PostgreSQL中的快速查询

我有一个非常大的数据库（~1TB），所以运行一个非常简单的查询可能需要很长时间。例如：

EXPLAIN select count(*) from users; 

获取磁盘页的成本为44661683.87。因此，执行成本非常高。 当我尝试对查询设置限制时，如：

EXPLAIN select count(*) from users limit 10;

执行查询的成本保持不变，即44661683.87磁盘页获取

那么（1）是否可以对数据子集执行查询，然后外推到表的其余部分？可以使用以下方法快速找到行大小：

SELECT reltuples AS approximate_row_count FROM pg_class WHERE relname = 'users';

此外，（2）是否可以选择随机分布的行子集？

选择计数（*）

是一个聚合查询，没有

分组依据

。它返回1行，因此限制没有影响

你似乎想要：

select count(*)
from (select u.*
      from users u
      limit 10
     );

至于你的第二个问题，Postgres在9.5版中引入了

tablesample

选择计数（*）

是一个聚合查询，没有

分组依据

。它返回1行，因此限制没有影响

你似乎想要：

select count(*)
from (select u.*
      from users u
      limit 10
     );

至于你的第二个问题，Postgres在9.5版中引入了

tablesample

是否可以对数据子集执行查询，然后推断到表的其余部分

您可以使用

tablesample

选项：

select count(*) * 10
from the_table tablesample system (10);

tablesample系统（10）

只扫描表中10%的块，这应该相当快。如果将结果行数乘以10，则总行数的近似值为（！）。样本量越小，速度越快，这将是-但也不太准确

I数字的准确性取决于您的表有多少可用空间，因为10%（或您选择的任何样本大小）基于表中的块总数。如果有许多空闲（或半空闲）块，那么这个数字就不太可靠

是否可以对数据子集执行查询，然后推断到表的其余部分

您可以使用

tablesample

选项：

select count(*) * 10
from the_table tablesample system (10);

tablesample系统（10）

只扫描表中10%的块，这应该相当快。如果将结果行数乘以10，则总行数的近似值为（！）。样本量越小，速度越快，这将是-但也不太准确

---

I数字的准确性取决于您的表有多少可用空间，因为10%（或您选择的任何样本大小）基于表中的块总数。如果有许多空闲（或半空闲）块，那么这个数字就不太可靠

如果用户表上有一个主键索引（或另一列上的索引），可以让它将该索引用于仅索引扫描，这将产生更好的执行计划。但是，奇怪的是，它不能与COUNT一起工作，因此您可以在子查询中执行SELECT DISTINCT，然后对外部查询进行计数，以强制它使用索引：

EXPLAIN SELECT COUNT(*) FROM (SELECT DISTINCT id FROM users) u;

---

如果用户表上有一个主键索引（或另一列上的索引），可以让它将该索引用于仅索引扫描，这将产生更好的执行计划。但是，奇怪的是，它不能与COUNT一起工作，因此您可以在子查询中执行SELECT DISTINCT，然后对外部查询进行计数，以强制它使用索引：

EXPLAIN SELECT COUNT(*) FROM (SELECT DISTINCT id FROM users) u;

---

这不会改变任何事情。Postgres将扫描PK索引以查找

计数（*）

您确定吗？我刚刚在第9.6页的一个非常大的表上运行了SELECT COUNT（*）的EXPLAIN，它在表上显示了Seq Scan，而不是索引。仅索引扫描受最新统计数据和正确清空的表的约束-但我确实看到了几乎所有表的这一点。类似这样的事情：这不会改变任何事情。Postgres将扫描PK索引以查找

计数（*）

您确定吗？我刚刚在第9.6页的一个非常大的表上运行了SELECT COUNT（*）的EXPLAIN，它在表上显示了Seq Scan，而不是索引。仅索引扫描受最新统计数据和正确清空的表的约束-但我确实看到了几乎所有表的这一点。大概是这样的：