Optymalizacja „najnowszego” zapytania w Postgres w 20 milionach wierszy

Mój stół wygląda następująco:

    Column             |    Type           |    
-----------------------+-------------------+
 id                    | integer           | 
 source_id             | integer           | 
 timestamp             | integer           | 
 observation_timestamp | integer           | 
 value                 | double precision  | 

indeksy istnieją na source_id, timestamp oraz na kombinacji timestamp i id ( CREATE INDEX timeseries_id_timestamp_combo_idx ON timeseries (id, timeseries DESC NULLS LAST))

Jest w nim 20 milionów wierszy (OK, jest 120 milionów, ale 20 milionów z id_źródła = 1). Ma wiele wpisów dla tego samego timestampz różnymi observation_timestamp, które opisują valuewystąpienie w timestampzgłoszonym lub zaobserwowanym w observation_timestamp. np. Temperatura przewidywana na jutro 14.00, jak przewidywano dzisiaj o godzinie 12.00.

Idealnie ten stół dobrze robi kilka rzeczy:

• partia wstawiająca nowe wpisy, czasem 100 KB na raz
• wybieranie danych obserwowanych dla przedziałów czasowych („jaka jest prognoza temperatur od stycznia do marca”)
• wybieranie danych obserwowanych dla przedziałów czasowych obserwowanych z pewnego punktu („jakie są prognozy temperatur dla okresu od stycznia do marca, jak pomyśleliśmy 1 listopada”)

Drugi jest tym, który ma zasadnicze znaczenie dla tego pytania.

Dane w tabeli wyglądałyby następująco

id  source_id   timestamp   observation_timestamp   value
1   1           1531084900  1531083900              9999
2   1           1531084900  1531082900              1111
3   1           1531085900  1531083900              8888
4   1           1531085900  1531082900              7777
5   1           1531086900  1531082900              5555

a wynik zapytania wyglądałby następująco (tylko wiersz najnowszego reprezentowanego timestamp_obserwacji)

id  source_id   timestamp   observation_timestamp   value
1   1           1531084900  1531083900              9999
3   1           1531085900  1531083900              8888
5   1           1531086900  1531082900              5555

Już wcześniej zapoznałem się z materiałami, aby zoptymalizować te zapytania, a mianowicie

• /programming/25536422/optimize-group-by-query-to-retrieve-latest-record-per-user/25536748#25536748
• Jak przyspieszyć DISTINCT ON w PostgreSQL?
• /programming/3800551/select-first-row-in-each-group-by-group

... z ograniczonym sukcesem.

Zastanawiałem się nad utworzeniem w nim osobnej tabeli timestamp, aby łatwiej było z niej skorzystać, ale ze względu na stosunkowo dużą liczebność tych osób wątpię, czy mi pomogą - dodatkowo obawiam się, że będzie to utrudnione batch inserting new entries.

Patrzę na trzy zapytania i wszystkie one dają mi słabą wydajność

• Rekurencyjne CTE z łączeniem LATERAL
• Funkcja okna
• WYRÓŻNIJ WŁ

(Zdaję sobie sprawę, że w tej chwili nie robią tego samego, ale o ile wiem, służą jako dobre przykłady tego rodzaju zapytań).

Rekurencyjne CTE z łączeniem LATERAL

WITH RECURSIVE cte AS (
    (
        SELECT ts
        FROM timeseries ts
        WHERE source_id = 1
        ORDER BY id, "timestamp" DESC NULLS LAST
        LIMIT 1
    )
    UNION ALL
    SELECT (
        SELECT ts1
        FROM timeseries ts1
        WHERE id > (c.ts).id
        AND source_id = 1
        ORDER BY id, "timestamp" DESC NULLS LAST
        LIMIT 1
    )
    FROM cte c
    WHERE (c.ts).id IS NOT NULL
)
SELECT (ts).*
FROM cte
WHERE (ts).id IS NOT NULL
ORDER BY (ts).id;

Wydajność:

Sort  (cost=164999681.98..164999682.23 rows=100 width=28)
  Sort Key: ((cte.ts).id)
  CTE cte
    ->  Recursive Union  (cost=1653078.24..164999676.64 rows=101 width=52)
          ->  Subquery Scan on *SELECT* 1  (cost=1653078.24..1653078.26 rows=1 width=52)
                ->  Limit  (cost=1653078.24..1653078.25 rows=1 width=60)
                      ->  Sort  (cost=1653078.24..1702109.00 rows=19612304 width=60)
                            Sort Key: ts.id, ts.timestamp DESC NULLS LAST
                            ->  Bitmap Heap Scan on timeseries ts  (cost=372587.92..1555016.72 rows=19612304 width=60)
                                  Recheck Cond: (source_id = 1)
                                  ->  Bitmap Index Scan on ix_timeseries_source_id  (cost=0.00..367684.85 rows=19612304 width=0)
                                        Index Cond: (source_id = 1)
          ->  WorkTable Scan on cte c  (cost=0.00..16334659.64 rows=10 width=32)
                Filter: ((ts).id IS NOT NULL)
                SubPlan 1
                  ->  Limit  (cost=1633465.94..1633465.94 rows=1 width=60)
                        ->  Sort  (cost=1633465.94..1649809.53 rows=6537435 width=60)
                              Sort Key: ts1.id, ts1.timestamp DESC NULLS LAST
                              ->  Bitmap Heap Scan on timeseries ts1  (cost=369319.21..1600778.77 rows=6537435 width=60)
                                    Recheck Cond: (source_id = 1)
                                    Filter: (id > (c.ts).id)
                                    ->  Bitmap Index Scan on ix_timeseries_source_id  (cost=0.00..367684.85 rows=19612304 width=0)
                                          Index Cond: (source_id = 1)
  ->  CTE Scan on cte  (cost=0.00..2.02 rows=100 width=28)
        Filter: ((ts).id IS NOT NULL)

