关于postgresql:与timestamp列查询相比,Postgres JSONB时间戳查询非常慢

Postgres JSONB timestamp query very slow compared to timestamp column query

我有一个包含170万条记录的Postgres 9.4.4数据库,其中以下信息存储在名为accounts的表中名为data的JSONB列中:

1
2
3
4
5
DATA: {
 "lastUpdated":"2016-12-26T12:09:43.901Z",
 "lastUpdatedTimestamp":"1482754183"
  }
}

实际的JSONB列存储了更多信息,但我省略了无关数据。由于这是遗留信息,因此无法更改数据格式。

我正在尝试有效地获取lastUpdated值大于或等于某个参考时间的所有记录的计数(我将在以下示例中使用2015-12-01T10:10:10Z):

1
2
EXPLAIN analyze SELECT COUNT(*) FROM"accounts"
WHERE data->>'lastUpdated' >= '2015-12-01T10:10:10Z';

这需要22秒:

1
2
3
4
5
6
Aggregate  (cost=843795.05..843795.06 ROWS=1 width=0) (actual TIME=22292.584..22292.584 ROWS=1 loops=1)
   ->  Seq Scan ON accounts  (cost=0.00..842317.05 ROWS=591201 width=0)
       (actual TIME=1.410..22142.046 ROWS=1773603 loops=1)
         FILTER: ((DATA ->> 'lastUpdated'::text) >= '2015-12-01T10:10:10Z'::text)
 Planning TIME: 1.234 ms
 Execution TIME: 22292.671 ms

我尝试添加以下文本索引:

1
CREATE INDEX accounts_last_updated ON accounts ((data->>'lastUpdated'));

但查询仍然相当缓慢,超过17秒:

1
2
3
4
5
6
7
8
9
10
Aggregate  (cost=815548.64..815548.65 ROWS=1 width=0) (actual TIME=17172.844..17172.845 ROWS=1 loops=1)
  ->  Bitmap Heap Scan ON accounts  (cost=18942.24..814070.64 ROWS=591201 width=0)
      (actual TIME=1605.454..17036.081 ROWS=1773603 loops=1)
        Recheck Cond: ((DATA ->> 'lastUpdated'::text) >= '2015-12-01T10:10:10Z'::text)
        Heap Blocks: exact=28955 lossy=397518
        ->  Bitmap INDEX Scan ON accounts_last_updated  (cost=0.00..18794.44 ROWS=591201 width=0)
            (actual TIME=1596.645..1596.645 ROWS=1773603 loops=1)
              INDEX Cond: ((DATA ->> 'lastUpdated'::text) >= '2015-12-01T10:10:10Z'::text)
Planning TIME: 1.373 ms
Execution TIME: 17172.974 ms

我也尝试按照PostgreSQL上的JSON创建时间戳索引中的说明,尝试创建以下函数和索引:

1
2
3
4
5
6
7
CREATE OR REPLACE FUNCTION text_to_timestamp(text)
RETURNS TIMESTAMP AS
$$SELECT to_timestamp($1, 'YYYY-MM-DD HH24:MI:SS.MS')::TIMESTAMP; $$
LANGUAGE SQL IMMUTABLE;

CREATE INDEX accounts_last_updated ON accounts    
(text_to_timestamp(data->>'lastUpdated'));

但是这并没有给我带来任何改进,实际上它更慢,查询时间超过24秒,而无索引版本需要22秒:

1
2
3
4
5
6
7
8
9
EXPLAIN analyze SELECT COUNT(*) FROM"accounts"
WHERE text_to_timestamp(data->>'lastUpdated') >= '2015-12-01T10:10:10Z';

Aggregate  (cost=1287195.80..1287195.81 ROWS=1 width=0) (actual TIME=24143.150..24143.150 ROWS=1 loops=1)
  ->  Seq Scan ON accounts  (cost=0.00..1285717.79 ROWS=591201 width=0)
      (actual TIME=4.044..23971.723 ROWS=1773603 loops=1)
        FILTER: (text_to_timestamp((DATA ->> 'lastUpdated'::text)) >= '2015-12-01 10:10:10'::TIMESTAMP WITHOUT TIME zone)
Planning TIME: 1.107 ms
Execution TIME: 24143.183 ms

在最后一个绝望的行为中,我决定添加另一个时间戳列并将其更新为包含与data->>'lastUpdated'相同的值:

1
2
3
ALTER TABLE accounts ADD COLUMN updated_at TIMESTAMP;
UPDATE accounts SET updated_at = text_to_timestamp(data->>'lastUpdated');
CREATE INDEX accounts_updated_at ON accounts(updated_at);

这给了我迄今为止最好的表现:

1
2
3
4
5
6
7
8
9
EXPLAIN analyze SELECT COUNT(*) FROM"accounts" WHERE updated_at >= '2015-12-01T10:10:10Z';

Aggregate  (cost=54936.49..54936.50 ROWS=1 width=0) (actual TIME=676.955..676.955 ROWS=1 loops=1)
  ->  INDEX ONLY Scan USING accounts_updated_at ON accounts
      (cost=0.43..50502.48 ROWS=1773603 width=0) (actual TIME=0.026..552.442 ROWS=1773603 loops=1)
        INDEX Cond: (updated_at >= '2015-12-01 10:10:10'::TIMESTAMP WITHOUT TIME zone)
        Heap Fetches: 0
Planning TIME: 4.643 ms
Execution TIME: 678.962 ms

但是,我非常希望避免添加另一个列,以提高一个查询的速度。

这给我留下了以下问题:是否有任何方法可以提高我的JSONB查询的性能,因此它可以像单个列查询一样高效(我使用updated_at而不是data->>'lastUpdated'的最后一个查询)?就目前而言,使用data->>'lastUpdated'查询JSONB数据需要17秒到24秒,而查询updated_at列只需要678毫秒。 JSONB查询会慢得多,这没有意义。我希望通过使用text_to_timestamp函数来提高性能,但事实并非如此(或者我做错了)。


在你的第一次和第二次尝试中,大多数执行时间花费在索引重新检查或过滤上,这必须读取每个json字段索引命中,读取json是昂贵的。 如果索引命中几百行,查询将很快,但如果索引达到数千或数十万行 - 过滤/重新检查json字段将花费一些时间。 在第二次尝试中,另外使用另一个功能会使情况更糟。
JSON字段适用于存储数据,但不打算用于分析查询,如摘要,统计及其不良做法,以便在条件的情况下使用json对象,至少作为主要过滤条件,如您的情况。
最后一次沮丧你的行为是正确的方法:)

要提高查询性能,必须添加一个或多个具有键值的列,这些列将在where条件中使用最多。