Sorun

Not: PostgreSQL'in dizi mekanizmasına değil, matematiksel dizilere atıfta bulunuyorum .

Tamsayı dizilerini temsil eden bir tablo var. Tanım:

CREATE TABLE sequences
(
  id serial NOT NULL,
  title character varying(255) NOT NULL,
  date date NOT NULL,
  sequence integer[] NOT NULL,
  CONSTRAINT "PRIM_KEY_SEQUENCES" PRIMARY KEY (id)
);

Amacım belirli bir alt diziyi kullanarak satırları bulmak. Yani, sequencealanın verilen alt diziyi içeren bir dizi olduğu satırlar (benim durumumda, dizi sıralanır).

Misal

Tablonun aşağıdaki verileri içerdiğini varsayalım:

+----+-------+------------+-------------------------------+
| id | title |    date    |           sequence            |
+----+-------+------------+-------------------------------+
|  1 | BG703 | 2004-12-24 | {1,3,17,25,377,424,242,1234}  |
|  2 | BG256 | 2005-05-11 | {5,7,12,742,225,547,2142,223} |
|  3 | BD404 | 2004-10-13 | {3,4,12,5698,526}             |
|  4 | BK956 | 2004-08-17 | {12,4,3,17,25,377,456,25}     |
+----+-------+------------+-------------------------------+

Yani verilen {12, 742, 225, 547}alt çizgi ise 2. satırı bulmak istiyorum.

Benzer şekilde, verilen {3, 17, 25, 377}alt çizgi ise , 1. satırı ve 4. satırı bulmak istiyorum.

Son olarak, verilen alt dizge ise {12, 4, 3, 25, 377}, döndürülen satır yoktur.

Araştırmalar

İlk olarak, bir dizi veri türü ile dizileri temsil tamamen akıllıca emin değilim. Bu duruma uygun görünse de; Korkarım daha karmaşık bir kullanım sağlar. Belki de dizileri başka bir tabloyla ilişki modeli kullanarak farklı şekilde temsil etmek daha iyidir.

Aynı şekilde, unnestdizi işlevini kullanarak dizileri genişletmek ve sonra arama ölçütlerimi eklemek düşünüyorum . Bununla birlikte, dizideki değişken olan terimlerin sayısı, bunun nasıl yapılacağını görmüyorum.

İntarray modülünün subarrayişlevini kullanarak sırayla dizimi kesmenin mümkün olduğunu biliyorum, ancak arama için bana nasıl fayda sağladığını göremiyorum.

Kısıtlamalar

Şu anda modelim hala geliştirilse bile, tablonun 50.000 ila 300.000 sıra arasında birçok diziden oluşması amaçlanmıştır. Bu yüzden güçlü bir performans kısıtlamam var.

Örneğimde nispeten küçük tamsayılar kullandım. Pratikte, bu tamsayıların taşmasına kadar çok daha büyük olması mümkündür bigint. Böyle bir durumda, en iyisinin sayıları dizeler olarak saklamak olduğunu düşünüyorum (çünkü bu matematiksel işlem dizilerini gerçekleştirmek gerekli değildir). Bununla birlikte, bu çözümü seçerek , yukarıda belirtilen intarray modülünün kullanılmasını imkansız hale getirir .

Dnoeth'in cevabında önemli performans geliştirmeleri arıyorsanız , yerel bir C fonksiyonu kullanmayı ve uygun operatörü oluşturmayı düşünün.

İşte int4 dizileri için bir örnek. ( Genel dizi değişkeni ve karşılık gelen SQL betiği ).

Datum
_int_sequence_contained(PG_FUNCTION_ARGS)
{
    return DirectFunctionCall2(_int_contains_sequence,
                               PG_GETARG_DATUM(1),
                               PG_GETARG_DATUM(0));
}

Datum
_int_contains_sequence(PG_FUNCTION_ARGS)
{
    ArrayType  *a = PG_GETARG_ARRAYTYPE_P(0);
    ArrayType  *b = PG_GETARG_ARRAYTYPE_P(1);
    int         na, nb;
    int32      *pa, *pb;
    int         i, j;

    na = ArrayGetNItems(ARR_NDIM(a), ARR_DIMS(a));
    nb = ArrayGetNItems(ARR_NDIM(b), ARR_DIMS(b));
    pa = (int32 *) ARR_DATA_PTR(a);
    pb = (int32 *) ARR_DATA_PTR(b);

    /* The naive searching algorithm. Replace it with a better one if your arrays are quite large. */
    for (i = 0; i <= na - nb; ++i)
    {
        for (j = 0; j < nb; ++j)
            if (pa[i + j] != pb[j])
                break;

        if (j == nb)
            PG_RETURN_BOOL(true);
    }

    PG_RETURN_BOOL(false);
}

CREATE FUNCTION _int_contains_sequence(_int4, _int4)
RETURNS bool
AS 'MODULE_PATHNAME'
LANGUAGE C STRICT IMMUTABLE;

CREATE FUNCTION _int_sequence_contained(_int4, _int4)
RETURNS bool
AS 'MODULE_PATHNAME'
LANGUAGE C STRICT IMMUTABLE;

CREATE OPERATOR @@> (
  LEFTARG = _int4,
  RIGHTARG = _int4,
  PROCEDURE = _int_contains_sequence,
  COMMUTATOR = '<@@',
  RESTRICT = contsel,
  JOIN = contjoinsel
);

CREATE OPERATOR <@@ (
  LEFTARG = _int4,
  RIGHTARG = _int4,
  PROCEDURE = _int_sequence_contained,
  COMMUTATOR = '@@>',
  RESTRICT = contsel,
  JOIN = contjoinsel
);

Şimdi böyle satırları filtreleyebilirsiniz.

