Mam dużą tabelę obiektów (15M + wiersz) w PostgreSQL 9.0.8, dla których chcę zapytać o nieaktualne pole.
Chcę podzielić zapytanie na miliony, dla celów skalowalności i współbieżności, i chcę pobrać wszystkie dane za pomocą pola updated_at z datą sprzed kilku dni.
Próbowałem wielu indeksów i zapytań dotyczących miliona identyfikatorów i nie mogę uzyskać wydajności poniżej 100 sekund dzięki sprzętowi Ronin firmy Heroku.
Szukam sugestii, których nie próbowałem uczynić tak wydajnymi, jak to możliwe.
SPRÓBUJ # 1
EXPLAIN ANALYZE SELECT count(*) FROM objects
WHERE (date(updated_at)) < (date(now())-7) AND id >= 5000001 AND id < 6000001;
INDEX USED: (date(updated_at),id)
268578.934 ms
WYPRÓBUJ # 2
EXPLAIN ANALYZE SELECT count(*) FROM objects
WHERE ((date(now()) - (date(updated_at)) > 7)) AND id >= 5000001 AND id < 6000001;
INDEX USED: primary key
335555.144 ms
SPRÓBUJ # 3
EXPLAIN ANALYZE SELECT count(*) FROM objects
WHERE (date(updated_at)) < (date(now())-7) AND id/1000000 = 5;
INDEX USED: (date(updated_at),(id/1000000))
243427.042 ms
SPRÓBUJ # 4
EXPLAIN ANALYZE SELECT count(*) FROM objects
WHERE (date(updated_at)) < (date(now())-7) AND id/1000000 = 5 AND updated_at IS NOT NULL;
INDEX USED: (date(updated_at),(id/1000000)) WHERE updated_at IS NOT NULL
706714.812 ms
WYPRÓBUJ # 5 (dla jednego miesiąca nieaktualnych danych)
EXPLAIN ANALYZE SELECT count(*) FROM objects
WHERE (EXTRACT(MONTH from date(updated_at)) = 8) AND id/1000000 = 5;
INDEX USED: (EXTRACT(MONTH from date(updated_at)),(id/1000000))
107241.472 ms
SPRÓBUJ # 6
EXPLAIN ANALYZE SELECT count(*) FROM objects
WHERE (date(updated_at)) < (date(now())-7) AND id/1000000 = 5;
INDEX USED: ( (id/1000000 ) ASC ,updated_at DESC NULLS LAST)
106842.395 ms
WYPRÓBUJ # 7 (patrz: http://explain.depesz.com/s/DQP )
EXPLAIN ANALYZE SELECT count(*) FROM objects
WHERE id/1000000 = 5 and (date(updated_at)) < (date(now())-7);
INDEX USED: ( (id/1000000 ) ASC ,date(updated_at) DESC NULLS LAST);
100732.049 ms
Second try: 87280.728 ms
SPRÓBUJ # 8
EXPLAIN ANALYZE SELECT count(*) FROM objects
WHERE (date(updated_at)) < (date(now())-7) AND id/1000000 = 5 AND updated_at IS NOT NULL;
INDEX USED: ( (id/1000000 ) ASC ,date(updated_at) ASC NULLS LAST);
129133.022 ms
TRY 9 ( częściowy indeks zgodnie z sugestią Erwina, patrz: http://explain.depesz.com/s/p9A )
EXPLAIN ANALYZE SELECT count(*) FROM objects
WHERE id BETWEEN 5000000 AND 5999999 AND (date(updated_at)) < '2012-10-23'::date;
INDEX USED: (date(updated_at) DESC NULLS LAST)
WHERE id BETWEEN 5000000 AND 6000000 AND date(updated_at) < '2012-10-23'::date;
73861.047 ms
WYPRÓBUJ # 10 ( klaster , zgodnie z sugestią Erwina).
CREATE INDEX ix_8 on objects ( (id/1000000 ) ASC ,date(updated_at) DESC NULLS LAST);
CLUSTER entities USING ix_8;
EXPLAIN ANALYZE SELECT count(*) FROM objects
WHERE id/1000000 = 5 and (date(updated_at)) < (date(now())-7) ;
4745.595 ms
EXPLAIN ANALYZE SELECT count(*) FROM objects
WHERE id/1000000 = 10 and (date(updated_at)) < (date(now())-7) ;
17573.639 ms
==> To rozwiązanie wydaje się być zwycięskie. Będę musiał dokładnie przetestować, aby zweryfikować przeciwdziałania wszędzie w mojej aplikacji.
