Sql 通过两个表循环的优化方式，其中一个表非常大

基本上，我正在处理来自icu患者的数据，并研究一种特定的疾病。对于每个患者，在患者入住ICU期间，我都有疾病阶段，如您所见：

我的另一个表是记录表：

我只想在记录表中添加疾病的阶段，即进行测量时的阶段，这可以简单地通过records.charttime在timeline.Start和timeline.ends之间进行，但我想以尽可能优化的方式进行，因为记录表有近1亿行，时间线表超过10万行

我读过关于游标的用法，但我不知道在这种情况下使用游标是否有意义，或者我只是增加了复杂性，使用JOIN可以很容易地解决这个问题

---

最好的解决方案是什么？

使用显式游标循环通常比普通连接慢。Postgres将为您执行循环，很可能在查询计划中使用嵌套循环

SELECT r.*, t.stage
FROM   records       r
LEFT   JOIN timeline t ON r.icustay_id = t.icustay_id -- guessing ... ?
                      AND r.charttime >= t.starts
                      AND r.charttime <  t.ends;      -- excl. upper bound

两者之间可能会错误地包含上限

左连接保留记录中的所有行，即使在时间轴中找不到匹配项

我假设时间线中的范围不能重叠？否则，将得到重复的行。表时间表可能有一个排除约束。见：

因为您无论如何都在处理整个表，所以索引不会有多大帮助

---

然而，由于您的记录表太大，您可能没有足够的内存来处理RAM中的所有内容，所以一次处理记录表的分区可能是值得的。分区的最佳方式取决于未公开的详细信息，最重要的是两个表中行的物理排序顺序。

请以纯文本形式提供表定义和示例数据，而不是图像链接。并始终声明您的Postgres版本。考虑下面的说明：您是否试图在记录表中添加一个新列并填充它？或者您只是想在不改变表结构的情况下动态查看联接的结果？我认为联接条件还需要包括timeline.icustay\u id=records.icustay\u id。@jjanes:是的，列名也建议这样做。我加上去了。