Ефективний запит, щоб отримати найбільшу цінність для групи з великої таблиці

Враховуючи таблицю:

    Column    |            Type             
 id           | integer                     
 latitude     | numeric(9,6)                
 longitude    | numeric(9,6)                
 speed        | integer                     
 equipment_id | integer                     
 created_at   | timestamp without time zone
Indexes:
    "geoposition_records_pkey" PRIMARY KEY, btree (id)

У таблиці 20 мільйонів записів, що не є, умовно кажучи, великою кількістю. Але це робить послідовне сканування повільним.

Як я можу отримати останній запис ( max(created_at)) кожного equipment_id?

Я спробував обидва наступні запити з кількома варіантами, які я прочитав у багатьох відповідях на цю тему:

select max(created_at),equipment_id from geoposition_records group by equipment_id;

select distinct on (equipment_id) equipment_id,created_at 
  from geoposition_records order by equipment_id, created_at desc;

Я також спробував створити btree індекси для, equipment_id,created_atале Postgres виявляє, що використання seqscan швидше. Примушування enable_seqscan = offне приносить користі, оскільки читання індексу відбувається так само повільно, як і сканування послідовностей, можливо, гірше.

Запит повинен запускатися періодично, повертаючи завжди останній.

Використання Postgres 9.3.

Поясніть / проаналізуйте (із 1,7 мільйонами записів):

set enable_seqscan=true;
explain analyze select max(created_at),equipment_id from geoposition_records group by equipment_id;
"HashAggregate  (cost=47803.77..47804.34 rows=57 width=12) (actual time=1935.536..1935.556 rows=58 loops=1)"
"  ->  Seq Scan on geoposition_records  (cost=0.00..39544.51 rows=1651851 width=12) (actual time=0.029..494.296 rows=1651851 loops=1)"
"Total runtime: 1935.632 ms"

set enable_seqscan=false;
explain analyze select max(created_at),equipment_id from geoposition_records group by equipment_id;
"GroupAggregate  (cost=0.00..2995933.57 rows=57 width=12) (actual time=222.034..11305.073 rows=58 loops=1)"
"  ->  Index Scan using geoposition_records_equipment_id_created_at_idx on geoposition_records  (cost=0.00..2987673.75 rows=1651851 width=12) (actual time=0.062..10248.703 rows=1651851 loops=1)"
"Total runtime: 11305.161 ms"

Звичайний багатоколонний індекс b-дерева повинен працювати зрештою:

CREATE INDEX foo_idx
ON geoposition_records (equipment_id, created_at DESC NULLS LAST);

Чому DESC NULLS LAST?

• Невикористаний індекс у діапазоні запитів дат

Функція

Якщо ви не можете переказати сенс у планувальнику запитів, функція, що пробирається через таблицю обладнання, повинна зробити свою справу. Переглядаючи одночасно обладнання_id, використовується індекс. Для невеликої кількості (57, судячи з EXPLAIN ANALYZEрезультатів), це швидко.
Можна сміливо припускати, що у вас є equipmentстіл?

CREATE OR REPLACE FUNCTION f_latest_equip()
  RETURNS TABLE (equipment_id int, latest timestamp) AS
$func$
BEGIN
FOR equipment_id IN
   SELECT e.equipment_id FROM equipment e ORDER BY 1
LOOP
   SELECT g.created_at
   FROM   geoposition_records g
   WHERE  g.equipment_id = f_latest_equip.equipment_id
                           -- prepend function name to disambiguate
   ORDER  BY g.created_at DESC NULLS LAST
   LIMIT  1
   INTO   latest;

   RETURN NEXT;
END LOOP;
END  
$func$  LANGUAGE plpgsql STABLE;

Приємний дзвінок також:

SELECT * FROM f_latest_equip();

Співвіднесені підзапити

Подумайте про це, скориставшись цією equipmentтаблицею, ви зможете зробити брудну роботу з низько корельованими підзапросами до великого ефекту:

SELECT equipment_id
     ,(SELECT created_at
       FROM   geoposition_records
       WHERE  equipment_id = eq.equipment_id
       ORDER  BY created_at DESC NULLS LAST
       LIMIT  1) AS latest
FROM   equipment eq;

Продуктивність дуже хороша.

LATERAL приєднайтесь до Postgres 9.3+

SELECT eq.equipment_id, r.latest
FROM   equipment eq
LEFT   JOIN LATERAL (
   SELECT created_at
   FROM   geoposition_records
   WHERE  equipment_id = eq.equipment_id
   ORDER  BY created_at DESC NULLS LAST
   LIMIT  1
   ) r(latest) ON true;

Детальне пояснення:

• Оптимізуйте за запитом GROUP BY, щоб отримати останню запис на кожного користувача

Аналогічна продуктивність, як і співвіднесений запит. Порівняння продуктивності max(), DISTINCT ON, функція, корелюють підзапит і LATERALв цьому:

SQL Fiddle .

Спроба 1

Якщо

1. У мене є окремий equipmentстіл, і
2. У мене індекс на geoposition_records(equipment_id, created_at desc)

то для мене працює наступне:

select id as equipment_id, (select max(created_at)
                            from geoposition_records
                            where equipment_id = equipment.id
                           ) as max_created_at
from equipment;

Мені не вдалося змусити PG здійснити швидкий запит, щоб визначити як список equipment_ids, так і пов'язані з ними max(created_at). Але я спробую знову спробувати завтра!

Спроба 2

Я знайшов це посилання: http://zogovic.com/post/44856908222/optimizing-postgresql-query-for-distinct-values Поєднуючи цю техніку зі своїм запитом із спроби 1, я отримую:

WITH RECURSIVE equipment(id) AS (
    SELECT MIN(equipment_id) FROM geoposition_records
  UNION
    SELECT (
      SELECT equipment_id
      FROM geoposition_records
      WHERE equipment_id > equipment.id
      ORDER BY equipment_id
      LIMIT 1
    )
    FROM equipment WHERE id IS NOT NULL
)
SELECT id AS equipment_id, (SELECT MAX(created_at)
                            FROM geoposition_records
                            WHERE equipment_id = equipment.id
                           ) AS max_created_at
FROM equipment;

і це працює ШВИДКО! Але вам потрібно

1. ця форма запиту над утисками, і
2. індекс на geoposition_records(equipment_id, created_at desc).