abclinuxu.cz AbcLinuxu.cz itbiz.cz ITBiz.cz HDmag.cz HDmag.cz abcprace.cz AbcPráce.cz
Inzerujte na AbcPráce.cz od 950 Kč
Rozšířené hledání
×
    včera 23:55 | Nová verze

    Byla vydána nová stabilní verze 24.05 linuxové distribuce NixOS (Wikipedie). Její kódové označení je Uakari. Podrobný přehled novinek v poznámkách k vydání. O balíčky se v NixOS stará správce balíčků Nix.

    Ladislav Hagara | Komentářů: 0
    včera 17:33 | Nová verze

    Byla vydána nová verze 1.48.0 sady nástrojů pro správu síťových připojení NetworkManager. Novinkám se v příspěvku na blogu NetworkManageru věnuje Fernando F. Mancera. Mimo jiné se v nastavení místo mac-address-blacklist nově používá mac-address-denylist.

    Ladislav Hagara | Komentářů: 10
    včera 17:11 | Komunita

    Před 25 lety, 31. května 1999, započal vývoj grafického editoru Krita (Wikipedie). Tenkrát ještě pod názvem KImageShop a později pod názvem Krayon.

    Ladislav Hagara | Komentářů: 3
    včera 12:55 | Nová verze

    Farid Abdelnour se v příspěvku na blogu rozepsal o novinkám v nejnovější verzi 24.05.0 editoru videa Kdenlive (Wikipedie). Ke stažení brzy také na Flathubu.

    Ladislav Hagara | Komentářů: 0
    včera 11:22 | Zajímavý článek

    David Revoy, autor mj. komiksu Pepper&Carrot, se rozepsal o své aktuální grafické pracovní stanici: Debian 12 Bookworm, okenní systém X11, KDE Plasma 5.27, …

    Ladislav Hagara | Komentářů: 9
    30.5. 22:44 | Nová verze

    Wayland (Wikipedie) byl vydán ve verzi 1.23.0. Z novinek lze vypíchnout podporu OpenBSD.

    Ladislav Hagara | Komentářů: 0
    30.5. 21:22 | Zajímavý článek

    Craig Loewen na blogu Microsoftu představil novinky ve Windows Subsystému pro Linux (WSL). Vypíchnout lze GUI aplikaci pro nastavování WSL nebo správu WSL z Dev Home.

    Ladislav Hagara | Komentářů: 0
    30.5. 12:44 | Pozvánky

    V sobotu 1. června lze navštívit Maker Faire Ostrava, festival plný workshopů, interaktivních činností a především nadšených a zvídavých lidí.

    Ladislav Hagara | Komentářů: 0
    30.5. 12:22 | Nová verze

    Webový server Caddy (Wikipedie) s celou řadou zajímavých vlastností byl vydán ve verzi 2.8 (𝕏). Přehled novinek na GitHubu.

    Ladislav Hagara | Komentářů: 13
    29.5. 22:11 | Nová verze

    Byla vydána verze 3.0 (@, 𝕏) svobodného softwaru HAProxy (The Reliable, High Performance TCP/HTTP Load Balancer; Wikipedie) řešícího vysokou dostupnost, vyvažování zátěže a reverzní proxy. Detailní přehled novinek v příspěvku na blogu společnosti HAProxy Technologies.

    Ladislav Hagara | Komentářů: 7
    Podle hypotézy Mrtvý Internet mj. tvoří většinu online interakcí boti.
     (90%)
     (3%)
     (4%)
     (4%)
    Celkem 1074 hlasů
     Komentářů: 17, poslední včera 15:31
    Rozcestník

    Dotaz: postgres optimalizace dotazu

    12.3.2019 10:26 marek
    postgres optimalizace dotazu
    Přečteno: 1236×

    Dobry den

    Prosim o nasmerovani, jak zrychlit dotaz:

    explain analyze select max(rodatum),server,vanview  from van group by server,vanview;
                                                           QUERY PLAN                                                        
    -------------------------------------------------------------------------------------------------------------------------
     HashAggregate  (cost=299861.68..299861.92 rows=24 width=16) (actual time=4396.250..4396.256 rows=24 loops=1)
       ->  Seq Scan on van  (cost=0.00..238237.96 rows=8216496 width=16) (actual time=10.354..1658.701 rows=8216067 loops=1)
     Total runtime: 4396.330 ms
    (3 rows)
    

    pro tabulku:

