如何强制PostgreSQL使用我的索引？

Question

CREATE TABLE product (
  product_id     SERIAL,
  factory_key    VARCHAR(60),
  relevant       BOOLEAN
)
Indexes:
"product_factory_key_key" btree (factory_key);
"product_factory_key_relevant_key" btree (factory_key, relevant) WHERE relevant = false;
"product_relevant_key" btree (relevant);

事实:

1. 我们在product表中有大约1亿条记录
2. 有少数工厂.例如,1家工厂可能拥有500万种产品.
3. 有数百万的工厂密钥
4. 每个工厂只有少量行不相关.例如,有一家拥有500万种产品的工厂,有大约100种不相关的产品.
5. 但是,有数百万行不相关的行.因为,最常见的情况是一个工厂密钥,5行产品,可能有2行不相关.

这是问题查询:

SELECT * FROM product WHERE factory_key='some_product_key' AND relevant=false LIMIT 10;

解释分析:

                                                        QUERY PLAN
---------------------------------------------------------------------------------------------------------------------------
 Limit  (cost=0.00..23.06 rows=10 width=188) (actual time=2709.654..32252.961 rows=10 loops=1)
   ->  Seq Scan on product  (cost=0.00..7366785.34 rows=3194759 width=188) (actual time=2709.634..32252.904 rows=10 loops=1)
         Filter: ((NOT relevant) AND ((product_key)::text = 'some_product_key'::text))
         Rows Removed by Filter: 449486
 Total runtime: 32253.150 ms
(5 rows)

问题:

这是有问题的,因为:

1. 我相信规划师选择使用seq扫描,因为有很多行匹配这个工厂.(约320万行与此工厂匹配或约3%)

2. 但是,因为只有极少数行是不相关的.我正在寻找不相关的.seq扫描结果非常昂贵.

我已经创建了一个复合索引product_factory_key_relevant_key,但它没有利用索引.

编辑:

我试图强制postgres使用复合键: product_factory_key_relevant_key

SET enable_seqscan=off

虽然,它现在使用索引扫描.它实际上仍然比seqscan慢.(所以我猜计划器在进行seq扫描时是正确的)

                                                                       QUERY PLAN
--------------------------------------------------------------------------------------------------------------------------------------------------------
 Limit  (cost=0.57..34.03 rows=10 width=188) (actual time=8.088..469974.692 rows=10 loops=1)
   ->  Index Scan using product_factory_key_relevant_key on product  (cost=0.57..10689307.49 rows=3194776 width=188) (actual time=8.083..469974.655 rows=10 loops=1)
         Index Cond: (relevant = false)
         Filter: ((NOT relevant) AND ((product_key)::text = 'some_product_key'::text))
         Rows Removed by Filter: 2205295
 Total runtime: 469974.820 ms
(6 rows)

Answer 1

覆盖成本参数

你不能强迫PostgreSQL使用特定的索引,或者完全阻止它进行seqscan.

但是,如果可能,可以通过设置相关enable_参数来告诉它避免执行某些扫描类型off.它真的是一个仅用于调试的功能.

要进行测试,请尝试:

SET enable_seqscan = off;

如果Pg可以使用索引扫描(或其他),它会.

您可能还想考虑:

SET random_page_cost = 1.1

即告诉PostgreSQL,随机I/O仅比顺序I/O略贵.这通常适用于具有SSD的系统,或者大多数DB都缓存在RAM中的情况.在这种情况下,更有可能选择一个索引.

当然,如果您的系统的随机I/O实际上更昂贵,那么使用索引可能会更慢.

选择性,部分指标

你应该做的是遵循你已经给出的建议.按选择性顺序创建索引 - 如果relevant不太常见,请使用它.您甚至可以更进一步创建部分索引:

CREATE INDEX idx_name_blah ON tbl_name_blah (factory_key) WHERE (NOT relevant);

此索引仅包含值relevant = 'f'.它只能用于规划器知道相关的查询是错误的查询.另一方面,它将是一个更小,更快的索引.

统计

您可能还有不准确的统计信息,导致PostgreSQL认为价值频率与您的桌子实际不同.explain analyze将有助于表明这一点.

你也可以看一下ANALYZE my_table这些统计数据是否过时了; 如果是这样,增加autovacuum运行的频率,因为它没有跟上.

如果统计数据是最新的,但规划人员仍在进行基于统计数据的误估计,那么增加表格的统计目标(参见手册)并重新分析可能会有所帮助,如果它实际上是统计误估计问题.

版本

较旧的PostgreSQL版本往往不太了解成本估算,查询优化,统计,查询执行方法以及其他所有内容.

如果您没有使用最新版本,请升级.

例如,9.2的仅索引扫描将允许您创建部分索引

(product_id, factory_key) WHERE (NOT relevant)

然后运行查询:

SELECT product_id, factory_key FROM my_table WHERE NOT relevant;

应该只读取索引,根本没有堆访问权限.