PostgreSQL 选择优化

Question

你能解释一下，我如何优化这样的选择：

SELECT * FROM calls WHERE id_temp % 5 = 0 LIMIT 300000

此选择正在处理具有 5000 万条记录的表。

非常感谢，祝你有美好的一天。

Answer 1

假设id_temp没有一些高度倾斜的（有利于您的查询）分布，我看不到任何优化此查询的方法。

您需要 300K 行，并且一行匹配条件的几率约为 1/5（在非偏斜假设下），因此它将从表中读取大约 150 万行，直到找到 300K 匹配项。

即使您有一个索引id_temp并且可以更快地找到 300K 匹配项，仍然必须从表中读取 300K 行（如您所见SELECT *），并且由于它们将与不匹配的行交错，因此它仍在继续读取与没有索引时相同数量的磁盘页面。

我认为你最好的机会 - 除了提高磁盘 I/O 性能 - 是如果你id_temp % 5以某种方式使用表达式对表进行分区- 但我会把这留给 Postgres 专家。也许其他一些魔法效果会更好。

另一个想法是将id_temp % 5表达式作为第一列的索引，但这实际上是复制整个 50M 行表：

CREATE INDEX id_temp_modulo_5_idx 
   ON calls 
   ( (id_temp % 5), id_temp, --- all the other columns as well --- );

或者如果您只需要= 0条件并且永远不需要=1（或 2, 3,4），则使用部分索引。与上面的相比，这将节省大约 80% 的空间：

CREATE INDEX id_temp_modulo_5_equals_0_idx 
    ON calls 
    ( (id_temp % 5), id_temp, --- all the other columns as well --- )
WHERE
    (id_temp % 5 = 0) ;