如何使用索引加快 postgres 中的排序

Question

我正在使用 postgres 9.4。

的messages具有以下模式：消息属于FEED_ID，并且具有posted_at，还消息可以具有（在答复的情况）的父消息。

                    Table "public.messages"
            Column            |            Type             | Modifiers
------------------------------+-----------------------------+-----------
 message_id                   | character varying(255)      | not null
 feed_id                      | integer                     |
 parent_id                    | character varying(255)      |
 posted_at                    | timestamp without time zone |
 share_count                  | integer                     |
Indexes:
    "messages_pkey" PRIMARY KEY, btree (message_id)
    "index_messages_on_feed_id_posted_at" btree (feed_id, posted_at DESC NULLS LAST)

我想返回由 排序的所有消息share_count，但对于每个parent_id，我只想返回一条消息。即，如果多条消息具有相同的parent_id，则仅posted_at返回最新的一条 ( )。在parent_id可以为空，以空消息parent_id都应该回报。

我使用的查询是：

WITH filtered_messages AS (SELECT * 
                           FROM messages
                           WHERE feed_id IN (7) 
                           AND (posted_at >= '2015-01-01 04:00:00.000000') 
                           AND (posted_at < '2015-04-28 04:00:00.000000'))
    SELECT *
    FROM (SELECT DISTINCT ON(COALESCE(parent_id, message_id)) parent_id,
                          message_id, 
                          posted_at, 
                          share_count
          FROM filtered_messages
          ORDER BY COALESCE(parent_id, message_id), posted_at DESC NULLS LAST
         ) messages
    ORDER BY share_count DESC NULLS LAST, posted_at DESC NULLS LAST;

这是http://sqlfiddle.com/#!15/588e5/1/0，在 SQL Fiddle 中，我已经定义了架构、确切的查询和预期的结果。

但是一旦消息表变大，查询的性能就会变慢。我尝试添加多个排序索引，但它似乎没有使用索引。这是解释：http : //explain.depesz.com/s/Sv2

如何创建正确的索引？

Answer 1

询问

在任何情况下，此查询都应该快得多：

SELECT parent_id, message_id, posted_at, share_count
FROM   messages
WHERE  feed_id = 7
AND    posted_at >= '2015-01-01 4:0:0'
AND    posted_at <  '2015-04-28 4:0:0'
AND    parent_id IS NULL  -- match index condition
UNION ALL
(
SELECT DISTINCT ON(parent_id)
       parent_id, message_id, posted_at, share_count
FROM   messages
WHERE  feed_id = 7
AND    posted_at >= '2015-01-01 4:0:0'
AND    posted_at <  '2015-04-28 4:0:0'
AND    parent_id IS NOT NULL  -- match index condition
ORDER  BY parent_id, posted_at DESC NULLS LAST
)
ORDER  BY share_count DESC NULLS LAST, posted_at DESC NULLS LAST;

• CTE 在这里没有做任何普通子查询也无法提供的事情。并且 CTE 引入了优化障碍，因为它是单独执行的并且其结果是具体化的。

• 您拥有比实际需要的更多的子查询级别。

• 该表达式(COALESCE(parent_id, message_id)与普通索引不兼容，您需要该表达式的索引。但这也可能不是很有用，这取决于数据分布。按照我下面的链接获取详细信息。

• 将 的简单情况拆分parent_id IS NULL为单独的情况SELECT可能会也可能不会提供最佳效果。尤其不是，如果无论如何这是一种罕见的情况，在这种情况下，带有索引的组合查询(COALESCE(parent_id, message_id)可能会表现得更好。其他注意事项适用...

指数

特别是当这些索引支持时：

CREATE INDEX messages_idx_null ON messages (
  feed_id
, posted_at DESC NULLS LAST
, share_count DESC NULLS LAST
, parent_id, message_id
)
WHERE parent_id IS NULL;

CREATE INDEX messages_idx_notnull ON messages (
  feed_id
, posted_at DESC NULLS LAST
, share_count DESC NULLS LAST
, parent_id, message_id
)
WHERE parent_id IS NOT NULL;

这两个部分索引一起覆盖了整个表，并且与单个总索引的大小大致相同。

最后两列parent_id, message_id只有在您从中获得仅索引扫描时才有意义。否则，将它们从两个索引中删除。

SQL小提琴。

根据缺失的细节，DISTINCT ON可能是也可能不是用于此目的的最佳查询技术。在此处阅读详细说明：

• 选择每个 GROUP BY 组中的第一行？

可能还有更快的替代方案：

• 优化 GROUP BY 查询以检索每个用户的最新记录