从表中提高SQL更新的性能

Question

我正在运行如下的查询

update foo f set type=b.type from bar b where f.bar_id = b.id;

这些表中的每一个都有数百万行。我觉得奇怪的是对此查询进行分析表明它运行了2次表扫描，而不是使用它加入bar主键的事实。

有关如何使用索引或以其他方式提高速度的任何想法？

Answer 1

PostgreSQL在处理这种声明方面做得不好。问题在于，它几乎就像是一个选择查询而花费它们，忽略了它现在必须访问foo的每个限定行以对其进行更改的事实。因此，如果它选择一个查询路径，该路径返回物理顺序中的foo行，这几乎是除了以下所有查询路径：

nested loop
    seq scan on foo
    index scan on bar

然后它会跳过所有的tarnation试图更新foo的行不按顺序。

如果它确实选择了上述计划，那么它现在正在跳过bar读取该故障。但跳过遍布脏页的情况通常比跳过阅读页面更糟糕，而不会弄脏它们。

您最好的选择可能只是使用CREATE TABLE ... AS SELECT重新创建foo2 ... 然后重命名。如果有很多外键约束和视图引用foo，那可能会很痛苦。

如果您有RAM，可以尝试将work_mem提升到单程计划的程度：

hash join
    seq scan on foo
    hash
        seq scan on bar

但是如果它决定它需要在多次通过中进行，因为它不适合记忆，那么当你回到随机跳跃时，事情就会匆匆走向南方。更糟糕的是，PostgreSQL在计划这一点时毫无帮助，而且你很可能会得到

hash join
    seq scan on bar
    hash
        seq scan on foo

这是一个可怕的计划。

Answer 2

在您的情况下考虑事务日志压力。也许你可以将事务分成几个，每行50k行？

此外，如果更新＆gt; 1m行，我建议您在UPDATE之前更改除WHERE子句之外的所有索引到INACTIVE状态。