Question

我有一个巨大的表（当前约3个行，预计会增加1000倍），每秒都有大量的插入。该表永远不会更新。

现在我必须在该表上运行非常慢的查询（如预期的那样）。这些查询不必100％准确，如果结果是一天（但不是更旧），则可以。

目前在两个单个整数列上有两个索引，我必须再添加两个索引（整数和时间戳列）来加速查询。

到目前为止我的想法：

将两个缺失的索引添加到表
根本没有巨大的表上的索引，并将内容（作为日常任务）复制到第二个表（只是重要的行），然后在第二个表上创建索引并在该表上运行查询？
对巨大的桌子进行分区
主/从设置（写入主设备并从从设备读取）。

在性能方面哪个选项最好？你有什么其他的建议？

修改

这是表格（我已经标记了外键并稍微美化了查询）：

CREATE TABLE client_log
(
   id                 serial          NOT NULL,
   logid              integer         NOT NULL,
   client_id          integer         NOT NULL,  (FOREIGN KEY)
   client_version     varchar(16),
   sessionid          varchar(100)    NOT NULL,
   created            timestamptz     NOT NULL,
   filename           varchar(256),
   funcname           varchar(256),
   linenum            integer,
   comment            text,
   domain             varchar(128),
   code               integer,
   latitude           float8,
   longitude          float8,
   created_on_server  timestamptz     NOT NULL,
   message_id         integer,                   (FOREIGN KEY)
   app_id             integer         NOT NULL,  (FOREIGN KEY)
   result             integer
);

CREATE INDEX client_log_code_idx ON client_log USING btree (code);
CREATE INDEX client_log_created_idx ON client_log USING btree (created);
CREATE INDEX clients_clientlog_app_id ON client_log USING btree (app_id);
CREATE INDEX clients_clientlog_client_id ON client_log USING btree (client_id);
CREATE UNIQUE INDEX clients_clientlog_logid_client_id_key ON client_log USING btree (logid, client_id);
CREATE INDEX clients_clientlog_message_id ON client_log USING btree (message_id);

一个示例查询：

SELECT 
    client_log.comment, 
    COUNT(client_log.comment) AS count 
FROM 
    client_log
WHERE 
    client_log.app_id = 33 AND
    client_log.code = 3 AND 
    client_log.client_id IN (SELECT client.id FROM client WHERE 
        client.app_id = 33 AND 
        client."replaced_id" IS NULL)
GROUP BY client_log.comment ORDER BY count DESC;

client_log_code_idx 是上述查询所需的索引。还有其他查询需要 client_log_created_idx 索引。

查询计划：

Sort  (cost=2844.72..2844.75 rows=11 width=242) (actual time=4684.113..4684.180 rows=70 loops=1)
  Sort Key: (count(client_log.comment))
  Sort Method: quicksort  Memory: 32kB
  ->  HashAggregate  (cost=2844.42..2844.53 rows=11 width=242) (actual time=4683.830..4683.907 rows=70 loops=1)
        ->  Hash Semi Join  (cost=1358.52..2844.32 rows=20 width=242) (actual time=303.515..4681.211 rows=1202 loops=1)
              Hash Cond: (client_log.client_id = client.id)
              ->  Bitmap Heap Scan on client_log  (cost=1108.02..2592.57 rows=387 width=246) (actual time=113.599..4607.568 rows=6962 loops=1)
                    Recheck Cond: ((app_id = 33) AND (code = 3))
                    ->  BitmapAnd  (cost=1108.02..1108.02 rows=387 width=0) (actual time=104.955..104.955 rows=0 loops=1)
                          ->  Bitmap Index Scan on clients_clientlog_app_id  (cost=0.00..469.96 rows=25271 width=0) (actual time=58.315..58.315 rows=40662 loops=1)
                                Index Cond: (app_id = 33)
                          ->  Bitmap Index Scan on client_log_code_idx  (cost=0.00..637.61 rows=34291 width=0) (actual time=45.093..45.093 rows=36310 loops=1)
                                Index Cond: (code = 3)
              ->  Hash  (cost=248.06..248.06 rows=196 width=4) (actual time=61.069..61.069 rows=105 loops=1)
                    Buckets: 1024  Batches: 1  Memory Usage: 4kB
                    ->  Bitmap Heap Scan on client  (cost=10.95..248.06 rows=196 width=4) (actual time=27.843..60.867 rows=105 loops=1)
                          Recheck Cond: (app_id = 33)
                          Filter: (replaced_id IS NULL)
                          Rows Removed by Filter: 271
                          ->  Bitmap Index Scan on clients_client_app_id  (cost=0.00..10.90 rows=349 width=0) (actual time=15.144..15.144 rows=380 loops=1)
                                Index Cond: (app_id = 33)
Total runtime: 4684.843 ms

Answer 1

通常，在一个系统中，时间相关数据不断插入数据库，我建议partitioning根据时间。

这不仅仅是因为它可能会缩短查询时间，而是因为它会使管理数据变得困难。无论您的硬件多大，它的容量都会受到限制，因此您最终必须开始删除早于某个日期的行。删除行的速率必须等于它们的速率。

如果您只有一个大表，并且使用DELETE删除旧行，则会留下许多需要抽真空的死元组。 autovacuum将持续运行，耗尽宝贵的磁盘IO。

另一方面，如果按时间进行分区，则删除过时数据就像删除相关子表一样简单。

就索引而言 - 索引不会被继承，因此您可以在加载分区之前保存创建索引。在用例中，您可以使用1天的分区大小。这意味着在插入数据时不需要不断更新索引。根据需要使用其他索引来进行查询会更实际。

您的示例查询不会过滤“已创建的”＆＃39;时间字段，但你说其他查询。如果按时间进行分区，并且在构建查询时要小心，那么约束排除将会启动，并且只包含与查询相关的特定分区。

Answer 2

除了分区之外，我会考虑将表拆分为多个表，即Sharding。

我没有全面了解您的域名，但这些是一些建议：

每个客户端都在自己的架构中获取自己的表（或者一组客户端共享架构，具体取决于您拥有的客户端数量以及您希望获得的新客户端数量。）

create table client1.log(id, logid,.., code, app_id);
create table client2.log(id, logid,.., code, app_id);

像这样拆分表也应该减少对插入的争用。

该表可以拆分得更多。在每个客户端模式中，您还可以按照＆＃34;代码＆＃34;或＆＃34; app_id＆＃34; 或其他对你有用的东西。这可能是过度的，但如果＆＃34;代码的数量很容易实现。和/或＆＃34; app_id＆＃34;价值观不会经常改变。确保将code / app_id列保留在新的较小的表中，但确实对该列设置了约束，以便不能插入其他类型的日志记录。约束也将在搜索时帮助优化器，请参阅此示例：

create schema client1;
set search_path = 'client1';

create table error_log(id serial, code text check(code ='error'));
create table warning_log(id serial, code text check(code ='warning'));
create table message_log(id serial, code text check(code ='message'));

要获得客户端的完整图片（所有行），您可以在所有表格的顶部使用视图：

create view client_log as
select * from error_log
union all
select * from warning_log
union all
select * from message_log;

检查约束应该允许优化器仅搜索表中的＆＃34;代码＆＃34;可以存在。

explain
select * from client_log where code = 'error';
-- Output
Append  (cost=0.00..25.38 rows=6 width=36)
  ->  Seq Scan on error_log  (cost=0.00..25.38 rows=6 width=36)
        Filter: (code = 'error'::text)

Postgres：具有（延迟）读写访问权限的巨大表

2 个答案: