興味がありました。そして、誰もが知っているように、好奇心は猫を殺すという評判があります。
では、猫の皮を剥ぐ最も速い方法はどれですか?
このテストの猫の皮を剥ぐ環境:
- PostgreSQL 9.0 適切なRAMと設定を備えたDebianSqueezeで。
- 6.000人の学生、24.000人のクラブ会員(実際のデータを含む同様のデータベースからコピーされたデータ)
- 質問の命名スキーマからのわずかな逸脱:
student.id
student.stud_id
です およびclub.id
club.club_id
です ここ。 - このスレッドでは、作成者にちなんでクエリに名前を付けました。
- すべてのクエリを数回実行してキャッシュにデータを入力し、
EXPLAIN ANALYZE
を使用して5つのうちのベストを選択しました。 。 - 関連するインデックス(どのクラブが照会されるかについての事前知識がない限り、最適である必要があります):
ALTER TABLE student ADD CONSTRAINT student_pkey PRIMARY KEY(stud_id );
ALTER TABLE student_club ADD CONSTRAINT sc_pkey PRIMARY KEY(stud_id, club_id);
ALTER TABLE club ADD CONSTRAINT club_pkey PRIMARY KEY(club_id );
CREATE INDEX sc_club_id_idx ON student_club (club_id);
club_pkey
ここでのほとんどのクエリでは必要ありません。
プライマリキーはPostgreSQLで一意のインデックスを自動的に実装します。
最後のインデックスは、複数列のインデックス
PostgreSQLの場合:
複数列のBツリーインデックスは、インデックスの列のサブセットを含むクエリ条件で使用できますが、先頭(左端)の列に制約がある場合にインデックスが最も効率的です。
結果
EXPLAIN ANALYZE
からの合計実行時間 。
1)マーティン2:44.594ミリ秒
SELECT s.stud_id, s.name
FROM student s
JOIN student_club sc USING (stud_id)
WHERE sc.club_id IN (30, 50)
GROUP BY 1,2
HAVING COUNT(*) > 1;
2)アーウィン1:33.217ミリ秒
SELECT s.stud_id, s.name
FROM student s
JOIN (
SELECT stud_id
FROM student_club
WHERE club_id IN (30, 50)
GROUP BY 1
HAVING COUNT(*) > 1
) sc USING (stud_id);
3)マーティン1:31.735ミリ秒
SELECT s.stud_id, s.name
FROM student s
WHERE student_id IN (
SELECT student_id
FROM student_club
WHERE club_id = 30
INTERSECT
SELECT stud_id
FROM student_club
WHERE club_id = 50
);
4)デレク:2.287ミリ秒
SELECT s.stud_id, s.name
FROM student s
WHERE s.stud_id IN (SELECT stud_id FROM student_club WHERE club_id = 30)
AND s.stud_id IN (SELECT stud_id FROM student_club WHERE club_id = 50);
5)アーウィン2:2.181ミリ秒
SELECT s.stud_id, s.name
FROM student s
WHERE EXISTS (SELECT * FROM student_club
WHERE stud_id = s.stud_id AND club_id = 30)
AND EXISTS (SELECT * FROM student_club
WHERE stud_id = s.stud_id AND club_id = 50);
6)ショーン:2.043ミリ秒
SELECT s.stud_id, s.name
FROM student s
JOIN student_club x ON s.stud_id = x.stud_id
JOIN student_club y ON s.stud_id = y.stud_id
WHERE x.club_id = 30
AND y.club_id = 50;
最後の3つはほとんど同じように動作します。 4)と5)の結果は同じクエリプランになります。
後期追加
派手なSQLですが、パフォーマンスが追いつかない:
7)ypercube 1:148.649ミリ秒
SELECT s.stud_id, s.name
FROM student AS s
WHERE NOT EXISTS (
SELECT *
FROM club AS c
WHERE c.club_id IN (30, 50)
AND NOT EXISTS (
SELECT *
FROM student_club AS sc
WHERE sc.stud_id = s.stud_id
AND sc.club_id = c.club_id
)
);
8)ypercube 2:147.497ミリ秒
SELECT s.stud_id, s.name
FROM student AS s
WHERE NOT EXISTS (
SELECT *
FROM (
SELECT 30 AS club_id
UNION ALL
SELECT 50
) AS c
WHERE NOT EXISTS (
SELECT *
FROM student_club AS sc
WHERE sc.stud_id = s.stud_id
AND sc.club_id = c.club_id
)
);
予想どおり、これら2つのパフォーマンスはほぼ同じです。クエリプランの結果はテーブルスキャンになりますが、プランナーはここでインデックスを使用する方法を見つけられません。
9)wildplasser 1:49.849ミリ秒
WITH RECURSIVE two AS (
SELECT 1::int AS level
, stud_id
FROM student_club sc1
WHERE sc1.club_id = 30
UNION
SELECT two.level + 1 AS level
, sc2.stud_id
FROM student_club sc2
JOIN two USING (stud_id)
WHERE sc2.club_id = 50
AND two.level = 1
)
SELECT s.stud_id, s.student
FROM student s
JOIN two USING (studid)
WHERE two.level > 1;
派手なSQL、CTEのためのまともなパフォーマンス。非常にエキゾチックなクエリプラン。
10)wildplasser 2:36.986ミリ秒
WITH sc AS (
SELECT stud_id
FROM student_club
WHERE club_id IN (30,50)
GROUP BY stud_id
HAVING COUNT(*) > 1
)
SELECT s.*
FROM student s
JOIN sc USING (stud_id);
クエリのCTEバリアント2)。驚いたことに、まったく同じデータを使用すると、クエリプランがわずかに異なる可能性があります。 student
でシーケンシャルスキャンを見つけました 、ここで、サブクエリバリアントはインデックスを使用しました。
11)ypercube 3:101.482 ms
もう1つの遅い追加ypercube。確かに驚くべきことです。方法はいくつもあります。
SELECT s.stud_id, s.student
FROM student s
JOIN student_club sc USING (stud_id)
WHERE sc.club_id = 10 -- member in 1st club ...
AND NOT EXISTS (
SELECT *
FROM (SELECT 14 AS club_id) AS c -- can't be excluded for missing the 2nd
WHERE NOT EXISTS (
SELECT *
FROM student_club AS d
WHERE d.stud_id = sc.stud_id
AND d.club_id = c.club_id
)
);
12)erwin 3:2.377ミリ秒
ypercubeの11)は、実際には、この単純なバリアントの心をねじる逆のアプローチであり、それもまだ欠けていました。トップキャットとほぼ同じ速さでパフォーマンスします。
SELECT s.*
FROM student s
JOIN student_club x USING (stud_id)
WHERE sc.club_id = 10 -- member in 1st club ...
AND EXISTS ( -- ... and membership in 2nd exists
SELECT *
FROM student_club AS y
WHERE y.stud_id = s.stud_id
AND y.club_id = 14
);
13)erwin 4:2.375ミリ秒
信じがたいことですが、ここにもう1つの真に新しいバリアントがあります。 2つ以上のメンバーシップの可能性があると思いますが、2つだけでトップの猫の1つにもランクされています。
SELECT s.*
FROM student AS s
WHERE EXISTS (
SELECT *
FROM student_club AS x
JOIN student_club AS y USING (stud_id)
WHERE x.stud_id = s.stud_id
AND x.club_id = 14
AND y.club_id = 10
);
クラブ会員の動的数
言い換えると、フィルターの数を変えることです。この質問は正確に2つを求めました クラブ会員。しかし、多くのユースケースでは、さまざまな数に備える必要があります。参照: