Structure DB simple (pour un forum en ligne):
CREATE TABLE users (
id integer NOT NULL PRIMARY KEY,
username text
);
CREATE INDEX ON users (username);
CREATE TABLE posts (
id integer NOT NULL PRIMARY KEY,
thread_id integer NOT NULL REFERENCES threads (id),
user_id integer NOT NULL REFERENCES users (id),
date timestamp without time zone NOT NULL,
content text
);
CREATE INDEX ON posts (thread_id);
CREATE INDEX ON posts (user_id);
Environ 80 000 entrées dans users
et 2,6 millions d'entrées dans les posts
tableaux. Cette simple requête pour obtenir les 100 meilleurs utilisateurs par leurs messages prend 2,4 secondes :
EXPLAIN ANALYZE SELECT u.id, u.username, COUNT(p.id) AS PostCount FROM users u
INNER JOIN posts p on p.user_id = u.id
WHERE u.username IS NOT NULL
GROUP BY u.id
ORDER BY PostCount DESC LIMIT 100;
Limit (cost=316926.14..316926.39 rows=100 width=20) (actual time=2326.812..2326.830 rows=100 loops=1)
-> Sort (cost=316926.14..317014.83 rows=35476 width=20) (actual time=2326.809..2326.820 rows=100 loops=1)
Sort Key: (count(p.id)) DESC
Sort Method: top-N heapsort Memory: 32kB
-> HashAggregate (cost=315215.51..315570.27 rows=35476 width=20) (actual time=2311.296..2321.739 rows=34608 loops=1)
Group Key: u.id
-> Hash Join (cost=1176.89..308201.88 rows=1402727 width=16) (actual time=16.538..1784.546 rows=1910831 loops=1)
Hash Cond: (p.user_id = u.id)
-> Seq Scan on posts p (cost=0.00..286185.34 rows=1816634 width=8) (actual time=0.103..1144.681 rows=2173916 loops=1)
-> Hash (cost=733.44..733.44 rows=35476 width=12) (actual time=15.763..15.763 rows=34609 loops=1)
Buckets: 65536 Batches: 1 Memory Usage: 2021kB
-> Seq Scan on users u (cost=0.00..733.44 rows=35476 width=12) (actual time=0.033..6.521 rows=34609 loops=1)
Filter: (username IS NOT NULL)
Rows Removed by Filter: 11335
Execution time: 2301.357 ms
Avec set enable_seqscan = false
encore pire:
Limit (cost=1160881.74..1160881.99 rows=100 width=20) (actual time=2758.086..2758.107 rows=100 loops=1)
-> Sort (cost=1160881.74..1160970.43 rows=35476 width=20) (actual time=2758.084..2758.098 rows=100 loops=1)
Sort Key: (count(p.id)) DESC
Sort Method: top-N heapsort Memory: 32kB
-> GroupAggregate (cost=0.79..1159525.87 rows=35476 width=20) (actual time=0.095..2749.859 rows=34608 loops=1)
Group Key: u.id
-> Merge Join (cost=0.79..1152157.48 rows=1402727 width=16) (actual time=0.036..2537.064 rows=1910831 loops=1)
Merge Cond: (u.id = p.user_id)
-> Index Scan using users_pkey on users u (cost=0.29..2404.83 rows=35476 width=12) (actual time=0.016..41.163 rows=34609 loops=1)
Filter: (username IS NOT NULL)
Rows Removed by Filter: 11335
-> Index Scan using posts_user_id_index on posts p (cost=0.43..1131472.19 rows=1816634 width=8) (actual time=0.012..2191.856 rows=2173916 loops=1)
Planning time: 1.281 ms
Execution time: 2758.187 ms
Group by username
est manquant dans Postgres, car il n'est pas obligatoire (SQL Server dit que je dois grouper username
si je veux sélectionner un nom d'utilisateur). Le regroupement avec username
ajoute un peu de ms au temps d'exécution sur Postgres ou ne fait rien.
Pour la science, j'ai installé Microsoft SQL Server sur le même serveur (qui exécute archlinux, 8 core xeon, 24 gb ram, ssd) et j'ai migré toutes les données de Postgres - même structure de table, mêmes indices, mêmes données. Même requête pour obtenir les 100 meilleures affiches en 0,3 seconde :
SELECT TOP 100 u.id, u.username, COUNT(p.id) AS PostCount FROM dbo.users u
INNER JOIN dbo.posts p on p.user_id = u.id
WHERE u.username IS NOT NULL
GROUP BY u.id, u.username
ORDER BY PostCount DESC
Donne les mêmes résultats à partir des mêmes données, mais le fait 8 fois plus rapidement. Et c'est la version bêta de MS SQL sur Linux, je suppose qu'il fonctionne sur son système d'exploitation "domestique" - Windows Server - il pourrait encore être plus rapide.
Ma requête PostgreSQL est-elle totalement fausse ou PostgreSQL est-il juste lent?
information additionnelle
La version est presque la plus récente (9.6.1, actuellement la plus récente est 9.6.2, ArchLinux a juste des paquets obsolètes et est très lent à mettre à jour). Config:
max_connections = 75
shared_buffers = 3584MB
effective_cache_size = 10752MB
work_mem = 24466kB
maintenance_work_mem = 896MB
dynamic_shared_memory_type = posix
min_wal_size = 1GB
max_wal_size = 2GB
checkpoint_completion_target = 0.9
wal_buffers = 16MB
default_statistics_target = 100
EXPLAIN ANALYZE
sorties: https://pastebin.com/HxucRgnk
J'ai essayé tous les index, même GIN et GIST, le moyen le plus rapide pour PostgreSQL (et Googling le confirme avec de nombreuses lignes) est d'utiliser le scan séquentiel.
MS SQL Server 14.0.405.200-1, conf par défaut.
J'utilise cela dans une API (avec une sélection simple sans analyse), et en appelant ce point de terminaison d'API avec Chrome, il dit que cela prend 2500 ms + -, ajoutez 50 ms de surcharge de serveur HTTP et Web (les API et SQL s'exécutent sur le même serveur) - c'est le même. Je ne me soucie pas de 100 ms ici ou là, ce qui m'importe deux secondes.
explain analyze SELECT user_id, count(9) FROM posts group by user_id;
prend 700 ms. La taille du posts
tableau est de 2154 Mo.
GROUP BY u.id
en ceci GROUP BY p.user_id
et essayer cela? Je suppose que Postgres se joint en premier et se regroupe par seconde parce que vous regroupez par identifiant de table d'utilisateurs, même si vous n'avez besoin que de posts user_id pour obtenir les N premières lignes.
posts
table, en utilisant une table comme DeCREATE TABLE post_content (post_id PRIMARY KEY REFERENCES posts (id), content text);
cette façon, la plupart des E / S qui sont «gaspillées» sur ce type de requêtes pourraient être épargnées. Si les messages sont plus petits que cela, unVACUUM FULL
onposts
peut vous aider.