[英]How do I increase the speed of my Postgres select statement?
我有以下表格:
CREATE TABLE views (
view_id bigint NOT NULL,
usr_id bigint,
ip inet,
referer_id bigint,
country_id integer,
validated smallint,
completed smallint,
value numeric
);
ALTER TABLE ONLY views
ADD CONSTRAINT "Views_pkey" PRIMARY KEY (view_id);
CREATE TABLE country (
country_id integer NOT NULL,
country character varying(2)
);
ALTER TABLE ONLY country
ADD CONSTRAINT country_pkey PRIMARY KEY (country_id);
CREATE TABLE file_id_view_id (
file_id bigint,
view_id bigint,
created_ts timestamp without time zone
);
CREATE TABLE file_owner (
file_id bigint NOT NULL,
owner_id bigint
);
ALTER TABLE ONLY file_owner
ADD CONSTRAINT owner_table_pkey PRIMARY KEY (file_id);
CREATE TABLE referer (
referer_id bigint NOT NULL,
referer character varying(255)
);
ALTER TABLE ONLY referer
ADD CONSTRAINT referer_pkey PRIMARY KEY (referer_id);
的views
和file_id_view_id
表各有大約340M行。 每小時它們都會增加600K行。
file_owner
表有75K行,每小時增加100行。
country
表有233行,很少更改。
referer
表有6494行,很少更改。
我的目標是能夠執行如下查詢:
SELECT Count(ft.*) AS total_views,
( Count(ft.*) - SUM(ft.valid) ) AS invalid_views,
SUM(ft.valid) AS valid_views,
SUM(ft.values) AS VALUES,
ft.day AS day,
( CASE
WHEN r.referer IS NULL THEN 'Unknown'
ELSE r.referer
END ) AS referer,
( CASE
WHEN c.country IS NULL THEN 'Unknown'
ELSE c.country
END ) AS country
FROM country c
right join (referer r
right join (SELECT v.validated AS valid,
v.value AS VALUES,
vf.day AS day,
vf.view_id AS view_id,
v.referer_id AS referer_id,
v.country_id AS country_id
FROM VIEWS v,
(SELECT view_id,
fivi.created_ts :: timestamp :: DATE AS
day
FROM file_id_view_id fivi
join (SELECT file_id
FROM file_owner
WHERE owner_id = 75
GROUP BY file_id) fo
ON ( fo.file_id = fivi.file_id )
WHERE ( fivi.created_ts BETWEEN
'2015-11-01' AND '2015-12-01' )
GROUP BY view_id,
day) vf
WHERE v.view_id = vf.view_id) ft
ON ( ft.referer_id = r.referer_id ))
ON ( ft.country_id = c.country_id )
GROUP BY day,
referer,
country;
生產:
total_views | invalid_views | valid_views | values | day | referer | country
------------+---------------+-------------+--------+------------+-----------------+---------
使用EXPLAIN ANALYZE
運行此類查詢時,會生成以下內容:
GroupAggregate (cost=38893491.99..40443007.61 rows=182295955 width=52) (actual time=183725.696..205882.889 rows=172 loops=1)
Group Key: ((fivi.created_ts)::date), r.referer, c.country
-> Sort (cost=38893491.99..38984639.97 rows=182295955 width=52) (actual time=183725.655..200899.098 rows=8390217 loops=1)
Sort Key: ((fivi.created_ts)::date), r.referer, c.country
Sort Method: external merge Disk: 420192kB
-> Hash Left Join (cost=16340128.88..24989809.75 rows=182295955 width=52) (actual time=23399.900..104337.332 rows=8390217 loops=1)
Hash Cond: (v.country_id = c.country_id)
-> Hash Left Join (cost=16340125.36..24800637.72 rows=182295955 width=49) (actual time=23399.782..102534.655 rows=8390217 loops=1)
Hash Cond: (v.referer_id = r.referer_id)
-> Merge Join (cost=16340033.52..24051874.62 rows=182295955 width=29) (actual time=23397.410..99955.000 rows=8390217 loops=1)
Merge Cond: (fivi.view_id = v.view_id)
-> Group (cost=16340033.41..16716038.36 rows=182295955 width=16) (actual time=23397.298..30454.444 rows=8390217 loops=1)