(tylko EXPLAIN, EXPLAIN ANALYZEnie można ukończyć, zajęło> 24 godziny, aby zakończyć zapytanie)

Funkcja okna

WITH summary AS (
  SELECT ts.id, ts.source_id, ts.value,
    ROW_NUMBER() OVER(PARTITION BY ts.timestamp ORDER BY ts.observation_timestamp DESC) AS rn
  FROM timeseries ts
  WHERE source_id = 1
)
SELECT s.*
FROM summary s
WHERE s.rn = 1;

Wydajność:

CTE Scan on summary s  (cost=5530627.97..5971995.66 rows=98082 width=24) (actual time=150368.441..226331.286 rows=88404 loops=1)
  Filter: (rn = 1)
  Rows Removed by Filter: 20673704
  CTE summary
    ->  WindowAgg  (cost=5138301.13..5530627.97 rows=19616342 width=32) (actual time=150368.429..171189.504 rows=20762108 loops=1)
          ->  Sort  (cost=5138301.13..5187341.98 rows=19616342 width=24) (actual time=150368.405..165390.033 rows=20762108 loops=1)
                Sort Key: ts.timestamp, ts.observation_timestamp DESC
                Sort Method: external merge  Disk: 689752kB
                ->  Bitmap Heap Scan on timeseries ts  (cost=372675.22..1555347.49 rows=19616342 width=24) (actual time=2767.542..50399.741 rows=20762108 loops=1)
                      Recheck Cond: (source_id = 1)
                      Rows Removed by Index Recheck: 217784
                      Heap Blocks: exact=48415 lossy=106652
                      ->  Bitmap Index Scan on ix_timeseries_source_id  (cost=0.00..367771.13 rows=19616342 width=0) (actual time=2757.245..2757.245 rows=20762630 loops=1)
                            Index Cond: (source_id = 1)
Planning time: 0.186 ms
Execution time: 234883.090 ms

WYRÓŻNIJ WŁ

SELECT DISTINCT ON (timestamp) *
FROM timeseries
WHERE source_id = 1
ORDER BY timestamp, observation_timestamp DESC;

Wydajność:

Unique  (cost=5339449.63..5437531.34 rows=15991 width=28) (actual time=112653.438..121397.944 rows=88404 loops=1)
  ->  Sort  (cost=5339449.63..5388490.48 rows=19616342 width=28) (actual time=112653.437..120175.512 rows=20762108 loops=1)
        Sort Key: timestamp, observation_timestamp DESC
        Sort Method: external merge  Disk: 770888kB
        ->  Bitmap Heap Scan on timeseries  (cost=372675.22..1555347.49 rows=19616342 width=28) (actual time=2091.585..56109.942 rows=20762108 loops=1)
              Recheck Cond: (source_id = 1)
              Rows Removed by Index Recheck: 217784
              Heap Blocks: exact=48415 lossy=106652
              ->  Bitmap Index Scan on ix_timeseries_source_id  (cost=0.00..367771.13 rows=19616342 width=0) (actual time=2080.054..2080.054 rows=20762630 loops=1)
                    Index Cond: (source_id = 1)
Planning time: 0.132 ms
Execution time: 161651.006 ms

Jak mam uporządkować swoje dane, czy są skany, których nie powinno być, czy generalnie możliwe jest uzyskanie tych zapytań do ~ 1s (zamiast ~ 120s)?

Czy istnieje inny sposób zapytania danych, aby uzyskać pożądane wyniki?

Jeśli nie, na jaką inną infrastrukturę / architekturę powinienem patrzeć?

W przypadku rekurencyjnej kwerendy CTE finał nie ORDER BY (ts).idjest potrzebny, ponieważ CTE automatycznie tworzy je w tej kolejności. Usunięcie tego powinno znacznie przyspieszyć zapytanie, może zatrzymać się wcześniej niż generować 20 180 572 wierszy tylko po to, aby wyrzucić wszystkie oprócz 500. Również budowanie indeksu (source_id, id, timestamp desc nulls last)powinno go dalej ulepszać.

W przypadku pozostałych dwóch zapytań, zwiększenie work_mem na tyle, aby mapy bitowe zmieściły się w pamięci (aby pozbyć się stratnych bloków sterty), mogłoby pomóc. Ale nie tak bardzo, jak indeksy niestandardowe, takie jak (source_id, "timestamp", observation_timestamp DESC)lub jeszcze lepiej dla skanów indeksowych (source_id, "timestamp", observation_timestamp DESC, value, id).