选择包含在另一个表中的ID的记录

vit=# select count(*) from evtags; 
    count 
--------- 
4496914 

vit=# explain select tag from evtags where evid in (1002, 1023); 
           QUERY PLAN          
--------------------------------------------------------------------------------- 
Index Only Scan using evtags_pkey on evtags (cost=0.00..15.64 rows=12 width=7) 
    Index Cond: (evid = ANY ('{1002,1023}'::integer[]))

到目前为止，这看起来完全没问题。接下来，我想使用另一个表中的ID而不是在查询中指定它们。选择包含在另一个表中的ID的记录

vit=# select count(*) from zzz; 
count 
------- 
49738

在这里，我们去...

vit=# explain select tag from evtags where evid in (select evid from zzz); 
           QUERY PLAN        
----------------------------------------------------------------------- 
Hash Semi Join (cost=1535.11..142452.47 rows=291712 width=7) 
    Hash Cond: (evtags.evid = zzz.evid) 
    -> Seq Scan on evtags (cost=0.00..69283.14 rows=4496914 width=11) 
    -> Hash (cost=718.38..718.38 rows=49738 width=4) 
     -> Seq Scan on zzz (cost=0.00..718.38 rows=49738 width=4)

为什么在更多更大的表索引扫描，什么是应该做的正确方法？

编辑

我重新创建我的zzz表，现在它是由于某种原因，更好：

vit=# explain analyze select tag from evtags where evid in (select evid from zzz); 
                 QUERY PLAN                
------------------------------------------------------------------------------------------------------------------------------------ 
Nested Loop (cost=708.00..2699.17 rows=2248457 width=7) (actual time=28.935..805.923 rows=244353 loops=1) 
    -> HashAggregate (cost=708.00..710.00 rows=200 width=4) (actual time=28.893..54.461 rows=38822 loops=1) 
     -> Seq Scan on zzz (cost=0.00..601.80 rows=42480 width=4) (actual time=0.032..10.985 rows=40000 loops=1) 
    -> Index Only Scan using evtags_pkey on evtags (cost=0.00..9.89 rows=6 width=11) (actual time=0.015..0.017 rows=6 loops=38822) 
     Index Cond: (evid = zzz.evid) 
     Heap Fetches: 0 
Total runtime: 825.651 ms

但几经执行它改变

vit=# explain analyze select tag from evtags where evid in (select evid from zzz); 
                    QUERY PLAN                  
--------------------------------------------------------------------------------------------------------------------------------------------------- 
Merge Semi Join (cost=4184.11..127258.48 rows=235512 width=7) (actual time=38.269..1461.755 rows=244353 loops=1) 
    Merge Cond: (evtags.evid = zzz.evid) 
    -> Index Only Scan using evtags_pkey on evtags (cost=0.00..136736.89 rows=4496914 width=11) (actual time=0.038..899.647 rows=3630070 loops=1) 
     Heap Fetches: 0 
    -> Materialize (cost=4184.04..4384.04 rows=40000 width=4) (actual time=38.212..61.038 rows=40000 loops=1) 
     -> Sort (cost=4184.04..4284.04 rows=40000 width=4) (actual time=38.208..51.104 rows=40000 loops=1) 
       Sort Key: zzz.evid 
       Sort Method: external sort Disk: 552kB 
       -> Seq Scan on zzz (cost=0.00..577.00 rows=40000 width=4) (actual time=0.018..8.833 rows=40000 loops=1) 
Total runtime: 1484.293 ms

...这实际上是较慢的。有什么方法可以暗示它是一个“正确的”执行计划吗？

这些操作的要点是，我想对我的数据的一个子集执行大量查询，并希望使用单独的临时表来保存要处理的记录的ID。

来源

2013-04-30 mifki

做你的表有主/外键（没有索引扫描，可能有两个）你有有效的统计数据吗？请添加表格定义，包括PK/FK和/或索引。顺便说一句：如果结果集很小并且大部分元组都是需要的，这种计划是正常的。 BTW2：'解析分析'会显示*估计和测量的计数/数字。 – wildplasser 2013-04-30 09:46:39

更新了我的问题。 – mifki 2013-04-30 10:11:15

您是否重新创建'zzz'表后运行'vacuum analyze'？（它会更新统计信息）另外：“外”表需要大约50％的行，索引可能无助于找到它们（因为基本上每个磁盘页面都将被需要）。你可以尝试将random_page_cost降低到1.5（或work_mem为更小的值）来强制执行索引扫描，但只有当需要获取更少的行/页时才有意义。 BTW：zzz表有PK/FK /索引吗？ **请添加表格定义**，包括PK/FK /索引。 – wildplasser 2013-04-30 10:25:19

内连接有一个很好的计划更好的机会：

select e.tag 
from 
    evtags e 
    inner join 
    zzz z using (evid)

或者这样：

select e.tag 
from evtags e 
where exists (
    select 1 
    from zzz 
    where evid = e.evid 
)

正如在评论中指出运行analyze evtags; analyze zzz;

来源

2013-04-30 11:26:18

选择包含在另一个表中的ID的记录

回答

相关问题