PostgreSQL 自定义聚合：比数组连接更有效的选项

Question

考虑一个用于获取一组数组的集合并集的自定义聚合：

CREATE FUNCTION array_union_step (s ANYARRAY, n ANYARRAY) RETURNS ANYARRAY
   AS $$ SELECT s || n; $$
   LANGUAGE SQL IMMUTABLE LEAKPROOF PARALLEL SAFE;

CREATE FUNCTION array_union_final (s ANYARRAY) RETURNS ANYARRAY
  AS $$
    SELECT array_agg(i ORDER BY i) FROM (
      SELECT DISTINCT UNNEST(x) AS i FROM (VALUES(s)) AS v(x)
    ) AS w WHERE i IS NOT NULL;
  $$
  LANGUAGE SQL IMMUTABLE LEAKPROOF PARALLEL SAFE;

CREATE AGGREGATE array_union (ANYARRAY) (
  SFUNC = array_union_step,
  STYPE = ANYARRAY,
  FINALFUNC = array_union_final,
  INITCOND = '{}',
  PARALLEL = SAFE
);

据我了解，PostgreSQL 中的数组连接将两个输入的所有元素复制到一个新数组中，因此这是元素总数的二次方（在重复数据删除之前）。如果不用 C 语言编写扩展代码，是否有更有效的替代方案？ （具体来说，使用 LANGUAGE SQL 或 LANGUAGE plpgsql。）例如，step 函数可能会以某种方式获取并返回一组行？

---

需要能够处理的数据类型示例：

create temp table demo (tag int, values text[]);
insert into demo values
   (1, '{"a", "b"}'),
   (2, '{"c", "d"}'),
   (1, '{"a"}'),
   (2, '{"c", "e", "f"}');

select tag, array_union(values) from demo group by tag;
 tag | array_union 
-----+-------------
   2 | {c,d,e,f}
   1 | {a,b}

请特别注意，内置的array_agg不能与这些数据一起使用，因为数组的长度不同：

select tag, array_agg(values) from demo group by tag;
ERROR:  cannot accumulate arrays of different dimensionality

Answer 1

数组连接很昂贵。这就是内置array_agg() 使用内部array builder 结构的原因。很遗憾，您不能在 SQL 级别上使用此 API。

我认为使用临时表进行自定义聚合是不正确的。创建和删除表很昂贵（临时表也是）或非常昂贵（高频），INSERT 和 SELECT 也很昂贵。 （表的格式比数组复杂得多。）如果您需要真正快速的聚合，那么编写一个 C 函数并使用 array builder。

如果您不能使用自己的 C 扩展，则使用内置的 array_agg() 函数进行重复数据删除并对已聚合的数据进行排序。

CREATE OR REPLACE FUNCTION array_distinct(anyarray)
RETURNS anyarray AS $$
BEGIN
  RETURN ARRAY(SELECT DISTINCT v FROM unnest($1) u(v) WHERE v IS NOT NULL ORDER BY v);
END;
$$ LANGUAGE plpgsql IMMUTABLE STRICT;

呼叫：

SELECT ..., array_distinct(array_agg(somecolumn)) FROM tab;