postgresql COUNT (DISTINCT…) bardzo wolno

Mam bardzo proste zapytanie SQL:

SELECT COUNT(DISTINCT x) FROM table;

Moja tabela ma około 1,5 miliona wierszy. To zapytanie działa dość wolno; zajmuje to około 7,5 s, w porównaniu do

 SELECT COUNT(x) FROM table;

co trwa około 435 ms. Czy istnieje sposób na zmianę zapytania w celu zwiększenia wydajności? Próbowałem grupować i regularnie liczyć, a także umieszczać indeks na x; oba mają ten sam czas wykonania 7,5 s.

Możesz użyć tego:

SELECT COUNT(*) FROM (SELECT DISTINCT column_name FROM table_name) AS temp;

Jest to znacznie szybsze niż:

COUNT(DISTINCT column_name)

-- My default settings (this is basically a single-session machine, so work_mem is pretty high)
SET effective_cache_size='2048MB';
SET work_mem='16MB';

\echo original
EXPLAIN ANALYZE
SELECT
        COUNT (distinct val) as aantal
FROM one
        ;

\echo group by+count(*)
EXPLAIN ANALYZE
SELECT
        distinct val
       -- , COUNT(*)
FROM one
GROUP BY val;

\echo with CTE
EXPLAIN ANALYZE
WITH agg AS (
    SELECT distinct val
    FROM one
    GROUP BY val
    )
SELECT COUNT (*) as aantal
FROM agg
        ;

Wyniki:

original                                                      QUERY PLAN                                                      
----------------------------------------------------------------------------------------------------------------------
 Aggregate  (cost=36448.06..36448.07 rows=1 width=4) (actual time=1766.472..1766.472 rows=1 loops=1)
   ->  Seq Scan on one  (cost=0.00..32698.45 rows=1499845 width=4) (actual time=31.371..185.914 rows=1499845 loops=1)
 Total runtime: 1766.642 ms
(3 rows)

group by+count(*)
                                                         QUERY PLAN                                                         
----------------------------------------------------------------------------------------------------------------------------
 HashAggregate  (cost=36464.31..36477.31 rows=1300 width=4) (actual time=412.470..412.598 rows=1300 loops=1)
   ->  HashAggregate  (cost=36448.06..36461.06 rows=1300 width=4) (actual time=412.066..412.203 rows=1300 loops=1)
         ->  Seq Scan on one  (cost=0.00..32698.45 rows=1499845 width=4) (actual time=26.134..166.846 rows=1499845 loops=1)
 Total runtime: 412.686 ms
(4 rows)

with CTE
                                                             QUERY PLAN                                                             
------------------------------------------------------------------------------------------------------------------------------------
 Aggregate  (cost=36506.56..36506.57 rows=1 width=0) (actual time=408.239..408.239 rows=1 loops=1)
   CTE agg
     ->  HashAggregate  (cost=36464.31..36477.31 rows=1300 width=4) (actual time=407.704..407.847 rows=1300 loops=1)
           ->  HashAggregate  (cost=36448.06..36461.06 rows=1300 width=4) (actual time=407.320..407.467 rows=1300 loops=1)
                 ->  Seq Scan on one  (cost=0.00..32698.45 rows=1499845 width=4) (actual time=24.321..165.256 rows=1499845 loops=1)
       ->  CTE Scan on agg  (cost=0.00..26.00 rows=1300 width=0) (actual time=407.707..408.154 rows=1300 loops=1)
     Total runtime: 408.300 ms
    (7 rows)

Ten sam plan, co w przypadku CTE, można by prawdopodobnie stworzyć innymi metodami (funkcje okna)

Jeśli twoja count(distinct(x))jest znacznie wolniejsza niż count(x)wtedy, możesz przyspieszyć to zapytanie, utrzymując liczniki wartości x w innej tabeli, na przykład table_name_x_counts (x integer not null, x_count int not null)używając wyzwalaczy. Jednak wydajność zapisu ucierpi i jeśli zaktualizujesz wiele xwartości w jednej transakcji, musisz to zrobić w jakiejś jawnej kolejności, aby uniknąć możliwego impasu.

Szukałem również tej samej odpowiedzi, ponieważ w pewnym momencie potrzebowałem total_count z odrębnymi wartościami wraz z limitem / przesunięciem .

Ponieważ jest to trochę trudne, aby uzyskać całkowitą liczbę z różnymi wartościami wraz z limitem / przesunięciem. Zwykle trudno jest uzyskać całkowitą liczbę z limitem / przesunięciem. W końcu udało mi się zrobić -

SELECT DISTINCT COUNT(*) OVER() as total_count, * FROM table_name limit 2 offset 0;

Wydajność zapytań jest również wysoka.