    
    \d van
                              Table "public.van"
               Column            |            Type             | Modifiers 
    -----------------------------+-----------------------------+-----------
     datum                       | timestamp without time zone | not null
     rodatum                     | timestamp without time zone | 
     server                      | integer                     | not null
     vanview                     | integer                     | not null
     queries                     | bigint                      | 
     lookups                     | bigint                      | 
     proactive-lookups           | bigint                      | 
     ignored-referral-lookups    | bigint                      | 
     cache-misses                | bigint                      | 
     id-spoofing-defense-queries | bigint                      | 
     requests-sent               | bigint                      | 
     tcp-requests-sent           | bigint                      | 
     rate-limited-requests       | bigint                      | 
     noerror                     | bigint                      | 
     servfail                    | bigint                      | 
     nxdomain                    | bigint                      | 
     notimp                      | bigint                      | 
    Indexes:
        "van_pkey" PRIMARY KEY, btree (datum, server, vanview)
        "van_datum_idx" btree (datum)
        "van_datum_server_idx" btree (datum, server)
        "van_rodatum_idx" btree (rodatum)
        "van_server_idx" btree (server)
        "van_server_vanview_idx" btree (server, vanview)
        "van_vanview_idx" btree (vanview)
    Foreign-key constraints:
        "van_server_fkey" FOREIGN KEY (server) REFERENCES server(id)
        "van_vanview_fkey" FOREIGN KEY (vanview) REFERENCES vanview(id)
    

    postupne jsem pridaval indexy, spoustel VACUUM FULL ANALYZE; ....

    Stale mi to prijde priserne pomale.

    dekuji

    marek

    Odpovědi

    12.3.2019 13:26 EtDirloth | skóre: 11
    Rozbalit Rozbalit vše Re: postgres optimalizace dotazu
    Velmi pekna uloha!

    Postgresql zial nevie efektivne pouzit index pre group by - pouzije index only scan iba ked sa mu zakaze seq. scan.

    Najprv definica tabulky, a simulacia tvojich dat: (testovane na pg11)
    --DROP TABLE IF EXISTS van;
    CREATE TABLE van (
       rodatum timestamp
     , server  integer NOT NULL
     , vanview integer NOT NULL
    );
    -- populate with 10M of records with 25 distinct combinations of server & vanview
    INSERT INTO van (server, vanview, rodatum)
       SELECT (random() * 4)::int
            , (random() * 4+5)::int
            , ts + ((random() * 5000)::int || 'seconds')::interval
          FROM generate_series('2000-01-01'::timestamp, now(), '1minute') AS x(ts)
    ;
    
    SELECT count(*) FROM van;
    -- 10095150
    SELECT count(*) FROM van GROUP BY (server, vanview);
    -- (25 rows)
    Jednotlive stlpce vo viacstlpcovych indexoch je potrebne radit v poradi selektivity a znovupouzitelnosti. Ak query filtruje len podla niektorych stlpcov indexu zlava, vie ho pouzit. A preto sa pouzije index ix_van_server_vanview_rodatum na SELECT min(server), ale uz nie na SELECT min(vanview).
     -- used by min(server), max(rodatum) per server&vanview
    CREATE INDEX ix_van_server_vanview_rodatum ON van (server, vanview, rodatum DESC NULLS LAST);
     -- used by min(vanview)
    CREATE INDEX ix_van_vanview ON van (vanview);
    Test tvojej query pre porovnanie casov:
    EXPLAIN (BUFFERS, ANALYZE) select max(rodatum), server, vanview  FROM van GROUP BY server, vanview;
    -- actual time=1791.880..1791.936
    -- Parallel Seq Scan on van
    Pouzil sa Seq scan, napriek tomu, ze existuje ix_van_server_vanview_rodatum, skusim ho zakazat:
    SET enable_seqscan = OFF;
    EXPLAIN (BUFFERS, ANALYZE) select max(rodatum), server, vanview  FROM van GROUP BY server, vanview;
    -- actual time=218.738..3580.570
    -- Parallel Index Only Scan using ix_van_server_vanview_rodatum
    
    ...este pomalsie - zda sa, ze planner funguje spravne

    Kedze mame pomerne male mnozstvo kombinacii ((count(server)*count(vanview))==25), napadlo ma pouzit index ix_van_server_vanview_rodatum tak, ze mu podsuniem 25 roznych hodnot, co by bezalo so zlozitostou O(25 log 10^7). Takze potrebujem ziskat 25 unikatnych hodnot. Lenze SELECT DISTINCT je este pomalsi, nez SELECT server, vanview GROUP BY server, vanview:
    SELECT DISTINCT server, vanview FROM van
    -- Time: 1878,862 ms (00:01,879)
    SELECT server, vanview FROM van GROUP BY server,vanview
    -- Time: 980,318 ms
    Korelovana subquery je potom obmedzena pomalostou DISTINCT/GROUP-BY:
    SELECT max(rodatum), server, vanview
       FROM van
       WHERE (server,vanview) IN (SELECT DISTINCT server, vanview FROM van)
       GROUP BY server,vanview
    ;
    -- Time: 5028,114 ms (00:05,028)
    
    SELECT (
       SELECT max(v.rodatum)
          FROM van AS v
          WHERE (v.server, v.vanview) = (vv.server, vv.vanview)
       ), server, vanview
       FROM (SELECT server, vanview FROM van GROUP BY server,vanview) AS vv
       GROUP BY server, vanview
    ;
    --Time: 984,181 ms
    ...je vidiet mierne zrychlenie, ale stale sme v radoch sekund.

