Postgresql 由于readahead的魔力，y能够将其全部容量交付给单个阅读器。有时，平行阅读者甚至会互相踩对方的脚，使整体表现更糟。您可以使用将每个聚集的最大并行工人数设置为0来禁用并行化这可能会使事情变得更快，如果不这样做，至少会使解释计划更容易理解

您获取的数据超过了表的3%：

193963/（193963+6041677）

。当您获取这么多的索引时，索引可能没有多大帮助。如果它们是，你会想要一个组合索引，而不是单个索引。因此，您需要

（客户端、事件名称、日期（datetime））

上的索引。然后，您还需要将查询更改为使用

date（datetime）

，而不是

为\u char（datetime，'YYYY-MM-DD'）

。您需要进行此更改，因为to_char不是不可变的，因此无法编制索引

增加工作量似乎使排序速度提高了8倍：

（172639.670-169311.063）/（167975.549-167570.669）

。但是，由于排序只占用了总执行时间的一小部分，因此将排序速度提高1000倍并不能使总体情况变得更好。这是占用时间的顺序扫描

seq扫描的大部分时间可能都花在IO上。打开跟踪io定时后，可以通过运行

EXPLAIN（ANALYZE，BUFFERS）

查看

此外，由于readahead的魔力，将seq扫描并行化通常不是很有帮助，因为IO系统通常能够将其全部容量交付给单个读卡器。有时，平行阅读者甚至会互相踩对方的脚，使整体表现更糟。您可以使用

将每个聚集的最大并行工人数设置为0来禁用并行化这可能会使事情变得更快，如果不这样做，至少会使解释计划更容易理解

您获取的数据超过了表的3%：
193963/（193963+6041677）
。当您获取这么多的索引时，索引可能没有多大帮助。如果它们是，你会想要一个组合索引，而不是单个索引。因此，您需要
（客户端、事件名称、日期（datetime））
上的索引。然后，您还需要将查询更改为使用
date（datetime）
，而不是
为\u char（datetime，'YYYY-MM-DD'）
。您需要进行此更改，因为to_char不是不可变的，因此无法编制索引
 通过修改查询，问题得到了解决。这里是关于to_char方法的问题。它将表中每个记录的日期对象转换为字符串日期，以与给定的字符串日期匹配。所以我更新查询，就像提取给定日期和第二天日期之间的记录一样。现在，我将在500毫秒内得到响应。
通过修改查询，问题得到了解决。这里是关于to_char方法的问题。它将表中每个记录的日期对象转换为字符串日期，以与给定的字符串日期匹配。所以我更新查询，就像提取给定日期和第二天日期之间的记录一样。现在，我将在500毫秒内收到响应。
工作量的增加使您不再进行磁盘排序，但seqscan仍然占用了大部分时间。您是否在
事件
表中为列
（客户端，事件名称，to_char（datetime，'YYYY-MM-DD'：：text））
创建了索引？是的，我为查询中的所有列名编制了索引。
工作记忆
的增加使您无法在磁盘上进行排序，但seqscan仍然占用了大部分时间。您是否已在
事件
表中为列
（客户端，事件名称，to_char（datetime，'YYYY-MM-DD'：：text））
创建了索引？是的，我已为属于查询一部分的所有列名编制了索引。将尝试并发回响应。谢谢将尝试发回回复。谢谢
event_logs=> select count(*) from events;
  count   
----------
 18706734
(1 row)

select raw->'request_payload'->'source'->0 as file, 
       count(raw->'request_payload'->>'status') as count, 
       raw->'request_payload'->>'status' as status 
from events 
where client = 'NTT' 
  and to_char(datetime, 'YYYY-MM-DD') = '2019-10-31' 
  and event_name = 'wbs_indexing' 
group by raw->'request_payload'->'source'->0, 
         raw->'request_payload'->>'status';

 file                   | count  | status  
-----------------------------+--------+--
 "xyz.csv"              |  91878 | failure
 "abc.csv"              |  91816 | failure
 "efg.csv"              | 398196 | failure
(3 rows)