Как я могу ускорить этот счетчик + группу по запросу по большой таблице?

Question

У меня есть стол Postgres с anonymous_id(строка) и timestamp (datetime) столбцы, созданные Segment.com, когда пользователи посещают наш сайт.

Есть ~5M строк, ~1M отличных anonymous_id

Я хотел бы запросить количество различных anonymous_ids, найденных за месяц.

У меня есть это до сих пор, который работает, но тайм-аут в PSequel (я могу запустить его несколько раз и ограничить дату)

SELECT count(1), "month"
FROM (
    SELECT DISTINCT anonymous_id, 
    date_trunc('month', "timestamp") as "month"
    FROM pages
    -- WHERE "timestamp" between '2018-01-01' and '2018-02-01'
) as dt
GROUP BY 2
ORDER BY 2

У меня есть индекс на anonymous_id и timestamp

Результаты EXPLAIN ANALYSE

                                                                 QUERY PLAN                                                                  
---------------------------------------------------------------------------------------------------------------------------------------------
 Sort  (cost=1667977.72..1667978.22 rows=200 width=8) (actual time=115861.803..115861.807 rows=27 loops=1)
   Sort Key: (date_trunc('month'::text, pages."timestamp"))
   Sort Method: quicksort  Memory: 26kB
   ->  HashAggregate  (cost=1667968.07..1667970.07 rows=200 width=8) (actual time=115861.763..115861.766 rows=27 loops=1)
         Group Key: (date_trunc('month'::text, pages."timestamp"))
         ->  Unique  (cost=1554502.82..1592324.57 rows=5042900 width=45) (actual time=97492.062..115468.396 rows=1158934 loops=1)
               ->  Sort  (cost=1554502.82..1567110.07 rows=5042900 width=45) (actual time=97492.060..113983.496 rows=5042900 loops=1)
                     Sort Key: pages.anonymous_id, (date_trunc('month'::text, pages."timestamp"))
                     Sort Method: external merge  Disk: 285936kB
                     ->  Seq Scan on pages  (cost=0.00..682820.25 rows=5042900 width=45) (actual time=0.088..25601.944 rows=5042900 loops=1)
 Planning time: 10.335 ms
 Execution time: 115910.353 ms
(12 rows)

Текущие индексы (включая комбинированный индекс, предложенный Торстеном Кеттнером ниже)

Indexes:
    "pages_pkey" PRIMARY KEY, btree (id)
    "idx_anonymous_id" btree (anonymous_id)
    "idx_date_trunc_anon_id" btree (date_trunc('month'::text, timezone('UTC'::text, "timestamp")), anonymous_id)
    "idx_path" btree (path)
    "idx_timestamp" btree ("timestamp")
    "idx_url" btree (url)
    "idx_user_id" btree (user_id)
    "pages_activity_type_idx" btree (activity_type)

Answer 1

Единственное, о чем я могу думать, это избавиться от derived table, так как вам это не нужно:

SELECT count(distinct anonymous_id), date_trunc('month', "timestamp") AS "month"
FROM pages
GROUP BY date_trunc('month', "timestamp")
ORDER BY date_trunc('month', "timestamp");

Answer 2

Вы хотите индекс, который начинается с вашего group by выражение. В идеале он также содержит anonymous_id:

CREATE INDEX idx1 ON pages( date_trunc('month', "timestamp") , anonymous_id);

Если вы хотите WHERE тогда сначала вам нужны его критерии:

CREATE INDEX idx2 ON pages( "timestamp" , date_trunc('month', "timestamp") , anonymous_id);

Как показал Грег Вирс, ваш запрос сложнее, чем нужно. Я бы пошел с его одним. Необходимый индекс одинаков для обоих запросов.