如何在大型 table 上提高基于日期的查询性能？

Question

这与我 post 编辑的其他 2 个问题有关（听起来我应该 post 这是一个新问题）- 反馈有帮助，但我认为同样的问题会再次出现下次我需要插入数据。事情运行缓慢地停止，这迫使我暂时删除一些旧数据，以便我正在查询的 table 中只剩下 2 个月的价值。

这次提供更多细节 - 希望它能帮助查明问题：

PG 版本 10.7（运行在 heroku 上可用
数据库总大小：18.4GB（包含 2 个月的数据量，每个月的增长速度大致相同）
15GB 内存
总可用存储空间：512GB
最大的 table（执行最慢查询的那个）是 9.6GB（它是整个数据库中最大的块）- 大约 1000 万条记录

最大的架构table：

-- Table Definition ----------------------------------------------

CREATE TABLE reportimpression (
    datelocal timestamp without time zone,
    devicename text,
    network text,
    sitecode text,
    advertisername text,
    mediafilename text,
    gender text,
    agegroup text,
    views integer,
    impressions integer,
    dwelltime numeric
);

-- Indices -------------------------------------------------------

CREATE INDEX reportimpression_feb2019_index ON reportimpression(datelocal timestamp_ops) WHERE datelocal >= '2019-02-01 00:00:00'::timestamp without time zone AND datelocal < '2019-03-01 00:00:00'::timestamp without time zone;
CREATE INDEX reportimpression_mar2019_index ON reportimpression(datelocal timestamp_ops) WHERE datelocal >= '2019-03-01 00:00:00'::timestamp without time zone AND datelocal < '2019-04-01 00:00:00'::timestamp without time zone;
CREATE INDEX reportimpression_jan2019_index ON reportimpression(datelocal timestamp_ops) WHERE datelocal >= '2019-01-01 00:00:00'::timestamp without time zone AND datelocal < '2019-02-01 00:00:00'::timestamp without time zone;

慢查询：

SELECT
    date_part('hour', datelocal) AS hour,
    SUM(CASE WHEN gender = 'male' THEN views ELSE 0 END) AS male,
    SUM(CASE WHEN gender = 'female' THEN views ELSE 0 END) AS female
FROM reportimpression
WHERE
    datelocal >= '3-1-2019' AND
    datelocal < '4-1-2019'
GROUP BY date_part('hour', datelocal)
ORDER BY date_part('hour', datelocal)

此查询中的日期范围通常是整个月（它接受来自基于 Web 的报告的用户输入）- 如您所见，我尝试为每个月的数据创建索引。这有帮助，但据我所知，除非查询最近是运行（将结果放入缓存），它仍然可能需要一分钟才能到达运行.

解释分析结果：

Finalize GroupAggregate  (cost=1035890.38..1035897.86 rows=1361 width=24) (actual time=3536.089..3536.108 rows=24 loops=1)
  Group Key: (date_part('hour'::text, datelocal))
  ->  Sort  (cost=1035890.38..1035891.06 rows=1361 width=24) (actual time=3536.083..3536.087 rows=48 loops=1)
        Sort Key: (date_part('hour'::text, datelocal))
        Sort Method: quicksort  Memory: 28kB
        ->  Gather  (cost=1035735.34..1035876.21 rows=1361 width=24) (actual time=3535.926..3579.818 rows=48 loops=1)
              Workers Planned: 1
              Workers Launched: 1
              ->  Partial HashAggregate  (cost=1034735.34..1034740.11 rows=1361 width=24) (actual time=3532.917..3532.933 rows=24 loops=2)
                    Group Key: date_part('hour'::text, datelocal)
                    ->  Parallel Index Scan using reportimpression_mar2019_index on reportimpression  (cost=0.09..1026482.42 rows=3301168 width=17) (actual time=0.045..2132.174 rows=2801158 loops=2)
Planning time: 0.517 ms
Execution time: 3579.965 ms

我不认为处理 1000 万条记录会太多，特别是考虑到我最近提高了我正在尝试投入资源的 PG 计划，所以我认为问题是仍然只是我的索引或我的查询效率不高。

Answer 1

您的执行计划似乎在做正确的事情。

您可以做些什么来改进，按有效性降序排列：

使用预先聚合数据的物化视图
不要使用托管数据库，使用具有良好本地存储和大量 RAM 的自己的熨斗。
只使用一个索引而不是多个分区索引。这主要不是性能建议（除非您有很多索引，否则查询可能不会明显变慢），但它会减轻管理负担。

Answer 2

A materialized view 是实现您概述的方法。查询过去几个月的只读数据无需刷新即可。如果您也需要涵盖当月，您可能希望对当前月份进行特殊处理。

底层查询仍然可以从索引中获益，您可以选择两个方向：

首先，partial indexes like you have now won't buy much in your scenario, not worth it. If you collect many more months of data and mostly query by month (and add / drop rows by month) table partitioning 可能是一个想法，然后您也可以自动对索引进行分区。不过，我会考虑使用 Postgres 11 甚至即将推出的 Postgres 12。）

如果您的行很宽，请创建一个允许index-only scans的索引。喜欢：

CREATE INDEX reportimpression_covering_idx ON reportimpression(datelocal, views, gender);

如何在大型 table 上提高基于日期的查询性能？

How do I improve date-based query performance on a large table?

postgresql

postgresql-10