Eu tenho uma tabela com 7,2 milhões de tuplas que se parece com isso:
table public.methods
column | type | attributes
--------+-----------------------+----------------------------------------------------
id | integer | not null DEFAULT nextval('methodkey'::regclass)
hash | character varying(32) | not null
string | character varying | not null
method | character varying | not null
file | character varying | not null
type | character varying | not null
Indexes:
"methods_pkey" PRIMARY KEY, btree (id)
"methodhash" btree (hash)
Agora eu quero selecionar alguns valores, mas a consulta é incrivelmente lenta:
db=# explain
select hash, string, count(method)
from methods
where hash not in
(select hash from nostring)
group by hash, string
order by count(method) desc;
QUERY PLAN
----------------------------------------------------------------------------------------
Sort (cost=160245190041.10..160245190962.07 rows=368391 width=182)
Sort Key: (count(methods.method))
-> GroupAggregate (cost=160245017241.77..160245057764.73 rows=368391 width=182)
-> Sort (cost=160245017241.77..160245026451.53 rows=3683905 width=182)
Sort Key: methods.hash, methods.string
-> Seq Scan on methods (cost=0.00..160243305942.27 rows=3683905 width=182)
Filter: (NOT (SubPlan 1))
SubPlan 1
-> Materialize (cost=0.00..41071.54 rows=970636 width=33)
-> Seq Scan on nostring (cost=0.00..28634.36 rows=970636 width=33)
A hash
coluna é o hash md5 string
e possui um índice. Então, acho que meu problema é que toda a tabela é classificada por id e não por hash, então leva um tempo para classificá-la primeiro e depois agrupá-la?
A tabela nostring
contém apenas uma lista de hashes que eu não quero ter. Mas preciso que ambas as tabelas tenham todos os valores. Portanto, não é uma opção para excluí-los.
informações adicionais: nenhuma das colunas pode ser nula (foi corrigida na definição da tabela) e estou usando o postgresql 9.2.
NULL
valores na colunamethod
? Existem duplicatas ativadasstring
?