Punto de referencia
Prueba de los candidatos más interesantes con PostgreSQL 9.4 y 9.5 con una mesa a mitad de camino realista de 200k filas en purchasesy 10k distintacustomer_id ( avg. 20 filas por cliente ).
Para Postgres 9.5 realicé una segunda prueba con efectivamente 86446 clientes distintos. Consulte a continuación ( promedio de 2.3 filas por cliente ).
Preparar
Mesa principal
CREATE TABLE purchases (
id serial
, customer_id int -- REFERENCES customer
, total int -- could be amount of money in Cent
, some_column text -- to make the row bigger, more realistic
);
Uso una serial(restricción PK añadida a continuación) y un número entero, customer_idya que es una configuración más típica. También se agrega some_columnpara compensar típicamente más columnas.
Datos ficticios, PK, índice: una tabla típica también tiene algunas tuplas muertas:
INSERT INTO purchases (customer_id, total, some_column) -- insert 200k rows
SELECT (random() * 10000)::int AS customer_id -- 10k customers
, (random() * random() * 100000)::int AS total
, 'note: ' || repeat('x', (random()^2 * random() * random() * 500)::int)
FROM generate_series(1,200000) g;
ALTER TABLE purchases ADD CONSTRAINT purchases_id_pkey PRIMARY KEY (id);
DELETE FROM purchases WHERE random() > 0.9; -- some dead rows
INSERT INTO purchases (customer_id, total, some_column)
SELECT (random() * 10000)::int AS customer_id -- 10k customers
, (random() * random() * 100000)::int AS total
, 'note: ' || repeat('x', (random()^2 * random() * random() * 500)::int)
FROM generate_series(1,20000) g; -- add 20k to make it ~ 200k
CREATE INDEX purchases_3c_idx ON purchases (customer_id, total DESC, id);
VACUUM ANALYZE purchases;
customer tabla - para consulta superior
CREATE TABLE customer AS
SELECT customer_id, 'customer_' || customer_id AS customer
FROM purchases
GROUP BY 1
ORDER BY 1;
ALTER TABLE customer ADD CONSTRAINT customer_customer_id_pkey PRIMARY KEY (customer_id);
VACUUM ANALYZE customer;
En mi segunda prueba para 9.5 utilicé la misma configuración, pero random() * 100000para generar customer_idpara obtener solo unas pocas filas por customer_id.
Tamaños de objetos para mesa purchases
Generado con esta consulta .
what | bytes/ct | bytes_pretty | bytes_per_row
-----------------------------------+----------+--------------+---------------
core_relation_size | 20496384 | 20 MB | 102
visibility_map | 0 | 0 bytes | 0
free_space_map | 24576 | 24 kB | 0
table_size_incl_toast | 20529152 | 20 MB | 102
indexes_size | 10977280 | 10 MB | 54
total_size_incl_toast_and_indexes | 31506432 | 30 MB | 157
live_rows_in_text_representation | 13729802 | 13 MB | 68
------------------------------ | | |
row_count | 200045 | |
live_tuples | 200045 | |
dead_tuples | 19955 | |
Consultas
WITH cte AS (
SELECT id, customer_id, total
, row_number() OVER(PARTITION BY customer_id ORDER BY total DESC) AS rn
FROM purchases
)
SELECT id, customer_id, total
FROM cte
WHERE rn = 1;
2. row_number()en subconsulta (mi optimización)
SELECT id, customer_id, total
FROM (
SELECT id, customer_id, total
, row_number() OVER(PARTITION BY customer_id ORDER BY total DESC) AS rn
FROM purchases
) sub
WHERE rn = 1;
SELECT DISTINCT ON (customer_id)
id, customer_id, total
FROM purchases
ORDER BY customer_id, total DESC, id;
4. rCTE con LATERALsubconsulta ( ver aquí )
WITH RECURSIVE cte AS (
( -- parentheses required
SELECT id, customer_id, total
FROM purchases
ORDER BY customer_id, total DESC
LIMIT 1
)
UNION ALL
SELECT u.*
FROM cte c
, LATERAL (
SELECT id, customer_id, total
FROM purchases
WHERE customer_id > c.customer_id -- lateral reference
ORDER BY customer_id, total DESC
LIMIT 1
) u
)
SELECT id, customer_id, total
FROM cte
ORDER BY customer_id;
5. customermesa con LATERAL( ver aquí )
SELECT l.*
FROM customer c
, LATERAL (
SELECT id, customer_id, total
FROM purchases
WHERE customer_id = c.customer_id -- lateral reference
ORDER BY total DESC
LIMIT 1
) l;
SELECT (array_agg(id ORDER BY total DESC))[1] AS id
, customer_id
, max(total) AS total
FROM purchases
GROUP BY customer_id;
Resultados
Tiempo de ejecución para las consultas anteriores con EXPLAIN ANALYZE(y todas las opciones desactivadas ), lo mejor de 5 ejecuciones .
Todas las consultas utilizaron un Escaneo de solo índice en purchases2_3c_idx(entre otros pasos). Algunos de ellos solo por el tamaño más pequeño del índice, otros más efectivamente.
A. Postgres 9.4 con 200k filas y ~ 20 por customer_id
1. 273.274 ms
2. 194.572 ms
3. 111.067 ms
4. 92.922 ms
5. 37.679 ms -- winner
6. 189.495 ms
B. Lo mismo con Postgres 9.5
1. 288.006 ms
2. 223.032 ms
3. 107.074 ms
4. 78.032 ms
5. 33.944 ms -- winner
6. 211.540 ms
C. Igual que B., pero con ~ 2.3 filas por customer_id
1. 381.573 ms
2. 311.976 ms
3. 124.074 ms -- winner
4. 710.631 ms
5. 311.976 ms
6. 421.679 ms
Puntos de referencia relacionados
Aquí hay una nueva prueba "ogr" con 10 millones de filas y 60 mil "clientes" únicos en Postgres 11.5 (actual a partir de septiembre de 2019). Los resultados todavía están en línea con lo que hemos visto hasta ahora:
Punto de referencia original (obsoleto) de 2011
Ejecuté tres pruebas con PostgreSQL 9.1 en una tabla de la vida real de 65579 filas e índices btree de una sola columna en cada una de las tres columnas involucradas y tomé el mejor tiempo de ejecución de 5 ejecuciones.
Comparando la primera consulta de @OMGPonies ( A) con la solución anteriorDISTINCT ON ( B):
Seleccione toda la tabla, resultados en 5958 filas en este caso.
A: 567.218 ms
B: 386.673 ms
Condición de uso que WHERE customer BETWEEN x AND yresulta en 1000 filas.
A: 249.136 ms
B: 55.111 ms
Seleccione un solo cliente con WHERE customer = x.
A: 0.143 ms
B: 0.072 ms
La misma prueba se repite con el índice descrito en la otra respuesta
CREATE INDEX purchases_3c_idx ON purchases (customer, total DESC, id);
1A: 277.953 ms
1B: 193.547 ms
2A: 249.796 ms -- special index not used
2B: 28.679 ms
3A: 0.120 ms
3B: 0.048 ms
MAX(total)?