postgresql - PostgreSQL 中的优化查询

Question

假设您有一个名为 tracker 的表，其中包含以下记录。

issue_id  |  ingest_date         |  verb,status
10         2015-01-24 00:00:00    1,1
10         2015-01-25 00:00:00    2,2
10         2015-01-26 00:00:00    2,3
10         2015-01-27 00:00:00    3,4
11         2015-01-10 00:00:00    1,3
11         2015-01-11 00:00:00    2,4

我需要以下结果

10         2015-01-26 00:00:00    2,3
11         2015-01-11 00:00:00    2,4

我正在尝试这个查询

select * 
from etl_change_fact 
where ingest_date = (select max(ingest_date) 
                     from etl_change_fact);

但是，这只给我

10    2015-01-26 00:00:00    2,3

这条记录。

但是，我想要所有唯一的记录(change_id)

(a) 最大(摄取日期)和

(b) 动词列优先级为(2 - 第一首选，1 - 第二首选，3 - 最后首选)

因此，我需要以下结果

10    2015-01-26 00:00:00    2,3
11    2015-01-11 00:00:00    2,4

请帮我高效查询。

附言: 我不会索引 ingest_date，因为我将在分布式计算设置中将其设置为“分发 key ”。 我是数据仓库和查询的新手。

因此，请帮助我优化方法来访问我的 TB 大小的数据库。

Answer 1

这是一个典型的“每组最多 n 个”问题。如果您在此处搜索此标签，您将获得大量解决方案 - 包括 MySQL。

对于 Postgres，最快的方法是使用 distinct on(这是 SQL 语言的 Postgres 专有扩展)

select distinct on (issue_id) issue_id, ingest_date, verb, status
from etl_change_fact
order by issue_id, 
         case verb 
            when 2 then 1 
            when 1 then 2
            else 3
         end, ingest_date desc;

您可以增强原始查询以使用相关的子查询来实现相同的目的:

select f1.* 
from etl_change_fact f1
where f1.ingest_date = (select max(f2.ingest_date) 
                        from etl_change_fact f2
                        where f1.issue_id = f2.issue_id);

---

编辑

对于过时且不受支持的 Postgres 版本，您可能可以使用类似这样的方法:

select f1.* 
from etl_change_fact f1
where f1.ingest_date = (select f2.ingest_date
                        from etl_change_fact f2
                        where f1.issue_id = f2.issue_id
                        order by case verb 
                                  when 2 then 1 
                                  when 1 then 2
                                  else 3
                              end, ingest_date desc
                        limit 1);

SQLFiddle 示例:http://sqlfiddle.com/#!15/3bb05/1