我正在尝试在postgreSQL数据库中的两个表之间进行左连接，并且发现它需要大约14分钟才能运行。从现有的SO帖子来看，似乎这种类型的连接应该在几秒钟的数量级，所以我想知道如何提高此连接的性能。我使用64-bit在postgreSQL version 9.4.4计算机Windows 8上运行8 GB RAM pgAdmin III，explain (analyze, buffers)。表格结构如下：
表A：“parcels_qtr”：
parcel（text）| yr（int）| qtr（文本）| lpid（pk，text）|
有1550万行，每列都被编入索引，“lpid”是主键。我还通过一个标准的真空过程来运行这个表。
表B：“postalvac_qtr”：
parcel（text）| yr（int）| qtr（文本）| lpid（pk，text）| vacCountY（int）|
有618,000条记录，除“vacCountY”以外的所有字段都被编入索引，“lpid”是主键。这也经历了标准的真空过程。
运行数据输出时，大约需要14分钟。使用EXPLAIN (ANALYZE, BUFFERS)
select a.parcel,
a.lpid,
a.yr,
a.qtr,
b."vacCountY"
from parcels_qtr as a
left join postalvac_qtr as b
on a.lpid = b.lpid;
运行时需要花一点多时间。第一个问题 - 这种性能上的差异完全归因于打印数据还是其他事情发生在这里？
第二个问题，我可以将运行时间缩短到几秒钟吗？
这是我的SQL代码：
shown.bs.modal以下是我的解释声明的结果：https://explain.depesz.com/s/uKkK
我对postgreSQL很新，所以耐心和解释会非常感激！
答案 0 :(得分：7)
你要求DB做很多工作。只看一下解释计划，就是：
postalvac_qtr）lpid parcels_qtr）lpid中的每一个，并将它们与现有哈希表匹配这些桌子有多大？您可以通过发出以下内容来检查：
SELECT pg_size_pretty(pg_relation_size('parcels_qtr'));
我几乎可以肯定这个散列连接会溢出到磁盘，以及它的结构方式（“从这两个表中”给我所有的数据“），这是不可能的不会。
指数没有帮助，也没有。只要你要求整个表，使用索引只会让事情变慢 - 无论如何，postgres必须遍历整个表，所以它也可以发出顺序扫描。
至于为什么查询的性能与explain analyze不同，我怀疑你是对的。将1-15行发送到您的客户端，2-尝试显示它们的组合将导致实际查询之外的显着减速。
那么，你能做些什么呢？
首先，这个查询试图做什么？您是否经常在这两个表中抓取所有数据，完全未经过滤？如果它很常见，您可能需要考虑回到需求阶段并找出解决该需求的另一种方法（例如，获取给定年份和季度的所有数据是否合理？）。如果它不常见（比如每日出口），则1-14分钟可能没问题。
其次，你应该确保你的表不会膨胀。如果您在表格中遇到重要的update或delete流量，那么这会随着时间的推移而增长。 autovacuum守护程序可以帮助解决这个问题，但偶尔发布vacuum full也会有所帮助。
第三，您可以尝试调整数据库配置。在postgresql.conf中，有一些参数可用于服务器可用于磁盘缓存的预期RAM量，以及服务器可用于排序或连接的RAM量（在它溢出到磁盘之前）。通过修改这些参数，您可以提高速度。
第四，您可能想要重新访问您的架构。您是希望将年份和季度作为两个单独的列，还是使用date类型的单个列更好？您想要一个text密钥吗？或者您最好使用bigint（序列或从text列派生），这可能会更快加入？两个表中实际需要parcel，yr和qtr字段，还是在一个表中重复数据？
无论如何，我希望这有帮助。