    A tu prichadza trik s rekurzivnou CTE pre indexovany DISTINCT v kombinacii s horeuvedenou korelovanou subquery:
    --EXPLAIN (BUFFERS, ANALYZE) 
    WITH RECURSIVE t AS (
       SELECT min(server) AS s FROM van
       UNION ALL
       SELECT (SELECT min(server) FROM van WHERE server > t.s)
       FROM t WHERE t.s IS NOT NULL
    )
    , tt AS (
       SELECT min(vanview) AS v FROM van
       UNION ALL
       SELECT (SELECT min(vanview) FROM van WHERE vanview > tt.v)
       FROM tt WHERE tt.v IS NOT NULL
    )
    SELECT (
       SELECT max(rodatum)
          FROM van
          WHERE server = s
            AND vanview = v
       ), s, v
       FROM t, tt
       WHERE s IS NOT NULL
         AND v IS NOT NULL
    ;
    -- Time: 1,679 ms
    
    Pre vysvetlenie vid https://wiki.postgresql.org/wiki/Loose_indexscan
    12.3.2019 14:24 marek
    Rozbalit Rozbalit vše Re: postgres optimalizace dotazu

    Tedy smekam.

    Nebudu zastirat, ze vubec postupu nerozumim.

    Na mych datech to dela 373.236 ms, coz je vyrazne zlepseni.

    Ale uvazoval jsem:

    graphs=# EXPLAIN (BUFFERS, ANALYZE)select server.id as ser,vanview.id as van from server,vanview where label like 'nom%' ;
                                                     QUERY PLAN                                                  
    -------------------------------------------------------------------------------------------------------------
     Nested Loop  (cost=0.00..2.49 rows=24 width=8) (actual time=0.018..0.031 rows=24 loops=1)
       Buffers: shared hit=2
       ->  Seq Scan on server  (cost=0.00..1.15 rows=8 width=4) (actual time=0.010..0.011 rows=8 loops=1)
             Filter: (label ~~ 'nom%'::text)
             Rows Removed by Filter: 4
             Buffers: shared hit=1
       ->  Materialize  (cost=0.00..1.04 rows=3 width=4) (actual time=0.001..0.001 rows=3 loops=8)
             Buffers: shared hit=1
             ->  Seq Scan on vanview  (cost=0.00..1.03 rows=3 width=4) (actual time=0.003..0.006 rows=3 loops=1)
                   Buffers: shared hit=1
     Total runtime: 0.063 ms
    (11 rows)
    
    graphs=# EXPLAIN (BUFFERS, ANALYZE)SELECT max(datum),1,1 FROM van WHERE server=1 AND vanview=1;
                                                                         QUERY PLAN                                                                      
    -----------------------------------------------------------------------------------------------------------------------------------------------------
     Result  (cost=4.15..4.16 rows=1 width=0) (actual time=4.946..4.946 rows=1 loops=1)
       Buffers: shared hit=559
       InitPlan 1 (returns $0)
         ->  Limit  (cost=0.00..4.15 rows=1 width=8) (actual time=4.941..4.942 rows=1 loops=1)
               Buffers: shared hit=559
               ->  Index Only Scan Backward using van_pkey on van  (cost=0.00..1854269.90 rows=447277 width=8) (actual time=4.939..4.939 rows=1 loops=1)
                     Index Cond: ((datum IS NOT NULL) AND (server = 1) AND (vanview = 1))
                     Heap Fetches: 1
                     Buffers: shared hit=559
     Total runtime: 4.985 ms
    (10 rows)
    
    graphs=#
    

    4.985*24+0.063=119.703 ms, takze kdybych to spustil v hloupem loopu z aplikace, jsem na tom lepe.

    tak jsem napsal:

    CREATE OR REPLACE FUNCTION max1 ()
    RETURNS TABLE ( max timestamp,
    s integer,
    v integer)
    AS $$
    DECLARE row record;
    BEGIN
    FOR row IN SELECT server.id AS ser,vanview.id AS van FROM server,vanview WHERE label LIKE 'nom%' LOOP
    
     RETURN QUERY SELECT
             max(datum),row.ser,row.van FROM van WHERE server=row.ser AND vanview=row.van;
    END LOOP;
    
    
    
    END; $$
    LANGUAGE 'plpgsql';
    

    to kdyz spustim:

    EXPLAIN (BUFFERS, ANALYZE)select * from max1();
                                                    QUERY PLAN                                                 
    -----------------------------------------------------------------------------------------------------------
     Function Scan on max1  (cost=0.25..10.25 rows=1000 width=16) (actual time=27.605..27.606 rows=24 loops=1)
       Buffers: shared hit=3422
     Total runtime: 27.625 ms
    (3 rows)
    

    Tato rychlost je pro mne dostatecna.

