Question

我有以下表格：

CREATE TABLE views (
    view_id bigint NOT NULL,
    usr_id bigint,
    ip inet,
    referer_id bigint,
    country_id integer,
    validated smallint,
    completed smallint,
    value numeric
);

ALTER TABLE ONLY views
    ADD CONSTRAINT "Views_pkey" PRIMARY KEY (view_id);

CREATE TABLE country (
    country_id integer NOT NULL,
    country character varying(2)
);

ALTER TABLE ONLY country
    ADD CONSTRAINT country_pkey PRIMARY KEY (country_id);

CREATE TABLE file_id_view_id (
    file_id bigint,
    view_id bigint,
    created_ts timestamp without time zone
);

CREATE TABLE file_owner (
    file_id bigint NOT NULL,
    owner_id bigint
);

ALTER TABLE ONLY file_owner
        ADD CONSTRAINT owner_table_pkey PRIMARY KEY (file_id);

CREATE TABLE referer (
    referer_id bigint NOT NULL,
    referer character varying(255)
);

ALTER TABLE ONLY referer
    ADD CONSTRAINT referer_pkey PRIMARY KEY (referer_id);

views和file_id_view_id表格大约 340M 行。每小时他们都会增加 600K 行。

file_owner表格有 75K 行，每小时会增加 100 行。

country表格有 233 行且很少更改。

referer表格有 6494 行且很少更改。

我的目标是能够执行以下查询：

SELECT Count(ft.*)                     AS total_views,
       ( Count(ft.*) - SUM(ft.valid) ) AS invalid_views,
       SUM(ft.valid)                   AS valid_views,
       SUM(ft.values)                  AS VALUES,
       ft.day                          AS day,
       ( CASE
           WHEN r.referer IS NULL THEN 'Unknown'
           ELSE r.referer
         END )                         AS referer,
       ( CASE
           WHEN c.country IS NULL THEN 'Unknown'
           ELSE c.country
         END )                         AS country
FROM   country c
       right join (referer r
                   right join (SELECT v.validated  AS valid,
                                      v.value      AS VALUES,
                                      vf.day       AS day,
                                      vf.view_id   AS view_id,
                                      v.referer_id AS referer_id,
                                      v.country_id AS country_id
                               FROM   VIEWS v,
                                      (SELECT view_id,
fivi.created_ts :: timestamp :: DATE AS
day
FROM   file_id_view_id fivi
join (SELECT file_id
      FROM   file_owner
      WHERE  owner_id = 75
      GROUP  BY file_id) fo
  ON ( fo.file_id = fivi.file_id )
WHERE  ( fivi.created_ts BETWEEN
  '2015-11-01' AND '2015-12-01' )
GROUP  BY view_id,
   day) vf
WHERE  v.view_id = vf.view_id) ft
ON ( ft.referer_id = r.referer_id ))
ON ( ft.country_id = c.country_id )
GROUP  BY day,
          referer,
          country;

生产：

total_views | invalid_views | valid_views | values |    day     |     referer     | country 
------------+---------------+-------------+--------+------------+-----------------+---------

