如何让 date_part 查询命中索引？

Question

我还没有能够让这个查询命中索引而不是执行完整扫描 - 我有另一个查询使用 date_part('day', datelocal) 对一个几乎相同的表（该表只有一点更少的数据但相同的结构）并且那个将命中我在 datelocal 列上创建的索引（这是一个没有时区的时间戳）。查询（这个对表执行并行 seq 扫描并进行内存快速排序）：

SELECT
    date_part('hour', datelocal) AS hour,
    SUM(CASE WHEN gender LIKE 'male' THEN views ELSE 0 END) AS male,
    SUM(CASE WHEN gender LIKE 'female' THEN views ELSE 0 END) AS female
FROM reportimpression
WHERE datelocal >= '2-1-2019' AND datelocal < '2-28-2019'
GROUP BY date_part('hour', datelocal)
ORDER BY date_part('hour', datelocal)

这是另一个确实命中了我的 datelocal 索引：

SELECT
    date_part('day', datelocal) AS day,
    SUM(CASE WHEN gender LIKE 'male' THEN views ELSE 0 END) AS male,
    SUM(CASE WHEN gender LIKE 'female' THEN views ELSE 0 END) AS female
FROM reportimpressionday
WHERE datelocal >= '2-1-2019' AND datelocal < '2-28-2019'
GROUP BY date_trunc('day', datelocal), date_part('day', datelocal)
ORDER BY date_trunc('day', datelocal)

这件事让我大吃一惊！关于如何加快第一个或至少使其达到索引的任何想法？我尝试在 datelocal 字段上创建索引，在 datelocal、性别和视图上创建复合索引，在 date_part('hour', datelocal) 上创建表达式索引，但这些都不起作用。

架构：

-- Table Definition ----------------------------------------------

CREATE TABLE reportimpression (
    datelocal timestamp without time zone,
    devicename text,
    network text,
    sitecode text,
    advertisername text,
    mediafilename text,
    gender text,
    agegroup text,
    views integer,
    impressions integer,
    dwelltime numeric
);

-- Indices -------------------------------------------------------

CREATE INDEX reportimpression_datelocal_index ON reportimpression(datelocal timestamp_ops);
CREATE INDEX reportimpression_viewership_index ON reportimpression(datelocal timestamp_ops,views int4_ops,impressions int4_ops,gender text_ops,agegroup text_ops);
CREATE INDEX reportimpression_test_index ON reportimpression(datelocal timestamp_ops,(date_part('hour'::text, datelocal)) float8_ops);

-- Table Definition ----------------------------------------------

CREATE TABLE reportimpressionday (
    datelocal timestamp without time zone,
    devicename text,
    network text,
    sitecode text,
    advertisername text,
    mediafilename text,
    gender text,
    agegroup text,
    views integer,
    impressions integer,
    dwelltime numeric
);

-- Indices -------------------------------------------------------

CREATE INDEX reportimpressionday_datelocal_index ON reportimpressionday(datelocal timestamp_ops);
CREATE INDEX reportimpressionday_detail_index ON reportimpressionday(datelocal timestamp_ops,views int4_ops,impressions int4_ops,gender text_ops,agegroup text_ops);

解释（分析、缓冲）输出：

Finalize GroupAggregate  (cost=999842.42..999859.67 rows=3137 width=24) (actual time=43754.700..43754.714 rows=24 loops=1)
  Group Key: (date_part('hour'::text, datelocal))
  Buffers: shared hit=123912 read=823290
  I/O Timings: read=81228.280
  ->  Sort  (cost=999842.42..999843.99 rows=3137 width=24) (actual time=43754.695..43754.698 rows=48 loops=1)
        Sort Key: (date_part('hour'::text, datelocal))
        Sort Method: quicksort  Memory: 28kB
        Buffers: shared hit=123912 read=823290
        I/O Timings: read=81228.280
        ->  Gather  (cost=999481.30..999805.98 rows=3137 width=24) (actual time=43754.520..43777.558 rows=48 loops=1)
              Workers Planned: 1
              Workers Launched: 1
              Buffers: shared hit=123912 read=823290
              I/O Timings: read=81228.280
              ->  Partial HashAggregate  (cost=998481.30..998492.28 rows=3137 width=24) (actual time=43751.649..43751.672 rows=24 loops=2)
                    Group Key: date_part('hour'::text, datelocal)
                    Buffers: shared hit=123912 read=823290
                    I/O Timings: read=81228.280
                    ->  Parallel Seq Scan on reportimpression  (cost=0.00..991555.98 rows=2770129 width=17) (actual time=13.097..42974.126 rows=2338145 loops=2)
                          Filter: ((datelocal >= '2019-02-01 00:00:00'::timestamp without time zone) AND (datelocal < '2019-02-28 00:00:00'::timestamp without time zone))
                          Rows Removed by Filter: 6792750
                          Buffers: shared hit=123912 read=823290
                          I/O Timings: read=81228.280
Planning time: 0.185 ms
Execution time: 43777.701 ms