Ustawienia DB:
wybierz nazwę, min_val, max_val, boot_val z pg_settings;
name | min_val | max_val | boot_val
--------------------------------+-----------+--------------+-------------------
allow_system_table_mods | | | off
application_name | | |
archive_command | | |
archive_mode | | | off
archive_timeout | 0 | 2147483647 | 0
array_nulls | | | on
authentication_timeout | 1 | 600 | 60
autovacuum | | | on
autovacuum_analyze_scale_factor | 0 | 100 | 0.1
autovacuum_analyze_threshold | 0 | 2147483647 | 50
autovacuum_freeze_max_age | 100000000 | 2000000000 | 200000000
autovacuum_max_workers | 1 | 536870911 | 3
autovacuum_naptime | 1 | 2147483 | 60
autovacuum_vacuum_cost_delay | -1 | 100 | 20
autovacuum_vacuum_cost_limit | -1 | 10000 | -1
autovacuum_vacuum_scale_factor | 0 | 100 | 0.2
autovacuum_vacuum_threshold | 0 | 2147483647 | 50
backslash_quote | | | safe_encoding
bgwriter_delay | 10 | 10000 | 200
bgwriter_lru_maxpages | 0 | 1000 | 100
bgwriter_lru_multiplier | 0 | 10 | 2
block_size | 8192 | 8192 | 8192
bonjour | | | off
bonjour_name | | |
bytea_output | | | hex
check_function_bodies | | | on
checkpoint_completion_target | 0 | 1 | 0.5
checkpoint_segments | 1 | 2147483647 | 3
checkpoint_timeout | 30 | 3600 | 300
checkpoint_warning | 0 | 2147483647 | 30
client_encoding | | | SQL_ASCII
client_min_messages | | | notice
commit_delay | 0 | 100000 | 0
commit_siblings | 1 | 1000 | 5
constraint_exclusion | | | partition
cpu_index_tuple_cost | 0 | 1.79769e+308 | 0.005
cpu_operator_cost | 0 | 1.79769e+308 | 0.0025
cpu_tuple_cost | 0 | 1.79769e+308 | 0.01
cursor_tuple_fraction | 0 | 1 | 0.1
custom_variable_classes | | |
DateStyle | | | ISO, MDY
db_user_namespace | | | off
deadlock_timeout | 1 | 2147483 | 1000
debug_assertions | | | off
debug_pretty_print | | | on
debug_print_parse | | | off
debug_print_plan | | | off
debug_print_rewritten | | | off
default_statistics_target | 1 | 10000 | 100
default_tablespace | | |
default_text_search_config | | | pg_catalog.simple
default_transaction_isolation | | | read committed
default_transaction_read_only | | | off
default_with_oids | | | off
effective_cache_size | 1 | 2147483647 | 16384
effective_io_concurrency | 0 | 1000 | 1
enable_bitmapscan | | | on
enable_hashagg | | | on
enable_hashjoin | | | on
enable_indexscan | | | on
enable_material | | | on
enable_mergejoin | | | on
enable_nestloop | | | on
enable_seqscan | | | on
enable_sort | | | on
enable_tidscan | | | on
escape_string_warning | | | on
extra_float_digits | -15 | 3 | 0
from_collapse_limit | 1 | 2147483647 | 8
fsync | | | on
full_page_writes | | | on
geqo | | | on
geqo_effort | 1 | 10 | 5
geqo_generations | 0 | 2147483647 | 0
geqo_pool_size | 0 | 2147483647 | 0
geqo_seed | 0 | 1 | 0
geqo_selection_bias | 1.5 | 2 | 2
geqo_threshold | 2 | 2147483647 | 12
gin_fuzzy_search_limit | 0 | 2147483647 | 0
hot_standby | | | off
ignore_system_indexes | | | off
integer_datetimes | | | on
IntervalStyle | | | postgres
join_collapse_limit | 1 | 2147483647 | 8
krb_caseins_users | | | off
krb_srvname | | | postgres
lc_collate | | | C
lc_ctype | | | C
lc_messages | | |
lc_monetary | | | C
lc_numeric | | | C
lc_time | | | C
listen_addresses | | | localhost
lo_compat_privileges | | | off
local_preload_libraries | | |
log_autovacuum_min_duration | -1 | 2147483 | -1
log_checkpoints | | | off
log_connections | | | off
log_destination | | | stderr
log_disconnections | | | off