使用EXPLAIN ANALYZE运行此类查询时，会生成以下内容：

GroupAggregate  (cost=38893491.99..40443007.61 rows=182295955 width=52) (actual time=183725.696..205882.889 rows=172 loops=1)
  Group Key: ((fivi.created_ts)::date), r.referer, c.country
  ->  Sort  (cost=38893491.99..38984639.97 rows=182295955 width=52) (actual time=183725.655..200899.098 rows=8390217 loops=1)
        Sort Key: ((fivi.created_ts)::date), r.referer, c.country
        Sort Method: external merge  Disk: 420192kB
        ->  Hash Left Join  (cost=16340128.88..24989809.75 rows=182295955 width=52) (actual time=23399.900..104337.332 rows=8390217 loops=1)
              Hash Cond: (v.country_id = c.country_id)
              ->  Hash Left Join  (cost=16340125.36..24800637.72 rows=182295955 width=49) (actual time=23399.782..102534.655 rows=8390217 loops=1)
                    Hash Cond: (v.referer_id = r.referer_id)
                    ->  Merge Join  (cost=16340033.52..24051874.62 rows=182295955 width=29) (actual time=23397.410..99955.000 rows=8390217 loops=1)
                          Merge Cond: (fivi.view_id = v.view_id)
                          ->  Group  (cost=16340033.41..16716038.36 rows=182295955 width=16) (actual time=23397.298..30454.444 rows=8390217 loops=1)
                                Group Key: fivi.view_id, ((fivi.created_ts)::date)
                                ->  Sort  (cost=16340033.41..16434985.73 rows=189904653 width=16) (actual time=23397.294..28165.729 rows=8390217 loops=1)
                                      Sort Key: fivi.view_id, ((fivi.created_ts)::date)
                                      Sort Method: external merge  Disk: 180392kB
                                      ->  Nested Loop  (cost=6530.43..8799350.01 rows=189904653 width=16) (actual time=63.123..15131.956 rows=8390217 loops=1)
                                            ->  HashAggregate  (cost=6530.31..6659.62 rows=43104 width=8) (actual time=62.983..90.331 rows=43887 loops=1)
                                                  Group Key: file_owner.file_id
                                                  ->  Bitmap Heap Scan on file_owner  (cost=342.90..6508.76 rows=43104 width=8) (actual time=5.407..50.779 rows=43887 loops=1)
                                                        Recheck Cond: (owner_id = 75)
                                                        Heap Blocks: exact=5904
                                                        ->  Bitmap Index Scan on owner_id_index  (cost=0.00..340.74 rows=43104 width=0) (actual time=4.327..4.327 rows=45576 loops=1)
                                                              Index Cond: (owner_id = 75)
                                            ->  Index Scan using file_id_view_id_indexing on file_id_view_id fivi  (cost=0.11..188.56 rows=4406 width=24) (actual time=0.122..0.306 rows=191 loops=43887)
                                                  Index Cond: (file_id = file_owner.file_id)
                                                  Filter: ((created_ts >= '2015-11-01 00:00:00'::timestamp without time zone) AND (created_ts <= '2015-12-01 00:00:00'::timestamp without time zone))
                                                  Rows Removed by Filter: 184
                          ->  Index Scan using "Views_pkey" on views v  (cost=0.11..5981433.17 rows=338958763 width=25) (actual time=0.088..46804.757 rows=213018702 loops=1)
                    ->  Hash  (cost=68.77..68.77 rows=6591 width=28) (actual time=2.344..2.344 rows=6495 loops=1)
                          Buckets: 1024  Batches: 1  Memory Usage: 410kB
                          ->  Seq Scan on referer r  (cost=0.00..68.77 rows=6591 width=28) (actual time=0.006..1.156 rows=6495 loops=1)
              ->  Hash  (cost=2.70..2.70 rows=233 width=7) (actual time=0.078..0.078 rows=233 loops=1)
                    Buckets: 1024  Batches: 1  Memory Usage: 10kB
                    ->  Seq Scan on country c  (cost=0.00..2.70 rows=233 width=7) (actual time=0.005..0.042 rows=233 loops=1)
Planning time: 1.015 ms
Execution time: 206034.660 ms
(37 rows)

计划解释：explain.depesz.com：http://explain.depesz.com/s/OiN

206s 运行时间。

有些事情需要注意，

Postgresql版本 9.4

我按如下方式调整了配置：

shared_buffers = 30GB
work_mem = 32MB
random_page_cost = 2.0
cpu_tuple_cost = 0.0030
cpu_index_tuple_cost = 0.0010
cpu_operator_cost = 0.0005
effective_cache_size = 52GB