Answer 1

好吧，您的两个查询都在不同的表上（reportimpression 与 reportimpressionday），所以这两个查询的比较实际上不是比较。你ANALYZE 两者都有吗？各种列统计信息也可能起作用。索引或表膨胀可能不同。所有行中的大部分是否符合 2019 年 2 月的条件？等等。

在黑暗中一枪，比较两张表格的百分比：

SELECT tbl, round(share * 100 / total, 2) As percentage
FROM  (
   SELECT text 'reportimpression' AS tbl
        , count(*)::numeric AS total
        , count(*) FILTER (WHERE datelocal >= '2019-02-01' AND datelocal < '2019-03-01')::numeric AS share
   FROM  reportimpression

   UNION ALL
   SELECT 'reportimpressionday'
        , count(*)
        , count(*) FILTER (WHERE datelocal >= '2019-02-01' AND datelocal < '2019-03-01')
   FROM  reportimpressionday
  ) sub;

reportimpression 的那个更大吗？那么它可能刚好超过索引预期能提供帮助的数量。

通常，您在 (datelocal) 上的索引 reportimpression_datelocal_index 看起来很适合它，如果 autovacuum 超过表上的写入负载，reportimpression_viewership_index 甚至允许仅索引扫描。 （虽然impressions 和agegroup 只是为此而死，如果没有它会更好）。

回答

您收到了 26.6 percent, and day is 26.4 percent 供我查询。对于如此大的百分比，索引通常根本没有用处。顺序扫描通常是最快的方法。如果基础表更大，则仅索引扫描可能仍然有意义。 （或者您有 严重 表膨胀，而索引膨胀较少，这使索引再次更具吸引力。）

您的第一个查询可能刚刚跨越临界点。尝试缩小时间范围，直到您看到仅索引扫描。您不会看到（位图）索引扫描有超过大约 5% 的所有行符合条件（取决于许多因素）。

查询

尽管如此，请考虑以下修改后的查询：

SELECT date_part('hour', datelocal)                AS hour
     , SUM(views) FILTER (WHERE gender = 'male')   AS male
     , SUM(views) FILTER (WHERE gender = 'female') AS female
FROM   reportimpression
WHERE  datelocal >= '2019-02-01'
AND    datelocal <  '2019-03-01' -- '2019-02-28'  -- ?
GROUP  BY 1
ORDER  BY 1;

SELECT date_trunc('day', datelocal)                AS day
     , SUM(views) FILTER (WHERE gender = 'male')   AS male
     , SUM(views) FILTER (WHERE gender = 'female') AS female
FROM   reportimpressionday
WHERE  datelocal >= '2019-02-01'
AND    datelocal <  '2019-03-01'
GROUP  BY 1
ORDER  BY 1;

要点

• 当使用本地化的日期格式（如'2-1-2019'）时，请使用带有明确格式说明符的to_timestamp()。否则，这取决于区域设置，并且在从具有不同设置的会话中调用时可能会中断（静默）。而是使用不依赖于区域设置的 ISO 日期/时间格式。

• 您似乎想要包含 2 月的整个月份。但是您的查询错过了上限。一方面，二月可能有 29 天。 datelocal < '2-28-2019' 也排除了 2 月 28 日的所有时间。请改用datelocal < '2019-03-01'。

• 如果可以的话，按照SELECT 列表中的相同表达式进行分组和排序 会更便宜。所以在那里也使用date_trunc()。不要在没有必要的情况下使用不同的表达方式。如果您需要结果中的日期部分，请将其应用于分组表达式，例如：

  SELECT date_part('day', date_trunc('day', datelocal)) AS day
  ...
  GROUP  BY date_trunc('day', datelocal)
  ORDER  BY date_trunc('day', datelocal);
  

  更多嘈杂的代码，但速度更快（也可能更容易为查询计划器优化）。

• 在 Postgres 9.4 或更高版本中使用 aggregate FILTER 子句。它更干净，速度更快。见：

  • How can I simplify this game statistics query?
  • For absolute performance, is SUM faster or COUNT?