Question

对于我的硕士论文，我正在分析几种可能对移动服务提供商有用的算法（测试数据集基于移动音乐学校），以寻找一名新学生的最佳老师，以该老师的现有学生为基地考虑在内。

所附代码为简单的KNN（k最近邻）搜索提供了正确的结果，避免了重复。

由于“ DISTINCT ON”要求将st.teacher_id包含在ORDER BY子句中，因此不使用我在几何列“ address_transform”上具有的R-Tree-Index。一旦表的大小变大（学生表为10万行），几何形状变得更复杂等，这将导致非常糟糕的性能。

有什么想法如何重写函数以便使用索引？

CREATE OR REPLACE FUNCTION thesis_knn_distinct (q_neighbors_no integer, q_latitude numeric, q_longitude numeric, q_instrument text, q_student_table character varying)
RETURNS TABLE (
student_id TEXT,
teacher_id TEXT,
distance DOUBLE PRECISION,
instrument TEXT[]
)
AS $$
DECLARE
    location_txt varchar(50) := 'SRID=4326;POINT('||q_longitude||' '||q_latitude||')';
    teacher_table varchar(25);
BEGIN
    IF q_student_table LIKE 'student_hesse%' THEN
        teacher_table = 'teacher_synth_large';
    ELSIF [...]
    END IF;
RETURN QUERY EXECUTE 'WITH teacher_filter AS (
    SELECT DISTINCT ON (st.teacher_id) st.id, st.teacher_id, ST_DistanceSphere(address_box, $2::geometry) AS distance, te.instrument 
        FROM '|| q_student_table::regclass ||' st INNER JOIN '|| teacher_table::regclass ||' te 
        ON st.teacher_id = te.id 
        WHERE te.instrument @> ARRAY[$1]::text[] 
        ORDER BY st.teacher_id, st.address_transform <-> ST_Transform($2::geometry,3857)
    )   
    SELECT * FROM teacher_filter 
        ORDER BY distance
        LIMIT $3;'
    USING q_instrument, location_txt, q_neighbors_no;       
END; $$

LANGUAGE 'plpgsql';

注释：

我正在使用动态查询，因为我正在测试多个真实/合成数据表（索引，非索引，集群等）
我知道可以设置诸如enable_seqscan这样的配置参数，但这并不是解决我的问题的永久方法
作为替代方案，我已经实现了一个（相当快的）变体，其中我通过简单的KNN预选了多个所需的邻居，然后在第二步中删除了重复项。对于纯与距离相关的方法，这行之有效，但如果在随后的步骤中也考虑了除距离以外的其他参数，则预选不一定包含最佳匹配。
我正在使用postgres 10.4，postgis 2.4.4

在PL / pgSQL中按不同类别进行高性能KNN搜索

0 个答案: