多条件有效查询

Question

我有一个数据库

books          (primary key: bookID)
characterNames (foreign key: books.bookID) 
locations      (foreign key: books.bookID)

字符名称和位置的文本位置保存在相应的表中。
现在我想使用 psycopg2 编写一个 Python 脚本来查找给定字符名称和书中给定位置的所有出现，两者都出现。
目前，我执行 4 个查询：

SELECT bookID, position FROM characterNames WHERE name='XXX';
--> result is saved in list 'charnames'

SELECT DISTINCT bookID FROM characterNames WHERE name='XXX';
--> result is saved in list 'charnamesIDs'

SELECT bookID, position FROM locations WHERE locName='YYY';
--> result is saved in list 'locs'

SELECT bookID FROM locations WHERE locName='YYY';
--> result is saved in list 'locsIDs'

这两个查询都可以为我提供仅显示名称或位置的 bookID。所以我的目标是消除所有的 'charnames' 元素，而 bookID 没有出现在 'locs' 中，反之亦然。我的做法是：

for cnameTuple in charnames:  
~if cnameTuple[0] in locsIDs:  
~~continue  
~del(cname)

我为 locs 中的元组做了一个相应的循环。
不幸的是，这个算法需要很多时间。有没有办法更快地完成这项任务？

Answer 1

如果使用 JOIN 进行查询，这可能会更快、更简单。
像这样的：

SELECT b.*, c.position, l.position
FROM   books b
JOIN   characternames c USING (bookid)
JOIN   locations l USING (bookid)
WHERE  c.name = 'XXX'
AND    l.locname = 'YYY';

• only retrieve the data you need from the database server 通常是一个好主意，而不是在您的应用程序中获取过多数据和过滤。数据库引擎针对过滤和排序进行了优化。一开始你几乎无法在你的应用中匹配它。

• 请注意我如何使用所有小写名称。阅读manual about identifiers。

• SELECT statement, in particular about JOINs上的手册。

---

评论后的更多信息

“数千本书”对于像 PostgreSQL 这样旨在处理百万的 RDBMS 来说完全没有问题。大表性能的关键是正确的indexes。对于此处的查询，以下索引可能会有所帮助：

CREATE INDEX books_bookid_idx ON books(bookid); -- a primary key will do, too

CREATE INDEX cn_bookid_idx ON characternames (bookid);
CREATE INDEX cn_name_idx ON characternames (name);

CREATE INDEX locations_bookid_idx ON locations (bookid);
CREATE INDEX locations_locname_idx ON locations (locname);

Multicolumn indexes 的性能可能会更好。使用EXPLAIN ANALYZE 进行测试，它将显示使用了哪些索引以及查询的速度。创建索引非常快，试验它们很容易。只是不要保留不需要的索引。它们也有维护成本。

---

优化查询

我think我现在明白了，你在找什么。应该优化此查询以获取每个 bookid 的位置或名称的所有位置，但仅限于名称 和 位置出现在同一本书中的位置，并且每本书没有更多详细信息：

WITH b AS (
    SELECT bookid
    FROM   characternames
    WHERE  name = 'XXX'
    GROUP  BY 1
    INTERSECT
    SELECT bookid
    FROM   locations
    WHERE  l.locname = 'YYY'
    GROUP  BY 1
    )
SELECT bookid, position, 'char' AS what
FROM   b
JOIN   characternames USING (bookid)
WHERE  name = 'XXX'
UNION  ALL
SELECT bookid, position, 'loc' AS what
FROM   b
JOIN   locations USING (bookid)
WHERE  locname = 'YYY'
ORDER  BY bookid, position;

要点

• CTE (WITH query) 确保基本查询只执行一次。
• INTERSECT 只选择具有位置和名称的bookids。
• 最终SELECT 中的UNION ALL 返回所有 找到的位置。如果要修剪具有相同位置的重复项，请改用 UNION。
• 我通过 bookid, position 订购 - 我猜这是需要的。
• 添加了what 列来标记位置的来源（位置或名称）。

---

进一步优化

如果搜索词在每本书中出现多次，您可以通过为(bookid, term) 创建带有不同 条目的辅助表，从而大大加快搜索速度。在两列上创建一个多列主索引，并在 term 上创建一个附加主索引。为位置创建一个这样的表，为名称创建另一个表。如果需要，请让它们与触发器保持同步，但我认为书籍的内容没有太大变化。将简化并加快 CTE。

如果还不够快，请查看Full Text Search。

Answer 2

如果可以加快操作，您可以使用 set to see

>>> xxx = set([(1,'a'), (2,'b')])
>>> xxx
set([(1, 'a'), (2, 'b')])
>>> xxx = set([(1,'a'), (3,'c')])
>>> yyy
set([(1, 'a'), (3, 'c')])
>>> c = xxx.intersection(yyy)
>>> c
set([(1, 'a')])   # common between xxx and yyy
>>> xxx - c
set([(2, 'b')])