abclinuxu.cz AbcLinuxu.cz itbiz.cz ITBiz.cz HDmag.cz HDmag.cz abcprace.cz AbcPráce.cz
AbcLinuxu hledá autory!
Inzerujte na AbcPráce.cz od 950 Kč
Rozšířené hledání
×
    dnes 14:44 | Nová verze

    V programovacím jazyce Go naprogramovaná webová aplikace pro spolupráci na zdrojových kódech pomocí gitu Forgejo byla vydána ve verzi 14.0 (Mastodon). Forgejo je fork Gitei.

    Ladislav Hagara | Komentářů: 2
    dnes 13:11 | Zajímavý projekt

    Just the Browser je projekt, 'který vám pomůže v internetovém prohlížeči deaktivovat funkce umělé inteligence, telemetrii, sponzorovaný obsah, integraci produktů a další nepříjemnosti' (repozitář na GitHubu). Využívá k tomu skrytá nastavení ve webových prohlížečích, určená původně pro firmy a organizace ('enterprise policies'). Pod linuxem je skriptem pro automatickou úpravu nastavení prozatím podporován pouze prohlížeč Firefox.

    NUKE GAZA! 🎆 | Komentářů: 2
    včera 16:44 | Nová verze

    Svobodný multiplatformní herní engine Bevy napsaný v Rustu byl vydán ve verzi 0.18. Díky 174 přispěvatelům.

    Ladislav Hagara | Komentářů: 2
    včera 15:11 | IT novinky

    Miliardy korun na digitalizaci služeb státu nestačily. Stát do ní v letech 2020 až 2024 vložil víc než 50 miliard korun, ale původní cíl se nepodařilo splnit. Od loňského února měly být služby státu plně digitalizované a občané měli mít právo komunikovat se státem digitálně. Do tohoto data se povedlo plně digitalizovat 18 procent agendových služeb státu. Dnes to uvedl Nejvyšší kontrolní úřad (NKÚ) v souhrnné zprávě o stavu digitalizace v Česku. Zpráva vychází z výsledků víc než 50 kontrol, které NKÚ v posledních pěti letech v tomto oboru uskutečnil.

    Ladislav Hagara | Komentářů: 15
    včera 13:55 | IT novinky

    Nadace Wikimedia, která je provozovatelem internetové encyklopedie Wikipedia, oznámila u příležitosti 25. výročí vzniku encyklopedie nové licenční dohody s firmami vyvíjejícími umělou inteligenci (AI). Mezi partnery encyklopedie tak nově patří Microsoft, Amazon a Meta Platforms, ale také start-up Perplexity a francouzská společnost Mistral AI. Wikimedia má podobnou dohodu od roku 2022 také se společností Google ze skupiny

    … více »
    Ladislav Hagara | Komentářů: 0
    včera 02:22 | Nová verze

    D7VK byl vydán ve verzi 1.2. Jedná se o fork DXVK implementující překlad volání Direct3D 5, 6 a 7 na Vulkan. DXVK zvládá Direct3D 8, 9, 10 a 11.

    Ladislav Hagara | Komentářů: 0
    včera 02:00 | Nová verze

    Byla vydána verze 12.0.0 knihovny libvirt (Wikipedie) zastřešující různé virtualizační technologie a vytvářející jednotné rozhraní pro správu virtuálních strojů. Současně byl ve verzi 12.0.0 vydán související modul pro Python libvirt-python. Přehled novinek v poznámkách k vydání.

    Ladislav Hagara | Komentářů: 0
    15.1. 19:22 | Humor

    CreepyLink.com je nový zkracovač URL adres, 'díky kterému budou vaše odkazy vypadat tak podezřele, jak je to jen možné'. Například odkaz na abclinuxu.cz tento zkracovač převádí do podoby 'https://netflix.web-safe.link/logger_8oIlgs_free_money.php'. Dle prohlášení autora je CreepyLink alternativou ke zkracovači ShadyURL (repozitář na githubu), který dnes již bohužel není v provozu.

    NUKE GAZA! 🎆 | Komentářů: 3
    15.1. 12:33 | IT novinky

    Na blogu Raspberry Pi byla představena rozšiřující deska Raspberry Pi AI HAT+ 2 s akcelerátorem Hailo-10 a 8 GB RAM. Na rozdíl od předchozí Raspberry Pi AI HAT+ podporuje generativní AI. Cena desky je 130 dolarů.

    Ladislav Hagara | Komentářů: 3
    15.1. 12:11 | Komunita

    Wikipedie slaví 25. výročí svého založení. Vznikla 15. ledna 2001 jako doplňkový projekt k dnes již neexistující encyklopedii Nupedia. Doména wikipedia.org byla zaregistrována 12. ledna 2001. Zítra proběhne v Praze Večer svobodné kultury, který pořádá spolek Wikimedia ČR.

    Ladislav Hagara | Komentářů: 1
    Které desktopové prostředí na Linuxu používáte?
     (14%)
     (5%)
     (0%)
     (10%)
     (20%)
     (3%)
     (6%)
     (3%)
     (11%)
     (41%)
    Celkem 478 hlasů
     Komentářů: 12, poslední 14.1. 21:12
    Rozcestník

    Dotaz: postgres optimalizace dotazu

    12.3.2019 10:26 marek
    postgres optimalizace dotazu
    Přečteno: 1320×

    Dobry den

    Prosim o nasmerovani, jak zrychlit dotaz:

    explain analyze select max(rodatum),server,vanview  from van group by server,vanview;
                                                           QUERY PLAN                                                        
    -------------------------------------------------------------------------------------------------------------------------
     HashAggregate  (cost=299861.68..299861.92 rows=24 width=16) (actual time=4396.250..4396.256 rows=24 loops=1)
       ->  Seq Scan on van  (cost=0.00..238237.96 rows=8216496 width=16) (actual time=10.354..1658.701 rows=8216067 loops=1)
     Total runtime: 4396.330 ms
    (3 rows)
    

    pro tabulku:

    
    \d van
                              Table "public.van"
               Column            |            Type             | Modifiers 
    -----------------------------+-----------------------------+-----------
     datum                       | timestamp without time zone | not null
     rodatum                     | timestamp without time zone | 
     server                      | integer                     | not null
     vanview                     | integer                     | not null
     queries                     | bigint                      | 
     lookups                     | bigint                      | 
     proactive-lookups           | bigint                      | 
     ignored-referral-lookups    | bigint                      | 
     cache-misses                | bigint                      | 
     id-spoofing-defense-queries | bigint                      | 
     requests-sent               | bigint                      | 
     tcp-requests-sent           | bigint                      | 
     rate-limited-requests       | bigint                      | 
     noerror                     | bigint                      | 
     servfail                    | bigint                      | 
     nxdomain                    | bigint                      | 
     notimp                      | bigint                      | 
    Indexes:
        "van_pkey" PRIMARY KEY, btree (datum, server, vanview)
        "van_datum_idx" btree (datum)
        "van_datum_server_idx" btree (datum, server)
        "van_rodatum_idx" btree (rodatum)
        "van_server_idx" btree (server)
        "van_server_vanview_idx" btree (server, vanview)
        "van_vanview_idx" btree (vanview)
    Foreign-key constraints:
        "van_server_fkey" FOREIGN KEY (server) REFERENCES server(id)
        "van_vanview_fkey" FOREIGN KEY (vanview) REFERENCES vanview(id)
    

    postupne jsem pridaval indexy, spoustel VACUUM FULL ANALYZE; ....

    Stale mi to prijde priserne pomale.

    dekuji

    marek

    Odpovědi

    12.3.2019 13:26 EtDirloth | skóre: 11
    Rozbalit Rozbalit vše Re: postgres optimalizace dotazu
    Velmi pekna uloha!

    Postgresql zial nevie efektivne pouzit index pre group by - pouzije index only scan iba ked sa mu zakaze seq. scan.

