postgresql COUNT(DISTINCT ...) très lent

Question

J'ai une requête SQL très simple :

SELECT COUNT(DISTINCT x) FROM table;

Ma table contient environ 1,5 million de lignes. Cette requête s'exécute assez lentement ; elle prend environ 7,5 secondes, alors qu'elle ne prend que 5 minutes.

 SELECT COUNT(x) FROM table;

ce qui prend environ 435 ms. Y a-t-il un moyen de modifier ma requête pour améliorer les performances ? J'ai essayé de grouper et de faire un comptage régulier, ainsi que de mettre un index sur x ; les deux ont le même temps d'exécution de 7,5s.

Answer 1

Vous pouvez utiliser ceci :

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

C'est beaucoup plus rapide que :

COUNT(DISTINCT column_name)

Answer 2

-- 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
        ;

Résultats :

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)

Le même plan que pour le CTE pourrait probablement être produit par d'autres méthodes (fonctions de fenêtre).

Answer 3

Si votre count(distinct(x)) est nettement plus lent que count(x) alors vous pouvez accélérer cette requête en maintenant le nombre de valeurs x dans une table différente, par exemple table_name_x_counts (x integer not null, x_count int not null) en utilisant des déclencheurs. Mais vos performances d'écriture en souffriront et si vous mettez à jour de multiples x dans une seule transaction, vous devrez le faire dans un ordre explicite pour éviter un éventuel blocage.

Answer 4

Je cherchais aussi la même réponse, parce qu'à un moment donné, j'ai eu besoin total_count avec des valeurs distinctes avec limite/offset .

Parce que c'est un peu difficile à faire - Pour obtenir le nombre total de valeurs distinctes avec la limite/offset. Habituellement, il est difficile d'obtenir le nombre total avec limite/offset. Finalement, j'ai trouvé le moyen de le faire -

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

Les performances des requêtes sont également élevées.