目前存在以下索引：

使用btree（国家/地区）创建INDEX country_index国家/地区;
CREATE INDEX created_ts_index ON file_id_view_id使用btree（created_ts）;
CREATE INDEX file_id_created_ts_index ON file_id_view_id使用btree（created_ts，file_id）;
CREATE INDEX file_id_view_id_indexing on file_id_view_id使用btree（file_id）;
CREATE INDEX owner_id_file_id_index ON file_owner使用btree（file_id，owner_id）;
CREATE INDEX owner_id_index ON file_owner使用btree（owner_id）;
CREATE INDEX referer_index ON referer USING btree（referer）;

之前的查询使用了所有者ID ，其中选择了保守，某些查询可能会导致 1/3 file_id_view_id 表格与观看次数相结合。

更改数据结构是最后度假胜地。在这个阶段，这种变化必定是由于严重关切。

如果需要，可以将db视为只读，正在写入的数据每小时完成，并且在每次写入后给Postgres充足的喘息空间。在 600K每小时写入期间的当前时刻，数据库将在1100s内返回（这是由于插入成本旁边的其他原因）。如果增加读取速度，则有足够的空间来添加附加索引，读取速度是优先考虑的事项。

硬件规格如下：

CPU：http://ark.intel.com/products/83356/Intel-Xeon-Processor-E5-2630-v3-20M-Cache-2_40-GHz

RAM： 128GB

存储： 1.5TB PCIE SSD

如何优化我的数据库或查询，以便在合理的时间范围内从数据库中检索出我需要的信息？

我可以做些什么来优化我目前的设计？

我相信Postgres及其运行的硬件具有比目前更好的性能。

更新

我试过了：

分析表格，不影响表现。
增加work_mem，这导致速度提升到116秒。
取决于Postgres＆＃39;通过避免子选择来查询规划器，这会对性能产生负面影响。
事先单独进行数据库查找，这似乎没有正面/负面影响。

有没有人有重建这么大的经验？这可行吗？是否需要数天，数小时（当然估计）？

我正在考虑对数据库进行反规范化，因为它实际上只会在此方法中引用。我唯一担心的是 - 如果要从带有索引owner_id的表中调用100M行，它会足够快还是我仍然面临相同的性能问题？不愿意走一条路然后不得不回溯。

我正在研究的另一个解决方案是@ ivan.panasuik建议，将所有日期数据分组到另一个表中，因为一旦过了一天，该信息是不变的，不需要更改或更新。但是我不确定如何顺利地实现这一点 - 我是否应该在插入处于暂停状态时查询数据并尽可能快地捕获日期？从那时起有一个触发器设置？

Answer 1

数据库的速度通常不是您的硬件，而是您使用引擎本身的智能和功能的程度。

尽量避免使用子选择 - 尤其是在处理大量数据时。这些通常无法由查询计划程序优化。在大多数情况下，如果需要，您应该能够将简单的子选择转换为JOIN甚至单独的数据库查找。
对表进行分区 - PostgreSQL本身不会这样做（有点）但如果你经常只访问最近的数据，你可以通过移动存档数据来删除大量工作。
考虑一个数据仓库策略 - 当您处理这些数据时，您应该考虑以非规范化的方式存储数据的副本，因为讨厌的JOIN已经被处理，因此非常快速地检索。我们使用Redshift（PostgeSQL的衍生物）执行此操作，以便在运行报表时不需要执行任何JOIN。

Answer 2

删除（Count（ft。*） - SUM（ft.valid））AS invalid_views，因为您已经拥有此值，并且您可以稍后在显示结果期间进行计算
在file_owner.file_id上添加索引，并检查在查询中使用的每个字段是否具有索引（您在条件中使用的字段：where，group等）
我没有更多地分析查询，但似乎你应该在一些较小（和更快）的查询中拆分查询并使用临时表或存储过程连接它。
假设昨天的结果是不会改变的......你可以使用条件day = today（）运行查询并避免按天分组。全天结果您可以保存在一个单独的表中。我发现它大部分时间都在分组。

很难预测优化而不尝试尝试....所以一个接一个地尝试。祝你好运。

如何提高Postgres select语句的速度？

2 个答案: