come utilizzare l'indice per velocizzare l'ordinamento in postgres

Sto usando Postgres 9.4.

L' messagesha il seguente schema: i messaggi appartiene alla feed_id, e ha posted_at, anche i messaggi possono avere un messaggio principale (in caso di risposte).

                    Table "public.messages"
            Column            |            Type             | Modifiers
------------------------------+-----------------------------+-----------
 message_id                   | character varying(255)      | not null
 feed_id                      | integer                     |
 parent_id                    | character varying(255)      |
 posted_at                    | timestamp without time zone |
 share_count                  | integer                     |
Indexes:
    "messages_pkey" PRIMARY KEY, btree (message_id)
    "index_messages_on_feed_id_posted_at" btree (feed_id, posted_at DESC NULLS LAST)

Voglio restituire tutti i messaggi ordinati per share_count, ma per ciascuno di essi parent_idvoglio restituire un solo messaggio. cioè, se più messaggi hanno lo stesso parent_id, posted_atviene restituito solo l'ultimo ( ). La parent_idpuò essere nullo, i messaggi con nulla parent_iddovrebbe tutto il ritorno.

La query che ho usato è:

WITH filtered_messages AS (SELECT * 
                           FROM messages
                           WHERE feed_id IN (7) 
                           AND (posted_at >= '2015-01-01 04:00:00.000000') 
                           AND (posted_at < '2015-04-28 04:00:00.000000'))
    SELECT *
    FROM (SELECT DISTINCT ON(COALESCE(parent_id, message_id)) parent_id,
                          message_id, 
                          posted_at, 
                          share_count
          FROM filtered_messages
          ORDER BY COALESCE(parent_id, message_id), posted_at DESC NULLS LAST
         ) messages
    ORDER BY share_count DESC NULLS LAST, posted_at DESC NULLS LAST;

Ecco il http://sqlfiddle.com/#!15/588e5/1/0 , nel SQL Fiddle, ho definito lo schema, la query esatta e il risultato atteso.

Ma le prestazioni della query sono lente quando la tabella dei messaggi diventa grande. Ho provato ad aggiungere più indici di ordinamento, ma non sembra utilizzare l'indice. Ecco la spiegazione: http://explain.depesz.com/s/Sv2

Come posso creare un indice corretto?

domanda

Questa query dovrebbe essere sostanzialmente più veloce in ogni caso:

SELECT parent_id, message_id, posted_at, share_count
FROM   messages
WHERE  feed_id = 7
AND    posted_at >= '2015-01-01 4:0:0'
AND    posted_at <  '2015-04-28 4:0:0'
AND    parent_id IS NULL  -- match index condition
UNION ALL
(
SELECT DISTINCT ON(parent_id)
       parent_id, message_id, posted_at, share_count
FROM   messages
WHERE  feed_id = 7
AND    posted_at >= '2015-01-01 4:0:0'
AND    posted_at <  '2015-04-28 4:0:0'
AND    parent_id IS NOT NULL  -- match index condition
ORDER  BY parent_id, posted_at DESC NULLS LAST
)
ORDER  BY share_count DESC NULLS LAST, posted_at DESC NULLS LAST;

• Il CTE non fa nulla qui che una semplice sottoquery non possa fornire anche. E un CTE introduce una barriera di ottimizzazione poiché viene eseguito separatamente e il suo risultato viene materializzato.

• Hai un livello di query secondario superiore a quello di cui hai effettivamente bisogno.

• L'espressione (COALESCE(parent_id, message_id)non è compatibile con un indice semplice, sarebbe necessario un indice su quell'espressione. Ma potrebbe non essere molto utile, a seconda della distribuzione dei dati. Segui i miei link qui sotto per informazioni dettagliate.

• Dividere il caso semplice parent_id IS NULLin un caso separato SELECTpuò o meno fornire l'ottimale. Soprattutto, se questo è un caso raro, nel qual caso una query combinata con un indice attivo (COALESCE(parent_id, message_id)potrebbe funzionare meglio. Altre considerazioni si applicano ...

Indici

Soprattutto quando supportato da questi indici:

CREATE INDEX messages_idx_null ON messages (
  feed_id
, posted_at DESC NULLS LAST
, share_count DESC NULLS LAST
, parent_id, message_id
)
WHERE parent_id IS NULL;

CREATE INDEX messages_idx_notnull ON messages (
  feed_id
, posted_at DESC NULLS LAST
, share_count DESC NULLS LAST
, parent_id, message_id
)
WHERE parent_id IS NOT NULL;

I due indici parziali coprono l'intera tabella insieme e hanno circa la stessa dimensione insieme di un singolo indice totale.

Le ultime due colonne parent_id, message_idhanno senso solo se si ottengono scansioni solo dell'indice. Altrimenti rimuoverli da entrambi gli indici.

SQL Fiddle.

A seconda dei dettagli mancanti, DISTINCT ONpotrebbe essere o meno la migliore tecnica di query per lo scopo. Leggi la spiegazione dettagliata qui:

• Seleziona la prima riga in ciascun gruppo GROUP BY?

E alternative forse più veloci qui:

• Ottimizza la query GROUP BY per recuperare l'ultimo record per utente