3

我在 Postgres 9.1 数据库上运行了两个不同的 SQL 查询：

SELECT device_id, country FROM devices WHERE
(device_id = '97c179bd' AND country = 'US') OR
(device_id = 'bf5f50c6' AND country = 'US') OR
....
(device_id = '0e66c04d' AND country = 'US')

运行 12 秒（由 OR 分隔的 3620 个子句）

和

SELECT device_id, country FROM devices WHERE
(device_id = '97c179bd' AND country = 'US') OR
(device_id = 'bf5f50c6' AND country = 'US') OR
....
(device_id = '0e66c04d' AND country = 'US') OR
(device_id = '0e66c04d' AND country = 'different')

运行 0.6 秒（由 OR 分隔的 3620 个子句）

在第一个中，每个子句中的国家条件都是相同的。在第二个中，我在最后一个条款中将国家/地区切换为“不同”。

第一个 select 语句需要 12 秒运行，第二个 select 语句需要 0.6 秒运行。

在第一个查询中，CPU 在几乎所有 12 秒内都固定在 100%，而没有任何磁盘读取，这表明它很可能是解析器花费了这么长时间。第二个查询不会发生这种情况。

我已经运行了 EXPLAIN ANALYZE 并获得了关于如何分解两个查询的完全相同的结果。

这里发生了什么？为什么每个 WHERE 子句语句中的第二个条件相同会导致查询时间更长？

编辑：

来自第一个查询的 EXPLAIN ANALYZE 的前几行：

设备上的位图堆扫描（成本=18807.49..52584.74 行=3564 宽度=39）（实际时间=73.994..78.994 行=3620 循环=1）

重新检查条件： (((device_id = '97c179bd'::text) AND (country = 'US'::text)) OR ((device_id = 'bf5f50c6'::text) AND (country = 'US'::text) ) OR ((device_id = '3b05d35a'::text) AND (country = 'US'::text)) OR ((device_id = 'c6684bc0'::text) AND (country = 'US'::text)) 或((device_id = '0e66c04d'::text) AND (country = 'US'::text))

来自第二个查询的 EXPLAIN ANALYZE 的前几行：

设备上的位图堆扫描（成本=18806.59..85317.68 行=3563 宽度=39）（实际时间=74.737..79.769 行=3619 循环=1）

重新检查条件： (((device_id = '97c179bd'::text) AND (country = 'US'::text)) OR ((device_id = 'bf5f50c6'::text) AND (country = 'US'::text) ) OR ((device_id = '3b05d35a'::text) AND (country = 'US'::text)) OR ((device_id = 'c6684bc0'::text) AND (country = 'US'::text)) 或((device_id = '0e66c04d'::text) AND (country = 'US'::text))

编辑2：

以下是两个 EXPLAIN ANALYZE 结果：

https://dl.dropbox.com/u/4747107/explain/query1slow.htm

https://dl.dropbox.com/u/4747107/explain/query2fast.htm

4

1 回答 1

6

虽然不能解释性能差异，但此问题的最佳解决方案将重构您的查询以不使用超过 3000 个OR子句。这太可怕了。

代替：

SELECT device_id, country FROM devices WHERE
(device_id = '97c179bd' AND country = 'US') OR
(device_id = 'bf5f50c6' AND country = 'US') OR
....
(device_id = '0e66c04d' AND country = 'US')

写：

SELECT d.device_id, d.country
FROM devices d 
INNER JOIN (VALUES 
            ('97c179bd','US'),
            ('bf5f50c6','US'),
            ('0e66c04d','US')
) v(device_id,country) USING (device_id,country);

演示设置：

create table devices (device_id text, country text, primary key (device_id,country));

insert into devices values 
        ('97c179bd','US'),
        ('bf5f50c6','US'),
        ('0e66c04d','US'),('0e66c04d','different');

演示输出：

regress=>     SELECT d.device_id, d.country
    FROM devices d 
    INNER JOIN (VALUES 
                ('97c179bd','US'),
                ('bf5f50c6','US'),
                ('0e66c04d','US')
    ) v(device_id,country) USING (device_id,country);
 device_id | country 
-----------+---------
 97c179bd  | US
 bf5f50c6  | US
 0e66c04d  | US
(3 rows)

对于较大的值列表，可能值得创建一个临时表并INSERTing 或COPYing 到其中，而不是使用内联VALUES列表。对于真正庞大的数据集，您可能会受益于在device_id,country.

于 2012-11-18T02:41:46.057 回答