log_duration | | | off
log_error_verbosity | | | default
log_executor_stats | | | off
log_hostname | | | off
log_line_prefix | | |
log_lock_waits | | | off
log_min_duration_statement | -1 | 2147483 | -1
log_min_error_statement | | | error
log_min_messages | | | warning
log_parser_stats | | | off
log_planner_stats | | | off
log_rotation_age | 0 | 35791394 | 1440
log_rotation_size | 0 | 2097151 | 10240
log_statement | | | none
log_statement_stats | | | off
log_temp_files | -1 | 2147483647 | -1
log_timezone | | | UNKNOWN
log_truncate_on_rotation | | | off
logging_collector | | | off
maintenance_work_mem | 1024 | 2097151 | 16384
max_connections | 1 | 536870911 | 100
max_files_per_process | 25 | 2147483647 | 1000
max_function_args | 100 | 100 | 100
max_identifier_length | 63 | 63 | 63
max_index_keys | 32 | 32 | 32
max_locks_per_transaction | 10 | 2147483647 | 64
max_prepared_transactions | 0 | 536870911 | 0
max_stack_depth | 100 | 2097151 | 100
max_standby_archive_delay | -1 | 2147483 | 30000
max_standby_streaming_delay | -1 | 2147483 | 30000
max_wal_senders | 0 | 536870911 | 0
password_encryption | | | on
port | 1 | 65535 | 5432
post_auth_delay | 0 | 2147483647 | 0
pre_auth_delay | 0 | 60 | 0
random_page_cost | 0 | 1.79769e+308 | 4
search_path | | | "$user",public
segment_size | 131072 | 131072 | 131072
seq_page_cost | 0 | 1.79769e+308 | 1
server_encoding | | | SQL_ASCII
server_version | | | 9.0.8
server_version_num | 90008 | 90008 | 90008
session_replication_role | | | origin
shared_buffers | 16 | 1073741823 | 1024
silent_mode | | | off
sql_inheritance | | | on
ssl | | | off
ssl_renegotiation_limit | 0 | 2097151 | 524288
standard_conforming_strings | | | off
statement_timeout | 0 | 2147483647 | 0
superuser_reserved_connections | 0 | 536870911 | 3
synchronize_seqscans | | | on
synchronous_commit | | | on
syslog_facility | | | local0
syslog_ident | | | postgres
tcp_keepalives_count | 0 | 2147483647 | 0
tcp_keepalives_idle | 0 | 2147483647 | 0
tcp_keepalives_interval | 0 | 2147483647 | 0
temp_buffers | 100 | 1073741823 | 1024
temp_tablespaces | | |
TimeZone | | | UNKNOWN
timezone_abbreviations | | | UNKNOWN
trace_notify | | | off
trace_recovery_messages | | | log
trace_sort | | | off
track_activities | | | on
track_activity_query_size | 100 | 102400 | 1024
track_counts | | | on
track_functions | | | none
transaction_isolation | | |
transaction_read_only | | | off
transform_null_equals | | | off
unix_socket_group | | |
unix_socket_permissions | 0 | 511 | 511
update_process_title | | | on
vacuum_cost_delay | 0 | 100 | 0
vacuum_cost_limit | 1 | 10000 | 200
vacuum_cost_page_dirty | 0 | 10000 | 20
vacuum_cost_page_hit | 0 | 10000 | 1
vacuum_cost_page_miss | 0 | 10000 | 10
vacuum_defer_cleanup_age | 0 | 1000000 | 0
vacuum_freeze_min_age | 0 | 1000000000 | 50000000
vacuum_freeze_table_age | 0 | 2000000000 | 150000000
wal_block_size | 8192 | 8192 | 8192
wal_buffers | 4 | 2147483647 | 8
wal_keep_segments | 0 | 2147483647 | 0
wal_level | | | minimal
wal_segment_size | 2048 | 2048 | 2048
wal_sender_delay | 1 | 10000 | 200
wal_sync_method | | | fdatasync
wal_writer_delay | 1 | 10000 | 200
work_mem | 64 | 2097151 | 1024
xmlbinary | | | base64
xmloption | | | content
zero_damaged_pages | | | off
(195 rows)
Odpowiedzi:
Po pierwsze, może być? Ty piszesz:
Ale twój
WHERE
stan to:Nie powinno tak być
>
?Indeksy
Aby uzyskać optymalną wydajność, możesz ...
