Basit DB yapısı (çevrimiçi bir forum için):
CREATE TABLE users (
id integer NOT NULL PRIMARY KEY,
username text
);
CREATE INDEX ON users (username);
CREATE TABLE posts (
id integer NOT NULL PRIMARY KEY,
thread_id integer NOT NULL REFERENCES threads (id),
user_id integer NOT NULL REFERENCES users (id),
date timestamp without time zone NOT NULL,
content text
);
CREATE INDEX ON posts (thread_id);
CREATE INDEX ON posts (user_id);
Tablolarda yaklaşık 80 bin giriş users
ve 2,6 milyon giriş posts
. İlk 100 kullanıcıyı gönderilerine göre almak için bu basit sorgu 2,4 saniye sürer :
EXPLAIN ANALYZE SELECT u.id, u.username, COUNT(p.id) AS PostCount FROM users u
INNER JOIN posts p on p.user_id = u.id
WHERE u.username IS NOT NULL
GROUP BY u.id
ORDER BY PostCount DESC LIMIT 100;
Limit (cost=316926.14..316926.39 rows=100 width=20) (actual time=2326.812..2326.830 rows=100 loops=1)
-> Sort (cost=316926.14..317014.83 rows=35476 width=20) (actual time=2326.809..2326.820 rows=100 loops=1)
Sort Key: (count(p.id)) DESC
Sort Method: top-N heapsort Memory: 32kB
-> HashAggregate (cost=315215.51..315570.27 rows=35476 width=20) (actual time=2311.296..2321.739 rows=34608 loops=1)
Group Key: u.id
-> Hash Join (cost=1176.89..308201.88 rows=1402727 width=16) (actual time=16.538..1784.546 rows=1910831 loops=1)
Hash Cond: (p.user_id = u.id)
-> Seq Scan on posts p (cost=0.00..286185.34 rows=1816634 width=8) (actual time=0.103..1144.681 rows=2173916 loops=1)
-> Hash (cost=733.44..733.44 rows=35476 width=12) (actual time=15.763..15.763 rows=34609 loops=1)
Buckets: 65536 Batches: 1 Memory Usage: 2021kB
-> Seq Scan on users u (cost=0.00..733.44 rows=35476 width=12) (actual time=0.033..6.521 rows=34609 loops=1)
Filter: (username IS NOT NULL)
Rows Removed by Filter: 11335
Execution time: 2301.357 ms
Daha set enable_seqscan = false
da kötüsü:
Limit (cost=1160881.74..1160881.99 rows=100 width=20) (actual time=2758.086..2758.107 rows=100 loops=1)
-> Sort (cost=1160881.74..1160970.43 rows=35476 width=20) (actual time=2758.084..2758.098 rows=100 loops=1)
Sort Key: (count(p.id)) DESC
Sort Method: top-N heapsort Memory: 32kB
-> GroupAggregate (cost=0.79..1159525.87 rows=35476 width=20) (actual time=0.095..2749.859 rows=34608 loops=1)
Group Key: u.id
-> Merge Join (cost=0.79..1152157.48 rows=1402727 width=16) (actual time=0.036..2537.064 rows=1910831 loops=1)
Merge Cond: (u.id = p.user_id)
-> Index Scan using users_pkey on users u (cost=0.29..2404.83 rows=35476 width=12) (actual time=0.016..41.163 rows=34609 loops=1)
Filter: (username IS NOT NULL)
Rows Removed by Filter: 11335
-> Index Scan using posts_user_id_index on posts p (cost=0.43..1131472.19 rows=1816634 width=8) (actual time=0.012..2191.856 rows=2173916 loops=1)
Planning time: 1.281 ms
Execution time: 2758.187 ms
Grup username
, Postgres'te eksik, çünkü gerekli değil (SQL Server, username
kullanıcı adını seçmek istiyorsam, gruplandırmam gerektiğini söylüyor ). username
İle gruplama Postgres üzerinde yürütme süresine biraz ms ekler veya hiçbir şey yapmaz.
Bilim için, Microsoft SQL Server'ı aynı sunucuya (archlinux, 8 çekirdek xeon, 24 gb ram, ssd) yükledim ve Postgres'ten tüm verileri taşıdım - aynı tablo yapısı, aynı indeksler, aynı veriler. İlk 100 afişi almak için aynı sorgu 0,3 saniyede çalışır :
SELECT TOP 100 u.id, u.username, COUNT(p.id) AS PostCount FROM dbo.users u
INNER JOIN dbo.posts p on p.user_id = u.id
WHERE u.username IS NOT NULL
GROUP BY u.id, u.username
ORDER BY PostCount DESC
Getirileri aynı aynı verilerden sonuçları, fakat 8 kat daha hızlı yapıyor. Ve Linux'ta MS SQL'in beta sürümü, sanırım onun "ev" işletim sistemi üzerinde çalışıyor - Windows Server - daha hızlı olabilir.
PostgreSQL sorgum tamamen yanlış mı yoksa PostgreSQL sadece yavaş mı?
ilave bilgi
Sürüm neredeyse en yeni (9.6.1, şu anda en yeni 9.6.2, ArchLinux sadece eski paketlere sahip ve güncellenmesi çok yavaş). Yapılandırma:
max_connections = 75
shared_buffers = 3584MB
effective_cache_size = 10752MB
work_mem = 24466kB
maintenance_work_mem = 896MB
dynamic_shared_memory_type = posix
min_wal_size = 1GB
max_wal_size = 2GB
checkpoint_completion_target = 0.9
wal_buffers = 16MB
default_statistics_target = 100
EXPLAIN ANALYZE
çıkışlar: https://pastebin.com/HxucRgnk
Denenmiş tüm dizinler, GIN ve GIST bile kullanılan, PostgreSQL için en hızlı yolu (ve Googling birçok satır ile onaylar) sıralı tarama kullanmaktır.
MS SQL Server 14.0.405.200-1, varsayılan konf.
Bunu bir API'de (analiz etmeden düz seçim ile) kullanıyorum ve bu API uç noktasını kromla çağırmak 2500 ms + sürdüğünü söylüyor, 50 ms HTTP ve web sunucusu ek yükü ekliyor (API ve SQL aynı sunucuda çalışıyor) - aynısı. Burada ya da orada 100 ms umurumda değil, umurumda iki tam saniye.
explain analyze SELECT user_id, count(9) FROM posts group by user_id;
700 ms sürer. posts
Tablonun boyutu 2154 MB.
GROUP BY u.id
bu GROUP BY p.user_id
ve bu deneyin? Benim tahminime göre, en iyi N - satırlarını almak için sadece user_id yazılarına ihtiyacınız olsa da, kullanıcı tablosu tanımlayıcısına göre gruplandırdığınız için Postgres birinci ve ikinci olarak grup katıyor.
posts
bir tablo kullanarak bunları tablonun geri kalanından ayırmak mantıklı olabilirCREATE TABLE post_content (post_id PRIMARY KEY REFERENCES posts (id), content text);
, bu tür sorgularda 'boşa harcanan' G / Ç'nin çoğu korunabilir. Mesajlar bu, bir daha küçük iseVACUUM FULL
üzerindeposts
teneke yardımı.