PostgreSQL:最新的行在by中比Max Row的性能较小

Question

我有一个我想更好地理解的情况：

我有一个带有两个行和一个索引的表t：

CREATE TABLE t (
  refid                 BIGINT NOT NULL,
  created               TIMESTAMPTZ NOT NULL
);
CREATE INDEX t_refid_created ON t (refid, created);

为了获取每个不同refid的最新（created值最高）行，我撰写了两个查询：

-- index only scan t_refid_created_desc_idx
SELECT DISTINCT ON (refid) * FROM t
ORDER BY refid, created DESC;
-- index scan t_refid_created_idx 
SELECT refid, max(created) FROM t GROUP BY refid;

当t的行约为16m，refid的差异约为500个不同的值时，第二个查询返回的速度大大快于第二个。

首先，我想到，因为我通过created DESC订购，因此需要进行后退索引扫描，并且从具有较高差异的值开始（创建）。所以我添加了以下索引：

CREATE index t_refid_created_desc_idx ON t (refid, created DESC);

确实使用了（而不是上一个索引上的向后扫描），但没有改进。

如果我正确理解，则第二个查询将通过refid汇总，然后扫描每个聚合以找到最大created值。这听起来像是很多工作。就我的理解而言，第一个查询应该简单地在索引的第一部分中进行迭代，然后对于每个refid，它应该使用索引的第二部分，占据了第一个值。

。

显然不是这种情况，SELECT DISTINCT查询需要GROUP BY的两倍。

我在这里缺少什么？

这是第一个和第二个查询的EXPLAIN ANALYZE输出：

Unique  (cost=0.56..850119.78 rows=291 width=16) (actual time=0.103..13414.913 rows=469 loops=1)
  ->  Index Only Scan using t_refid_created_desc_idx on t  (cost=0.56..808518.47 rows=16640527 width=16) (actual time=0.102..12113.454 rows=16640527 loops=1)
        Heap Fetches: 16640527
Planning time: 0.157 ms
Execution time: 13415.047 ms

Finalize GroupAggregate  (cost=599925.13..599932.41 rows=291 width=16) (actual time=3454.350..3454.884 rows=469 loops=1)
  Group Key: refid
  ->  Sort  (cost=599925.13..599926.59 rows=582 width=16) (actual time=3454.344..3454.509 rows=1372 loops=1)
        Sort Key: refid
        Sort Method: quicksort  Memory: 113kB
        ->  Gather  (cost=599837.29..599898.40 rows=582 width=16) (actual time=3453.194..3560.602 rows=1372 loops=1)
              Workers Planned: 2
              Workers Launched: 2
              ->  Partial HashAggregate  (cost=598837.29..598840.20 rows=291 width=16) (actual time=3448.225..3448.357 rows=457 loops=3)
                    Group Key: refid
                    ->  Parallel Seq Scan on t  (cost=0.00..564169.53 rows=6933553 width=16) (actual time=0.047..2164.459 rows=5546842 loops=3)
Planning time: 0.157 ms
Execution time: 3561.727 ms

第一个查询在大约10秒内运行，而第二个查询在2秒内取得了相同的结果！甚至不使用索引！

我正在使用postgresql 10.5。

Answer 1

我无法回答为什么DISTINCT ON不考虑第二个计划。从成本估算中，我们可以看到PostgreSQL认为它更便宜。

我想没有人实施将DISTINCT推向并行计划。您可以询问邮件列表。

但是，第一个查询的问题是提取1600万。这意味着这实际上是普通的索引扫描！

看起来像是一个不好的误会。

如果我是对的，则表上清洁可见性图的VACUUM应大大改进第一个查询。