Twoje indeksy mogą wyglądać następująco:
...
Drugi warunek natychmiast wyklucza niepotrzebne wiersze z indeksu, co powinno go zmniejszyć i przyspieszyć - w zależności od faktycznej dystrybucji danych. Zgodnie z moim wstępnym komentarzem zakładam, że chcesz nowsze wiersze.
Warunek automatycznie wyklucza również wartości NULL w
updated_at
- które wydaje się dozwolone w tabeli i oczywiście chcesz wykluczyć w zapytaniu. Użyteczność wskaźnika pogarsza się z czasem. Zapytanie zawsze pobiera najnowsze wpisy. Okresowo odtwarzaj indeks ze zaktualizowanąWHERE
klauzulą. Wymaga to wyłącznego blokady na stole, więc rób to poza godzinami pracy. Należy równieżCREATE INDEX CONCURRENTLY
zminimalizować czas trwania blokady:Powiązana odpowiedź na temat SO:
Aby dalej optymalizować, możesz użyć
CLUSTER
tak, jak wspomniano w komentarzach. Ale do tego potrzebny jest pełny indeks. Nie działa z częściowym indeksem. Utworzyłbyś tymczasowo:Ta forma pełnego indeksu odpowiada kolejności sortowania powyższych indeksów częściowych.
To potrwa chwilę, ponieważ tabela jest przepisywana fizycznie. Jest to również skutecznie
VACUUM FULL
. Potrzebuje wyłącznej blokady zapisu na stole, więc rób to poza godzinami pracy - pod warunkiem, że w ogóle możesz sobie na to pozwolić. Znów jest mniej inwazyjna alternatywa: pg_repackNastępnie możesz ponownie upuścić indeks. To efekt jednorazowy. Przynajmniej raz spróbuję tego, aby zobaczyć, ile z tego korzystają twoje zapytania. Efekt pogarsza się podczas kolejnych operacji zapisu. Możesz powtórzyć tę procedurę poza godzinami pracy, jeśli zauważysz znaczący efekt.
Jeśli twoja tabela otrzymuje wiele operacji zapisu, musisz rozważyć koszty i korzyści dla tego kroku. W przypadku wielu aktualizacji należy rozważyć ustawienie wartości
FILLFACTOR
niższej niż 100. Zrób to przed sobąCLUSTER
.Pytanie
Więcej
Ta pokrewna odpowiedź przedstawia bardziej zaawansowaną technikę partycjonowania indeksu:
Zawiera między innymi przykładowy kod do automatycznego (ponownego) tworzenia indeksu.
PostgreSQL 9.2+ ma dla Ciebie kilka nowych funkcji. Samo skanowanie tylko za pomocą indeksu sprawiłoby, że było warto.
Upewnij się, że
autovacuum
działa poprawnie. Ogromna zyskaćCLUSTER
zostały zgłoszone mogą być częściowo ze względu na niejawnyVACUUM FULL
, które można uzyskać zCLUSTER
. Może jest to ustawiane automatycznie przez Heroku, nie jestem pewien.Ustawienia w twoim pytaniu wyglądają dobrze. Więc to chyba nie jest problem i
CLUSTER
naprawdę było tak skuteczne.Podział deklaratywny
w końcu dojrzał w Postgres 12 . Rozważałbym użycie tego teraz zamiast ręcznego dzielenia indeksów (lub przynajmniej dodatkowo). Podział zakresu za pomocą
updated_at
jako klucza podziału. (Oprócz wielu ulepszeń w zakresie ogólnej wydajności, w szczególności wydajności big data i indeksu btree.)źródło