Question

我在PostgreSQL数据库上运行一个针对大表（7,000,000个新行/天）的sql查询集合，并且在第一个视图和现在创建表时遇到了一些性能问题。我使用的大多数命令与以下查询类似：

CREATE TABLE events_tb AS

SELECT *

FROM
(SELECT column1, column2, column3, column4, column5
 FROM test_database_1
 WHERE column6 = 'value1'
   AND date_column > '2012-07-01'
   AND date_column < '2012-07-10'
) a

INNER JOIN ( SELECT DISTINCT column1 FROM test_database_2) b
        ON (a.column1 = b.column1);

有没有办法改进上面的语句集合，以解决查询是针对非常大的表运行的事实？

Answer 1

这应该更简单，更快捷：

CREATE TABLE events_tb AS
SELECT column1, column2, column3, column4, column5
FROM   test_database_1 t1
WHERE  column6 = 'value1'
AND    date_column > '2012-07-01'
AND    date_column < '2012-07-10'
AND    EXISTS (
    SELECT 1
    FROM   test_database_2 t2
    WHERE  t2.column1 = t1.column1
    );

您拥有它的方式将在新创建的表中包含column1两次，这将导致错误消息。

EXISTS semi-join应该比JOIN或IN表达式更快，因为它可以在第一次查找时停止执行。这对于重复项尤其有用 - 您可以从查询中的DISTINCT判断出来。

Answer 2

我对PostgreSQL的优化器一无所知，但您可以尝试用INNER JOIN结构替换IN (SELECT...)：

CREATE TABLE events_tb AS

SELECT column1, column2, column3, column4, column5

FROM test_database_1

WHERE column6 = 'value1'
  AND date_column > '2012-07-01'
  AND date_column < '2012-07-10'
  AND column1 IN ( SELECT DISTINCT column1 FROM test_database_2 )

优化大型表上的SQL连接

2 个答案: