预要求:我需要在一个超过40K结果的查询中找到所有匹配结果。
要求:两个表 - product和product_category。我正在尝试从product_category表中获取具有匹配类别的所有产品。
表格结构:
CREATE TABLE catalog.product (
product_id string PRIMARY KEY index using plain,
name string,
sku string,
) clustered by (product_id) into 4 shards;
create table catalog.product_category (
category_id string primary key index using plain,
product_id string primary key index using plain,
INDEX product_category_index using plain(product_id, category_id)
active boolean,
parent_category_id integer,
updated_at timestamp
);
加入查询:
select p.product_id from catalog.product_category pc join catalog.product p on p.product_id=pc.product_id limit 40000;
尝试了多项内容 - 索引product_id(包括整数和字符串)等。
结果:要显示35K结果,每次花费超过90秒。
问题:如何优化查询响应时间?
其他一些信息: - CPU核心-4 - 尝试使用一个或多个节点 - 默认分片 - 产品总数--35K和product_category仅有35K个企业。
用例:我正在尝试将crateDB用作持久缓存,但是在给定的查询响应时间内,我们无法做到这一点。所以我们将迁移到一些内存数据库,如REDIS或Memcache。选择crateDB的原因是对持久数据的查询能力。
答案 0 :(得分:0)
与加入STRING
类型相比,加入NUMERIC
类型列非常昂贵(字符串值的相等性检查比数值更昂贵)。如果您没有特殊原因,我建议您将其更改为NUMERIC
类型(例如INTEGER
,LONG
,...),这将通过多重因素提高查询速度。
顺便说一下。 index using plain
是所有列的默认索引设置,因此您可以将其保留。
此外,复合索引product_category_index
无助于改进连接查询,如果您使用包含此索引列的WHERE
子句对其进行过滤,这一点非常重要。
更新
您可以做的另一项改进是添加ORDER BY p.product_id, pc.product_id
子句。这样,联接算法可能会在到达您应用的LIMIT
时停止。