Performance 如何在postgresql中优化查询此数据？

我有一个查询对于特定的行来说速度很慢。Postgres选择对某些行进行

Seq扫描

，而不是使用

索引扫描

，我认为这是因为它实际上比使用索引更快

以下是使用索引的查询计划，用于正常类型的工作负载：

以下是选择对不太正常的工作负载进行顺序扫描的查询计划：

在第一种情况下，该项目有15个工作岗位和2421个区块。在第二种情况下，该项目有2164个工作岗位和2516个区块

有没有办法查询这些数据，这样第二个工作负载就不会那么慢了？或者我只是在接近某种最糟糕的性能负载

编辑

将random_page_cost更新为1.1并重新运行慢速查询的解释后：

---

好多了！看起来我需要花一些时间来调整服务器配置。

由于两个索引扫描上的嵌套循环比位图索引扫描上的hashjoin快得多，我想说，您的

随机页面成本

不能准确反映您的实际性能，至少当数据缓存在RAM或

共享缓冲区中时是如此

尝试设置
SET random\u page\u cost=1.1
并在该会话中重新运行。您可能还想在这个问题上投入更多的
work\u mem

如果
random\u page\u cost
调整有效，您可能需要更新
postgresql.conf
以反映它。注意1.1是一个非常极端的设置；默认值为4，
seq_page_cost
为1，因此在配置文件中，我会从2或1.5开始，以避免使其他计划变得更糟。
您有哪些索引？在
作业.项目id
和
块.作业id
列上有索引。请显示完整的
解释（分析，缓冲区）…
不仅仅是
解释
。
jobs.id
呢？由于两个索引扫描上的嵌套循环比位图索引扫描上的hashjoin快得多，我想说，您的随机页面成本并不能准确反映您的实际性能，至少当数据缓存在RAM或共享缓冲区中时是如此。尝试设置
SET random\u page\u cost=1.1
并在该会话中重新运行。您可能还想在这个问题上投入更多的
work\u mem
。使用
random\u page\u cost
对我的一些查询产生了巨大的积极影响。下面是一篇很好的文章，详细介绍了由于随机页面成本而带来的性能改进：
EXPLAIN (ANALYZE, BUFFERS) SELECT "blocks".* FROM "blocks" INNER JOIN "jobs" ON "blocks"."job_id" = "jobs"."id" WHERE "jobs"."project_id" = 1;
                                                                 QUERY PLAN                                                                 
--------------------------------------------------------------------------------------------------------------------------------------------
 Nested Loop  (cost=0.71..166.27 rows=19 width=130) (actual time=0.092..4.247 rows=2421 loops=1)
   Buffers: shared hit=350
   ->  Index Scan using index_jobs_on_project_id on jobs  (cost=0.29..18.81 rows=4 width=4) (actual time=0.044..0.099 rows=15 loops=1)
         Index Cond: (project_id = 1)
         Buffers: shared hit=17
   ->  Index Scan using index_blocks_on_job_id on blocks  (cost=0.42..36.67 rows=19 width=130) (actual time=0.021..0.133 rows=161 loops=15)
         Index Cond: (job_id = jobs.id)
         Buffers: shared hit=333
 Total runtime: 4.737 ms
(9 rows)

EXPLAIN (ANALYZE, BUFFERS) SELECT "blocks".* FROM "blocks" INNER JOIN "jobs" ON "blocks"."job_id" = "jobs"."id" WHERE "jobs"."project_id" = 2;
                                                                 QUERY PLAN                                                                     
----------------------------------------------------------------------------------------------------------------------------------------------------
Hash Join  (cost=1138.64..11236.94 rows=10421 width=130) (actual time=5.212..72.604 rows=2516 loops=1)
 Hash Cond: (blocks.job_id = jobs.id)
 Buffers: shared hit=5671
 ->  Seq Scan on blocks  (cost=0.00..8478.06 rows=303206 width=130) (actual time=0.008..24.573 rows=298084 loops=1)
       Buffers: shared hit=5446
 ->  Hash  (cost=1111.79..1111.79 rows=2148 width=4) (actual time=3.346..3.346 rows=2164 loops=1)
       Buckets: 1024  Batches: 1  Memory Usage: 77kB
       Buffers: shared hit=225
       ->  Bitmap Heap Scan on jobs  (cost=40.94..1111.79 rows=2148 width=4) (actual time=0.595..2.158 rows=2164 loops=1)
             Recheck Cond: (project_id = 2)
             Buffers: shared hit=225
             ->  Bitmap Index Scan on index_jobs_on_project_id  (cost=0.00..40.40 rows=2148 width=0) (actual time=0.516..0.516 rows=2164 loops=1)
                   Index Cond: (project_id = 2)
                   Buffers: shared hit=8
 Total runtime: 72.767 ms
(15 rows)

EXPLAIN (ANALYZE, BUFFERS) SELECT "blocks".* FROM "blocks" INNER JOIN "jobs" ON "blocks"."job_id" = "jobs"."id" WHERE "jobs"."project_id" = 2;

                                                              QUERY PLAN                                                                  
----------------------------------------------------------------------------------------------------------------------------------------------
 Nested Loop  (cost=0.71..7634.08 rows=10421 width=130) (actual time=0.025..10.597 rows=2516 loops=1)
   Buffers: shared hit=9206
   ->  Index Scan using index_jobs_on_project_id on jobs  (cost=0.29..1048.99 rows=2148 width=4) (actual time=0.015..1.239 rows=2164 loops=1)
         Index Cond: (project_id = 32357)
         Buffers: shared hit=225
   ->  Index Scan using index_blocks_on_job_id on blocks  (cost=0.42..2.88 rows=19 width=130) (actual time=0.003..0.003 rows=1 loops=2164)
         Index Cond: (job_id = jobs.id)
         Buffers: shared hit=8981
 Total runtime: 10.925 ms
(9 rows)