Benchmark
Тестирование наиболее интересных кандидатов с Postgres 9.4 и 9.5 с реалистичной таблицей на полпути 200k строк в purchases и 10k различных customer_id ( в среднем 20 строк на клиента ).
Для Postgres 9.5 я провел 2-й тест с 86446 разными клиентами. См. Ниже ( в среднем 2,3 строки на клиента ).
Настройка
Основной стол
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
);
Я использую serial (ограничение PK добавлено ниже) и целое число customer_id, так как это более типичная установка. Также добавлено some_column, чтобы компенсировать обычно больше столбцов.
Фиктивные данные, PK, index - типичная таблица также содержит несколько мертвых кортежей:
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 таблица - для улучшенного запроса
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;
В моем втором тесте для 9,5 я использовал ту же настройку, но с random() * 100000 для генерации customer_id, чтобы получить только несколько строк на customer_id.
Размеры объекта для стола purchases
Сгенерировано с помощью этого запроса .
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 | |
Запросы
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() в подзапросе (моя оптимизация)
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 с LATERAL подзапросом ( см. здесь )
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 таблица с LATERAL ( см. Здесь )
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;
Результаты
Время выполнения вышеуказанных запросов с EXPLAIN ANALYZE (и всеми опциями off ), лучший из 5 запусков .
Все запросы использовали Сканирование только индекса на purchases2_3c_idx (среди прочих шагов). Некоторые из них только для меньшего размера индекса, другие более эффективно.
A. Postgres 9.4 с 200 тыс. Строк и ~ 20 на 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. То же самое с 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. То же, что и Б., но с ~ 2,3 строками на 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
Оригинальный (устаревший) тест 2011 года
Я выполнил три теста с PostgreSQL 9.1 для реальной таблицы из 65579 строк и одностолбечных индексов btree для каждого из трех задействованных столбцов и взял лучшее время выполнения из 5 прогонов.
Сравнение первого запроса @ OMGPonies * (A) с решением выше DISTINCT ON (B):
Выбор всей таблицы, в данном случае 5958 строк.
A: 567.218 ms
B: 386.673 ms
Использовать условие WHERE customer BETWEEN x AND y, в результате чего получается 1000 строк.
A: 249.136 ms
B: 55.111 ms
Выберите одного клиента с помощью WHERE customer = x.
A: 0.143 ms
B: 0.072 ms
Тот же тест повторяется с индексом, описанным в другом ответе
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