    Najprv definica tabulky, a simulacia tvojich dat: (testovane na pg11)
    --DROP TABLE IF EXISTS van;
    CREATE TABLE van (
       rodatum timestamp
     , server  integer NOT NULL
     , vanview integer NOT NULL
    );
    -- populate with 10M of records with 25 distinct combinations of server & vanview
    INSERT INTO van (server, vanview, rodatum)
       SELECT (random() * 4)::int
            , (random() * 4+5)::int
            , ts + ((random() * 5000)::int || 'seconds')::interval
          FROM generate_series('2000-01-01'::timestamp, now(), '1minute') AS x(ts)
    ;
    
    SELECT count(*) FROM van;
    -- 10095150
    SELECT count(*) FROM van GROUP BY (server, vanview);
    -- (25 rows)
    Jednotlive stlpce vo viacstlpcovych indexoch je potrebne radit v poradi selektivity a znovupouzitelnosti. Ak query filtruje len podla niektorych stlpcov indexu zlava, vie ho pouzit. A preto sa pouzije index ix_van_server_vanview_rodatum na SELECT min(server), ale uz nie na SELECT min(vanview).
     -- used by min(server), max(rodatum) per server&vanview
    CREATE INDEX ix_van_server_vanview_rodatum ON van (server, vanview, rodatum DESC NULLS LAST);
     -- used by min(vanview)
    CREATE INDEX ix_van_vanview ON van (vanview);
    Test tvojej query pre porovnanie casov:
    EXPLAIN (BUFFERS, ANALYZE) select max(rodatum), server, vanview  FROM van GROUP BY server, vanview;
    -- actual time=1791.880..1791.936
    -- Parallel Seq Scan on van
    Pouzil sa Seq scan, napriek tomu, ze existuje ix_van_server_vanview_rodatum, skusim ho zakazat:
    SET enable_seqscan = OFF;
    EXPLAIN (BUFFERS, ANALYZE) select max(rodatum), server, vanview  FROM van GROUP BY server, vanview;
    -- actual time=218.738..3580.570
    -- Parallel Index Only Scan using ix_van_server_vanview_rodatum
    
    ...este pomalsie - zda sa, ze planner funguje spravne

    Kedze mame pomerne male mnozstvo kombinacii ((count(server)*count(vanview))==25), napadlo ma pouzit index ix_van_server_vanview_rodatum tak, ze mu podsuniem 25 roznych hodnot, co by bezalo so zlozitostou O(25 log 10^7). Takze potrebujem ziskat 25 unikatnych hodnot. Lenze SELECT DISTINCT je este pomalsi, nez SELECT server, vanview GROUP BY server, vanview:
    SELECT DISTINCT server, vanview FROM van
    -- Time: 1878,862 ms (00:01,879)
    SELECT server, vanview FROM van GROUP BY server,vanview
    -- Time: 980,318 ms
    Korelovana subquery je potom obmedzena pomalostou DISTINCT/GROUP-BY:
    SELECT max(rodatum), server, vanview
       FROM van
       WHERE (server,vanview) IN (SELECT DISTINCT server, vanview FROM van)
       GROUP BY server,vanview
    ;
    -- Time: 5028,114 ms (00:05,028)
    
    SELECT (
       SELECT max(v.rodatum)
          FROM van AS v
          WHERE (v.server, v.vanview) = (vv.server, vv.vanview)
       ), server, vanview
       FROM (SELECT server, vanview FROM van GROUP BY server,vanview) AS vv
       GROUP BY server, vanview
    ;
    --Time: 984,181 ms
    ...je vidiet mierne zrychlenie, ale stale sme v radoch sekund.

    A tu prichadza trik s rekurzivnou CTE pre indexovany DISTINCT v kombinacii s horeuvedenou korelovanou subquery:
    --EXPLAIN (BUFFERS, ANALYZE) 
    WITH RECURSIVE t AS (
       SELECT min(server) AS s FROM van
       UNION ALL
       SELECT (SELECT min(server) FROM van WHERE server > t.s)
       FROM t WHERE t.s IS NOT NULL
    )
    , tt AS (
       SELECT min(vanview) AS v FROM van
       UNION ALL
       SELECT (SELECT min(vanview) FROM van WHERE vanview > tt.v)
       FROM tt WHERE tt.v IS NOT NULL
    )
    SELECT (
       SELECT max(rodatum)
          FROM van
          WHERE server = s
            AND vanview = v
       ), s, v
       FROM t, tt
       WHERE s IS NOT NULL
         AND v IS NOT NULL
    ;
    -- Time: 1,679 ms
    
    Pre vysvetlenie vid https://wiki.postgresql.org/wiki/Loose_indexscan
    12.3.2019 14:24 marek
    Rozbalit Rozbalit vše Re: postgres optimalizace dotazu

    Tedy smekam.

