PostgrSQL 递归SQL的几个应用 - 极客与正常人的思维

标签

PostgreSQL , with recursive , 递归查询 , 求差 , 求唯一值 , 求稀疏列 , 求时序数据最新值

---

背景

递归SQL的几个应用

递归查询，在几个场景的应用，有十全大补丸的功效。

一、求唯一值

场景

某张表，数据量在亿级别，求某稀疏列的唯一值。

create table sex (sex char(1), otherinfo text); create index idx_sex_1 on sex(sex); insert into sex select 'm', generate_series(1,50000000)||'this is test'; insert into sex select 'w', generate_series(1,50000000)||'this is test';

正常人的做法 - 蜗牛

select distinct col from table ;

蜗牛般的速度。

极客的做法 - 0.17毫秒

with recursive skip as ( ( select min(t.sex) as sex from sex t where t.sex is not null ) union all ( select (select min(t.sex) as sex from sex t where t.sex > s.sex and t.sex is not null) from skip s where s.sex is not null ) ) select * from skip where sex is not null; Total runtime: 0.173 ms

飞一般的感觉。

二、求差

场景

一张小表A，里面存储了一些ID，大约几百个。

（比如说巡逻车辆ID，环卫车辆的ID，公交车，微公交的ID）。

另外有一张日志表B，每条记录中的ID是来自前面那张小表的，但不是每个ID都出现在这张日志表中，比如说一天可能只有几十个ID会出现在这个日志表的当天的数据中。

（比如车辆的行车轨迹数据，每秒上报轨迹，数据量就非常庞大）。

怎么快速的找出今天没有出现的ID？

（哪些巡逻车辆没有出现在这个片区，是不是偷懒了？哪些环卫车辆没有出行，哪些公交或微公交没有出行）？

建表

create table a(id int primary key, info text); create table b(id int primary key, aid int, crt_time timestamp); create index b_aid on b(aid);

插入测试数据

-- a表插入1000条 insert into a select generate_series(1,1000), md5(random()::text); -- b表插入500万条，只包含aid的500个id。 insert into b select generate_series(1,5000000), generate_series(1,500), clock_timestamp();

正常人的做法 - 2.3秒

select * from a where id not in (select aid from b); 618秒 select a.id from a left join b on (a.id=b.aid) where b.* is null; 2.3秒

极客的做法 - 11毫秒

select * from a where id not in ( with recursive skip as ( ( select min(aid) aid from b where aid is not null ) union all ( select (select min(aid) aid from b where b.aid > s.aid and b.aid is not null) from skip s where s.aid is not null ) ) select aid from skip where aid is not null ); 11毫秒

飞一般的感觉。

三、求时序数据最新值

场景

有很多传感器，不断的在上报数据，用户需要查询当前最新的，每个传感器上报的值。

这种需求，可以使用窗口查询，但是如何加速，如何快速的取出批量数据？

创建测试表如下，

create unlogged table sort_test( id serial8 primary key, -- 主键 c2 int, -- 传感器ID c3 int -- 传感器值 );

写入1000万传感器测试数据，10万个传感器。

postgres=# insert into sort_test (c2,c3) select random()*100000, random()*100 from generate_series(1,10000000); INSERT 0 10000000

正常人的做法 - 44秒

select id,c2,c3 from (select id,c2,c3,row_number() over(partition by c2 order by id desc) rn from sort_test) t where rn=1; 44秒

极客的做法 - 4秒

postgres=# create index sort_test_1 on sort_test(c2,id desc); CREATE INDEX with recursive skip as ( ( select (c2,c3)::r as r from sort_test where id in (select id from sort_test where c2 is not null order by c2,id desc limit 1) ) union all ( select ( select (c2,c3)::r as r from sort_test where id in (select id from sort_test t where t.c2>(s.r).c2 and t.c2 is not null order by c2,id desc limit 1) ) from skip s where (s.r).c2 is not null ) ) select (t.r).c2, (t.r).c3 from skip t where t.* is not null; 4.2秒

如果数据需要处理或实时展示，流式返回

postgres=# begin; BEGIN Time: 0.079 ms postgres=# declare cur cursor for with recursive skip as ( ( select (c2,c3)::r as r from sort_test where id in (select id from sort_test where c2 is not null order by c2,id desc limit 1) ) union all ( select ( select (c2,c3)::r as r from sort_test where id in (select id from sort_test t where t.c2>(s.r).c2 and t.c2 is not null order by c2,id desc limit 1) ) from skip s where (s.r).c2 is not null ) ) select (t.r).c2, (t.r).c3 from skip t where t.* is not null; DECLARE CURSOR Time: 1.240 ms postgres=# fetch 100 from cur; r ---------- (0,93) (1,52) (2,65) ..... (97,78) (98,44) (99,99) (100 rows) Time: 4.314 ms

飞一般的感觉。

原理

通过递归，结合索引，收敛需要扫描的数据块，极大的减少IO，CPU开销。同时在时序场景，减少SORT和GROUP的开销。

递归的其他应用

《PostgreSQL 递归查询CASE - 树型路径分组输出》

《用PostgreSQL找回618秒逝去的青春 - 递归收敛优化》

《distinct xx和count(distinct xx)的变态递归优化方法 - 索引收敛(skip scan)扫描》

《时序数据合并场景加速分析和实现 - 复合索引，窗口分组查询加速，变态递归加速》

《PostgreSQL 使用递归SQL 找出数据库对象之间的依赖关系》

《PostgreSQL 递归死循环案例及解法》

《PostgreSQL 递归查询一例 - 资金累加链》

《PostgreSQL Oracle 兼容性之 - WITH 递归 ( connect by )》

《递归优化CASE - group by & distinct tuning case : use WITH RECURSIVE and min() function》

《递归优化CASE - performance tuning case :use cursor\trigger\recursive replace (group by and order by) REDUCE needed blockes scan》

《PostgreSQL 树状数据存储与查询(非递归) - Use ltree extension deal tree-like data type》

相关资源：敏捷开发V1.0.pptx