У меня две базы данных, каждая из которых содержит данные и «метки» (обозначены обозначением * _p). В одной базе данных метки встроены в данные (хранятся в таблице), в другой метки хранятся в другой таблице, и поэтому для доступа к меткам требуется соединение. Для большинства запросов вариант, использующий встроенные метки, работает быстрее, за исключением одного запроса. Мне было интересно, может ли кто-нибудь дать мне некоторое представление о том, почему это может быть так, я сам не очень знаком с деталями postgres, sql или базами данных в целом? Ниже я привожу вывод EXPLAIN ANALYZE. Заранее благодарим.
База данных состоит из местоположений и пользователей, связанных с этими точками местоположения, данные помечены полями * _p. Разница между двумя базами данных состоит в том, что в одной метки встроены в ту же таблицу, что и данные, а в другой они хранятся в другой таблице, что требует дополнительного соединения. Помимо этой разницы, оба запроса делают одно и то же. Для большинства запросов мы видим, что метод со встроенными метками работает быстрее, но для этого конкретного запроса он медленнее, и я хотел бы знать, почему, если это возможно. На самом деле я не ищу подробного ответа. Мне просто интересно, было ли что-то очевидное, из-за чего один план запроса работал медленнее, чем другой.
Запрос внешних меток:
SELECT firstname, lastname, latitude, longitude
FROM locations INNER
JOIN users ON locations.userid = users.id
JOIN users_p users0x ON users.id = users0x.users_id
JOIN locations_p locations0x ON locations.id = locations0x.locations_id
WHERE country = ? AND date_part('year', age(birthdate)) > 18
AND (date_part('year', to_date(timestamp, 'YYYY-MM-DD')) BETWEEN 2010 AND 2019)
AND (locations0x.longitude_p & '2') != 0 AND (users0x.lastname_p & '2') != 0 AND (users0x.firstname_p & '2') != 0 AND (users0x.birthdate_p & '2') != 0 AND (locations0x.timestamp_p & '2') != 0
AND (users0x.country_p & '2') != 0 AND (locations0x.latitude_p & '2') != 0
Объяснение результатов анализа:
Nested Loop (cost=0.42..10116.71 rows=12 width=22) (actual time=317.811..331.306 rows=954 loops=1)
-> Nested Loop (cost=0.00..10051.48 rows=12 width=26) (actual time=317.793..328.701 rows=954 loops=1)
Join Filter: (locations.userid = users0x.users_id)
Rows Removed by Join Filter: 94446
-> Seq Scan on users_p users0x (cost=0.00..4.00 rows=96 width=4) (actual time=0.007..0.051 rows=100 loops=1)
Filter: (((country_p & 2) <> 0) AND ((birthdate_p & 2) <> 0) AND ((lastname_p & 2) <> 0) AND ((firstname_p & 2) <> 0))
-> Materialize (cost=0.00..10030.23 rows=12 width=34) (actual time=0.000..3.209 rows=954 loops=100)
-> Nested Loop (cost=0.00..10030.17 rows=12 width=34) (actual time=0.034..317.266 rows=954 loops=1)
Join Filter: (locations.userid = users.id)
Rows Removed by Join Filter: 98382
-> Seq Scan on users (cost=0.00..6.25 rows=1 width=18) (actual time=0.019..0.043 rows=2 loops=1)
Filter: ((country = 'Colombia'::text) AND (date_part('year'::text, age((('now'::cstring)::date)::timestamp with time zone, (to_date(birthdate, 'YYYY-MM-DD'::text))::timestamp with time zone)) > '18'::double precision))
Rows Removed by Filter: 98
-> Seq Scan on locations (cost=0.00..10008.30 rows=1250 width=16) (actual time=0.007..155.286 rows=49668 loops=2)
Filter: ((date_part('year'::text, (to_date("timestamp", 'YYYY-MM-DD'::text))::timestamp without time zone) >= '2010'::double precision) AND (date_part('year'::text, (to_date("timestamp", 'YYYY-MM-DD'::text))::timestamp without time zone) <= '2019'::double precision))
Rows Removed by Filter: 200332
-> Index Scan using locations_purpose_index on locations_p locations0x (cost=0.42..5.43 rows=1 width=4) (actual time=0.002..0.002 rows=1 loops=954)
Index Cond: (locations_id = locations.id)
Filter: (((latitude_p & 2) <> 0) AND ((longitude_p & 2) <> 0) AND ((timestamp_p & 2) <> 0))
Planning time: 0.555 ms
Execution time: 331.449 ms
Запрос встроенных меток:
SELECT firstname, lastname, latitude, longitude
FROM locations INNER JOIN users ON locations.userid = users.id
WHERE country = ? AND date_part('year', age(birthdate)) > 18
AND (date_part('year', to_date(timestamp, 'YYYY-MM-DD')) BETWEEN 2010 AND 2019)
AND (users.firstname_p & '2') != 0
AND (locations.timestamp_p & '2') != 0
AND (users.country_p & '2') != 0 AND (locations.longitude_p & '2') != 0
AND (locations.latitude_p & '2') != 0
AND (users.lastname_p & '2') != 0 AND (users.birthdate_p & '2') != 0
Объяснение результатов анализа:
Nested Loop (cost=0.00..13782.09 rows=12 width=22) (actual time=0.113..421.690 rows=954 loops=1)
Join Filter: (locations.userid = users.id)
Rows Removed by Join Filter: 98382
-> Seq Scan on users (cost=0.00..8.25 rows=1 width=18) (actual time=0.062..0.087 rows=2 loops=1)
Filter: ((country = 'Colombia'::text) AND ((country_p & 2) <> 0) AND ((birthdate_p & 2) <> 0) AND ((lastname_p & 2) <> 0) AND ((firstname_p & 2) <> 0) AND (date_part('year'::text, age((('now'::cstring)::date)::timestamp with time zone, (to_date(birthdate, 'YYYY-MM-DD'::text))::timestamp with time zone)) > '18'::double precision))
Rows Removed by Filter: 98
-> Seq Scan on locations (cost=0.00..13758.45 rows=1231 width=12) (actual time=0.018..207.065 rows=49668 loops=2)
Filter: (((latitude_p & 2) <> 0) AND ((longitude_p & 2) <> 0) AND ((timestamp_p & 2) <> 0) AND (date_part('year'::text, (to_date("timestamp", 'YYYY-MM-DD'::text))::timestamp without time zone) >= '2010'::double precision) AND (date_part('year'::text, (to_date("timestamp", 'YYYY-MM-DD'::text))::timestamp without time zone) <= '2019'::double precision))
Rows Removed by Filter: 200332
Planning time: 0.811 ms
Execution time: 421.820 ms