2 천만 행의 Postgres에서 '최신'쿼리 최적화

내 테이블은 다음과 같습니다.

    Column             |    Type           |    
-----------------------+-------------------+
 id                    | integer           | 
 source_id             | integer           | 
 timestamp             | integer           | 
 observation_timestamp | integer           | 
 value                 | double precision  | 

인덱스는 source_id, 타임 스탬프 및 타임 스탬프와 id의 조합 ( CREATE INDEX timeseries_id_timestamp_combo_idx ON timeseries (id, timeseries DESC NULLS LAST))에 존재합니다.

그 안에 20M 개의 행이 있습니다 (OK, 120M이지만 source_id = 1 인 20M). 보고 된 또는에서 관찰 된 사건 을 설명하는 timestamp다양한 항목과 동일한 항목이 많이 있습니다. 예를 들어 오늘 오전 12시에 예측 된 온도는 내일 오후 2시에 예상됩니다.observation_timestampvaluetimestampobservation_timestamp

이상적으로이 테이블은 몇 가지 일을 잘 수행합니다.

• 한 번에 100K 씩 새로운 항목을 일괄 삽입
• 시간 범위에 대해 관찰 된 데이터 선택 ( "1 월에서 3 월까지의 온도 예측은 무엇입니까")
• 특정 시점에서 관찰 된 시간 범위에 대해 관찰 된 데이터 선택 ( "11 월 1 일에 생각한 1 월에서 3 월까지의 온도 예측보기")

두 번째는이 질문의 중심에있는 것입니다.

표의 데이터는 다음과 같습니다.

id  source_id   timestamp   observation_timestamp   value
1   1           1531084900  1531083900              9999
2   1           1531084900  1531082900              1111
3   1           1531085900  1531083900              8888
4   1           1531085900  1531082900              7777
5   1           1531086900  1531082900              5555

쿼리의 결과는 다음과 같습니다 (최근 관찰 _ 시간 소인 행만 표시됨)

id  source_id   timestamp   observation_timestamp   value
1   1           1531084900  1531083900              9999
3   1           1531085900  1531083900              8888
5   1           1531086900  1531082900              5555

이러한 쿼리를 최적화하기 위해 이미 일부 자료를 참조했습니다.

• /programming/25536422/optimize-group-by-query-to-retrieve-latest-record-per-user/25536748#25536748
• PostgreSQL에서 DISTINCT ON 속도를 높이는 방법은 무엇입니까?
• /programming/3800551/select-first-row-in-each-group-by-group

... 제한적인 성공.

timestamp측면에서 참조하기 쉽도록 별도의 테이블을 만드는 것을 고려 했지만 측면에서 쉽게 참조 할 수있는 사람들이 상대적으로 높은 카디널리티로 인해 도움이 될지 의심 스럽습니다 batch inserting new entries.

세 가지 쿼리를보고 있는데 모두 성능이 좋지 않습니다.

• LATERAL 조인이 포함 된 재귀 CTE
• 창 기능
• 고 유지

(나는 그들이 현재 똑같은 일을하지는 않지만 알고있는 한 쿼리 유형의 좋은 예를 제공한다는 것을 알고 있습니다.)

LATERAL 조인이 포함 된 재귀 CTE

WITH RECURSIVE cte AS (
    (
        SELECT ts
        FROM timeseries ts
        WHERE source_id = 1
        ORDER BY id, "timestamp" DESC NULLS LAST
        LIMIT 1
    )
    UNION ALL
    SELECT (
        SELECT ts1
        FROM timeseries ts1
        WHERE id > (c.ts).id
        AND source_id = 1
        ORDER BY id, "timestamp" DESC NULLS LAST
        LIMIT 1
    )
    FROM cte c
    WHERE (c.ts).id IS NOT NULL
)
SELECT (ts).*
FROM cte
WHERE (ts).id IS NOT NULL
ORDER BY (ts).id;

공연:

Sort  (cost=164999681.98..164999682.23 rows=100 width=28)
  Sort Key: ((cte.ts).id)
  CTE cte
    ->  Recursive Union  (cost=1653078.24..164999676.64 rows=101 width=52)
          ->  Subquery Scan on *SELECT* 1  (cost=1653078.24..1653078.26 rows=1 width=52)
                ->  Limit  (cost=1653078.24..1653078.25 rows=1 width=60)
                      ->  Sort  (cost=1653078.24..1702109.00 rows=19612304 width=60)
                            Sort Key: ts.id, ts.timestamp DESC NULLS LAST
                            ->  Bitmap Heap Scan on timeseries ts  (cost=372587.92..1555016.72 rows=19612304 width=60)
                                  Recheck Cond: (source_id = 1)
                                  ->  Bitmap Index Scan on ix_timeseries_source_id  (cost=0.00..367684.85 rows=19612304 width=0)
                                        Index Cond: (source_id = 1)
          ->  WorkTable Scan on cte c  (cost=0.00..16334659.64 rows=10 width=32)
                Filter: ((ts).id IS NOT NULL)
                SubPlan 1
                  ->  Limit  (cost=1633465.94..1633465.94 rows=1 width=60)
                        ->  Sort  (cost=1633465.94..1649809.53 rows=6537435 width=60)
                              Sort Key: ts1.id, ts1.timestamp DESC NULLS LAST
                              ->  Bitmap Heap Scan on timeseries ts1  (cost=369319.21..1600778.77 rows=6537435 width=60)
                                    Recheck Cond: (source_id = 1)
                                    Filter: (id > (c.ts).id)
                                    ->  Bitmap Index Scan on ix_timeseries_source_id  (cost=0.00..367684.85 rows=19612304 width=0)
                                          Index Cond: (source_id = 1)
  ->  CTE Scan on cte  (cost=0.00..2.02 rows=100 width=28)
        Filter: ((ts).id IS NOT NULL)

