Prova delle prestazioni
Testare i candidati più interessanti con Postgres 9.4 e 9.5 con una tabella realistica a metà strada di 200k righe in purchases
e 10k distintecustomer_id
( media 20 righe per cliente ).
Per Postgres 9.5 ho eseguito un secondo test con effettivamente 86446 clienti distinti. Vedi sotto ( media 2.3 righe per cliente ).
Impostare
Tavolo principale
CREATE TABLE purchases (
id serial
, customer_id int -- REFERENCES customer
, total int -- could be amount of money in Cent
, some_column text -- to make the row bigger, more realistic
);
Uso un serial
(vincolo PK aggiunto di seguito) e un numero intero customer_id
poiché si tratta di una configurazione più tipica. Inoltre aggiuntosome_column
per compensare tipicamente più colonne.
Dati fittizi, PK, indice - una tabella tipica ha anche alcune tuple morte:
INSERT INTO purchases (customer_id, total, some_column) -- insert 200k rows
SELECT (random() * 10000)::int AS customer_id -- 10k customers
, (random() * random() * 100000)::int AS total
, 'note: ' || repeat('x', (random()^2 * random() * random() * 500)::int)
FROM generate_series(1,200000) g;
ALTER TABLE purchases ADD CONSTRAINT purchases_id_pkey PRIMARY KEY (id);
DELETE FROM purchases WHERE random() > 0.9; -- some dead rows
INSERT INTO purchases (customer_id, total, some_column)
SELECT (random() * 10000)::int AS customer_id -- 10k customers
, (random() * random() * 100000)::int AS total
, 'note: ' || repeat('x', (random()^2 * random() * random() * 500)::int)
FROM generate_series(1,20000) g; -- add 20k to make it ~ 200k
CREATE INDEX purchases_3c_idx ON purchases (customer_id, total DESC, id);
VACUUM ANALYZE purchases;
customer
tabella - per query superiori
CREATE TABLE customer AS
SELECT customer_id, 'customer_' || customer_id AS customer
FROM purchases
GROUP BY 1
ORDER BY 1;
ALTER TABLE customer ADD CONSTRAINT customer_customer_id_pkey PRIMARY KEY (customer_id);
VACUUM ANALYZE customer;
Nel mio secondo test per 9.5 ho usato la stessa configurazione, ma con random() * 100000
generate customer_id
per ottenere solo poche righe per customer_id
.
Dimensioni degli oggetti per la tabella purchases
Generato con questa query .
what | bytes/ct | bytes_pretty | bytes_per_row
-----------------------------------+----------+--------------+---------------
core_relation_size | 20496384 | 20 MB | 102
visibility_map | 0 | 0 bytes | 0
free_space_map | 24576 | 24 kB | 0
table_size_incl_toast | 20529152 | 20 MB | 102
indexes_size | 10977280 | 10 MB | 54
total_size_incl_toast_and_indexes | 31506432 | 30 MB | 157
live_rows_in_text_representation | 13729802 | 13 MB | 68
------------------------------ | | |
row_count | 200045 | |
live_tuples | 200045 | |
dead_tuples | 19955 | |
Interrogazioni
WITH cte AS (
SELECT id, customer_id, total
, row_number() OVER(PARTITION BY customer_id ORDER BY total DESC) AS rn
FROM purchases
)
SELECT id, customer_id, total
FROM cte
WHERE rn = 1;
2. row_number()
in subquery (la mia ottimizzazione)
SELECT id, customer_id, total
FROM (
SELECT id, customer_id, total
, row_number() OVER(PARTITION BY customer_id ORDER BY total DESC) AS rn
FROM purchases
) sub
WHERE rn = 1;
SELECT DISTINCT ON (customer_id)
id, customer_id, total
FROM purchases
ORDER BY customer_id, total DESC, id;
4. rCTE con LATERAL
subquery ( vedi qui )
WITH RECURSIVE cte AS (
( -- parentheses required
SELECT id, customer_id, total
FROM purchases
ORDER BY customer_id, total DESC
LIMIT 1
)
UNION ALL
SELECT u.*
FROM cte c
, LATERAL (
SELECT id, customer_id, total
FROM purchases
WHERE customer_id > c.customer_id -- lateral reference
ORDER BY customer_id, total DESC
LIMIT 1
) u
)
SELECT id, customer_id, total
FROM cte
ORDER BY customer_id;
5. customer
tabella con LATERAL
( vedi qui )
SELECT l.*
FROM customer c
, LATERAL (
SELECT id, customer_id, total
FROM purchases
WHERE customer_id = c.customer_id -- lateral reference
ORDER BY total DESC
LIMIT 1
) l;
SELECT (array_agg(id ORDER BY total DESC))[1] AS id
, customer_id
, max(total) AS total
FROM purchases
GROUP BY customer_id;
risultati
Tempo di esecuzione per le query precedenti con EXPLAIN ANALYZE
(e tutte le opzioni disattivate ), la migliore delle 5 esecuzioni .
Tutte le query utilizzate un indice scansione solo su purchases2_3c_idx
(tra gli altri gradini). Alcuni solo per le dimensioni più piccole dell'indice, altri in modo più efficace.
A. Postgres 9.4 con 200k file e ~ 20 per customer_id
1. 273.274 ms
2. 194.572 ms
3. 111.067 ms
4. 92.922 ms
5. 37.679 ms -- winner
6. 189.495 ms
B. Lo stesso con Postgres 9.5
1. 288.006 ms
2. 223.032 ms
3. 107.074 ms
4. 78.032 ms
5. 33.944 ms -- winner
6. 211.540 ms
C. Come B., ma con ~ 2.3 righe per customer_id
1. 381.573 ms
2. 311.976 ms
3. 124.074 ms -- winner
4. 710.631 ms
5. 311.976 ms
6. 421.679 ms
Benchmark correlati
Eccone uno nuovo con test "ogr" con 10 milioni di righe e 60.000 "clienti" unici su Postgres 11.5 (aggiornato a settembre 2019). I risultati sono ancora in linea con ciò che abbiamo visto finora:
Indice di riferimento originale (obsoleto) del 2011
Ho eseguito tre test con PostgreSQL 9.1 su una tabella di vita reale di 65579 righe e indici btree a colonna singola su ciascuna delle tre colonne coinvolte e ho ottenuto il miglior tempo di esecuzione di 5 esecuzioni.
Confrontando la prima query ( A
) di @OMGPonies con la soluzione sopraDISTINCT ON
( B
):
Seleziona l'intera tabella, in questo caso risulta 5958 righe.
A: 567.218 ms
B: 386.673 ms
Utilizzare la condizione WHERE customer BETWEEN x AND y
risultante in 1000 righe.
A: 249.136 ms
B: 55.111 ms
Seleziona un singolo cliente con WHERE customer = x
.
A: 0.143 ms
B: 0.072 ms
Lo stesso test si è ripetuto con l'indice descritto nell'altra risposta
CREATE INDEX purchases_3c_idx ON purchases (customer, total DESC, id);
1A: 277.953 ms
1B: 193.547 ms
2A: 249.796 ms -- special index not used
2B: 28.679 ms
3A: 0.120 ms
3B: 0.048 ms
MAX(total)
?