Büyük tablodan grup başına en yüksek değeri elde etmek için etkili sorgu

Tablo verildiğinde:

    Column    |            Type             
 id           | integer                     
 latitude     | numeric(9,6)                
 longitude    | numeric(9,6)                
 speed        | integer                     
 equipment_id | integer                     
 created_at   | timestamp without time zone
Indexes:
    "geoposition_records_pkey" PRIMARY KEY, btree (id)

Tabloda göreceli olarak çok sayıda olmayan 20 milyon kayıt vardır. Ancak sıralı taramaları yavaşlatır.

max(created_at)Her birinin son kaydını ( ) nasıl alabilirim equipment_id?

Bu konunun birçok cevabını okuduğum birkaç varyantla aşağıdaki sorguları da denedim:

select max(created_at),equipment_id from geoposition_records group by equipment_id;

select distinct on (equipment_id) equipment_id,created_at 
  from geoposition_records order by equipment_id, created_at desc;

Ben de btree dizinleri oluşturmak için denedim equipment_id,created_atama Postgres bir seqscan kullanarak daha hızlı olduğunu bulur. enable_seqscan = offİndeksi okumak seq taraması kadar yavaş, muhtemelen daha kötü olduğu için zorlama da işe yaramaz .

Sorgu periyodik olarak her zaman sonuncuyu döndürerek çalışmalıdır.

Postgres Kullanımı 9.3.

Açıklayın / analiz edin (1,7 milyon kayıtla):

set enable_seqscan=true;
explain analyze select max(created_at),equipment_id from geoposition_records group by equipment_id;
"HashAggregate  (cost=47803.77..47804.34 rows=57 width=12) (actual time=1935.536..1935.556 rows=58 loops=1)"
"  ->  Seq Scan on geoposition_records  (cost=0.00..39544.51 rows=1651851 width=12) (actual time=0.029..494.296 rows=1651851 loops=1)"
"Total runtime: 1935.632 ms"

set enable_seqscan=false;
explain analyze select max(created_at),equipment_id from geoposition_records group by equipment_id;
"GroupAggregate  (cost=0.00..2995933.57 rows=57 width=12) (actual time=222.034..11305.073 rows=58 loops=1)"
"  ->  Index Scan using geoposition_records_equipment_id_created_at_idx on geoposition_records  (cost=0.00..2987673.75 rows=1651851 width=12) (actual time=0.062..10248.703 rows=1651851 loops=1)"
"Total runtime: 11305.161 ms"

Sonuçta, düz çok sütunlu bir b-ağacı endeksi çalışmalıdır:

CREATE INDEX foo_idx
ON geoposition_records (equipment_id, created_at DESC NULLS LAST);

Neden DESC NULLS LAST?

• Tarih aralığı sorgusunda kullanılmayan dizin

fonksiyon

Sorgu planlayıcı hakkında mantıklı konuşamıyorsanız, ekipman tablosunda döngü yapan bir işlev hile yapmalıdır. Tek seferde bir equipment_id ararken dizini kullanır. Küçük bir sayı için ( EXPLAIN ANALYZEçıktıdan bakıldığında 57 ), bu hızlı.
Masanız olduğunu varsaymak güvenli equipmentmi?

CREATE OR REPLACE FUNCTION f_latest_equip()
  RETURNS TABLE (equipment_id int, latest timestamp) AS
$func$
BEGIN
FOR equipment_id IN
   SELECT e.equipment_id FROM equipment e ORDER BY 1
LOOP
   SELECT g.created_at
   FROM   geoposition_records g
   WHERE  g.equipment_id = f_latest_equip.equipment_id
                           -- prepend function name to disambiguate
   ORDER  BY g.created_at DESC NULLS LAST
   LIMIT  1
   INTO   latest;

   RETURN NEXT;
END LOOP;
END  
$func$  LANGUAGE plpgsql STABLE;

Güzel bir çağrı da yapar:

SELECT * FROM f_latest_equip();

İlişkili alt sorgular

Bunu düşünün, bu equipmenttabloyu kullanarak , düşük korelasyonlu alt sorgular ile kirli çalışmaya büyük etki yaratabilirsiniz:

SELECT equipment_id
     ,(SELECT created_at
       FROM   geoposition_records
       WHERE  equipment_id = eq.equipment_id
       ORDER  BY created_at DESC NULLS LAST
       LIMIT  1) AS latest
FROM   equipment eq;

Performans çok iyi.

LATERAL Postgres'e katıl 9.3+

SELECT eq.equipment_id, r.latest
FROM   equipment eq
LEFT   JOIN LATERAL (
   SELECT created_at
   FROM   geoposition_records
   WHERE  equipment_id = eq.equipment_id
   ORDER  BY created_at DESC NULLS LAST
   LIMIT  1
   ) r(latest) ON true;

Detaylı açıklama:

• Kullanıcı başına en son kaydı almak için GROUP BY sorgusunu optimize edin

İlişkili alt sorgu ile benzer performans. Performansını karşılaştırmak max(), DISTINCT ONfonksiyon, korelasyon alt sorgu ve LATERALbunda:

SQL Fiddle .

Deneme 1

Eğer

1. Ayrı bir equipmentmasam var ve
2. Üzerinde bir dizinim var geoposition_records(equipment_id, created_at desc)

o zaman aşağıdakiler benim için çalışıyor:

select id as equipment_id, (select max(created_at)
                            from geoposition_records
                            where equipment_id = equipment.id
                           ) as max_created_at
from equipment;

Ben belirlemek için hızlı bir sorgu yapmak PG zorlamak mümkün değildi hem listesini equipment_ids ve ilgili max(created_at). Ama yarın tekrar deneyeceğim!

Deneme 2

Bu bağlantıyı buldum: http://zogovic.com/post/44856908222/optimizing-postgresql-query-for-distinct-values Bu tekniği deneme 1'den gelen sorgumla birleştirdiğimde:

WITH RECURSIVE equipment(id) AS (
    SELECT MIN(equipment_id) FROM geoposition_records
  UNION
    SELECT (
      SELECT equipment_id
      FROM geoposition_records
      WHERE equipment_id > equipment.id
      ORDER BY equipment_id
      LIMIT 1
    )
    FROM equipment WHERE id IS NOT NULL
)
SELECT id AS equipment_id, (SELECT MAX(created_at)
                            FROM geoposition_records
                            WHERE equipment_id = equipment.id
                           ) AS max_created_at
FROM equipment;

ve bu HIZLI çalışıyor! Ama ihtiyacın var

1. bu ultra çarpık sorgu formu ve
2. bir dizin geoposition_records(equipment_id, created_at desc).