postgresql - 查看表的时间戳字段中的唯一日期的最快方法是什么？

Question

我有一张有数十亿行的表。“记录”字段有每日分区，是“无时区的时间戳”。我想知道表中当前有哪些日期。我知道我可以做类似的事情：

SELECT recorded::date
FROM table
GROUP BY 1;

理想情况下应该可以工作，但是对此的解释相当高，并且表明需要很长时间才能工作...如果这是我能做的最好的事情，我可以接受（并且我们可以密切关注数据）进去），但我想知道是否有更有效的方法来做到这一点，因为我每天都有分区？

Answer 1

您可以像这样创建索引：

create index your_index_name
on table (date_trunc('day', recorded))

在我的测试中，PostgreSQL 9.something 在添加索引之前使用顺序扫描，在简单地为“记录”列建立索引之后进行顺序扫描，并在使用 date_trunc() 对其进行索引之后进行索引扫描。选择一天的行在没有索引的情况下需要 66 毫秒，在普通索引情况下需要 68 毫秒，在使用 date_trunc() 的情况下需要 13 毫秒。

对于数十亿行，预计创建该索引需要几分钟时间。（咳嗽）

Answer 2

这里有一个非常相似的线程：

在 postgres 上缓慢选择不同的查询

如果您知道最小/最大日期，则最好查询日期列表而不是对整个表进行 seq 扫描。假设你有一个记录的索引，看起来像这样的东西应该更快：

with days as (
select date_trunc('day', min(recorded))::date + k * interval '1 day' as day
from records,
     generate_series(0,
                    (select date_trunc('day', max(recorded))::date
                            - date_trunc('day', min(recorded)::date
                    from records
     )) as k
)
select day
from days
where exists (
      select 1
      from records
      where day <= recorded and recorded < day + interval '1 day'
      );

上面的查询可能需要做一些调整，但总体思路是：在索引字段上执行数千次子查询/索引扫描比对数十亿行进行 seq 扫描更快，并且聚合它们以识别不同的日期。