Postgres 功能优化

Question

我正在运行以下功能。使用小得多的表对其进行测试可以按预期工作（18 行 - 约 400 毫秒）。但是，当指向我的真实数据（315000 行）时，它运行了 48 小时并且仍在运行。这比我在线性外推下的预期要长得多。

1. 有没有更好的方法来做到这一点？
2. 有没有办法测试它在运行时是否在做它应该做的事情？

有没有办法优化下面的功能？

DO 
$do$ 
DECLARE r public.tablex%rowtype; 
BEGIN 
FOR r IN SELECT id FROM public.tablex 
LOOP 
IF (select cast((select trunc(random() * 6 + 1)) as integer) = 5) THEN 
UPDATE public.tablex SET test='variable1' WHERE id = r.id; 
ELSIF (select cast((select trunc(random() * 6 + 1)) as integer) = 6) THEN 
UPDATE public.tablex SET test='variable2' WHERE id = r.id; 
END IF; 
END LOOP; 
RETURN; 
END 
$do$;

Answer 1

@kordirko 明确表示您的DO 声明是不必要的昂贵。但还有更多。

概率

你更新的概率不是均匀分布的：

• 1/6 或所有行都更新为'variable1'。
• 但只有 5/36 ((1/6) * (5/6)) 更新为 'variable2'。

从您的其余代码来看，我将假设这是一个意外错误，您希望每个人获得相等的 1/6 份额。

消毒

您可以简化为：

UPDATE tablex
SET    test = CASE trunc(random() * 6)
                 WHEN  float '4' THEN 'variable1'
                 WHEN  float '5' THEN 'variable2'
                 ELSE  test
              END;

• 结果加 1 是没有意义的。而是比较 4 和 5 而不是 5 和 6（或 3 和 1 - 这里没有区别）。

• 与double precision (= float) 常量相比要便宜一些，而不是将表达式trunc(random() * 6) 的double precision 结果转换为每一行的integer，就像它会发生在您的原始代码中一样.

更好，但 仍然非常低效。

高级

UPDATE tablex
SET    test = CASE WHEN random() >= float '0.5' THEN 'variable1'
                                                ELSE 'variable2' END
WHERE  random() >= float '0.6666667';

100 % 等效（除非您有触发器 ON UPDATE 或一些奇特的设置），但 要快得多，因为只有实际接收更新的行才会被触及。三分之二的行根本没有被触及。

• 请注意，两个random() 调用是完全独立的。

• 如果您想尽可能精确地了解三分之二的概率，请使用 2 / float '3.0' 而不是 float '0.6666667'。但这确实是学术上的差异。

• 您可能希望在运行此之前（在同一事务中）LOCK tablex IN ROW EXCLUSIVE MODE 以排除并发写入的竞争条件。 Details in the manual.

另类

如果列test 已经可以保存目标值“variable1”或“variable2”之一（在很多情况下），这会更便宜，但是：

UPDATE tablex t
SET    test = upd.val
FROM  (
   SELECT id, CASE WHEN random() >= float '0.5' THEN 'variable1'
                                                ELSE 'variable2' END AS val
   FROM   tablex
   WHERE  random() >= float '0.6666667'
   -- ORDER  BY id   -- the last two lines only to defend against ...
   -- FOR    UPDATE  -- ... concurrent writes and possible deadlocks
   ) upd
WHERE  t.id = upd.id
AND    t.test IS DISTINCT FROM upd.val;

避免更多的空更新。
如果test 定义为NOT NULL，您可以简化为：

 AND    t.test <> upd.val;

比较这个相关答案的最后一章：

• How do I (or can I) SELECT DISTINCT on multiple columns?

• 只有最后一个变体需要id 上的索引才能快速。应该被主键约束覆盖。

Answer 2

尝试简单的更新：

UPDATE tablex
SET  test =  CASE trunc(random() * 6) + 1
                 WHEN  5 THEN 'variable1'
                 WHEN  6 THEN 'variable2'
                 ELSE test
       END
;

我猜它至少会快 50~200 倍。