Question

我想更好地了解一种情况：

我有一个表t，其中有两行和一个索引：

CREATE TABLE t (
  refid                 BIGINT NOT NULL,
  created               TIMESTAMPTZ NOT NULL
);
CREATE INDEX t_refid_created ON t (refid, created);

为了获得每个不同的created的最新（最高refid值）行，我编写了两个查询：

-- index only scan t_refid_created_desc_idx
SELECT DISTINCT ON (refid) * FROM t
ORDER BY refid, created DESC;

-- index scan t_refid_created_idx 
SELECT refid, max(created) FROM t GROUP BY refid;

当t有大约1600万行并且refid中的方差大约是500个不同的值时，第二个查询的返回速度明显快于第二个查询。

起初，我发现由于我是按created DESC进行排序，因此需要从具有高方差的值开始（创建）进行向后索引扫描。所以我添加了以下索引：

CREATE index t_refid_created_desc_idx ON t (refid, created DESC);

确实使用了它（而不是对先前索引的向后扫描），但是没有任何改善。

如果我理解正确，第二个查询将按refid进行汇总，然后扫描每个汇总以找到最大created值。这听起来像很多工作。据我所知，第一个查询应该只对索引的第一部分进行迭代，然后对于每个refid，它应该使用索引的第二部分，并采用第一个值。

显然不是这种情况，SELECT DISTINCT查询的时间是GROUP BY的两倍。

我在这里想念什么？

以下是第一个和第二个查询的EXPLAIN ANALYZE输出：

Unique  (cost=0.56..850119.78 rows=291 width=16) (actual time=0.103..13414.913 rows=469 loops=1)
  ->  Index Only Scan using t_refid_created_desc_idx on t  (cost=0.56..808518.47 rows=16640527 width=16) (actual time=0.102..12113.454 rows=16640527 loops=1)
        Heap Fetches: 16640527
Planning time: 0.157 ms
Execution time: 13415.047 ms

Finalize GroupAggregate  (cost=599925.13..599932.41 rows=291 width=16) (actual time=3454.350..3454.884 rows=469 loops=1)
  Group Key: refid
  ->  Sort  (cost=599925.13..599926.59 rows=582 width=16) (actual time=3454.344..3454.509 rows=1372 loops=1)
        Sort Key: refid
        Sort Method: quicksort  Memory: 113kB
        ->  Gather  (cost=599837.29..599898.40 rows=582 width=16) (actual time=3453.194..3560.602 rows=1372 loops=1)
              Workers Planned: 2
              Workers Launched: 2
              ->  Partial HashAggregate  (cost=598837.29..598840.20 rows=291 width=16) (actual time=3448.225..3448.357 rows=457 loops=3)
                    Group Key: refid
                    ->  Parallel Seq Scan on t  (cost=0.00..564169.53 rows=6933553 width=16) (actual time=0.047..2164.459 rows=5546842 loops=3)
Planning time: 0.157 ms
Execution time: 3561.727 ms

第一个查询运行大约10秒钟，而第二个查询则在2秒钟内达到相同的结果！而且甚至不用索引！

我正在使用PostgreSQL 10.5。

Answer 1

我无法回答为什么DISTINCT ON不考虑第二个计划的谜语。从成本估算中，我们发现PostgreSQL认为它更便宜。

我猜没有人实施过将DISTINCT下推到并行计划中。您可以询问邮件列表。

但是，第一个查询的问题是1600万次堆提取。这意味着这实际上是正常的索引扫描！在计划者看来，这似乎是一个错误的估计。

如果我是对的，那么清理{em>可见性图的桌子上的VACUUM应该会大大改善第一个查询。

PostgreSQL：DISTINCT中的最新行性能低于GROUP BY中的最大行

1 个答案: