索引一组字符串的“最后添加”行

Question

我有一个数据库，其中有 100 万多行。 该数据库由（为了这个问题）2列组成； user_id 和用户名。 这些值不受我的应用程序控制；我并不总是确定这些是当前的正确值。我所知道的是 user_id 保证是唯一的。我得到定期更新，允许我更新我的数据库，以确保我有一个“最终一致”的 user_id/username 映射版本。

我希望能够检索某个用户名的最新添加； “较旧”的结果应该被忽略。

我相信这里有两种可能的方法： - 索引：应该有一个username:row（哈希图？）的索引，其中username始终是最后添加的用户名；所以在每一行添加或更新时都会更新。 - 将用户名设置为唯一，并执行on conflict update 将旧行设置为空字符串，将新行设置为用户名

根据我对索引的了解，这听起来像是更快的选择（并且不需要我检查数据库中 100 万行的唯一性）。我还听说 hashmap 很痛苦，因为它们需要重建，所以请随时提出其他想法。

我当前的实现对整个数据库进行了全面搜索，在超过 100 万行时开始变得非常慢。它当前获取此添加字符串的“最后一个”值；在这一点上，我什至不确定这是一个有效的假设。

给定一个示例数据库：

user_id, username
3      , bob
2      , alice
4      , joe
1      , bob

我希望搜索 `username = bob` 会返回 (1, bob)。 我不能依靠 ID 排序来解决这个问题，因为没有将 ID 分配给哪个用户名的线性关系。

Answer 1

你可以这样做：

select distinct on (id) s.*
from sample s
where s.username = 'bob'
order by s.id desc;

为了提高性能，您需要在sample(username, id) 上建立索引。

或者，如果您正在进行定期批量更新，那么您可以构造一个表版本，每个 用户名 具有唯一行：

create table most_recent_sample as
    select max(id) as id, username
    from sample
    group by username;

create index idx_most_recent_sample_username on most_recent_sample(username);

这可能需要很短的时间，但无论如何您都在进行更新。