發生，盡管EXISTS通常比IN快得多（如果不包含硬編碼列表則很少需要IN，如果我查看sql則需要黃色標記）。

Answer 3

第一次執行查詢時，postgres將從磁盤加載數據，即使硬盤驅動器也很慢。 第二次運行查詢時，它將從RAM加載以前加載的數據，這顯然更快。

這個問題的解決方案是將關系數據加載到操作系統緩沖區緩存或PostgreSQL緩沖區緩存中：

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

第一個論點是要預熱的關系。 第二個參數是要使用的預熱方法，如下面進一步討論的; 第三個是要預熱的關系叉，通常是主要的。 第四個參數是第一個預熱的塊編號（NULL被接受為零的同義詞）。 第五個參數是預警的最后一個塊編號（NULL表示通過關系中的最后一個塊預熱）。 返回值是預熱的塊數。

有三種可用的預熱方法。 prefetch向操作系統發出異步預取請求（如果支持），否則拋出錯誤。 read讀取請求的塊范圍; 與prefetch不同，這是同步的，並且在所有平台和構建上都受支持，但可能會更慢。 buffer將請求的塊范圍讀入數據庫緩沖區緩存。

請注意，使用這些方法中的任何一種方法，嘗試預熱更多塊而不是緩存 - 操作系統在使用預取或讀取時使用，或者使用PostgreSQL時使用緩沖區 - 可能會導致編號較低的塊被驅逐，因為讀取的編號較高的塊預警數據也不受高速緩存驅逐的特殊保護，因此其他系統活動可能會在讀取后立即驅逐新預熱的塊; 相反，預熱也可能從緩存中驅逐其他數據。 由於這些原因，預熱通常在啟動時最有用，因為緩存很大程度上是空的。

資源

希望這有幫助！

Answer 4

有時將“WHERE x IN”移動到JOIN中可以顯着提高性能。 試試這個：

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 ('...', ...);

---

這是一個可重復的實驗來支持我的主張。

我碰巧有一個很大的Postgres數據庫（3000萬行）（ http://juliusdavies.ca/2013/j.emse/bertillonage/ ），所以我把它加載到postgres 9.4beta3。

結果令人印象深刻。 子選擇方法慢大約20倍：

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

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

---

對於那些對復制感興趣的人，以下是我用來測試我的理論的原始SQL查詢。

此查詢使用“SELECT IN”子查詢，並且速度慢20倍（第一次執行時筆記本電腦上的時間為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

此查詢將條件移出子查詢並進入加入條件，並且速度提高了20倍（第一次執行時筆記本電腦上的時間為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如果您對數據庫的用途感到好奇，可以使用它來計算任意jar文件與大約2011年maven存儲庫中的所有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