Postgresql 是否加快此查询以创建物化视图？

我在OSX上使用Postgres9.4，内存为16GB。我正在我的Postgres表上创建一个物化视图，但是它的创建速度非常慢，我想知道是否有任何方法可以加快速度

以下是显示支出项目和组织的基本表格：

Table "public.spending_item"
      Column       |          Type           |                             Modifiers
-------------------+-------------------------+--------------------------------------------------------------------
 id                | integer                 | not null default nextval('spending_item_id_seq'::regclass)
 presentation_code | character varying(15)   | not null
 presentation_name | character varying(1000) | not null
 total_items       | integer                 | not null
 actual_cost       | double precision        | not null
 processing_date   | date                    | not null
 organisation_id   | character varying(9)    | not null

        Table "public.organisation"
  Column   |          Type          | Modifiers
-----------+------------------------+-----------
 code      | character varying(9)   | not null
 name      | character varying(200) | not null

支出项目

表中有100万行，而

组织

表中大约有10000行

我想创建的具体化视图如下-基本上是每月的总开支和总项目，按演示代码和组织进行分组

（我之所以创建它，是因为我需要诸如“对于代码为0304%的组织，请按月和组织向我提供总支出”或“对于代码为030405的组织，请按月和演示代码向我提供总支出”之类的查询。我的数据每月只更改一次，因此我认为物化视图对此有意义。）

我用于创建物化视图的查询如下所示：

SELECT spending_item.processing_date,
spending_item.organisation_id,
organisation.name,
spending_item.presentation_code,
spending_item.presentation_name,
SUM(spending_item.total_items) AS items,
SUM(spending_item.actual_cost) AS cost
FROM organisation, spending_item
WHERE spending_item.organisation_id=organisation.code
GROUP BY spending_item.processing_date, spending_item.presentation_name,   
spending_item.presentation_code, spending_item.organisation_id, 
organisation.name;

查询已运行了许多小时，尚未完成

这是对更严格的查询进行

解释分析
的结果（如上所述，但添加了
WHERE expensing\u item.organization\u id，如“0101%”
）：

GroupAggregate（成本=2263051.70..2291072.45行=934025宽度=86）（实际时间=60890.505..61069.808行=180圈=1）
->排序（成本=2263051.70..2265386.76行=934025宽度=86）（实际时间=60890.497..60945.558行=397717循环=1）
排序键：支出项目。处理项目。日期，支出项目。展示项目名称，支出项目。展示项目代码，支出项目。组织id，组织名称
排序方法：外部排序磁盘：32240kB
->散列联接（成本=23877.71..2125733.64行=934025宽度=86）（实际时间=180.302..42251.826行=397717循环=1）
散列条件：（（支出项目.组织机构id）：：text=（组织机构代码）：：text）
->支出项目上的位图堆扫描（成本=23276.92..2109954.94行=934025宽度=68）（实际时间=178.521..41743.141行=397717循环=1）
筛选器：（（组织id）：：text~~'0201%：：text）
->支出、项目、组织、id、varchar、模式、运营、idx上的位图索引扫描（成本=0.00..23043.41行=924684宽度=0）（实际时间=136.077..136.077行=397717循环=1）
索引条件：（（组织id）：：text~>='0201'：：text）和（（组织id）：：text~Hash（成本=558.13..558.13行=3413宽度=27）（实际时间=1.774..1.774行=3413循环=1）
存储桶：1024批：1内存使用率：203kB
->组织顺序扫描（成本=0.00..558.13行=3413宽度=27）（实际时间=0.004..0.991行=3413圈=1）
总运行时间：61089.664毫秒

如果您能给我提些建议，我将不胜感激。我已经将
维护\u工作\u mem
，
共享\u缓冲区
等设置得很高，所以我认为我在这方面没有什么可以做的

或者对于我想要运行的两种类型的查询，使用两种不同的物化视图更有意义

如果我能提供任何其他信息，请告诉我。
“外部排序磁盘：32240kB”，您是否也更改了work_mem？对于此查询所使用的数据量来说，这是一个不够好的问题。请尝试50MB、100MB或类似的方式。但这不是您最大的问题，这是位图堆扫描。请看一看，您创建了哪些索引？请参阅我对低基数大键的评论：@joop谢谢。我已经更新了如果有帮助的话，请给出关于依赖关系的答案。@FrankHeikens有很多索引-关于
支出项目
：
“支出项目”主键，btree（id），“支出项目”btree（处理日期），“支出项目”a69d813a（组织id），“支出项目”b9b2c7ab（演示代码），“支出项目组织id varchar模式运作idx”b树（组织id varchar模式运作），“支出项目展示代码69403ee04fda6522类似于”b树（展示代码varchar模式运作）
…在
组织上有一个索引
代码
。
SELECT spending_item.processing_date,
spending_item.organisation_id,
organisation.name,
spending_item.presentation_code,
spending_item.presentation_name,
SUM(spending_item.total_items) AS items,
SUM(spending_item.actual_cost) AS cost
FROM organisation, spending_item
WHERE spending_item.organisation_id=organisation.code
GROUP BY spending_item.processing_date, spending_item.presentation_name,   
spending_item.presentation_code, spending_item.organisation_id, 
organisation.name;

 GroupAggregate  (cost=2263051.70..2291072.45 rows=934025 width=86) (actual time=60890.505..61069.808 rows=180 loops=1)
   ->  Sort  (cost=2263051.70..2265386.76 rows=934025 width=86) (actual time=60890.497..60945.558 rows=397717 loops=1)
         Sort Key: spending_item.processing_date, spending_item.presentation_name, spending_item.presentation_code, spending_item.organisation_id, organisation.name
         Sort Method: external sort  Disk: 32240kB
         ->  Hash Join  (cost=23877.71..2125733.64 rows=934025 width=86) (actual time=180.302..42251.826 rows=397717 loops=1)
               Hash Cond: ((spending_item.organisation_id)::text = (organisation.code)::text)
               ->  Bitmap Heap Scan on spending_item  (cost=23276.92..2109954.94 rows=934025 width=68) (actual time=178.521..41743.141 rows=397717 loops=1)
                     Filter: ((organisation_id)::text ~~ '0201%'::text)
                     ->  Bitmap Index Scan on spending_item_organisation_id_varchar_pattern_ops_idx  (cost=0.00..23043.41 rows=924684 width=0) (actual time=136.077..136.077 rows=397717 loops=1)
                           Index Cond: (((organisation_id)::text ~>=~ '0201'::text) AND ((organisation_id)::text ~<~ '0202'::text))
               ->  Hash  (cost=558.13..558.13 rows=3413 width=27) (actual time=1.774..1.774 rows=3413 loops=1)
                     Buckets: 1024  Batches: 1  Memory Usage: 203kB
                     ->  Seq Scan on organisation  (cost=0.00..558.13 rows=3413 width=27) (actual time=0.004..0.991 rows=3413 loops=1)
 Total runtime: 61089.664 ms