postgresql – Postgres选择慢得多的Seq Scan而不是Index Scan

2023年8月8日 811次阅读

我首先确保规划人员更新了统计数据：

my_db=> vacuum analyze;
VACUUM
Time: 1401.958 ms

仅选择foos.bar_id时,查询可以在该列上使用“仅索引扫描”执行：

my_db=> EXPLAIN ANALYZE SELECT foos.bar_id FROM foos INNER JOIN bar_ids ON foos.bar_id = bar_ids.id;
 QUERY PLAN                                                                            
 Nested Loop  (cost=0.43..16203.46 rows=353198 width=4) (actual time=0.045..114.746 rows=196205 loops=1)
   ->  Seq Scan on bar_ids  (cost=0.00..16.71 rows=871 width=4) (actual time=0.005..0.195 rows=871 loops=1)
   ->  Index Only Scan using index_foos_on_bar_id on foos  (cost=0.43..14.80 rows=378 width=4) (actual time=0.003..0.055 rows=225 loops=871)
         Index Cond: (bar_id = bar_ids.id)
         Heap Fetches: 0
 Planning time: 0.209 ms
 Execution time: 144.364 ms
(7 rows)

Time: 145.620 ms

但是,添加foos.id会导致查询选择极慢的Seq Scan：

my_db=> EXPLAIN ANALYZE SELECT foos.id, foos.bar_id FROM foos INNER JOIN bar_ids ON foos.bar_id = bar_ids.id;
 QUERY PLAN                                                            
 Hash Join  (cost=27.60..221339.63 rows=353198 width=8) (actual time=294.091..3341.926 rows=196205 loops=1)
   Hash Cond: (foos.bar_id = bar_ids.id)
   ->  Seq Scan on foos  (cost=0.00..182314.70 rows=7093070 width=8) (actual time=0.004..1855.900 rows=7111807 loops=1)
   ->  Hash  (cost=16.71..16.71 rows=871 width=4) (actual time=0.454..0.454 rows=866 loops=1)
         Buckets: 1024  Batches: 1  Memory Usage: 39kB
         ->  Seq Scan on bar_ids  (cost=0.00..16.71 rows=871 width=4) (actual time=0.002..0.222 rows=871 loops=1)
 Planning time: 0.237 ms
 Execution time: 3371.622 ms
(8 rows)

Time: 3373.150 ms

禁用Seq Scan会在同一索引上强制执行索引扫描,这比Seq Scan快一个数量级：

my_db=> set enable_seqscan=false;
SET
Time: 0.801 ms
my_db=> EXPLAIN ANALYZE SELECT foos.id, foos.bar_id FROM foos INNER JOIN bar_ids ON foos.bar_id = bar_ids.id;
 QUERY PLAN                                                                      
 Nested Loop  (cost=10000000000.43..10000439554.99 rows=353198 width=8) (actual time=0.028..171.632 rows=196205 loops=1)
   ->  Seq Scan on bar_ids  (cost=10000000000.00..10000000016.71 rows=871 width=4) (actual time=0.005..0.212 rows=871 loops=1)
   ->  Index Scan using index_foos_on_bar_id on foos  (cost=0.43..500.86 rows=378 width=8) (actual time=0.003..0.118 rows=225 loops=871)
         Index Cond: (bar_id = bar_ids.id)
 Planning time: 0.186 ms
 Execution time: 201.958 ms
(6 rows)

Time: 203.185 ms

其他答案说,糟糕的计划是由于糟糕的统计数据.我的统计数据是最新的.是什么赋予了？

bar_ids是一个临时表,可能与上次查询中的疯狂成本估算有关(bar_id上的Seq Scan(成本= 10000000000.00..10000000016.71),但显式运行ANALYZE bar_ids不会更改查询计划.

最佳答案 关注OP的评论.

在第一个查询的情况下,当您只选择foos.bar_id时,执行程序能够通过仅索引扫描来实现这一点,这是非常好的.然而,将另一列(未在索引中涵盖)添加到选择列表意味着继续使用此索引意味着典型的“双读”情况,我们首先读取索引页然后读取表页以获取剩余的列的值,这意味着可能存在相当多的随机IO.

设置random_page_cost应该相对于seq_page_cost来表示(松散地)随机IO是random_page_cost次数比顺序IO更昂贵(给定seq_page_cost = 1).对于现代驱动器,随机IO并不昂贵,因此降低random_page_cost可以使索引扫描更加可取.为此找到“最佳”值非常棘手,但从2开始是一个不错的经验法则.

E：我没有时间提前补充这些额外的想法,但这一直困扰着我.如果你因为遇到类似的问题而发生这种情况,请不要只是开始摆弄这个配置.在这种情况下,它似乎是一种富有成效的方法,因为OP已经澄清了统计数据是新鲜和合理的,索引扫描是可行的,并且规划人员更喜欢表扫描,即使这显然更糟(就经验证据).这个配置不是灵丹妙药,如果你遇到的性能问题与这里给出的性能问题不太匹配,那么这个解决方案可能不适合你！请考虑其他情况可能需要查询重写或更改其他配置项(特别是与内存使用和分配相关的那些).

点赞