    Nebudu zastirat, ze vubec postupu nerozumim.

    Na mych datech to dela 373.236 ms, coz je vyrazne zlepseni.

    Ale uvazoval jsem:

    graphs=# EXPLAIN (BUFFERS, ANALYZE)select server.id as ser,vanview.id as van from server,vanview where label like 'nom%' ;
                                                     QUERY PLAN                                                  
    -------------------------------------------------------------------------------------------------------------
     Nested Loop  (cost=0.00..2.49 rows=24 width=8) (actual time=0.018..0.031 rows=24 loops=1)
       Buffers: shared hit=2
       ->  Seq Scan on server  (cost=0.00..1.15 rows=8 width=4) (actual time=0.010..0.011 rows=8 loops=1)
             Filter: (label ~~ 'nom%'::text)
             Rows Removed by Filter: 4
             Buffers: shared hit=1
       ->  Materialize  (cost=0.00..1.04 rows=3 width=4) (actual time=0.001..0.001 rows=3 loops=8)
             Buffers: shared hit=1
             ->  Seq Scan on vanview  (cost=0.00..1.03 rows=3 width=4) (actual time=0.003..0.006 rows=3 loops=1)
                   Buffers: shared hit=1
     Total runtime: 0.063 ms
    (11 rows)
    
    graphs=# EXPLAIN (BUFFERS, ANALYZE)SELECT max(datum),1,1 FROM van WHERE server=1 AND vanview=1;
                                                                         QUERY PLAN                                                                      
    -----------------------------------------------------------------------------------------------------------------------------------------------------
     Result  (cost=4.15..4.16 rows=1 width=0) (actual time=4.946..4.946 rows=1 loops=1)
       Buffers: shared hit=559
       InitPlan 1 (returns $0)
         ->  Limit  (cost=0.00..4.15 rows=1 width=8) (actual time=4.941..4.942 rows=1 loops=1)
               Buffers: shared hit=559
               ->  Index Only Scan Backward using van_pkey on van  (cost=0.00..1854269.90 rows=447277 width=8) (actual time=4.939..4.939 rows=1 loops=1)
                     Index Cond: ((datum IS NOT NULL) AND (server = 1) AND (vanview = 1))
                     Heap Fetches: 1
                     Buffers: shared hit=559
     Total runtime: 4.985 ms
    (10 rows)
    
    graphs=#
    

    4.985*24+0.063=119.703 ms, takze kdybych to spustil v hloupem loopu z aplikace, jsem na tom lepe.

    tak jsem napsal:

    CREATE OR REPLACE FUNCTION max1 ()
    RETURNS TABLE ( max timestamp,
    s integer,
    v integer)
    AS $$
    DECLARE row record;
    BEGIN
    FOR row IN SELECT server.id AS ser,vanview.id AS van FROM server,vanview WHERE label LIKE 'nom%' LOOP
    
     RETURN QUERY SELECT
             max(datum),row.ser,row.van FROM van WHERE server=row.ser AND vanview=row.van;
    END LOOP;
    
    
    
    END; $$
    LANGUAGE 'plpgsql';
    

    to kdyz spustim:

    EXPLAIN (BUFFERS, ANALYZE)select * from max1();
                                                    QUERY PLAN                                                 
    -----------------------------------------------------------------------------------------------------------
     Function Scan on max1  (cost=0.25..10.25 rows=1000 width=16) (actual time=27.605..27.606 rows=24 loops=1)
       Buffers: shared hit=3422
     Total runtime: 27.625 ms
    (3 rows)
    

    Tato rychlost je pro mne dostatecna.

    Ted si projdu jeste nekolikrat Vase reseni, snad to nakonec pochopim.

    dekuji za inspiraci

    marek

    ps: stejne je skoda, ze si to postgres nenaplanuje podobne, jako ta funkce...

