我有一张大约有750万条记录的表格,我试图根据上述表格实现一个自动完成表单,但是表现非常糟糕。如何加快字符串前缀匹配的窗口查询?
的模式(不相关的字段中省略)如下:
COMPANIES
---------
sid (integer primary key)
world_hq_sid (integer)
name (varchar(64))
marketing_alias (varchar(64))
address_country_code (char(4))
address_state (varchar(64))
sort_order integer
search_weight integer
annual_sales integer
传入的字段是可选的COUNTRY_CODE和状态,与搜索项一起。我想要的是搜索条件匹配(不区分大小写)名称或marketing_alias的开头。我想得到前十名的成绩,其结果也是国家和国家排在前面的那个国家,然后是只有国家,那么没有哪个国家/国家相匹配。之后,我希望按sort_order排序结果。
另外,我只想要一个匹配每个world_hq_sid。最后,当我根据world_hq_sid获得最佳匹配时,我希望最终结果按照search_weight进行排序。
我正在使用窗口查询来实现world_hq_sid部分。下面是该查询:
SELECT * FROM (
SELECT ROW_NUMBER() OVER (PARTITION BY world_hq_sid ORDER BY CASE WHEN address_country_code = 'US' AND address_state = 'CA' THEN 2 WHEN address_country_code = 'US' THEN 1 ELSE 0 END desc, sort_order asc) AS r,
companies.*
FROM companies
WHERE ((upper(name) LIKE upper('co%')) OR (upper(marketing_alias) LIKE upper('co%')))
) x
WHERE x.r = 1
ORDER BY CASE WHEN address_country_code = 'US' AND address_state = 'CA' THEN 2 WHEN address_state = 'CA' THEN 1 ELSE 0 END desc, search_weight asc, annual_sales desc
LIMIT 10;
我有ADDRESS_STATE,address_country_code,world_hq_sid,排序顺序,并search_weight正常的B树索引。
我对名字和marketing_alias字段中输入以下指标:
CREATE INDEX companies_alias_pattern_upper_idx ON companies(upper(marketing_alias) varchar_pattern_ops);
CREATE INDEX companies_name_pattern_upper_idx ON companies(upper(name) varchar_pattern_ops)
这里是解释当我通过CA作为国家和“合作”作为搜索词
Limit (cost=676523.01..676523.03 rows=10 width=939) (actual time=18695.686..18695.687 rows=10 loops=1)
-> Sort (cost=676523.01..676526.67 rows=1466 width=939) (actual time=18695.686..18695.687 rows=10 loops=1)
Sort Key: x.search_weight, x.annual_sales
Sort Method: top-N heapsort Memory: 30kB
-> Subquery Scan on x (cost=665492.58..676491.33 rows=1466 width=939) (actual time=18344.715..18546.830 rows=151527 loops=1)
Filter: (x.r = 1)
Rows Removed by Filter: 20672
-> WindowAgg (cost=665492.58..672825.08 rows=293300 width=931) (actual time=18344.710..18511.625 rows=172199 loops=1)
-> Sort (cost=665492.58..666225.83 rows=293300 width=931) (actual time=18344.702..18359.145 rows=172199 loops=1)
Sort Key: companies.world_hq_sid, (CASE WHEN ((companies.address_state)::text = 'CA'::text) THEN 1 ELSE 0 END), companies.sort_order
Sort Method: quicksort Memory: 108613kB
-> Bitmap Heap Scan on companies (cost=17236.64..518555.98 rows=293300 width=931) (actual time=1861.665..17999.806 rows=172199 loops=1)
Recheck Cond: ((upper((name)::text) ~~ 'CO%'::text) OR (upper((marketing_alias)::text) ~~ 'CO%'::text))
Filter: ((upper((name)::text) ~~ 'CO%'::text) OR (upper((marketing_alias)::text) ~~ 'CO%'::text))
-> BitmapOr (cost=17236.64..17236.64 rows=196219 width=0) (actual time=1829.061..1829.061 rows=0 loops=1)
-> Bitmap Index Scan on companies_name_pattern_upper_idx (cost=0.00..8987.98 rows=97772 width=0) (actual time=971.331..971.331 rows=169390 loops=1)
Index Cond: ((upper((name)::text) ~>=~ 'CO'::text) AND (upper((name)::text) ~<~ 'CP'::text))
-> Bitmap Index Scan on companies_alias_pattern_upper_idx (cost=0.00..8102.02 rows=98447 width=0) (actual time=857.728..857.728 rows=170616 loops=1)
Index Cond: ((upper((marketing_alias)::text) ~>=~ 'CO'::text) AND (upper((marketing_alias)::text) ~<~ 'CP'::text))
分析
我把work_mem和shared_buffers碰到了100M。
正如你所看到的,这个查询在18秒内返回。奇怪的是,结果对于不同的起始字符是全面的,从400ms(可接受)到30秒(非常不可接受)。 Postgres gurus,我的问题是,我只是期望太多的postgresql快速执行这样的查询?有什么方法可以加快速度?
它的使用,它们会减慢下来的东西'case'表达两类。你可以在这两个表达式上创建一个表达式索引(主要是'CASE WHEN address_state ='CA'...'部分,但是我猜每个语句在窗口集合和整体结果中会有不同的表达式,所以它是可能无法创建一个支持'by by'表达式的索引 –
CASE语句应该在聚合函数和窗口函数上完全相同。编辑问题。但是,整体ORDER BY子句不同。 – duckofdeath
Duck ,我需要看一些你想解决的真实世界用例的更多的说明,我怀疑你可能需要一个非常不同的方法来解决这个问题,现在它看起来像“我试图去划桨从凤凰城到洛杉矶的独木舟,这是非常缓慢的。“ – FuzzyChef