PostgreSQL优化：日期范围内的平均值

Question

我有一个查询（带有子查询），可以计算前几年的平均温度，每天加/减一周。它有效，但并不是那么快。下面的时间序列值只是一个例子。为什么我使用doy是因为我想在每年的同一日期附近有一个滑动窗口。

SELECT days, 
    (SELECT avg(temperature) 
    FROM temperatures 
    WHERE site_id = ? AND 
     extract(doy FROM timestamp) BETWEEN 
     extract(doy FROM days) - 7 AND extract(doy FROM days) + 7 
    ) AS temperature 
FROM generate_series('2017-05-01'::date, '2017-08-31'::date, interval '1 day') days 

所以我的问题是，这个查询可以以某种方式改进？我正在考虑使用某种窗口函数，或者可能使用lag和lead。但是，至少常规的窗口函数仅适用于特定数量的行，而在两周窗口内可以进行任意数量的测量。

我可以和我现在所拥有的一样，但随着数据量的增长，查询的执行速度也如此。后两个extract可以被删除，但是没有明显的速度改进，只会使查询不易读。任何帮助将不胜感激。

Answer 1

您原始查询的最佳指标是

create index idx_temperatures_site_id_timestamp_doy 
    on temperatures(site_id, extract(doy from timestamp)); 

这可以大大提高您的原始查询的性能。

尽管您的原始查询很简单，但它有一个缺陷：它会计算每天平均14次（平均）。相反，您可以每天计算这些平均值&计算2周窗口的加权平均值（一天平均值的权重需要是原始表格中单个行的计数）。事情是这样的：

with p as (
    select timestamp '2017-05-01' min, 
     timestamp '2017-08-31' max 
) 
select  t.* 
from  p 
cross join (select  days, sum(sum(temperature)) over pn1week/sum(count(temperature)) over pn1week 
      from  p 
      cross join generate_series(min - interval '1 week', max + interval '1 week', interval '1 day') days 
      left join temperatures on site_id = ? and extract(doy from timestamp) = extract(doy from days) 
      group by days 
      window  pn1week as (order by days rows between 7 preceding and 7 following)) t 
where  days between min and max 
order by days 

但是，这里不是多大的收获，因为这是唯一的一样快，你的原始查询（与最佳指标）的两倍。

http://rextester.com/JCAG41071

注意：我以前timestamp，因为我认为你列的类型是timestamp。但事实证明，你使用timestamptz（又名timestamp with time zone）。使用那种类型，您无法索引extract(doy from timestamp)表达式，因为that expression's output is dependent of the actual client's time zone setting。

对于timestamptz使用（至少）以site_id开头的索引。无论如何，使用窗口版本应该会提高性能。

http://rextester.com/XTJSM42954