Question

我有一个包含单个表（reddit_comments）的postgres数据库，其中包含自2007年以来的所有reddit注释。表中只有10列，但我只是尝试查询subreddit这是一个文本字段。我为subreddit构建了一个btree索引。

关于表格的说明：

1）大约1.5-2亿行。

2）表中没有更多的插入或删除。这是静态的。

3）还有2个索引（作者和月份）

关于硬件：

1）Intel 8核心处理器

2）128 GB的ram

3）存储在7200 SATA驱动器上

当我运行以下查询时：

EXPLAIN (ANALYZE, BUFFERS) select * from reddit_comments WHERE 
subreddit = 'boston' LIMIT 20000;

查询需要花费大量时间，我得到以下输出：

Limit  (cost=0.70..80375.57 rows=20000 width=320) (actual 
time=32.421..52218.645 rows=20000 loops=1)
   Buffers: shared hit=344 read=19532
   I/O Timings: read=52051.619
   ->  Index Scan using subr_idx on reddit_comments  
(cost=0.70..1487554.68 rows=370154 width=320) (actual 
time=32.419..52202.785 rows=20000 loops=1)
     Index Cond: (subreddit = 'boston'::text)
     Buffers: shared hit=344 read=19532
     I/O Timings: read=52051.619
 Planning time: 0.184 ms
 Execution time: 52228.975 ms

如果我没有设置限制= 20000，则需要花费数小时才能运行（约600,000个结果）

我试图从这里实施许多建议：

https://wiki.postgresql.org/wiki/SlowQueryQuestions

但似乎没有什么能加快这个过程。是否有我遗漏的东西可以提高性能，或者只是在我需要获取更多数据时查询这个数据库会很慢？

Answer 1

您想要的数据遍布整个磁盘，因此需要花费大量时间来阅读它。如果你将主要在subreddits上运作，你可以执行：

CLUSTER reddit_comments USING subr_idx

这将重新排序表中的数据，以便在您的问题中运行查询时，查询必须读取更少的页面。根据其他过滤条件运行查询可能需要更长时间，但是会以独占方式锁定表格，并且需要花费大量时间（ref）。

简单的postgres查询非常慢

1 个答案: