postgres large table select 优化
postgres large table select optimization
我必须将数据库提取到外部数据库服务器以获得许可软件。
数据库必须是 Postgres,我无法从应用程序更改 select 查询(无法更改源代码)。
Table(必须是 1 table)包含大约 650 万行,并且在主列(前缀)中具有唯一值。
所有请求都是读取请求,没有 inserts/update/delete,并且有 ~200k selects/day,峰值为 15 TPS。
Select查询是:
SELECT prefix, changeprefix, deletelast, outgroup, tariff FROM table
WHERE '00436641997142' LIKE prefix
AND company = 0 and ((current_time between timefrom and timeto) or (timefrom is null and timeto is null)) and (strpos("Day", cast(to_char(now(), 'ID') as varchar)) > 0 or "Day" is null )
ORDER BY position('%' in prefix) ASC, char_length(prefix) DESC
LIMIT 1;
解释分析显示如下
Limit (cost=406433.75..406433.75 rows=1 width=113) (actual time=1721.360..1721.361 rows=1 loops=1)
-> Sort (cost=406433.75..406436.72 rows=1188 width=113) (actual time=1721.358..1721.358 rows=1 loops=1)
Sort Key: ("position"((prefix)::text, '%'::text)), (char_length(prefix)) DESC
Sort Method: quicksort Memory: 25kB
-> Seq Scan on table (cost=0.00..406427.81 rows=1188 width=113) (actual time=1621.159..1721.345 rows=1 loops=1)
Filter: ((company = 0) AND ('00381691997142'::text ~~ (prefix)::text) AND ((strpos(("Day")::text, (to_char(now(), 'ID'::text))::text) > 0) OR ("Day" IS NULL)) AND (((('now'::cstring)::time with time zone >= (timefrom)::time with time zone) AN (...)
Rows Removed by Filter: 6417130
Planning time: 0.165 ms
Execution time: 1721.404 ms`
查询最慢的部分是:
SELECT prefix, changeprefix, deletelast, outgroup, tariff FROM table
WHERE '00436641997142' LIKE prefix
生成 1,6s(仅测试这部分查询)
单独测试的部分查询:
Seq Scan on table (cost=0.00..181819.07 rows=32086 width=113) (actual time=1488.359..1580.607 rows=1 loops=1)
Filter: ('004366491997142'::text ~~ (prefix)::text)
Rows Removed by Filter: 6417130
Planning time: 0.061 ms
Execution time: 1580.637 ms
关于数据本身:
列 "prefix" 具有相同的前几位数字(前 5 位),其余数字不同,唯一。
Postgres 版本为 9.5
我更改了 Postgres 的以下设置:
random-page-cost = 40
effective_cashe_size = 4GB
shared_buffer = 4GB
work_mem = 1GB
我尝试了几种索引类型(unique、gin、gist、hash),但在所有情况下都没有使用索引(如上文所述)并且结果速度相同。
我也做过,但没有明显的改进:
vacuum analyze verbose table
请推荐数据库 and/or 索引配置的设置,以加快此查询的执行时间。
当前硬件是
i5、SSD、Win7 上的 16GB 内存,但我可以选择购买更强大的硬件。
据我了解,对于读取(无 inserts/updates)占主导地位的情况,更快的 CPU 核心比核心数量或磁盘速度重要得多 > 请确认。
附加组件 1:
添加9个索引后,索引也没有用到
附加组件 2:
1)我发现了不使用索引的原因:查询中的词序部分是原因。如果查询是:
SELECT prefix, changeprefix, deletelast, outgroup, tariff FROM table WHERE prefix like '00436641997142%'
AND company = 0 and
((current_time between timefrom and timeto) or (timefrom is null and timeto is null)) and (strpos("Day", cast(to_char(now(), 'ID') as varchar)) > 0 or "Day" is null )
ORDER BY position('%' in prefix) ASC, char_length(prefix) DESC LIMIT 1
它使用索引。
注意差异:
... WHERE '00436641997142%' like prefix ...
正确使用索引的查询:
... WHERE prefix like '00436641997142%' ...
因为我无法更改查询本身,知道如何克服这个问题吗?我可以更改数据和 Postgres 设置,但不能查询本身。
2) 此外,我安装了 Postgres 9.6 版本以使用并行 seq.scan。在这种情况下,仅当省略查询的最后一部分时才使用并行扫描。所以,查询:
SELECT prefix, changeprefix, deletelast, outgroup, tariff FROM table WHERE '00436641997142' LIKE prefix
AND company = 0 and
((current_time between timefrom and timeto) or (timefrom is null and timeto is null))
ORDER BY position('%' in prefix) ASC, char_length(prefix) DESC LIMIT 1
使用并行模式。
知道如何强制执行原始查询(我无法更改查询):
SELECT prefix, changeprefix, deletelast, outgroup, tariff FROM erm_table WHERE '00436641997142' LIKE prefix
AND company = 0 and
((current_time between timefrom and timeto) or (timefrom is null and timeto is null)) and (strpos("Day", cast(to_char(now(), 'ID') as varchar)) > 0 or "Day" is null )
ORDER BY position('%' in prefix) ASC, char_length(prefix) DESC LIMIT 1
使用并行序列。扫描?
您应该根据 documentation:
添加适当的运算符 class 来更改您的索引
The operator classes text_pattern_ops, varchar_pattern_ops, and
bpchar_pattern_ops support B-tree indexes on the types text, varchar,
and char respectively. The difference from the default operator
classes is that the values are compared strictly character by
character rather than according to the locale-specific collation
rules. This makes these operator classes suitable for use by queries
involving pattern matching expressions (LIKE or POSIX regular
expressions) when the database does not use the standard "C" locale.
As an example, you might index a varchar column like this:
CREATE INDEX test_index ON test_table (col varchar_pattern_ops);
很难为像 strin LIKE pattern
这样的查询建立索引,因为通配符(% 和 _)无处不在。
我可以建议一个有风险的解决方案:
稍微重新设计 table - 使其可索引。再添加两列固定宽度的 prefix_low
和 prefix_high
- 例如 char(32)
,或任何足以完成任务的任意长度。还要为前缀长度添加一个 smallint
列。用匹配前缀和前缀长度的最低和最高值填充它们。例如:
select rpad(rtrim('00436641997142%','%'), 32, '0') AS prefix_low, rpad(rtrim('00436641997142%','%'), 32, '9') AS prefix_high, length(rtrim('00436641997142%','%')) AS prefix_length;
prefix_low | prefix_high | prefix_length
----------------------------------+---------------------------------------+-----
00436641997142000000000000000000 | 00436641997142999999999999999999 | 14
用这些值建立索引
CREATE INDEX table_prefix_low_high_idx ON table (prefix_low, prefix_high);
根据table检查修改后的请求:
SELECT prefix, changeprefix, deletelast, outgroup, tariff
FROM table
WHERE '00436641997142%' BETWEEN prefix_low AND prefix_high
AND company = 0
AND ((current_time between timefrom and timeto) or (timefrom is null and timeto is null)) and (strpos("Day", cast(to_char(now(), 'ID') as varchar)) > 0 or "Day" is null )
ORDER BY prefix_length DESC
LIMIT 1
检查它与索引的配合情况,尝试调整它 - add/remove 索引 prefix_length 将其添加到索引之间等等。
现在您需要将查询重写到数据库中。安装 PgBouncer 和 PgBouncer-RR patch。它允许您使用简单的 python 代码即时重写查询,例如:
import re
def rewrite_query(username, query):
q1=r"""^SELECT [^']*'(?P<id>\d+)%'[^'] ORDER BY (?P<position>\('%' in prefix\) ASC, char_length\(prefix\) LIMIT """
if not re.match(q1, query):
return query # nothing to do with other queries
else:
new_query = # ... rewrite query here
return new_query
运行 pgBouncer 并将其连接到数据库。尝试像您的应用程序一样发出不同的查询,并检查它们是如何被重写的。因为您处理文本,所以您必须调整正则表达式以匹配所有必需的查询并正确重写它们。
代理准备就绪并调试后,将您的应用程序重新连接到 pgBouncer。
亲:
- 应用程序没有变化
- DB 的基本结构没有变化
魂斗罗:
- 额外维护 - 您需要触发器来使所有新列都包含实际数据
- 额外的支持工具
- rewrite 使用正则表达式,因此它与您的应用程序发出的特定查询密切相关。您需要 运行 一段时间并制定稳健的重写规则。
进一步发展:
pgsql 自身中的 highjack 解析查询树 https://wiki.postgresql.org/wiki/Query_Parsing
如果我对你的问题的理解正确,创建重写查询的代理服务器可能是这里的解决方案。
这是一个example from another question。
然后您可以在查询中将 "LIKE" 更改为“=”,这样 运行 会快很多。
我必须将数据库提取到外部数据库服务器以获得许可软件。 数据库必须是 Postgres,我无法从应用程序更改 select 查询(无法更改源代码)。
Table(必须是 1 table)包含大约 650 万行,并且在主列(前缀)中具有唯一值。
所有请求都是读取请求,没有 inserts/update/delete,并且有 ~200k selects/day,峰值为 15 TPS。
Select查询是:
SELECT prefix, changeprefix, deletelast, outgroup, tariff FROM table
WHERE '00436641997142' LIKE prefix
AND company = 0 and ((current_time between timefrom and timeto) or (timefrom is null and timeto is null)) and (strpos("Day", cast(to_char(now(), 'ID') as varchar)) > 0 or "Day" is null )
ORDER BY position('%' in prefix) ASC, char_length(prefix) DESC
LIMIT 1;
解释分析显示如下
Limit (cost=406433.75..406433.75 rows=1 width=113) (actual time=1721.360..1721.361 rows=1 loops=1)
-> Sort (cost=406433.75..406436.72 rows=1188 width=113) (actual time=1721.358..1721.358 rows=1 loops=1)
Sort Key: ("position"((prefix)::text, '%'::text)), (char_length(prefix)) DESC
Sort Method: quicksort Memory: 25kB
-> Seq Scan on table (cost=0.00..406427.81 rows=1188 width=113) (actual time=1621.159..1721.345 rows=1 loops=1)
Filter: ((company = 0) AND ('00381691997142'::text ~~ (prefix)::text) AND ((strpos(("Day")::text, (to_char(now(), 'ID'::text))::text) > 0) OR ("Day" IS NULL)) AND (((('now'::cstring)::time with time zone >= (timefrom)::time with time zone) AN (...)
Rows Removed by Filter: 6417130
Planning time: 0.165 ms
Execution time: 1721.404 ms`
查询最慢的部分是:
SELECT prefix, changeprefix, deletelast, outgroup, tariff FROM table
WHERE '00436641997142' LIKE prefix
生成 1,6s(仅测试这部分查询)
单独测试的部分查询:
Seq Scan on table (cost=0.00..181819.07 rows=32086 width=113) (actual time=1488.359..1580.607 rows=1 loops=1)
Filter: ('004366491997142'::text ~~ (prefix)::text)
Rows Removed by Filter: 6417130
Planning time: 0.061 ms
Execution time: 1580.637 ms
关于数据本身: 列 "prefix" 具有相同的前几位数字(前 5 位),其余数字不同,唯一。
Postgres 版本为 9.5 我更改了 Postgres 的以下设置:
random-page-cost = 40
effective_cashe_size = 4GB
shared_buffer = 4GB
work_mem = 1GB
我尝试了几种索引类型(unique、gin、gist、hash),但在所有情况下都没有使用索引(如上文所述)并且结果速度相同。 我也做过,但没有明显的改进:
vacuum analyze verbose table
请推荐数据库 and/or 索引配置的设置,以加快此查询的执行时间。
当前硬件是 i5、SSD、Win7 上的 16GB 内存,但我可以选择购买更强大的硬件。 据我了解,对于读取(无 inserts/updates)占主导地位的情况,更快的 CPU 核心比核心数量或磁盘速度重要得多 > 请确认。
附加组件 1: 添加9个索引后,索引也没有用到
附加组件 2: 1)我发现了不使用索引的原因:查询中的词序部分是原因。如果查询是:
SELECT prefix, changeprefix, deletelast, outgroup, tariff FROM table WHERE prefix like '00436641997142%'
AND company = 0 and
((current_time between timefrom and timeto) or (timefrom is null and timeto is null)) and (strpos("Day", cast(to_char(now(), 'ID') as varchar)) > 0 or "Day" is null )
ORDER BY position('%' in prefix) ASC, char_length(prefix) DESC LIMIT 1
它使用索引。
注意差异:
... WHERE '00436641997142%' like prefix ...
正确使用索引的查询:
... WHERE prefix like '00436641997142%' ...
因为我无法更改查询本身,知道如何克服这个问题吗?我可以更改数据和 Postgres 设置,但不能查询本身。
2) 此外,我安装了 Postgres 9.6 版本以使用并行 seq.scan。在这种情况下,仅当省略查询的最后一部分时才使用并行扫描。所以,查询:
SELECT prefix, changeprefix, deletelast, outgroup, tariff FROM table WHERE '00436641997142' LIKE prefix
AND company = 0 and
((current_time between timefrom and timeto) or (timefrom is null and timeto is null))
ORDER BY position('%' in prefix) ASC, char_length(prefix) DESC LIMIT 1
使用并行模式。
知道如何强制执行原始查询(我无法更改查询):
SELECT prefix, changeprefix, deletelast, outgroup, tariff FROM erm_table WHERE '00436641997142' LIKE prefix
AND company = 0 and
((current_time between timefrom and timeto) or (timefrom is null and timeto is null)) and (strpos("Day", cast(to_char(now(), 'ID') as varchar)) > 0 or "Day" is null )
ORDER BY position('%' in prefix) ASC, char_length(prefix) DESC LIMIT 1
使用并行序列。扫描?
您应该根据 documentation:
添加适当的运算符 class 来更改您的索引The operator classes text_pattern_ops, varchar_pattern_ops, and bpchar_pattern_ops support B-tree indexes on the types text, varchar, and char respectively. The difference from the default operator classes is that the values are compared strictly character by character rather than according to the locale-specific collation rules. This makes these operator classes suitable for use by queries involving pattern matching expressions (LIKE or POSIX regular expressions) when the database does not use the standard "C" locale. As an example, you might index a varchar column like this:
CREATE INDEX test_index ON test_table (col varchar_pattern_ops);
很难为像 strin LIKE pattern
这样的查询建立索引,因为通配符(% 和 _)无处不在。
我可以建议一个有风险的解决方案:
稍微重新设计 table - 使其可索引。再添加两列固定宽度的
prefix_low
和prefix_high
- 例如char(32)
,或任何足以完成任务的任意长度。还要为前缀长度添加一个smallint
列。用匹配前缀和前缀长度的最低和最高值填充它们。例如:select rpad(rtrim('00436641997142%','%'), 32, '0') AS prefix_low, rpad(rtrim('00436641997142%','%'), 32, '9') AS prefix_high, length(rtrim('00436641997142%','%')) AS prefix_length; prefix_low | prefix_high | prefix_length ----------------------------------+---------------------------------------+----- 00436641997142000000000000000000 | 00436641997142999999999999999999 | 14
用这些值建立索引
CREATE INDEX table_prefix_low_high_idx ON table (prefix_low, prefix_high);
根据table检查修改后的请求:
SELECT prefix, changeprefix, deletelast, outgroup, tariff FROM table WHERE '00436641997142%' BETWEEN prefix_low AND prefix_high AND company = 0 AND ((current_time between timefrom and timeto) or (timefrom is null and timeto is null)) and (strpos("Day", cast(to_char(now(), 'ID') as varchar)) > 0 or "Day" is null ) ORDER BY prefix_length DESC LIMIT 1
检查它与索引的配合情况,尝试调整它 - add/remove 索引 prefix_length 将其添加到索引之间等等。
现在您需要将查询重写到数据库中。安装 PgBouncer 和 PgBouncer-RR patch。它允许您使用简单的 python 代码即时重写查询,例如:
import re def rewrite_query(username, query): q1=r"""^SELECT [^']*'(?P<id>\d+)%'[^'] ORDER BY (?P<position>\('%' in prefix\) ASC, char_length\(prefix\) LIMIT """ if not re.match(q1, query): return query # nothing to do with other queries else: new_query = # ... rewrite query here return new_query
运行 pgBouncer 并将其连接到数据库。尝试像您的应用程序一样发出不同的查询,并检查它们是如何被重写的。因为您处理文本,所以您必须调整正则表达式以匹配所有必需的查询并正确重写它们。
代理准备就绪并调试后,将您的应用程序重新连接到 pgBouncer。
亲:
- 应用程序没有变化
- DB 的基本结构没有变化
魂斗罗:
- 额外维护 - 您需要触发器来使所有新列都包含实际数据
- 额外的支持工具
- rewrite 使用正则表达式,因此它与您的应用程序发出的特定查询密切相关。您需要 运行 一段时间并制定稳健的重写规则。
进一步发展: pgsql 自身中的 highjack 解析查询树 https://wiki.postgresql.org/wiki/Query_Parsing
如果我对你的问题的理解正确,创建重写查询的代理服务器可能是这里的解决方案。
这是一个example from another question。
然后您可以在查询中将 "LIKE" 更改为“=”,这样 运行 会快很多。