PostgreSQL中的查询调优
我有一个17秒内运行的查询，但我想不出优化此查询的方法。非常需要一些帮助PostgreSQL中的查询调优,sql,postgresql,query-optimization,sql-tuning,Sql,Postgresql,Query Optimization,Sql Tuning,我有一个17秒内运行的查询，但我想不出优化此查询的方法。非常需要一些帮助 EXPLAIN ANALYSE CREATE materialized VIEW professores_fizeram_planejamentoTEST as SELECT unities.id as id_escola, unities.name as nome_escola, teachers.id as id_professor, teach
EXPLAIN ANALYSE
CREATE materialized VIEW professores_fizeram_planejamentoTEST as
SELECT unities.id as id_escola,
unities.name as nome_escola,
teachers.id as id_professor,
teachers.name as nome_professor,
datas.dia,
COALESCE((SELECT true
FROM lesson_plans
WHERE lesson_plans.teacher_id = teachers.id and
datas.dia between lesson_plans.start_at and lesson_plans.end_at
LIMIT 1), false) as criou_plano_aula,
COALESCE((select true
from content_records
where content_records.teacher_id = teachers.id and
content_records.record_date = datas.dia
limit 1), false) as criou_registro_conteudo
FROM (SELECT i::date as dia,
EXTRACT(year FROM i::date) as ano
FROM generate_series(date_trunc('year', now()), now(), '1 day'::INTERVAL) i
WHERE EXTRACT(dow from i::timestamp) in (1,2,3,4,5)) datas
JOIN (SELECT distinct teacher_id, classroom_id, YEAR
FROM teacher_discipline_classrooms) teacher_discipline_classrooms ON (teacher_discipline_classrooms.year = datas.ano)
JOIN classrooms on (classrooms.id = teacher_discipline_classrooms.classroom_id)
JOIN unities on (unities.id = classrooms.unity_id)
JOIN teachers on (teachers.id = teacher_discipline_classrooms.teacher_id)
WHERE NOT EXISTS(SELECT 1
FROM school_calendars
JOIN school_calendar_events on (school_calendar_events.school_calendar_id = school_calendars.id and
school_calendar_events.event_type = 'no_school' and
datas.dia between school_calendar_events.start_date and school_calendar_events.end_date)
WHERE school_calendars.unity_id = unities.id)
Nested Loop (cost=143.840..3721.540 rows=38 width=66) (actual time=1.923..17270.125 rows=171231 loops=1)
-> Nested Loop (cost=143.690..1523.510 rows=38 width=41) (actual time=1.744..5996.571 rows=171231 loops=1)
Join Filter: (NOT (delta 3))
Rows Removed by Join Filter: 15249
-> Nested Loop (cost=143.550..203.530 rows=76 width=16) (actual time=1.661..568.049 rows=186480 loops=1)
-> Hash Join (cost=143.270..165.450 rows=76 width=16) (actual time=1.651..183.740 rows=186660 loops=1)
Hash Cond: ((victor.juliet_seven)::double precision = echo_tango('quebec_four'::text, ((alpha_quebec_whiskey.alpha_quebec_whiskey)::date)::timestamp without time zone))
-> HashAggregate (cost=121.700..127.820 rows=612 width=12) (actual time=1.384..3.336 rows=2388 loops=1)
Group Key: victor.foxtrot_six, victor.oscar_kilo, victor.juliet_seven
-> Seq Scan on victor (cost=0.000..94.400 rows=3640 width=12) (actual time=0.004..0.563 rows=3640 loops=1)
-> Hash (cost=21.260..21.260 rows=25 width=8) (actual time=0.256..0.256 rows=180 loops=1)
Buckets: 1024 Batches: 1 Memory Usage: 16kB
-> Function Scan on xray_yankee alpha_quebec_whiskey (cost=0.010..21.260 rows=25 width=8) (actual time=0.081..0.195 rows=180 loops=1)
Filter: (echo_tango('papa'::text, (alpha_quebec_whiskey)::timestamp without time zone) = ANY ('oscar_seven_charlie'::double precision[]))
Rows Removed by Filter: 72
-> Index Scan using echo_victor on uniform (cost=0.280..0.490 rows=1 width=8) (actual time=0.001..0.002 rows=1 loops=186660)
Index Cond: (quebec_seven = victor.oscar_kilo)
-> Index Scan using golf on four (cost=0.140..0.160 rows=1 width=29) (actual time=0.001..0.001 rows=1 loops=186480)
Index Cond: (quebec_seven = uniform.xray_victor)
SubPlan
-> Nested Loop (cost=0.280..34.110 rows=2 width=0) (actual time=0.027..0.027 rows=0 loops=186480)
-> Seq Scan on seven (cost=0.000..1.990 rows=2 width=4) (actual time=0.003..0.008 rows=2 loops=186480)
Filter: (xray_victor = four.quebec_seven)
Rows Removed by Filter: 75
-> Index Scan using alpha_quebec_papa on two (cost=0.280..16.050 rows=1 width=4) (actual time=0.008..0.008 rows=0 loops=372960)
Index Cond: (zulu = seven.quebec_seven)
Filter: (((xray_delta)::text = 'oscar_seven_golf'::text) AND ((alpha_quebec_whiskey.alpha_quebec_whiskey)::date >= foxtrot_three) AND ((alpha_quebec_whiskey.alpha_quebec_whiskey)::date <= lima))
Rows Removed by Filter: 14
-> Index Scan using tango on romeo (cost=0.150..0.200 rows=1 width=29) (actual time=0.001..0.001 rows=1 loops=171231)
Index Cond: (quebec_seven = victor.foxtrot_six)
SubPlan
-> Limit (cost=0.000..20.600 rows=1 width=0) (actual time=0.048..0.048 rows=0 loops=171231)
-> Seq Scan on five (cost=0.000..20.600 rows=1 width=0) (actual time=0.045..0.045 rows=0 loops=171231)
Filter: ((foxtrot_six = romeo.quebec_seven) AND ((alpha_quebec_whiskey.alpha_quebec_whiskey)::date >= oscar_echo) AND ((alpha_quebec_whiskey.alpha_quebec_whiskey)::date <= xray_three))
Rows Removed by Filter: 246
SubPlan
-> Limit (cost=4.810..37.030 rows=1 width=0) (actual time=0.015..0.015 rows=0 loops=171231)
-> Bitmap Heap Scan on whiskey (cost=4.810..37.030 rows=1 width=0) (actual time=0.011..0.011 rows=0 loops=171231)
Recheck Cond: (foxtrot_six = romeo.quebec_seven)
Filter: (foxtrot_tango = (alpha_quebec_whiskey.alpha_quebec_whiskey)::date)
Rows Removed by Filter: 28
Heap Blocks: exact=258248
