PostgreSQL复杂求和查询
我有以下表格:PostgreSQL复杂求和查询,postgresql,Postgresql,我有以下表格: video (id, name) keyframe (id, name, video_id) /*video_id has fk on video.id*/ detector (id, concepts) score (detector_id, keyframe_id, score) /*detector_id has fk on detector .id and keyframe_id has fk on keyframe.id*/ 本质上,一个视频有多个与之相关联的
video (id, name)
keyframe (id, name, video_id) /*video_id has fk on video.id*/
detector (id, concepts)
score (detector_id, keyframe_id, score) /*detector_id has fk on detector .id and keyframe_id has fk on keyframe.id*/
本质上,一个视频有多个与之相关联的关键帧,每个关键帧都由所有检测器进行评分。每个检测器都有一系列概念,它将在这些概念上对关键帧进行评分
现在,如果可能,我想在单个查询中找到以下内容:
给定一组检测器id(比如,最多5个),返回在这些检测器上得分最高的前10个视频。通过平均每个探测器每个视频的关键帧分数,然后对探测器分数求和,对它们进行评分
例如:
对于具有3个相关关键帧的视频,2个检测器的分数如下:
detector_id | keyframe_id | score
1 1 0.0281
1 2 0.0012
1 3 0.0269
2 1 0.1341
2 2 0.9726
2 3 0.7125
这将为视频评分:
sum(avg(0.0281, 0.0012, 0.0269), avg(0.1341, 0.9726, 0.7125))
最终我希望得到以下结果:
video_id | score
1 0.417328
2 ...
我想一定是这样的,但我还没有完全做到:
select
(select
(select sum(avg_score) summed_score
from
(select
avg(s.score) avg_score
from score s
where s.detector_id = ANY(array[1,2,3,4,5]) and s.keyframe_id = kf.id) x)
from keyframe kf
where kf.video_id = v.id) y
from video v
我的分数表相当大(100米行),所以我希望它尽可能快(我尝试的所有其他选项都需要几分钟才能完成)。我总共有大约3000个视频,500个检测器,每个视频大约有15个关键帧
如果不可能在不到2秒内完成这项工作,那么我也愿意采用重构数据库模式的方法。数据库中可能根本没有插入/删除
编辑:
感谢GabrielsMessenger,我有一个答案,以下是查询计划:
EXPLAIN (analyze, verbose)
SELECT
v_id, sum(fd_avg_score)
FROM (
SELECT
v.id as v_id, k.id as k_id, d.id as d_id,
avg(s.score) as fd_avg_score
FROM
video v
JOIN keyframe k ON k.video_id = v.id
JOIN score s ON s.keyframe_id = k.id
JOIN detector d ON d.id = s.detector_id
WHERE
d.id = ANY(ARRAY[1,2,3,4,5]) /*here goes detector's array*/
GROUP BY
v.id,
k.id,
d.id
) sub
GROUP BY
v_id
;
免责声明:
我的最终答案是基于事实和与作者的聊天讨论。需要注意的是:每个关键帧id只分配给一个视频
原始答复:
这不是像下面的查询那样简单吗
SELECT
v_id, sum(fd_avg_score)
FROM (
SELECT
v.id as v_id, k.id as k_id, s.detector_id as d_id,
avg(s.score) as fd_avg_score
FROM
video v
JOIN keyframe k ON k.video_id = v.id
JOIN score s ON s.keyframe_id = k.id
WHERE
s.detector_id = ANY(ARRAY[1,2,3,4,5]) /*here goes detector's array*/
GROUP BY
v.id,
k.id,
detector_id
) sub
GROUP BY
v_id
LIMIT 10
;
首先,在子查询中,我们将视频与其关键帧连接起来,并将关键帧与分数连接起来。我们计算每个视频、这些视频的每个关键帧和每个检测器的平均分数(如您所说)。最后在主查询中,我们统计每个视频的平均分数
演出
正如作者所指出的,他在每个表的id
列上都有PRIMARY key
,在表score(detector\u id,keyrame\u id)
上也有复合索引。这可能足以快速运行此查询
但是,在测试时,作者需要进一步优化。所以有两件事:
真空分析
,特别是在插入100M行时(如分数
表格)。因此,至少执行真空分析评分
分数(检测器id,关键帧id)
上的复合索引更改为分数(检测器id,关键帧id,分数)
。它可能允许PostgreSQL在计算平均值时使用仅索引扫描
这里的f是什么,你是指k吗?我得到一个错误:
error:missing FROM子句条目for table“f”
谢谢,这似乎给出了很好的结果,但是查询需要相当长的时间(20秒)。关于如何提高速度,你有什么建议吗(我听说索引可能会有帮助)?你能发布查询计划吗?执行EXPLAIN ANALYZE
并向我们发布输出。你在每个表上都设置了主键吗?
SELECT
v_id, sum(fd_avg_score)
FROM (
SELECT
v.id as v_id, k.id as k_id, s.detector_id as d_id,
avg(s.score) as fd_avg_score
FROM
video v
JOIN keyframe k ON k.video_id = v.id
JOIN score s ON s.keyframe_id = k.id
WHERE
s.detector_id = ANY(ARRAY[1,2,3,4,5]) /*here goes detector's array*/
GROUP BY
v.id,
k.id,
detector_id
) sub
GROUP BY
v_id
LIMIT 10
;