Dotaz: PostgreSQL indexy

[Program]

Zdravím, před nějakou dobou jsem narazil u MySQL na problémy s mazáním řádků ve velkých tabulkách (14-40 mil. řádků). Rychlost byla žalostná. Zkoušel jsem db přeimportovat na PostgreSQL (9.1), ale výsledek byl ještě horší. postmaster pořád počítal index (integer), skoro nehrabal na disk a operace trvaly řádově hodiny až dny.

Zkusil jsem vytvořit nad tabulkou HASH indexy a hle, doba zpracování se smrskla na pár minut. Bohužel hash indexy jsou nedoporučované a plně nepodporované. Všude jsem se dočetl, že nemají výkonnostní benefit prakticky žádný.

Chtěl jsem se tedy zeptat, jak to s indexy u psql je, přehlídl jsem nějakou možnou optimalizaci BTREE indexů, která by je posunula na úroveň HASH indexů?

Mockrát díky.

Odpovědi

[okbob]

Jak mazete?

Mazete jednim prikazem nebo iteracne

Jedete v transakci?

Chytal se vam index?

co vam vypise EXPLAIN DELETE ... ?

Update BTREE je relativne pomala operace (zvlast pokud jedete v nahodnem poradi) - pokud Vam pomuze HASH, tak to nereste - proste pred intenzivnim mazanim si vytvorte hash index, dropnete pripadne btree indexy, promazejte, dropnete hash index a vytvorte Btree. HASH index se prilis nepouziva, protoze je pouzitelny pouze pro filtrovani na rovnost. Pro vsechny ostatni operace se neda pouzit. Ve starsich verzich byl navic vykonostne horsi ve vsech ohledech nez BTREE. V 9 prosel refaktoringem. A to je tak asi vsechno o tom vim.

Pro BTREE zkuste seradit ID, ktera mazete - tak abyste mazal vzestupne. Treba si je ulozit nekam do docasne tabulky

id urcena ke smazani jsem ulozil do tabulky delid

--overeni, ze se sortuje
postgres=# explain DELETE FROM g USING delid WHERE g.i = delid.i;
                                       QUERY PLAN                                       
----------------------------------------------------------------------------------------
 Delete on g  (cost=11459.39..47502.35 rows=100000 width=12)
   ->  Merge Join  (cost=11459.39..47502.35 rows=100000 width=12)
         Merge Cond: (g.i = delid.i)
         ->  Index Scan using g_pkey on g  (cost=0.00..303936.00 rows=9999977 width=10)
         ->  Materialize  (cost=11459.32..11959.32 rows=100000 width=10)
               ->  Sort  (cost=11459.32..11709.32 rows=100000 width=10)
                     Sort Key: delid.i
                     ->  Seq Scan on delid  (cost=0.00..1443.00 rows=100000 width=10)

odstraneni 77 tis radku trvalo cca 57 ms

[Program]

Dobrý den a díky za odpověď.

Maže se přes FK ON DELETE CASCADE, takže víceméně náhodně, ale pomalé jsou všechny operace nad danou tabulkou, kde se využívají klíče (zejména JOIN z odkazované tabulky). V update BTREE problém není, protože po přidání HASH indexu ty steré jsem nemazal (i když by to dost možná ještě více zrychlilo). Nepoužitým indexem to také není, protože to by skenovalo tabulku, což se nedělo.

Co se explainu týče, teď ho po ruce nemám, ale nic zajímavého tam nebylo, jen z explain analyze byly vidět šílené časy.

Mě jde o to, že i v PSQL 9. je HASH index nedoporučovaný a nelogovoaný, z dokumentace mi připadalo, že je to jakýsi pokus se kterým se nepočítá. Nic méně výkonnostní benefit byl obrovský a při použití jen BTREE indexů dotaz visel na procesoru a strašně dlouho. Nemyslím, že je na BTREE něco tak hrozně výpočetně náročného, takže by mě zajímalo, jestli to není třeba typická vlastnost nevhodného nastavení (až na shared buffers bylo asi všechno default).

Díky

[okbob]

Z testů by HASH index neměl být extrémně lepší než BTREE - spíše naopak - nicméně vždy záleží i na samotných datech. Možná mají Vaše data takové rozdělení a takový typ, že je na nich BTREE neefektivní a naopak HASH funguje výborně. Dovedu si představit, že pokud byste měl klíče textové v určitém tvaru, tak by BTREE nemusel dopadnout dobře. Musel bych mít v ruce Vaše data, abych se mohl podívat jak vypadá index zevnitř - případně se i vy sám můžete podívat na stav indexu - v contribu je modul pgstattuple, kde je funkce pgstatindex, která vrací fragmentaci indexu, hloubku indexu a další údaje.