>将生成的元组复制到一些临时内存中
>排序它们(希望在内存中,否则使用磁盘)
>将结果传输到客户端
查询1
EXPLAIN ANALYZE SELECT p.* FROM product_product p JOIN django_site d ON (p.site_id = d.id) WHERE (p.active = true AND p.site_id = 1 ) ORDER BY d.domain,p.ordering,p.name
查询计划
Sort (cost=3909.83..3952.21 rows=16954 width=1086) (actual time=1120.618..1143.922 rows=16946 loops=1)
Sort Key: django_site.domain,product_product.ordering,product_product.name
Sort Method: quicksort Memory: 25517kB
-> Nested Loop (cost=0.00..2718.86 rows=16954 width=1086) (actual time=0.053..87.396 rows=16946 loops=1)
-> Seq Scan on django_site (cost=0.00..1.01 rows=1 width=24) (actual time=0.010..0.012 rows=1 loops=1)
Filter: (id = 1)
-> Seq Scan on product_product (cost=0.00..2548.31 rows=16954 width=1066) (actual time=0.036..44.138 rows=16946 loops=1)
Filter: (product_product.active AND (product_product.site_id = 1))
Total runtime: 1182.515 ms
查询2
与上面相同,但没有按django_site.domain排序
查询计划
Sort (cost=3909.83..3952.21 rows=16954 width=1066) (actual time=257.094..278.905 rows=16946 loops=1)
Sort Key: product_product.ordering,product_product.name
Sort Method: quicksort Memory: 25161kB
-> Nested Loop (cost=0.00..2718.86 rows=16954 width=1066) (actual time=0.075..86.120 rows=16946 loops=1)
-> Seq Scan on django_site (cost=0.00..1.01 rows=1 width=4) (actual time=0.015..0.017 rows=1 loops=1)
Filter: (id = 1)
-> Seq Scan on product_product (cost=0.00..2548.31 rows=16954 width=1066) (actual time=0.052..44.024 rows=16946 loops=1)
Filter: (product_product.active AND (product_product.site_id = 1))
Total runtime: 305.392 ms
This question可能是相关的.
编辑：添加了更多细节
Table "public.product_product"
Column | Type |
-------------+------------------------+---------
id | integer | not null default nextval('product_product_id_seq'::regclass)
site_id | integer | not null
name | character varying(255) | not null
slug | character varying(255) | not null
sku | character varying(255) |
ordering | integer | not null
[snip some columns ]
Indexes:
"product_product_pkey" PRIMARY KEY,btree (id)
"product_product_site_id_key" UNIQUE,btree (site_id,sku)
"product_product_site_id_key1" UNIQUE,slug)
"product_product_site_id" btree (site_id)
"product_product_slug" btree (slug)
"product_product_slug_like" btree (slug varchar_pattern_ops)
Table "public.django_site"
Column | Type |
--------+------------------------+----------
id | integer | not null default nextval('django_site_id_seq'::regclass)
domain | character varying(100) | not null
name | character varying(50) | not null
Indexes:
"django_site_pkey" PRIMARY KEY,btree (id)
Postgres版本是8.4
一些表统计：
# select count(*) from django_site;
count
-------
1
# select count(*) from product_product;
count
-------
17540
# select active,count(*) from product_product group by active;
active | count
--------+-------
f | 591
t | 16949
# select site_id,count(*) from product_product group by site_id;
site_id | count
---------+-------
1 | 17540
解决方法
在两个查询中,您都返回product_product的所有行,但在第一种情况下,您按django_site列进行排序,因此必须另外检索django_site.domain,这需要额外费用.但不会解释这个巨大的差异.
product_product中的行的物理顺序很可能已经根据列排序,这使得案例2中的排序非常便宜并且案例1中的排序很昂贵.
在“更多细节添加”之后：
它也相当昂贵,因此按字符变化(100)排序比按整数列排序.除了整数小得多之外,还有整理支持可以减慢你的速度.要验证,请尝试使用COLLATE“C”进行订购.阅读更多关于collation support in the manual.
如果您正在运行Postgresql 9.1.我现在看到,你有Postgresql 8.4.
显然,当您在p.site_id = 1上进行过滤时,查询输出中的所有行都具有相同的django_site.domain值.如果查询规划器更智能,它可能会跳过第一列以便开始排序.
你运行Postgresql 8.4. 9.1的查询规划器变得更加智能化.升级可能会改变这种情况,但我不能肯定地说.
要验证我关于物理排序的理论,您可以尝试使用随机顺序插入的行制作大表的副本,然后再次运行查询.喜欢这个：
CREATE TABLE p AS SELECT * FROM public.product_product ORDER BY random();
接着：
EXPLAIN ANALYZE SELECT p.* FROM p JOIN django_site d ON (p.site_id = d.id) WHERE p.active AND p.site_id = 1 ORDER BY d.domain,p.name;
有什么区别？ – >显然这并没有解释它……
好的,为了测试varchar(100)是否有所不同,我重新创建了你的场景.见separate answer with a detailed test case and benchmark.这个答案已经超载了.
把它们加起来：
事实证明,我的另一种解释很合适.减速的主要原因显然是根据locale (LC_COLLATE)按varchar(100)列进行排序.