    12.3.2019 14:53 OldFrog {Ondra Nemecek} | skóre: 36 | blog: Žabákův notes | Praha
    Rozbalit Rozbalit vše Re: postgres optimalizace dotazu
    Jakou máte verzi Postgres?
    -- OldFrog
    12.3.2019 15:18 marek
    Rozbalit Rozbalit vše Re: postgres optimalizace dotazu

    postgres (PostgreSQL) 9.2.24

    CentOS Linux release 7.6.1810 (Core)

    marek

    12.3.2019 15:30 OldFrog {Ondra Nemecek} | skóre: 36 | blog: Žabákův notes | Praha
    Rozbalit Rozbalit vše Re: postgres optimalizace dotazu
    Hmm, na 10 to funguje stejně pomalu a 11 ještě není v repositáři. Takže to spíš vypadá že novější verze by to neřešila.
    -- OldFrog
    12.3.2019 15:55 EtDirloth | skóre: 11
    Rozbalit Rozbalit vše Re: postgres optimalizace dotazu
    Jasne, nevsimol som si tie foreign keys. Takze potom nepotrebujeme tu rekurzivnu query a bude stacit korelovana subquery - co je ekvivalentne tomu foreach:
    EXPLAIN (BUFFERS, ANALYZE)
    SELECT (
       SELECT max(rodatum)
          FROM van
          WHERE server  = server.id
            AND vanview = vanview.id
       ), server.id, vanview.id
       FROM server, vanview
       WHERE label LIKE 'nom%'
    ;
    -- actual time=0.058..0.321
    -- Index Only Scan using px_server_id_label_nom
    -- Index Only Scan using ix_van_server_vanview_rodatum
    
    ...ten cas + index px_server_id_label_nom som nameral s pouzitim kodu nizsie.

    Asi v tabulke servers nebude vela zaznamov, ale ak nahodou ano, ta WHERE (label LIKE 'nom%') sa da podporit parcialnym indexom px_server_id_label_nom:
    CREATE TABLE server (
       id    int  NOT NULL
     , label text NOT NULL
    );
    CREATE INDEX px_server_id_label_nom ON server (id) WHERE (label LIKE 'nom%');
    
    WITH RECURSIVE t AS (
       SELECT min(server) AS s FROM van
       UNION ALL
       SELECT (SELECT min(server) FROM van WHERE server > t.s)
       FROM t WHERE t.s IS NOT NULL
    )
    INSERT INTO server
       SELECT s, 'nomnom' AS label FROM t WHERE s IS NOT NULL
    ;
    INSERT INTO server
       SELECT s, 'omnom' AS label FROM generate_series(1,11111,1) AS x(s)
    ;
    
    Tu je vidno, ze sa pouzije parcialny index px_server_id_label_nom:
    EXPLAIN (BUFFERS, ANALYZE)
    SELECT id FROM server WHERE label LIKE 'nom%';
    -- actual time=0.019..0.020
    -- Index Only Scan using px_server_id_label_nom
    EXPLAIN (BUFFERS, ANALYZE)
    SELECT id FROM server WHERE label LIKE 'nomn%';
    -- actual time=0.008..1.060
    -- Seq Scan on server
    
    ...rozdiel oproti seq scanu nad takto malou tabulkou je sice v niekolkych radoch, ale aj ta milisekunda pre seq scan je nepatrna, takze sa to oplati hlavne pre vacsie tabulky (co do poctu riadkov aj stlpcov).

    Pre uplnost prikladam aj moj CREATE TABLE mock tabulky vanview:
    CREATE TABLE vanview (
       id    int  NOT NULL
    );
    INSERT INTO vanview
       SELECT v AS label FROM generate_series(5,9,1) AS x(v)
    ;
    
    12.3.2019 16:21 marek
    Rozbalit Rozbalit vše Re: postgres optimalizace dotazu

    Jeste jednou dekuji.

    Sice je u mne stale rychlejsi ta funkce, ale mnohe jsem si z Vasich prispevku odnesl.

    marek

    Založit nové vláknoNahoru

    Tiskni Sdílej: Linkuj Jaggni to Vybrali.sme.sk Google Del.icio.us Facebook

    ISSN 1214-1267   www.czech-server.cz
    © 1999-2015 Nitemedia s. r. o. Všechna práva vyhrazena.