探討select in 在postgresql的效率問題

更新時(shí)間：2016年04月06日 09:56:41 作者：db2zos

這篇文章主要介紹了探討select in 在postgresql的效率問題的相關(guān)資料,需要的朋友可以參考下

在知乎上看到這樣一個(gè)問題：

MySQL 查詢 select * from table where id in (幾百或幾千個(gè) id) 如何提高效率？修改

電商網(wǎng)站，一個(gè)商品屬性表，幾十萬條記錄，80M，索引只有主鍵id，做這樣的查詢?nèi)绾翁岣咝剩?br />

select * from table where id in (幾百或幾千個(gè)id)

這些id沒啥規(guī)律，分散的。。。。

看了一下答案，感覺有好多不靠譜的，但是口說無憑，所以在我的電腦上寫了幾個(gè)查詢測(cè)試一下。我用的是Postgresql9.4，但感覺mysql應(yīng)該也差不多，首先創(chuàng)建一個(gè)簡單表，只有簡單的3列，在這個(gè)問題的下面好多人提到了需要看表的大小，其實(shí)這個(gè)問題和表大小無關(guān)，只和index的大小有關(guān)，因?yàn)槭莍ndex是建立在int上的，所以只和紀(jì)錄數(shù)目有關(guān)。

Table "public.t9"
Column | Type | Modifiers
--------+----------------+-----------
c1 | integer |
c2 | character(100) |
c3 | character(200) |
Indexes:
"i1" UNIQUE, btree (c1)insert into t9 values(generate_series(1000,500000,1),repeat('a',90),repeat('b',180));

之后生成一些隨機(jī)數(shù)，Mac上用jot，Linux上用shuf

for ((i=0;i<100000;i++))
do
jot -r 1 1000 600000 >>rand.file
done

然后根據(jù)rand.file 生成查詢語句：

select * from t9 where c1 in (
494613,
575087,
363588,
527650,
251670,
343456,
426858,
202886,
254037,
...
1
);

分別生成3個(gè)sql文件，in內(nèi)變量的數(shù)目分別是100，1000和10000個(gè)，執(zhí)行這3個(gè)sql文件，看看時(shí)間

try psql study -f test_100.sql -o /dev/null
LOG: duration: 2.879 ms
try psql study -f test_1000.sql -o /dev/null
LOG: duration: 11.974 ms
try psql study -f test_10000.sql -o /dev/null
LOG: duration: 355.689 ms

可以看到只有在in內(nèi)數(shù)據(jù)到了10，000個(gè)的時(shí)候數(shù)據(jù)時(shí)間會(huì)有比較大的變化，但也不過是在300多ms內(nèi)完成。

那如果按照有些回答那樣，先建一個(gè)臨時(shí)表，然后用in subquery，并且希望這時(shí)候可以兩表join呢？為了簡單我直接用兩表join了

drop table t_tmp;
create table t_tmp(id int);
insert into t_tmp (id) values
(494613),
(575087),
(363588),
(345980),...
(1);
select t9.* from t9, t_tmp
where t9.c1 = t_tmp.id;

時(shí)間如何呢？

try psql study -f test_create_10000.sql -o /dev/null
LOG: duration: 2.078 ms
LOG: duration: 1.233 ms
LOG: duration: 224.112 ms
LOG: duration: 322.108 ms

除去drop和create的時(shí)間，依然花費(fèi)了500+的時(shí)間，這里的前提還是我用的ssd盤，所以寫LOG的時(shí)間會(huì)快很多。為什么會(huì)這么慢呢？用explain看一下，這時(shí)候數(shù)據(jù)量較大，直接走M(jìn)erge join 了

那1000行數(shù)據(jù)的效率如何呢？

try psql study -f test_create_1000.sql -o exp.out
LOG: duration: 2.476 ms
LOG: duration: 0.967 ms
LOG: duration: 2.391 ms
LOG: duration: 8.780 ms

100行的數(shù)據(jù)如下：

try psql study -f test_create_100.sql -o /dev/null
LOG: duration: 2.020 ms
LOG: duration: 1.028 ms
LOG: duration: 1.074 ms
LOG: duration: 1.912 ms

可以看到在100個(gè)值和1000個(gè)值的情況下create table的方式不會(huì)比直接在in里面寫所有的變量好多少，explain看的話是在用NLJ了。但在數(shù)據(jù)量更大（按照原問題，這里in的數(shù)量其實(shí)無法預(yù)知）的情況下效率只會(huì)更低，再加上額外的表維護(hù)成本和多余的SQL語句，DBA肯定不喜歡的，還是相信數(shù)據(jù)庫，放心大膽直接用in list來搞定這些問題吧。

以上內(nèi)容是針對(duì)select in 在postgresql的效率問題，希望對(duì)大家有所幫助！

您可能感興趣的文章: