Postgres：具有（延迟）读写访问权限的巨大表

Question

我有一个巨大的表（目前约有 300 万行，预计将增加 1000 倍），每秒都会有大量插入。该表永远不会更新。

现在我必须在该表上运行查询，该查询非常慢（如预期）。这些查询不必 100% 准确，如果结果是一天前的（但不是更早的）就可以了。

目前两个整数列上有两个索引，我必须再添加两个索引（整数和时间戳列）以加快查询速度。

到目前为止我的想法：

1. 将两个缺失的索引添加到表中
2. 大表上根本没有索引，并将内容（作为日常任务）复制到第二个表（只是重要的行），然后在第二个表上创建索引并在该表上运行查询？
3. 对大表进行分区
4. 主/从设置（写入主机并从从机读取）。

就性能而言，什么选项是最好的？你有什么其他的建议？

编辑：

这是表格（我已经标记了外键并稍微美化了查询）：

CREATE TABLE client_log
(
   id                 serial          NOT NULL,
   logid              integer         NOT NULL,
   client_id          integer         NOT NULL,  (FOREIGN KEY)
   client_version     varchar(16),
   sessionid          varchar(100)    NOT NULL,
   created            timestamptz     NOT NULL,
   filename           varchar(256),
   funcname           varchar(256),
   linenum            integer,
   comment            text,
   domain             varchar(128),
   code               integer,
   latitude           float8,
   longitude          float8,
   created_on_server  timestamptz     NOT NULL,
   message_id         integer,                   (FOREIGN KEY)
   app_id             integer         NOT NULL,  (FOREIGN KEY)
   result             integer
);

CREATE INDEX client_log_code_idx ON client_log USING btree (code);
CREATE INDEX client_log_created_idx ON client_log USING btree (created);
CREATE INDEX clients_clientlog_app_id ON client_log USING btree (app_id);
CREATE INDEX clients_clientlog_client_id ON client_log USING btree (client_id);
CREATE UNIQUE INDEX clients_clientlog_logid_client_id_key ON client_log USING btree (logid, client_id);
CREATE INDEX clients_clientlog_message_id ON client_log USING btree (message_id);

还有一个示例查询：

SELECT 
    client_log.comment, 
    COUNT(client_log.comment) AS count 
FROM 
    client_log
WHERE 
    client_log.app_id = 33 AND
    client_log.code = 3 AND 
    client_log.client_id IN (SELECT client.id FROM client WHERE 
        client.app_id = 33 AND 
        client."replaced_id" IS NULL)
GROUP BY client_log.comment ORDER BY count DESC;

client_log_code_idx是上面查询所需的索引。还有其他查询需要client_log_created_idx索引。

以及查询计划：

Sort  (cost=2844.72..2844.75 rows=11 width=242) (actual time=4684.113..4684.180 rows=70 loops=1)
  Sort Key: (count(client_log.comment))
  Sort Method: quicksort  Memory: 32kB
  ->  HashAggregate  (cost=2844.42..2844.53 rows=11 width=242) (actual time=4683.830..4683.907 rows=70 loops=1)
        ->  Hash Semi Join  (cost=1358.52..2844.32 rows=20 width=242) (actual time=303.515..4681.211 rows=1202 loops=1)
              Hash Cond: (client_log.client_id = client.id)
              ->  Bitmap Heap Scan on client_log  (cost=1108.02..2592.57 rows=387 width=246) (actual time=113.599..4607.568 rows=6962 loops=1)
                    Recheck Cond: ((app_id = 33) AND (code = 3))
                    ->  BitmapAnd  (cost=1108.02..1108.02 rows=387 width=0) (actual time=104.955..104.955 rows=0 loops=1)
                          ->  Bitmap Index Scan on clients_clientlog_app_id  (cost=0.00..469.96 rows=25271 width=0) (actual time=58.315..58.315 rows=40662 loops=1)
                                Index Cond: (app_id = 33)
                          ->  Bitmap Index Scan on client_log_code_idx  (cost=0.00..637.61 rows=34291 width=0) (actual time=45.093..45.093 rows=36310 loops=1)
                                Index Cond: (code = 3)
              ->  Hash  (cost=248.06..248.06 rows=196 width=4) (actual time=61.069..61.069 rows=105 loops=1)
                    Buckets: 1024  Batches: 1  Memory Usage: 4kB
                    ->  Bitmap Heap Scan on client  (cost=10.95..248.06 rows=196 width=4) (actual time=27.843..60.867 rows=105 loops=1)
                          Recheck Cond: (app_id = 33)
                          Filter: (replaced_id IS NULL)
                          Rows Removed by Filter: 271
                          ->  Bitmap Index Scan on clients_client_app_id  (cost=0.00..10.90 rows=349 width=0) (actual time=15.144..15.144 rows=380 loops=1)
                                Index Cond: (app_id = 33)
Total runtime: 4684.843 ms

Answer 1

一般来说，在一个不断将与时间相关的数据插入数据库的系统中，我建议根据时间进行分区。

这不仅是因为它可能会缩短查询时间，还因为否则它会使数据管理变得困难。无论您的硬件有多大，它的容量都会受到限制，因此您最终必须开始删除早于特定日期的行。删除行的速率必须等于它们进入的速率。

如果您只有一张大表，并且使用 DELETE 删除旧行，则会留下大量需要清理的死元组。autovacuum 将持续运行，耗尽宝贵的磁盘 IO。

另一方面，如果您根据时间分区，那么删除过时的数据就像删除相关的子表一样简单。

就索引而言 - 索引不会被继承，因此您可以在加载分区之前节省创建索引的时间。您的用例中的分区大小可以为 1 天。这意味着插入数据时不需要不断更新索引。根据需要添加额外的索引来执行查询会更实用。

您的示例查询不会过滤“创建”时间字段，但您说其他查询会过滤。如果您按时间分区，并且小心构建查询的方式，则约束排除将会启动，并且它将仅包括与查询相关的特定分区。