SELECT * FROM sequences WHERE sequence @@> '{12, 742, 225, 547}'

Bu çözümün ne kadar hızlı olduğunu bulmak için küçük bir deney yaptım.

CREATE TEMPORARY TABLE sequences AS
SELECT array_agg((random() * 10)::int4) AS sequence, g1 AS id
FROM generate_series(1, 100000) g1
  CROSS JOIN generate_series(1, 30) g2
GROUP BY g1;

EXPLAIN ANALYZE SELECT * FROM sequences
WHERE        translate(cast(sequence as text), '{}',',,')
 LIKE '%' || translate(cast('{1,2,3,4}'as text), '{}',',,') || '%'

"Seq Scan on sequences  (cost=0.00..7869.42 rows=28 width=36) (actual time=2.487..334.318 rows=251 loops=1)"
"  Filter: (translate((sequence)::text, '{}'::text, ',,'::text) ~~ '%,1,2,3,4,%'::text)"
"  Rows Removed by Filter: 99749"
"Planning time: 0.104 ms"
"Execution time: 334.365 ms"

EXPLAIN ANALYZE SELECT * FROM sequences WHERE sequence @@> '{1,2,3,4}'

"Seq Scan on sequences  (cost=0.00..5752.01 rows=282 width=36) (actual time=0.178..20.792 rows=251 loops=1)"
"  Filter: (sequence @@> '{1,2,3,4}'::integer[])"
"  Rows Removed by Filter: 99749"
"Planning time: 0.091 ms"
"Execution time: 20.859 ms"

Yani, yaklaşık 16 kat daha hızlı. Yeterli değilse, GIN veya GiST dizinleri için destek ekleyebilirsiniz, ancak bu çok daha zor bir görev olacaktır.

Dizileri dizelere yayınladığınızda ve kıvırcık parantezleri virgülle değiştirdiğinizde sonraki diziyi kolayca bulabilirsiniz:

translate(cast(sequence as varchar(10000)), '{}',',,')

{1,3,17,25,377,424,242,1234} -> ',1,3,17,25,377,424,242,1234,'

Aradığınız dizi için de aynısını yapın ve bir satır aralığı ve sonrakini ekleyin %:

'%' || translate(cast(searchedarray as varchar(10000)), '{}',',,') || '%'

{3, 17, 25, 377} -> '%,3,17,25,377,%'

Şimdi kullanarak karşılaştırın LIKE:

WHERE        translate(cast(sequence      as varchar(10000)), '{}',',,')
 LIKE '%' || translate(cast(searchedarray as varchar(10000)), '{}',',,') || '%'

Düzenle:

Fiddle tekrar çalışıyor.

Diziler değer başına bir satıra normalleştirilmişse, set tabanlı mantık uygulayabilirsiniz:

CREATE TABLE sequences
( id int NOT NULL,
  n int not null,
  val numeric not null
);

insert into sequences values(  1, 1,1     );
insert into sequences values(  1, 2,3     );
insert into sequences values(  1, 3,17    );
insert into sequences values(  1, 4,25    );
insert into sequences values(  1, 5,377   );
insert into sequences values(  1, 6,424   );
insert into sequences values(  1, 7,242   );
insert into sequences values(  1, 8,1234  );
insert into sequences values(  2, 1,5     );
insert into sequences values(  2, 2,7     );
insert into sequences values(  2, 3,12    );
insert into sequences values(  2, 4,742   );
insert into sequences values(  2, 5,225   );
insert into sequences values(  2, 6,547   );
insert into sequences values(  2, 7,2142  );
insert into sequences values(  2, 8,223   );
insert into sequences values(  3, 1,3     );
insert into sequences values(  3, 2,4     );
insert into sequences values(  3, 3,12    );
insert into sequences values(  3, 4,5698  );
insert into sequences values(  3, 5,526   );          
insert into sequences values(  4, 1,12    );
insert into sequences values(  4, 2,4     );
insert into sequences values(  4, 3,3     );
insert into sequences values(  4, 4,17    );
insert into sequences values(  4, 5,25    );
insert into sequences values(  4, 6,377   );
insert into sequences values(  4, 7,456   );
insert into sequences values(  4, 8,25    );
insert into sequences values(  5, 1,12    );
insert into sequences values(  5, 2,4     );
insert into sequences values(  5, 3,3     );
insert into sequences values(  5, 4,17    );
insert into sequences values(  5, 5,17    );
insert into sequences values(  5, 6,25    );
insert into sequences values(  5, 7,377   );
insert into sequences values(  5, 8,456   );
insert into sequences values(  5, 9,25    );

nsıralı olmalı, kopya olmamalı, boşluk olmamalıdır. Şimdi ortak değerlere katılın ve dizilerin ardışık olduğu gerçeğini kullanın :-)

with searched (n,val) as (
  VALUES
   ( 1,3  ),
   ( 2,17 ),
   ( 3,25 ),
   ( 4,377)
)
select seq.id, 
   -- this will return the same result if the values from both tables are in the same order
   -- it's a meaningless dummy, but the same meaningless value for sequential rows 
   seq.n - s.n as dummy,
   seq.val,
   seq.n,
   s.n 
from sequences as seq join searched as s
on seq.val = s.val
order by seq.id, dummy, seq.n;

Son olarak aynı mankenle satır sayısını sayın ve doğru sayı olup olmadığını kontrol edin:

with searched (n,val) as (
  VALUES
   ( 1,3  ),
   ( 2,17 ),
   ( 3,25 ),
   ( 4,377)
)
select distinct seq.id
from sequences as seq join searched as s
on seq.val = s.val
group by 
   seq.id,
   seq.n - s.n
having count(*) = (select count(*) from searched)
;

Diziler üzerinde bir dizin deneyin (val, id, n).