COUNT do postgresql (DISTINCT…) muito lento

Eu tenho uma consulta SQL muito simples:

SELECT COUNT(DISTINCT x) FROM table;

Minha tabela possui cerca de 1,5 milhão de linhas. Esta consulta está sendo executada bem devagar; leva cerca de 7,5s, em comparação com

 SELECT COUNT(x) FROM table;

o que leva cerca de 435ms. Existe alguma maneira de alterar minha consulta para melhorar o desempenho? Tentei agrupar e fazer uma contagem regular, além de colocar um índice em x; ambos têm o mesmo tempo de execução 7.5s.

Você pode usar isto:

SELECT COUNT(*) FROM (SELECT DISTINCT column_name FROM table_name) AS temp;

Isso é muito mais rápido que:

COUNT(DISTINCT column_name)

-- My default settings (this is basically a single-session machine, so work_mem is pretty high)
SET effective_cache_size='2048MB';
SET work_mem='16MB';

\echo original
EXPLAIN ANALYZE
SELECT
        COUNT (distinct val) as aantal
FROM one
        ;

\echo group by+count(*)
EXPLAIN ANALYZE
SELECT
        distinct val
       -- , COUNT(*)
FROM one
GROUP BY val;

\echo with CTE
EXPLAIN ANALYZE
WITH agg AS (
    SELECT distinct val
    FROM one
    GROUP BY val
    )
SELECT COUNT (*) as aantal
FROM agg
        ;

Resultados:

original                                                      QUERY PLAN                                                      
----------------------------------------------------------------------------------------------------------------------
 Aggregate  (cost=36448.06..36448.07 rows=1 width=4) (actual time=1766.472..1766.472 rows=1 loops=1)
   ->  Seq Scan on one  (cost=0.00..32698.45 rows=1499845 width=4) (actual time=31.371..185.914 rows=1499845 loops=1)
 Total runtime: 1766.642 ms
(3 rows)

group by+count(*)
                                                         QUERY PLAN                                                         
----------------------------------------------------------------------------------------------------------------------------
 HashAggregate  (cost=36464.31..36477.31 rows=1300 width=4) (actual time=412.470..412.598 rows=1300 loops=1)
   ->  HashAggregate  (cost=36448.06..36461.06 rows=1300 width=4) (actual time=412.066..412.203 rows=1300 loops=1)
         ->  Seq Scan on one  (cost=0.00..32698.45 rows=1499845 width=4) (actual time=26.134..166.846 rows=1499845 loops=1)
 Total runtime: 412.686 ms
(4 rows)

with CTE
                                                             QUERY PLAN                                                             
------------------------------------------------------------------------------------------------------------------------------------
 Aggregate  (cost=36506.56..36506.57 rows=1 width=0) (actual time=408.239..408.239 rows=1 loops=1)
   CTE agg
     ->  HashAggregate  (cost=36464.31..36477.31 rows=1300 width=4) (actual time=407.704..407.847 rows=1300 loops=1)
           ->  HashAggregate  (cost=36448.06..36461.06 rows=1300 width=4) (actual time=407.320..407.467 rows=1300 loops=1)
                 ->  Seq Scan on one  (cost=0.00..32698.45 rows=1499845 width=4) (actual time=24.321..165.256 rows=1499845 loops=1)
       ->  CTE Scan on agg  (cost=0.00..26.00 rows=1300 width=0) (actual time=407.707..408.154 rows=1300 loops=1)
     Total runtime: 408.300 ms
    (7 rows)

O mesmo plano do CTE provavelmente também poderia ser produzido por outros métodos (funções da janela)

Se o seu count(distinct(x))for significativamente mais lento do que em count(x)seguida, você poderá acelerar essa consulta mantendo as contagens de valores x em uma tabela diferente, por exemplo table_name_x_counts (x integer not null, x_count int not null), usando gatilhos. Mas seu desempenho de gravação sofrerá e, se você atualizar vários xvalores em uma única transação, precisará fazer isso em alguma ordem explícita para evitar um possível impasse.

Eu também estava procurando a mesma resposta, porque em algum momento eu precisava total_count com valores distintos, juntamente com limite / deslocamento .

Porque é um pouco complicado de fazer - Obter uma contagem total com valores distintos, além de limite / deslocamento. Geralmente é difícil obter a contagem total com limite / deslocamento. Finalmente consegui o que fazer -

SELECT DISTINCT COUNT(*) OVER() as total_count, * FROM table_name limit 2 offset 0;

O desempenho da consulta também é alto.