-> Bitmap Index Scan on juliet_bravo (cost=0.000..4.810 rows=70 width=0) (actual time=0.003..0.003 rows=37 loops=171231)
Index Cond: (foxtrot_six = romeo.quebec_seven)
嵌套循环（成本=143.840..3721.540行=38宽度=66）（实际时间=1.923..17270.125行=171231循环=1）
->嵌套循环（成本=143.690..1523.510行=38宽度=41）（实际时间=1.744..5996.571行=171231个循环=1）
联接筛选器：（非（增量3））
被联接筛选器删除的行：15249
->嵌套循环（成本=143.550..203.530行=76宽度=16）（实际时间=1.661..568.049行=186480个循环=1）
->散列联接（成本=143.270..165.450行=76宽度=16）（实际时间=1.651..183.740行=186660循环=1）
Hash Cond:（（victor.juliet_seven）：：双精度=回声探戈（‘魁北克四’：：文本，（（阿尔法魁北克威士忌。阿尔法魁北克威士忌）：：日期）：：无时区的时间戳））
->HashAggregate（成本=121.700..127.820行=612宽度=12）（实际时间=1.384..3.336行=2388个循环=1）
组键：维克托。狐步六号，维克托。奥斯卡。基洛，维克托。朱丽叶七号
->victor上的顺序扫描（成本=0.000..94.400行=3640宽度=12）（实际时间=0.004..0.563行=3640循环=1）
->散列（成本=21.260..21.260行=25宽度=8）（实际时间=0.256..0.256行=180循环=1）
存储桶：1024批：1内存使用量：16kB
->X射线功能扫描（成本=0.010..21.260行=25宽=8）（实际时间=0.081..0.195行=180圈=1）
过滤器：（echo_tango（'papa'：：text，（alpha_魁北克威士忌）：：没有时区的时间戳）=ANY（'oscar_seven_charlie'：：双精度[]）
被筛选器删除的行：72
->使用统一的echo_victor进行索引扫描（成本=0.280..0.490行=1宽度=8）（实际时间=0.001..0.002行=1圈=186660）
索引条件：（魁北克七号=维克多·奥斯卡·基洛）
->在四个上使用高尔夫进行索引扫描（成本=0.140..0.160行=1宽度=29）（实际时间=0.001..0.001行=1圈=186480）
索引条件：（魁北克七号=均匀X射线）
子计划
->嵌套循环（成本=0.280..34.110行=2宽度=0）（实际时间=0.027..0.027行=0循环=186480）
->七次扫描（成本=0.000..1.990行=2宽度=4）（实际时间=0.003..0.008行=2个循环=186480）
过滤器：（X射线=4。魁北克=7）
被筛选器删除的行：75
->使用alpha_quebec_papa对两个进行索引扫描（成本=0.280..16.050行=1宽度=4）（实际时间=0.008..0.008行=0循环=372960）
索引条件：（祖鲁=七。魁北克七）
过滤器：（（X射线三角洲）：：text='oscar_seven_golf'：：text）和（（阿尔法魁北克威士忌。阿尔法魁北克威士忌）：：date>=狐步三）和（（阿尔法魁北克威士忌。阿尔法魁北克威士忌）：：在罗密欧上使用探戈进行日期索引扫描（成本=0.150..0.200行=1宽度=29）（实际时间=0.001..0.001行=1圈=171231）
索引条件：（魁北克七号=维克多·狐步六号）
子计划
->限制（成本=0.000..20.600行=1宽度=0）（实际时间=0.048..0.048行=0圈=171231）
->五次扫描的顺序（成本=0.000..20.600行=1宽度=0）（实际时间=0.045..0.045行=0循环=171231）
过滤器：（（狐步六号=罗密欧·魁北克·七号）和（（阿尔法·魁北克·阿尔法·魁北克·威士忌）：：日期>=oscar·echo）和（（阿尔法·魁北克·阿尔法·魁北克·威士忌）：：日期限制（成本=4.810..37.030行=1宽度=0）（实际时间=0.015..0.015行=0圈=171231）
->威士忌上的位图堆扫描（成本=4.810..37.030行=1宽度=0）（实际时间=0.011..0.011行=0循环=171231）
复查条件：（狐步六号=罗密欧，魁北克七号）
过滤器：（狐步探戈=（阿尔法魁北克威士忌。阿尔法魁北克威士忌）：：日期）
被筛选器删除的行：28
堆块：精确=258248
->juliet_bravo上的位图索引扫描（成本=0.000..4.810行=70宽度=0）（实际时间=0.003..0.003行=37圈=171231）
索引条件：（狐步六号=罗密欧，魁北克七号）
谢谢。这不是答案，而是一条不适合评论部分的评论。如果您想加快查询速度，请添加一些信息： 首先，请包括执行计划。这将告诉我们发生了什么 此外，请张贴：
课程计划的现有索引content\u记录上的现有索引教师纪律教室上的行教师、学科、教室的现有索引教室上的现有索引单元上的现有索引教师索引学校日历上的现有索引- 不，我们不会
- 清理查询（例如，添加别名并使用它们）
…可以由简单的合并（（从课程计划中选择true，其中课程计划.teacher\u id=teachers.id，课程计划.start\u at和课程计划.end\u之间的datas.dia限制为1），false）为criou\u plano\u aulaEXISTS（子查询）- 外部查询只引用{unities，teachers，datas}，其余的表仅仅是连接表
- 如果查询计划中的预期值和观察值之间存在差异，那么您的统计数据是错误的
- generate_series（）上的函数scan破坏了查询计划。最好使用材质日历表，它可以被索引和计数
- 始终在问题中添加调整参数和基数估计。这些不是细节