方案:我有一个包含以下表格的发布数据库:
publication
包含有关数据库中每本书的信息。 keyword
列出所有标识出版物的预定义术语。publication_keyword
是与发布和关键字匹配的查找表。new_publication_keyword
是一个查找表,其中包含出版物和关键字之间的新匹配。我需要将new_publication_keyword
中的行添加到publication_keyword
中,避免添加已经存在的行。
这里是在测试模式中创建方案的DDL
SET search_path = test;
drop table publication_keyword;
drop table publication;
drop table keyword;
drop table new_publication_keyword;
CREATE TABLE publication (
id VARCHAR(24) NOT NULL,
title VARCHAR(1024),
CONSTRAINT publication_pkey PRIMARY KEY(id)
);
CREATE TABLE keyword (
id VARCHAR(12) NOT NULL,
label VARCHAR(180) NOT NULL,
CONSTRAINT keyword_list_pkey PRIMARY KEY(id)
);
CREATE TABLE publication_keyword (
publication_id VARCHAR(24) NOT NULL,
keyword_id VARCHAR(12) NOT NULL
);
CREATE INDEX publication_keyword_code_idx ON publication_keyword
USING btree (keyword_id COLLATE pg_catalog."default");
CREATE INDEX publication_keyword_pubid_idx ON publication_keyword
USING btree (publication_id COLLATE pg_catalog."default");
CREATE TABLE new_publication_keyword (
publication_id VARCHAR(24) NOT NULL,
keyword_id VARCHAR(12) NOT NULL
);
CREATE INDEX new_publication_keyword_code_idx ON new_publication_keyword
USING btree (keyword_id COLLATE pg_catalog."default");
CREATE INDEX new_publication_keyword_pubid_idx ON new_publication_keyword
USING btree (publication_id COLLATE pg_catalog."default");
insert into publication values ('EAN13CODE1001','Title 1');
insert into publication values ('EAN13CODE1002','Title 2');
insert into publication values ('EAN13CODE1003','Title 3');
insert into keyword values ('KWCODE0001','Keyword 1');
insert into keyword values ('KWCODE0002','Keyword 2');
insert into publication_keyword values ('EAN13CODE1001', 'KWCODE0001');
insert into publication_keyword values ('EAN13CODE1002', 'KWCODE0001');
insert into new_publication_keyword values ('EAN13CODE1001', 'KWCODE0001');
insert into new_publication_keyword values ('EAN13CODE1003', 'KWCODE0001');
insert into new_publication_keyword values ('EAN13CODE1003', 'KWCODE0002');
我想知道当每个表包含数百万行时使用哪种最佳策略。当前,我正在使用LEFT OUTER JOIN
查询,不包括所有现有行,但这是一个非常慢的解决方案:
insert into publication_keyword (publication_id, keyword_id)
select npw.publication_id, npw.keyword_id from new_publication_keyword npw left outer join
publication_keyword pw on npw.publication_id = pw.publication_id and npw.keyword_id = pw.keyword_id
where pw.publication_id is null
我想将INSERT
与ON CONFLICT
子句一起使用,但是要使用它,我需要在publication_keyword表上创建一个PRIMARY KEY,并为此新索引使用大量磁盘空间:
-- Not working with the current schema, need to add a PK on publication_keyword
insert into publication_keyword (publication_id, keyword_id)
select publication_id, keyword_id from new_publication_keyword
ON CONFLICT DO NOTHING;
那么,添加新行的最佳解决方案是什么?
您似乎遇到了磁盘空间问题,这有点令人困惑,因为您的表上已经有很多索引。
也就是说,您的解决方案需要三个索引。我只建议两个:
CREATE TABLE new_publication_keyword (
publication_id VARCHAR(24) NOT NULL,
keyword_id VARCHAR(12) NOT NULL,
PRIMARY KEY (publication_id, keyword_id)
);
CREATE INDEX new_publication_keyword_code_idx ON new_publication_keyword
USING btree (keyword_id COLLATE pg_catalog."default");
定义了主键后,publication_id
不需要单独的索引。
而且,所有这些,我不明白您为什么要使用字符串作为ID。整数将更有效。让我猜测您已经为每个表都有一个键。您可以在数据库中创建一个合成的:
CREATE TABLE publications (
publication_id SERIAL PRIMARY KEY,
my_id VARCHAR(24) NOT NULL,
title VARCHAR(1024),
CONSTRAINT unq_publication UNIQUE (my_id)
);
CREATE TABLE keywords (
keyword_id serial PRIMARY KEY,
my_id VARCHAR(12) NOT NULL,
label VARCHAR(180) NOT NULL,
CONSTRAINT unq_keyword_list UNIQUE (my_id)
);
那么您就有:
CREATE TABLE new_publication_keywords (
publication_id INT NOT NULL REFERENCES publications(publication_id),
keyword_id INT NOT NULL REFERENCES keywords(keyword_id),
PRIMARY KEY (publication_id, keyword_id)
);
CREATE INDEX new_publication_keyword_code_idx ON new_publication_keyword
USING btree (keyword_id COLLATE pg_catalog."default");
尽管基表更大-两者都是因为有一个额外的4字节序列ID和一个额外的索引,所以关联表要小得多。
在您的版本中,每行最多为24 + 12 + 1 + 1 = 38个字节。在此版本中,每行为8个字节。这种差异也会影响索引。另外,固定大小的键上的索引通常效率更高。