Postgresql 仅索引扫描在 Group By 上无法正常工作

Question

我有一张这样的桌子：

CREATE TABLE summary
(
    id serial NOT NULL,
    user_id bigint NOT NULL,
    country character varying(5),
    product_id bigint NOT NULL,
    category_id bigint NOT NULL,
    text_id bigint NOT NULL,
    text character varying(255),
    product_type integer NOT NULL,
    event_name character varying(255),
    report_date date NOT NULL,
    currency character varying(5),
    revenue double precision,
    last_event_time timestamp
);

我的表大小是 1786 MB（索引除外）。在这里，我创建了如下索引：

CREATE INDEX "idx_as_type_usr_productId_eventTime"
    ON summary USING btree
    (product_type, user_id, product_id, last_event_time)
    INCLUDE(event_name);

我的简单查询如下所示：

select 
   event_name, 
   max(last_event_time) 
from summary s 
where s.user_id = ? and s.product_id = ? and s.product_type = ? 
   and s.last_event_time > '2020-03-01' and s.last_event_time < '2020-03-25'
group by event_name;

当我解释它时，它看起来像;

HashAggregate  (cost=93.82..96.41 rows=259 width=25) (actual time=9187.533..9187.536 rows=10 loops=1)
  Group Key: event_name
  Buffers: shared hit=70898 read=10579 dirtied=22650
  I/O Timings: read=3876.367
  ->  Index Only Scan using "idx_as_type_usr_productId_eventTime" on summary s  (cost=0.56..92.36 rows=292 width=25) (actual time=0.485..9153.812 rows=87322 loops=1)
        Index Cond: ((product_type = 2) AND (product_id = ?) AND (product_id = ?) AND (last_event_time > '2020-03-01 00:00:00'::timestamp without time zone) AND (last_event_time < '2020-03-25 00:00:00'::timestamp without time zone))
        Heap Fetches: 35967
        Buffers: shared hit=70898 read=10579 dirtied=22650
        I/O Timings: read=3876.367
Planning Time: 0.452 ms
Execution Time: 9187.583 ms

在这里，一切看起来都很好。但是当我执行它时，它需要超过 10 秒，有时需要超过 30 秒。

1. 在这里，如果我在没有 Group By 的情况下执行它，它会很快返回，不到 2 秒。 Group By 的作用是什么？选择部分太少了（比如 500 行）。
2. 此表具有每秒 30 次的插入/更新操作。这可能与这个索引问题有关吗？

更新：

查询没有 - GroupBy：

select 
   event_name, 
   last_event_time 
from summary s 
where s.user_id = ? and s.product_id = ? and s.product_type = ? 
   and s.last_event_time > '2020-03-01' and s.last_event_time < '2020-03-25';

不解释 - 分组方式：

Index Only Scan using "idx_as_type_usr_productId_eventTime" on summary s  (cost=0.56..92.36 rows=292 width=25) (actual time=0.023..79.138 rows=87305 loops=1)
  Index Cond: ((product_type = ?) AND (user_id = ?) AND (product_id = ?) AND (last_event_time > '2020-03-01 00:00:00'::timestamp without time zone) AND (last_event_time < '2020-03-25 00:00:00'::timestamp without time zone))
  Heap Fetches: 22949
  Buffers: shared hit=37780 read=12143 dirtied=15156
  I/O Timings: read=4418.930
Planning Time: 0.639 ms
Execution Time: 4625.213 ms

Answer 1

有几个问题：

• PostgreSQL 必须设置 提示位，这会弄脏页面并导致写入。

• PostgreSQL 必须从磁盘获取表行以获取它们的可见性。

• PostgreSQL 必须扫描 80000 个页面才能获得 87000 行，因此索引必须完全膨胀。

前两个可以通过运行来处理

VACUUM summary;

在批量加载后总是一个好主意，并且可以通过以下方式治愈臃肿

REINDEX INDEX "idx_as_type_usr_productId_eventTime";