Group Key: fivi.view_id, ((fivi.created_ts)::date)
-> Sort (cost=16340033.41..16434985.73 rows=189904653 width=16) (actual time=23397.294..28165.729 rows=8390217 loops=1)
Sort Key: fivi.view_id, ((fivi.created_ts)::date)
Sort Method: external merge Disk: 180392kB
-> Nested Loop (cost=6530.43..8799350.01 rows=189904653 width=16) (actual time=63.123..15131.956 rows=8390217 loops=1)
-> HashAggregate (cost=6530.31..6659.62 rows=43104 width=8) (actual time=62.983..90.331 rows=43887 loops=1)
Group Key: file_owner.file_id
-> Bitmap Heap Scan on file_owner (cost=342.90..6508.76 rows=43104 width=8) (actual time=5.407..50.779 rows=43887 loops=1)
Recheck Cond: (owner_id = 75)
Heap Blocks: exact=5904
-> Bitmap Index Scan on owner_id_index (cost=0.00..340.74 rows=43104 width=0) (actual time=4.327..4.327 rows=45576 loops=1)
Index Cond: (owner_id = 75)
-> Index Scan using file_id_view_id_indexing on file_id_view_id fivi (cost=0.11..188.56 rows=4406 width=24) (actual time=0.122..0.306 rows=191 loops=43887)
Index Cond: (file_id = file_owner.file_id)
Filter: ((created_ts >= '2015-11-01 00:00:00'::timestamp without time zone) AND (created_ts <= '2015-12-01 00:00:00'::timestamp without time zone))
Rows Removed by Filter: 184
-> Index Scan using "Views_pkey" on views v (cost=0.11..5981433.17 rows=338958763 width=25) (actual time=0.088..46804.757 rows=213018702 loops=1)
-> Hash (cost=68.77..68.77 rows=6591 width=28) (actual time=2.344..2.344 rows=6495 loops=1)
Buckets: 1024 Batches: 1 Memory Usage: 410kB
-> Seq Scan on referer r (cost=0.00..68.77 rows=6591 width=28) (actual time=0.006..1.156 rows=6495 loops=1)
-> Hash (cost=2.70..2.70 rows=233 width=7) (actual time=0.078..0.078 rows=233 loops=1)
Buckets: 1024 Batches: 1 Memory Usage: 10kB
-> Seq Scan on country c (cost=0.00..2.70 rows=233 width=7) (actual time=0.005..0.042 rows=233 loops=1)
Planning time: 1.015 ms
Execution time: 206034.660 ms
(37 rows)
計划在explain.depesz.com上: http : //explain.depesz.com/s/OiN
206s運行時間。
有些事情需要注意,
Postgresql版本9.4
我調整了配置如下:
目前存在以下索引:
上一個查詢使用的是保守選擇的所有者ID ,一些查詢可能會導致file_id_view_id表的1/3與視圖連接 。
改變數據結構是最后的手段。 在這個階段,這種變化必須引起嚴重關切。
如果需要,db可以被認為是只讀的,正在寫入的數據是每小時完成的,並且在每次寫入后給Postgres充足的喘息空間。 在600K每小時寫入期間的當前時刻,數據庫將在1100s內返回(這是由於插入成本旁邊的其他原因)。 如果它會增加讀取速度,則有足夠的空間來添加附加索引,讀取速度是優先級。
硬件規格如下:
CPU: http : //ark.intel.com/products/83356/Intel-Xeon-Processor-E5-2630-v3-20M-Cache-2_40-GHz
內存: 128GB
存儲: 1.5TB PCIE SSD
如何優化我的數據庫或查詢,以便我可以在合理的時間范圍內從數據庫中檢索出我需要的信息?
我該怎么做才能優化我目前的設計?
我相信Postgres及其運行的硬件具有比目前更好的性能。
UPDATE
我努力了:
有沒有人有重建這么大的經驗? 這可行嗎? 需要幾天,幾小時(當然估計)?
我正在考慮對數據庫進行反規范化,因為它實際上只會在此方法中引用。 我唯一擔心的是 - 如果要從帶有索引owner_id的表中調用100M行,它會足夠快還是我仍然面臨相同的性能問題? 不願意走一條路然后不得不回溯。
我正在研究的另一個解決方案是@ ivan.panasuik建議,將所有日期數據分組到另一個表中,因為一旦過了一天,該信息是不變的,不需要更改或更新。 但是我不確定如何順利地實現這一點 - 我是否應該在插入處於暫停狀態時查詢數據並盡可能快地捕獲日期? 從那時起有一個觸發器設置?
數據庫的速度通常不是您的硬件,而是您使用引擎本身的智能和功能的程度。
盡量避免使用子選擇 - 特別是在處理大量數據時。 這些通常無法由查詢計划程序優化。 在大多數情況下,如果需要,您應該能夠將簡單的子選擇轉換為JOIN或甚至單獨的數據庫查找。
對表進行分區 - PostgreSQL本身不會這樣做(有點)但如果你經常只訪問最近的數據,你可以通過移動存檔數據來刪除大量工作。
考慮一個數據倉庫策略 - 當你處理這些數據時,你應該考慮以非規范化的方式存儲數據的副本,這樣很容易檢索,因為已經處理了令人討厭的JOIN。 我們使用Redshift(PostgeSQL的派生物)來做這件事,這樣我們在運行報告時就不需要做任何JOIN。
沒有嘗試嘗試就很難預測優化....所以一個接一個地嘗試。 還有祝你好運。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.