优化大型表上的SQL连接

我正在PostgreSQL数据库上对一个大表运行一组sql查询，每天新增7000000行，在第一次查看时遇到了一些性能问题，现在正在创建表。我使用的大多数命令类似于以下查询：

CREATE TABLE events_tb AS

SELECT *

FROM
(SELECT column1, column2, column3, column4, column5
 FROM test_database_1
 WHERE column6 = 'value1'
   AND date_column > '2012-07-01'
   AND date_column < '2012-07-10'
) a

INNER JOIN ( SELECT DISTINCT column1 FROM test_database_2) b
        ON (a.column1 = b.column1);

---

有没有办法改进上述语句集合，以说明查询是针对非常大的表运行的？

我对PostgreSQL的优化器一无所知，但您可以尝试用IN-SELECT替换内部联接。。。结构：

CREATE TABLE events_tb AS

SELECT column1, column2, column3, column4, column5

FROM test_database_1

WHERE column6 = 'value1'
  AND date_column > '2012-07-01'
  AND date_column < '2012-07-10'
  AND column1 IN ( SELECT DISTINCT column1 FROM test_database_2 )

---

我对PostgreSQL的优化器一无所知，但您可以尝试用IN-SELECT替换内部联接。。。结构：

CREATE TABLE events_tb AS

SELECT column1, column2, column3, column4, column5

FROM test_database_1

WHERE column6 = 'value1'
  AND date_column > '2012-07-01'
  AND date_column < '2012-07-10'
  AND column1 IN ( SELECT DISTINCT column1 FROM test_database_2 )

---

这应该更简单、更快：

CREATE TABLE events_tb AS
SELECT column1, column2, column3, column4, column5
FROM   test_database_1 t1
WHERE  column6 = 'value1'
AND    date_column > '2012-07-01'
AND    date_column < '2012-07-10'
AND    EXISTS (
    SELECT 1
    FROM   test_database_2 t2
    WHERE  t2.column1 = t1.column1
    );

按照您的方式，在新创建的表中会两次包含column1，这将导致一条错误消息

---

应该比联接或IN表达式快，因为它可以在第一次查找时停止执行。这对于重复项尤其有益——从查询中的不同点来看，您似乎拥有重复项。

这应该更简单、更快：

CREATE TABLE events_tb AS
SELECT column1, column2, column3, column4, column5
FROM   test_database_1 t1
WHERE  column6 = 'value1'
AND    date_column > '2012-07-01'
AND    date_column < '2012-07-10'
AND    EXISTS (
    SELECT 1
    FROM   test_database_2 t2
    WHERE  t2.column1 = t1.column1
    );

按照您的方式，在新创建的表中会两次包含column1，这将导致一条错误消息

---

应该比联接或IN表达式快，因为它可以在第一次查找时停止执行。这对于副本尤其有益——从您的查询中的差异来看，您似乎有副本。

请向我们展示执行计划。上传给您的解释分析更倾向于提到一组语句，但我只看到一个查询？请向我们展示执行计划。上传给您的解释分析更倾向于提到一组语句，但我只看到一个查询？因为您将其移动到了一个不同的位置，所以不再需要。这可能会改善或恶化性能，具体取决于数据是什么样的。date_列和column6是否有索引？在选择中。。。通常不会比PostgreSQL中的联接快。因为您已将其移动到distinct中的，所以不再需要。这可能会改善或恶化性能，具体取决于数据是什么样的。date_列和column6是否有索引？在选择中。。。通常不比PostgreSQL中的联接快。