10 个你不知道的 PostgreSQL 成果

可以看到，此刻的估算精度更高了（即 1000 ），查询速率也进步了2倍阁下。 通过运行下面的查询，我们可以看到 planner 学到了什么。

SELECT stxkeys AS k, stxndistinct AS nd                                                    
  FROM pg_statistic_ext                                                                    
  WHERE stxname = 's2';  
  k  |       nd        
-----+---------------- 
 1 2 | {"1, 2": 1000} 

实际影响

在现实的出产模式中，你老是会有某些与数据库不知道的彼此依靠或相关的列。 以下是我们与 Citus 客户见过的一些例子：

• 有月份，季度和年份的列，由于你但愿在陈诉中表现按全部人分组的统计信息。
• 地理条理之间的相关。 譬喻。 具有国度，州和都市的列，并由它们来过滤/分组。

这里的例子仅仅是在数据齐集只有 10M 行的环境，而且我们已经看到，在存在相干列的环境下，行使 CREATE 统计信息可显著改进查询打算，并表现机能改造。在 Citus 行使案例中，我们有客户存储数十亿行数据，糟糕查询打算的影响也许很是严峻。在上述示例中，当 planner 选择了一个糟糕的查询打算时，我们不得不为 10M 行做一个基于磁盘的分类。想象一下假如是数十亿行，那会有多糟糕。

Postgres一向在变得越来越好

当我们着手构建 Citus 时，我们明晰选择了 Postgres 作为构建基本。通过扩展 Postgres ，我们选择了一个坚硬的基本，在每个版本迭代中变得更好。因为 Citus 是一个纯粹的扩展，而不是分支，以是每个版本中呈现的全部优越新成果都可以在行使 Citus 时获得充实操作。

【编辑保举】

1. 大数据期间十大热点IT岗亭
2. AMO汽车数据架构 引领汽车信息交互革命
3. 汉子养家这件事，从大数据上看压根不创立
4. 谷歌/微软/推特/Facebook 公布推出开源数据传输项目
5. 史上最严峻数据车祸：通用丰田特斯拉完好中招

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!