Эффективный запрос для получения наибольшего значения для группы из большой таблицы

Учитывая таблицу:

    Column    |            Type             
 id           | integer                     
 latitude     | numeric(9,6)                
 longitude    | numeric(9,6)                
 speed        | integer                     
 equipment_id | integer                     
 created_at   | timestamp without time zone
Indexes:
    "geoposition_records_pkey" PRIMARY KEY, btree (id)

Таблица содержит 20 миллионов записей, что, по большому счету , не так много. Но это делает последовательное сканирование медленным.

Как я могу получить последнюю запись ( max(created_at)) каждого equipment_id?

Я пробовал оба следующих запроса, с несколькими вариантами, которые я прочитал во многих ответах на эту тему:

select max(created_at),equipment_id from geoposition_records group by equipment_id;

select distinct on (equipment_id) equipment_id,created_at 
  from geoposition_records order by equipment_id, created_at desc;

Я также пытался создать индексы btree для, equipment_id,created_atно Postgres обнаружил, что использование seqscan быстрее. Принудительное enable_seqscan = offиспользование также бесполезно, поскольку чтение индекса происходит так же медленно, как и сканирование seq, возможно, и хуже.

Запрос должен выполняться периодически, возвращая всегда последний.

Использование Postgres 9.3.

Объясните / проанализируйте (с 1,7 миллионами записей):

set enable_seqscan=true;
explain analyze select max(created_at),equipment_id from geoposition_records group by equipment_id;
"HashAggregate  (cost=47803.77..47804.34 rows=57 width=12) (actual time=1935.536..1935.556 rows=58 loops=1)"
"  ->  Seq Scan on geoposition_records  (cost=0.00..39544.51 rows=1651851 width=12) (actual time=0.029..494.296 rows=1651851 loops=1)"
"Total runtime: 1935.632 ms"

set enable_seqscan=false;
explain analyze select max(created_at),equipment_id from geoposition_records group by equipment_id;
"GroupAggregate  (cost=0.00..2995933.57 rows=57 width=12) (actual time=222.034..11305.073 rows=58 loops=1)"
"  ->  Index Scan using geoposition_records_equipment_id_created_at_idx on geoposition_records  (cost=0.00..2987673.75 rows=1651851 width=12) (actual time=0.062..10248.703 rows=1651851 loops=1)"
"Total runtime: 11305.161 ms"

Простой многоколонный индекс b-дерева должен работать в конце концов:

CREATE INDEX foo_idx
ON geoposition_records (equipment_id, created_at DESC NULLS LAST);

Почему DESC NULLS LAST?

• Неиспользуемый индекс в диапазоне дат запроса

функция

Если вы не можете разобраться в планировщике запросов, функция, проходящая по таблице оборудования, должна помочь. Поиск по одному equipment_id за раз использует индекс. Для небольшого числа (57, судя по вашему EXPLAIN ANALYZEвыводу) это быстро.
Можно предположить, что у вас есть equipmentстол?

CREATE OR REPLACE FUNCTION f_latest_equip()
  RETURNS TABLE (equipment_id int, latest timestamp) AS
$func$
BEGIN
FOR equipment_id IN
   SELECT e.equipment_id FROM equipment e ORDER BY 1
LOOP
   SELECT g.created_at
   FROM   geoposition_records g
   WHERE  g.equipment_id = f_latest_equip.equipment_id
                           -- prepend function name to disambiguate
   ORDER  BY g.created_at DESC NULLS LAST
   LIMIT  1
   INTO   latest;

   RETURN NEXT;
END LOOP;
END  
$func$  LANGUAGE plpgsql STABLE;

Делает для приятного звонка тоже:

SELECT * FROM f_latest_equip();

Коррелированные подзапросы

Если подумать, используя эту equipmentтаблицу, вы можете получить грязную работу с низкокоррелированными подзапросами с большим эффектом:

SELECT equipment_id
     ,(SELECT created_at
       FROM   geoposition_records
       WHERE  equipment_id = eq.equipment_id
       ORDER  BY created_at DESC NULLS LAST
       LIMIT  1) AS latest
FROM   equipment eq;

Производительность очень хорошая.

LATERAL присоединиться к Postgres 9.3+

SELECT eq.equipment_id, r.latest
FROM   equipment eq
LEFT   JOIN LATERAL (
   SELECT created_at
   FROM   geoposition_records
   WHERE  equipment_id = eq.equipment_id
   ORDER  BY created_at DESC NULLS LAST
   LIMIT  1
   ) r(latest) ON true;

Детальное объяснение:

• Оптимизировать запрос GROUP BY для получения последней записи для пользователя

Производительность аналогична коррелированному подзапросу. Сравнение производительности max(), DISTINCT ON, функция, коррелируют подзапрос и LATERALв этом:

SQL Fiddle .

Попытка 1

Если

1. У меня есть отдельная equipmentтаблица, и
2. У меня есть индекс на geoposition_records(equipment_id, created_at desc)

тогда у меня работает следующее:

select id as equipment_id, (select max(created_at)
                            from geoposition_records
                            where equipment_id = equipment.id
                           ) as max_created_at
from equipment;

Я не смог заставить PG сделать быстрый запрос , чтобы определить , как список equipment_idс и связанным с этим max(created_at). Но я собираюсь попробовать завтра!

Попытка 2

Я нашел эту ссылку: http://zogovic.com/post/44856908222/optimizing-postgresql-query-for-distinct-values Комбинируя эту технику с моим запросом из попытки 1, я получаю:

WITH RECURSIVE equipment(id) AS (
    SELECT MIN(equipment_id) FROM geoposition_records
  UNION
    SELECT (
      SELECT equipment_id
      FROM geoposition_records
      WHERE equipment_id > equipment.id
      ORDER BY equipment_id
      LIMIT 1
    )
    FROM equipment WHERE id IS NOT NULL
)
SELECT id AS equipment_id, (SELECT MAX(created_at)
                            FROM geoposition_records
                            WHERE equipment_id = equipment.id
                           ) AS max_created_at
FROM equipment;

и это работает БЫСТРО! Но вам нужно

1. эта ультра-искаженная форма запроса, и
2. индекс по geoposition_records(equipment_id, created_at desc).