Question

我需要从按其baz分组的“最早”（MIN(save_date)）行中快速选择一个值（foo_id）。以下查询返回正确的行（当存在重复的save_dates时，它几乎可以返回每个foo_id的倍数。）

foos表包含大约55k行，samples表包含大约2500万行。

CREATE TABLE foos (
    foo_id     int,
    val        varchar(40),
    # ref_id is a FK, constraint omitted for brevity
    ref_id     int
)
CREATE TABLE samples (
    sample_id  int,
    save_date  date,
    baz        smallint,
    # foo_id is a FK, constraint omitted for brevity
    foo_id     int
)

WITH foo ( foo_id, val ) AS (
        SELECT foo_id, val FROM foos
        WHERE foos.ref_id = 1
    ORDER BY foos.val ASC
    LIMIT 25 OFFSET 0
)
SELECT foo.val, firsts.baz
FROM foo
LEFT JOIN (
    SELECT A.baz, A.foo_id
    FROM samples A
    INNER JOIN (
        SELECT foo_id, MIN( save_date ) AS save_date
        FROM samples
        GROUP BY foo_id
    ) B
    USING ( foo_id, save_date )
) firsts USING ( foo_id )

此查询目前耗时超过100秒;我希望看到这个回归大约1秒钟（或更少！）。

如何将此查询编写为最佳？

更新;添加`explains`：

显然我正在使用的实际查询不使用表foo，baz等。

“dumbed down”示例查询（来自上方）explain：

Hash Right Join  (cost=337.69..635.47 rows=3 width=100)
  Hash Cond: (a.foo_id = foo.foo_id)
  CTE foo
    ->  Limit  (cost=71.52..71.53 rows=3 width=102)
          ->  Sort  (cost=71.52..71.53 rows=3 width=102)
                Sort Key: foos.val
                ->  Seq Scan on foos  (cost=0.00..71.50 rows=3 width=102)
                      Filter: (ref_id = 1)
  ->  Hash Join  (cost=265.25..562.90 rows=9 width=6)
        Hash Cond: ((a.foo_id = samples.foo_id) AND (a.save_date = (min(samples.save_date))))
        ->  Seq Scan on samples a  (cost=0.00..195.00 rows=1850 width=10)
        ->  Hash  (cost=244.25..244.25 rows=200 width=8)
              ->  HashAggregate  (cost=204.25..224.25 rows=200 width=8)
                    ->  Seq Scan on samples  (cost=0.00..195.00 rows=1850 width=8)
  ->  Hash  (cost=0.60..0.60 rows=3 width=102)
        ->  CTE Scan on foo  (cost=0.00..0.60 rows=3 width=102)

Answer 1

如果我理解这个问题，你想要开窗。

WITH find_first AS (
  SELECT foo_id, baz,
    row_number()
  OVER (PARTITION BY foo_id ORDER BY foo_id, save_date) AS rnum
  FROM samples
)
SELECT foo_id, baz FROM find_first WHERE rnum = 1;

使用row_number代替rank可以消除重复，并保证每个foo只有一个baz。如果你需要知道没有bazz的foos，只需LEFT JOIN这个查询的foos表。

对于(foo_id, save_date)的索引，优化器应该足够聪明，只需要保留一个baz并快速跳过。

Answer 2

row_number()是一只美丽的野兽，但DISTINCT ON在这里更简单。

WITH foo AS (
    SELECT foo_id
    FROM   foos
    WHERE  ref_id = 1
    ORDER  BY val
    LIMIT  25 OFFSET 0
    )
SELECT DISTINCT ON (1) f.foo_id, s.baz
FROM   foo f
LEFT   JOIN samples s USING (foo_id)
ORDER  BY f.foo_id, s.save_date, s.baz;

这假设您需要每foo_id一行。如果sample中有多个行共享同一个最早的save_date，则baz会成为决胜局。

该案例与this question from yesterday非常相似。

如何有效地选择postgres中具有MIN日期的行

更新;添加`explains`：

2 个答案:

更多建议：

如何有效地选择postgres中具有MIN日期的行

更新;添加explains：

2 个答案:

更多建议：

更新;添加`explains`：