在让查询完成执行时遇到一些麻烦 - 它运行,运行,运行,我对索引和查询性能没有足够深入的了解,不知道如何调整它以加快其执行速度。查询如下(它说明了我想要的最终结果(:
SELECT
device.network, device.name AS device, device.mac,
play.advertiserid, play.filename, play.startdate::timestamp at time zone device.timezone as filestartdate,
impression.date, impression.views
FROM impression
INNER JOIN device ON
impression.mac = device.mac
INNER JOIN play ON
impression.date >= play.startdate::timestamp at time zone device.timezone AND
impression.date < ((play.startdate::timestamp at time zone device.timezone) + play.spotrunlength * interval '1 second') AND
play.devicename = device.name
WHERE
impression.date >= '2017-12-01' AND
impression.date < '2017-12-31'
ORDER BY impression.date ASC
LIMIT 100;
设备表只有大约 100 条记录,但印象和播放都有几百万条记录。我在包含上述所有列的所有 3 个表上创建了索引(每个列中都有一个唯一的 id 列(,但不确定是否有更好的方法来处理这些索引,或者是否有更好的方法来编写该查询。
您是否有权修改表结构,但是如果您这样做,您可以尝试在日期列上添加表分区(Postgres 10+(。 这应该会加快基于日期的这些表的任何连接/搜索条件。
您可以尝试一些装饰性的东西,它们可能不会影响查询计划:
对日期使用
BETWEEN
运算符:impression.DATE BETWEEN '2017-12-01' AND '2017-12-31'
使用窗口函数(如
ROW_NUMBER(OVER ...)
而不是LIMIT 100
更新
表分区示例(来自手册(:
CREATE TABLE measurement (
logdate date not null,
peaktemp int,
unitsales int
) PARTITION BY RANGE (logdate);
这将允许您加快指定logdate
的范围查询,例如WHERE logdate BETWEEN XXX AND XXX
更复杂的示例(来自手册(:
CREATE TABLE measurement_year_month (
logdate date not null,
peaktemp int,
unitsales int
) PARTITION BY RANGE (EXTRACT(YEAR FROM logdate), EXTRACT(MONTH FROM logdate));
查看一些链接:
分区:https://www.postgresql.org/docs/10/static/ddl-partitioning.html
创建表:https://www.postgresql.org/docs/10/static/sql-createtable.html
说你的数据模型有问题。
加入如下条件:
impression.date >= play.startdate::timestamp at time zone device.timezone
可能只能使用嵌套循环连接进行处理,并且条件无法很好地索引。
与其存储本地日期和时间戳并在查询时处理时区,不如将所有事件存储为 timestamp with time zone
,即 UTC 时间戳。
然后,您的查询应该变得更加简单,并且可能可以使用更有效的哈希或合并联接。
可以将时区信息保留在数据中,但只能将其用于显示目的。
除此之外,请确保有一个索引 impression.date
.