如何解决SELECT DISTINCT 在我的 PostgreSQL 表上比预期的要慢
这是我的表架构:
CREATE TABLE tickers (
product_id TEXT NOT NULL,trade_id INT NOT NULL,sequence BIGINT NOT NULL,time TIMESTAMPTZ,price NUMERIC NOT NULL,side TEXT NOT NULL,last_size NUMERIC NOT NULL,best_bid NUMERIC NOT NULL,best_ask NUMERIC NOT NULL,PRIMARY KEY (product_id,trade_id)
);
我的应用程序在“ticker”频道上订阅了 Coinbase Pro 的 websocket,并在收到消息时在行情表中插入一行。
该表现在有近 200 万行。
我认为运行 SELECT DISTINCT product_id FROM tickers
会很快,但它需要大约 500 到 600 毫秒。以下是 EXPLAIN ANALYZE
的输出:
HashAggregate (cost=47938.97..47939.38 rows=40 width=8) (actual time=583.105..583.110 rows=40 loops=1)
Group Key: product_id
-> Seq Scan on tickers (cost=0.00..42990.98 rows=1979198 width=8) (actual time=0.030..195.536 rows=1979243 loops=1)
Planning Time: 0.068 ms
Execution Time: 583.137 ms
如果我通过运行 SET enable_seqscan = FALSE
关闭 seq 扫描(不是我真正想要依赖的东西,只是为了测试目的而这样做),那么查询会快一点。在 400 到 500 毫秒之间。以下是 EXPLAIN ANALYZE
的输出:
Unique (cost=0.43..80722.61 rows=40 width=8) (actual time=0.020..480.339 rows=40 loops=1)
-> Index Only Scan using tickers_pkey on tickers (cost=0.43..75772.49 rows=1980051 width=8) (actual time=0.019..344.113 rows=1980160 loops=1)
Heap Fetches: 328693
Planning Time: 0.064 ms
Execution Time: 480.386 ms
表中只有 40 个唯一的产品 ID。我假设由于 product_id
是复合主键的一部分,因此被索引,SELECT DISTINCT product_id FROM tickers
会快得多。但事实证明,查询计划器默认使用 seq 扫描而不是索引,即使我强制它使用索引它仍然很慢(但比 seq 扫描快一点)。我意识到我可以创建另一个表来存储唯一的产品 ID 并查询它,但我更关心为什么我在股票行情表上的查询需要这么长时间。
编辑#1:
我尝试仅在 product_id 列 (CREATE INDEX idx_tickers_product_id ON tickers (product_id)
) 上创建索引,除非我先运行 SET enable_seqscan = FALSE
,否则查询计划程序仍会执行顺序扫描。但它的性能比使用复合 PK 索引时略好(快 10 到 50 毫秒)。
编辑#2: 我尝试了 Erwin Brandstetter 的解决方案,它大大提高了速度。现在表中有 225 万行,执行只需要 0.75 毫秒!
编辑#3: 我想增加已接受的解决方案,以便检索代码计数(max(trade_id) - min(trade_id) + 1)以及每个产品 id 的最短和最长时间。我为此创建了一个新问题: How to use index skip emulation in PostgreSQL to retrieve distinct product IDs and also min/max for certain columns
解决方法
虽然 Postgres 中还没有索引跳过扫描,请模仿它:
WITH RECURSIVE cte AS (
( -- parentheses required
SELECT product_id
FROM tickers
ORDER BY 1
LIMIT 1
)
UNION ALL
SELECT l.*
FROM cte c
CROSS JOIN LATERAL (
SELECT product_id
FROM tickers t
WHERE t.product_id > c.product_id -- lateral reference
ORDER BY 1
LIMIT 1
) l
)
TABLE cte;
在 (product_id)
上有索引并且表中只有 40 个唯一产品 ID,这应该是快速。大写F。(product_id,trade_id)
上的 PK 指数对它也有好处!
每个 product_id
只有很少的行(与您的数据分布相反),DISTINCT
/ DISTINCT ON
将同样快或更快。
实施索引跳过扫描的工作正在进行中。
见:
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。