    Ted si projdu jeste nekolikrat Vase reseni, snad to nakonec pochopim.

    dekuji za inspiraci

    marek

    ps: stejne je skoda, ze si to postgres nenaplanuje podobne, jako ta funkce...

    12.3.2019 14:53 OldFrog {Ondra Nemecek} | skóre: 36 | blog: Žabákův notes | Praha
    Rozbalit Rozbalit vše Re: postgres optimalizace dotazu
    Jakou máte verzi Postgres?
    -- OldFrog
    12.3.2019 15:18 marek
    Rozbalit Rozbalit vše Re: postgres optimalizace dotazu

    postgres (PostgreSQL) 9.2.24

    CentOS Linux release 7.6.1810 (Core)

    marek

    12.3.2019 15:30 OldFrog {Ondra Nemecek} | skóre: 36 | blog: Žabákův notes | Praha
    Rozbalit Rozbalit vše Re: postgres optimalizace dotazu
    Hmm, na 10 to funguje stejně pomalu a 11 ještě není v repositáři. Takže to spíš vypadá že novější verze by to neřešila.
    -- OldFrog
    12.3.2019 15:55 EtDirloth | skóre: 11
    Rozbalit Rozbalit vše Re: postgres optimalizace dotazu
    Jasne, nevsimol som si tie foreign keys. Takze potom nepotrebujeme tu rekurzivnu query a bude stacit korelovana subquery - co je ekvivalentne tomu foreach:
    EXPLAIN (BUFFERS, ANALYZE)
    SELECT (
       SELECT max(rodatum)
          FROM van
          WHERE server  = server.id
            AND vanview = vanview.id
       ), server.id, vanview.id
       FROM server, vanview
       WHERE label LIKE 'nom%'
    ;
    -- actual time=0.058..0.321
    -- Index Only Scan using px_server_id_label_nom
    -- Index Only Scan using ix_van_server_vanview_rodatum
    
    ...ten cas + index px_server_id_label_nom som nameral s pouzitim kodu nizsie.

    Asi v tabulke servers nebude vela zaznamov, ale ak nahodou ano, ta WHERE (label LIKE 'nom%') sa da podporit parcialnym indexom px_server_id_label_nom:
    CREATE TABLE server (
       id    int  NOT NULL
     , label text NOT NULL
    );
    CREATE INDEX px_server_id_label_nom ON server (id) WHERE (label LIKE 'nom%');
    
    WITH RECURSIVE t AS (
       SELECT min(server) AS s FROM van
       UNION ALL
       SELECT (SELECT min(server) FROM van WHERE server > t.s)
       FROM t WHERE t.s IS NOT NULL
    )
    INSERT INTO server
       SELECT s, 'nomnom' AS label FROM t WHERE s IS NOT NULL
    ;
    INSERT INTO server
       SELECT s, 'omnom' AS label FROM generate_series(1,11111,1) AS x(s)
    ;
    
    Tu je vidno, ze sa pouzije parcialny index px_server_id_label_nom:
    EXPLAIN (BUFFERS, ANALYZE)
    SELECT id FROM server WHERE label LIKE 'nom%';
    -- actual time=0.019..0.020
    -- Index Only Scan using px_server_id_label_nom
    EXPLAIN (BUFFERS, ANALYZE)
    SELECT id FROM server WHERE label LIKE 'nomn%';
    -- actual time=0.008..1.060
    -- Seq Scan on server
    
    ...rozdiel oproti seq scanu nad takto malou tabulkou je sice v niekolkych radoch, ale aj ta milisekunda pre seq scan je nepatrna, takze sa to oplati hlavne pre vacsie tabulky (co do poctu riadkov aj stlpcov).

    Pre uplnost prikladam aj moj CREATE TABLE mock tabulky vanview:
    CREATE TABLE vanview (
       id    int  NOT NULL
    );
    INSERT INTO vanview
       SELECT v AS label FROM generate_series(5,9,1) AS x(v)
    ;
    
    12.3.2019 16:21 marek
    Rozbalit Rozbalit vše Re: postgres optimalizace dotazu

    Jeste jednou dekuji.

    Sice je u mne stale rychlejsi ta funkce, ale mnohe jsem si z Vasich prispevku odnesl.

    marek

    Založit nové vláknoNahoru

    Tiskni Sdílej: Linkuj Jaggni to Vybrali.sme.sk Google Del.icio.us Facebook

    ISSN 1214-1267   www.czech-server.cz
    © 1999-2015 Nitemedia s. r. o. Všechna práva vyhrazena.