postgresql COUNT (DISTINCT…) çok yavaş

Çok basit bir SQL sorgusu var:

SELECT COUNT(DISTINCT x) FROM table;

Masamın yaklaşık 1,5 milyon satırı var. Bu sorgu oldukça yavaş çalışıyor; ile karşılaştırıldığında yaklaşık 7.5s sürer

 SELECT COUNT(x) FROM table;

yaklaşık 435ms sürer. Performansı artırmak için sorgumu değiştirmenin bir yolu var mı? Gruplama ve düzenli bir sayım yapmanın yanı sıra x üzerinde bir dizin koymayı denedim; her ikisi de aynı 7.5s yürütme süresine sahiptir.

Bunu kullanabilirsiniz:

SELECT COUNT(*) FROM (SELECT DISTINCT column_name FROM table_name) AS temp;

Bu çok daha hızlıdır:

COUNT(DISTINCT column_name)

-- My default settings (this is basically a single-session machine, so work_mem is pretty high)
SET effective_cache_size='2048MB';
SET work_mem='16MB';

\echo original
EXPLAIN ANALYZE
SELECT
        COUNT (distinct val) as aantal
FROM one
        ;

\echo group by+count(*)
EXPLAIN ANALYZE
SELECT
        distinct val
       -- , COUNT(*)
FROM one
GROUP BY val;

\echo with CTE
EXPLAIN ANALYZE
WITH agg AS (
    SELECT distinct val
    FROM one
    GROUP BY val
    )
SELECT COUNT (*) as aantal
FROM agg
        ;

Sonuçlar:

original                                                      QUERY PLAN                                                      
----------------------------------------------------------------------------------------------------------------------
 Aggregate  (cost=36448.06..36448.07 rows=1 width=4) (actual time=1766.472..1766.472 rows=1 loops=1)
   ->  Seq Scan on one  (cost=0.00..32698.45 rows=1499845 width=4) (actual time=31.371..185.914 rows=1499845 loops=1)
 Total runtime: 1766.642 ms
(3 rows)

group by+count(*)
                                                         QUERY PLAN                                                         
----------------------------------------------------------------------------------------------------------------------------
 HashAggregate  (cost=36464.31..36477.31 rows=1300 width=4) (actual time=412.470..412.598 rows=1300 loops=1)
   ->  HashAggregate  (cost=36448.06..36461.06 rows=1300 width=4) (actual time=412.066..412.203 rows=1300 loops=1)
         ->  Seq Scan on one  (cost=0.00..32698.45 rows=1499845 width=4) (actual time=26.134..166.846 rows=1499845 loops=1)
 Total runtime: 412.686 ms
(4 rows)

with CTE
                                                             QUERY PLAN                                                             
------------------------------------------------------------------------------------------------------------------------------------
 Aggregate  (cost=36506.56..36506.57 rows=1 width=0) (actual time=408.239..408.239 rows=1 loops=1)
   CTE agg
     ->  HashAggregate  (cost=36464.31..36477.31 rows=1300 width=4) (actual time=407.704..407.847 rows=1300 loops=1)
           ->  HashAggregate  (cost=36448.06..36461.06 rows=1300 width=4) (actual time=407.320..407.467 rows=1300 loops=1)
                 ->  Seq Scan on one  (cost=0.00..32698.45 rows=1499845 width=4) (actual time=24.321..165.256 rows=1499845 loops=1)
       ->  CTE Scan on agg  (cost=0.00..26.00 rows=1300 width=0) (actual time=407.707..408.154 rows=1300 loops=1)
     Total runtime: 408.300 ms
    (7 rows)

CTE ile aynı plan muhtemelen diğer yöntemlerle de üretilebilir (pencere fonksiyonları)

Eğer count(distinct(x))değeriniz önemli ölçüde count(x)yavaşsa, farklı tablolarda x değeri sayılarını koruyarak, örneğin table_name_x_counts (x integer not null, x_count int not null)tetikleyicileri kullanarak bu sorguyu hızlandırabilirsiniz . Ancak yazma performansınız düşecektir ve xtek bir işlemde birden çok değeri güncellerseniz , olası kilitlenmeleri önlemek için bunu açık bir sırayla yapmanız gerekir.

Ben de aynı cevabı araştırıyordum, çünkü bir noktada limit / ofset ile birlikte farklı değerlerle total_count'a ihtiyacım vardı .

Çünkü bunu yapmak biraz zor- Sınır / ofset ile birlikte farklı değerlerle toplam sayım elde etmek. Genellikle limit / ofset ile toplam sayımı elde etmek zordur. Sonunda bunu yapmanın yolunu buldum -

SELECT DISTINCT COUNT(*) OVER() as total_count, * FROM table_name limit 2 offset 0;

Sorgu performansı da yüksektir.