postgresql - 如何强制 PostgreSQL 使用我的索引？

Question

CREATE TABLE product (
  product_id     SERIAL,
  factory_key    VARCHAR(60),
  relevant       BOOLEAN
)
Indexes:
"product_factory_key_key" btree (factory_key);
"product_factory_key_relevant_key" btree (factory_key, relevant) WHERE relevant = false;
"product_relevant_key" btree (relevant);

事实:

1. 我们在 product 表中有大约 1 亿条记录
2. 有少量工厂。例如，1 个工厂可能有 500 万种产品。
3. 有数百万个工厂 key
4. 只有少数行与每​​个工厂无关。例如，有一家工厂有 500 万种产品，其中约有 100 种产品不相关。
5. 但是，有数百万行不相关的行。因为，最常见的情况是一个工厂 key ，5 行产品，并且可能有 2 行不相关。

这是问题查询:

SELECT * FROM product WHERE factory_key='some_product_key' AND relevant=false LIMIT 10;

解释分析:

                                                        QUERY PLAN
---------------------------------------------------------------------------------------------------------------------------
 Limit  (cost=0.00..23.06 rows=10 width=188) (actual time=2709.654..32252.961 rows=10 loops=1)
   ->  Seq Scan on product  (cost=0.00..7366785.34 rows=3194759 width=188) (actual time=2709.634..32252.904 rows=10 loops=1)
         Filter: ((NOT relevant) AND ((product_key)::text = 'some_product_key'::text))
         Rows Removed by Filter: 449486
 Total runtime: 32253.150 ms
(5 rows)

问题:

这是有问题的，因为:

1. 我相信计划者选择使用 seq 扫描是因为有太多的行与这个工厂相匹配。 (约 320 万行与该工厂匹配或约 3%)

2. 但是，因为只有极少数行不相关。我正在寻找不相关的。 seq 扫描最终会非常昂贵。

我已经创建了一个复合索引 product_factory_key_relevant_key，但是它没有利用该索引。

编辑:

我试图强制 postgres 使用复合键:product_factory_key_relevant_key

SET enable_seqscan=off

虽然，它现在使用的是索引扫描。它实际上仍然比 seqscan 慢。 (所以我猜计划者在进行序列扫描时是正确的)

                                                                       QUERY PLAN
--------------------------------------------------------------------------------------------------------------------------------------------------------
 Limit  (cost=0.57..34.03 rows=10 width=188) (actual time=8.088..469974.692 rows=10 loops=1)
   ->  Index Scan using product_factory_key_relevant_key on product  (cost=0.57..10689307.49 rows=3194776 width=188) (actual time=8.083..469974.655 rows=10 loops=1)
         Index Cond: (relevant = false)
         Filter: ((NOT relevant) AND ((product_key)::text = 'some_product_key'::text))
         Rows Removed by Filter: 2205295
 Total runtime: 469974.820 ms
(6 rows)

Answer 1

覆盖成本参数

你永远不能强制 PostgreSQL 使用特定的索引，或者完全阻止它进行 seqscan。

但是，您可以通过将相关的 enable_ 参数设置为 off 来告诉它尽可能避免执行某些扫描类型。这实际上是一个仅用于调试的功能。

为了测试，尝试:

SET enable_seqscan = off;

如果 Pg 可以使用索引扫描(或其他方式)它会。

您可能还想考虑:

SET random_page_cost = 1.1

即告诉 PostgreSQL 随机 I/O 只比顺序 I/O 稍微贵一点。这通常适用于具有 SSD 的系统，或者大多数数据库缓存在 RAM 中的系统。这种情况下选择索引的可能性会更大。

当然，如果您的系统的随机 I/O 实际上更昂贵，那么使用索引可能会更慢。

选择性，部分索引

您真正应该做的是遵循您已经获得的建议。按选择性顺序创建索引 - 如果 relevant 不太常见，请使用它。您甚至可以更进一步，创建一个部分索引:

CREATE INDEX idx_name_blah ON tbl_name_blah (factory_key) WHERE (NOT relevant);

此索引仅包含 relevant = 'f' 的值。它只能用于计划者知道相关的查询是错误的。另一方面，它将是一个远更小、更快的索引。

统计

您的统计数据也可能不准确，导致 PostgreSQL 认为值频率与您的表的实际频率不同。 explain analyze 将有助于说明这一点。

您也可以只ANALYZE my_table 以防统计数据过时；如果是这样，请增加 autovacuum 运行的频率，因为它跟不上。

如果统计数据是最新的，但规划器仍在进行基于统计数据的错误估计，增加表的统计目标(参见手册)并重新分析可能会有所帮助，如果它实际上是一个统计错误估计问题.

版本

较旧的 PostgreSQL 版本在成本估算、查询优化、统计、查询执行方法以及几乎所有其他方面往往不够智能。

如果您使用的不是最新版本，请升级。

例如，9.2 的仅索引扫描将允许您创建部分索引

(product_id, factory_key) WHERE(不相关)

然后运行查询:

SELECT product_id, factory_key FROM my_table WHERE NOT relevant;

那应该只读取索引，根本没有堆访问。