postgresql COUNT（DISTINCT…）非常に遅い

私は非常に単純なSQLクエリを持っています：

SELECT COUNT(DISTINCT x) FROM table;

テーブルには約150万行あります。このクエリの実行速度はかなり遅いです。と比較すると、約7.5秒かかります

 SELECT COUNT(x) FROM table;

約435msかかります。クエリを変更してパフォーマンスを向上させる方法はありますか？私はグループ化して定期的なカウントを試み、xにインデックスを付けました。どちらも7.5秒の実行時間は同じです。

あなたはこれを使うことができます：

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

これは以下よりもはるかに高速です。

COUNT(DISTINCT column_name)

-- 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
        ;

結果：

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)

CTEと同じ計画は、おそらく他の方法（ウィンドウ関数）でも作成できます。

count(distinct(x))が大幅に遅い場合は、トリガーを使用するcount(x)などしてtable_name_x_counts (x integer not null, x_count int not null)、異なるテーブルでx値のカウントを維持することにより、このクエリを高速化できます。ただし、書き込みパフォーマンスが低下しx、単一のトランザクションで複数の値を更新する場合は、デッドロックを回避するために、これを何らかの明示的な順序で実行する必要があります。

私も同じ答えを探していました。ある時点で、limit / offsetとともに個別の値を持つtotal_countが必要になったためです。

それを行うのは少し難しいので、制限/オフセットと一緒に個別の値で合計数を取得します。通常、制限/オフセットで合計数を取得することは困難です。最後に、私はやる方法を得ました-

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

クエリのパフォーマンスも高いです。