(단지 EXPLAIN, EXPLAIN ANALYZE완료 할 수 없습니다,했다> 전체 쿼리 24)

창 기능

WITH summary AS (
  SELECT ts.id, ts.source_id, ts.value,
    ROW_NUMBER() OVER(PARTITION BY ts.timestamp ORDER BY ts.observation_timestamp DESC) AS rn
  FROM timeseries ts
  WHERE source_id = 1
)
SELECT s.*
FROM summary s
WHERE s.rn = 1;

공연:

CTE Scan on summary s  (cost=5530627.97..5971995.66 rows=98082 width=24) (actual time=150368.441..226331.286 rows=88404 loops=1)
  Filter: (rn = 1)
  Rows Removed by Filter: 20673704
  CTE summary
    ->  WindowAgg  (cost=5138301.13..5530627.97 rows=19616342 width=32) (actual time=150368.429..171189.504 rows=20762108 loops=1)
          ->  Sort  (cost=5138301.13..5187341.98 rows=19616342 width=24) (actual time=150368.405..165390.033 rows=20762108 loops=1)
                Sort Key: ts.timestamp, ts.observation_timestamp DESC
                Sort Method: external merge  Disk: 689752kB
                ->  Bitmap Heap Scan on timeseries ts  (cost=372675.22..1555347.49 rows=19616342 width=24) (actual time=2767.542..50399.741 rows=20762108 loops=1)
                      Recheck Cond: (source_id = 1)
                      Rows Removed by Index Recheck: 217784
                      Heap Blocks: exact=48415 lossy=106652
                      ->  Bitmap Index Scan on ix_timeseries_source_id  (cost=0.00..367771.13 rows=19616342 width=0) (actual time=2757.245..2757.245 rows=20762630 loops=1)
                            Index Cond: (source_id = 1)
Planning time: 0.186 ms
Execution time: 234883.090 ms

고 유지

SELECT DISTINCT ON (timestamp) *
FROM timeseries
WHERE source_id = 1
ORDER BY timestamp, observation_timestamp DESC;

공연:

Unique  (cost=5339449.63..5437531.34 rows=15991 width=28) (actual time=112653.438..121397.944 rows=88404 loops=1)
  ->  Sort  (cost=5339449.63..5388490.48 rows=19616342 width=28) (actual time=112653.437..120175.512 rows=20762108 loops=1)
        Sort Key: timestamp, observation_timestamp DESC
        Sort Method: external merge  Disk: 770888kB
        ->  Bitmap Heap Scan on timeseries  (cost=372675.22..1555347.49 rows=19616342 width=28) (actual time=2091.585..56109.942 rows=20762108 loops=1)
              Recheck Cond: (source_id = 1)
              Rows Removed by Index Recheck: 217784
              Heap Blocks: exact=48415 lossy=106652
              ->  Bitmap Index Scan on ix_timeseries_source_id  (cost=0.00..367771.13 rows=19616342 width=0) (actual time=2080.054..2080.054 rows=20762630 loops=1)
                    Index Cond: (source_id = 1)
Planning time: 0.132 ms
Execution time: 161651.006 ms

데이터를 어떻게 구성해야합니까, 스캔하지 않아야하는 스캔이 있습니까? 일반적으로 이러한 쿼리를 ~ 120이 아닌 ~ 1로 가져올 수 있습니까?

원하는 결과를 얻기 위해 데이터를 쿼리하는 다른 방법이 있습니까?

그렇지 않다면 어떤 인프라 / 아키텍처를보아야합니까?

재귀 CTE 쿼리 ORDER BY (ts).id를 사용하면 CTE가 자동으로 순서대로 쿼리를 작성하므로 최종 결과 는 불필요합니다. 쿼리를 훨씬 빠르게 만들려면 제거하면 500을 제외한 모든 행을 버리기 위해 20,180,572 개의 행을 생성하지 않고 조기에 중지 할 수 있습니다. 또한 인덱스를 작성하면 인덱스가 (source_id, id, timestamp desc nulls last)더욱 향상됩니다.

다른 두 쿼리의 경우 비트 맵이 메모리에 적합 할 정도로 work_mem을 늘리면 손실 된 힙 블록을 제거 할 수 있습니다. 그러나 (source_id, "timestamp", observation_timestamp DESC)인덱스 전용 스캔 과 같은 사용자 지정 인덱스 만큼은 아닙니다 (source_id, "timestamp", observation_timestamp DESC, value, id).