SQL HowTo: курсорный пейджинг с неподходящей сортировкой

Этот пост родился как расширенный ответ на умозрительную задачу, обозначенную в статье «Хроники пэйджинга» ^[1].

Пусть у нас есть реестр документов, с которым работают операторы или бухгалтеры в СБИС ^[2], вроде такого:

^[2]

Традиционно, при подобном отображении используется или прямая (новые снизу) или обратная (новые сверху) сортировка по дате и порядковому идентификатору, назначаемому при создании документа — ORDER BY dt, id или ORDER BY dt DESC, id DESC.

Типичные возникающие при этом проблемы я уже рассматривал в статье «PostgreSQL Antipatterns: навигация по реестру» ^[3]. Но что если пользователю зачем-то захотелось «нетипичного» — например, отсортировать одно поле «так», а другое «этак» — ORDER BY dt, id DESC? Но второй индекс мы создавать не хотим — ведь это замедление вставки и лишний объем в базе.

Можно ли решить эту задачу, эффективно используя только индекс (dt, id)?

Давайте сначала нарисуем, как упорядочен наш индекс:

Отмечу, что порядок создания записей id не обязательно совпадает с порядком dt, поэтому опираться на него мы не можем, и придется что-то изобретать.

Теперь предположим, что мы находимся в точке (A, 2) и хотим прочитать «следующие» 6 записей в сортировке ORDER BY dt, id DESC:

Ага! Мы выбрали какой-то «кусочек» из первого узла A, другой «кусочек» из последнего узла C и все записи из узлов между ними (B). Каждый такой блок вполне успешно ложится на чтение по индексу (dt, id), несмотря на не вполне подходящий порядок.

Давайте попробуем сконструировать такой запрос:

• сначала читаем из блока A «влево» от стартовой записи — получаем N записей
• дальше читаем L - N «вправо» от значения A
• находим в последнем блоке максимальный ключ C
• отфильтровываем из предыдущей выборки все записи этим ключом и вычитываем его «справа»

А теперь попробуем изобразить в коде и проверить на модели:

CREATE TABLE doc(
  id
    serial
, dt
    date
);
CREATE INDEX ON doc(dt, id); -- наш индекс

-- случайно "раскидаем" документы по последнему году
INSERT INTO doc(dt)
SELECT
  now()::date - (random() * 365)::integer
FROM
  generate_series(1, 10000);

Чтобы не вычислять количество уже прочитанных записей и разность между ним и целевым количеством, заставим это делать PostgreSQL с помощью «хака» UNION ALL и LIMIT:

(
  ... LIMIT 100
)
UNION ALL
(
  ... LIMIT 100
)
LIMIT 100

Теперь соберем начитку следующих 100 записей с целевой сортировкой (dt, id DESC) от последнего известного значения:

WITH src AS (
  SELECT
    '{"dt" : "2019-09-07", "id" : 2331}'::json -- "опорный" ключ
)
, pre AS (
  (
    ( -- читаем не более 100 записей "влево" от опорной точки из "левого" значения A
      SELECT
        *
      FROM
        doc
      WHERE
        dt = ((TABLE src) ->> 'dt')::date AND
        id < ((TABLE src) ->> 'id')::integer
      ORDER BY
        dt DESC, id DESC
      LIMIT 100
    )
    UNION ALL
    ( -- дочитываем до 100 записей "вправо" от исходного значения "верхнего" ключа A -> B, C
      SELECT
        *
      FROM
        doc
      WHERE
        dt > ((TABLE src) ->> 'dt')::date
      ORDER BY
        dt, id
      LIMIT 100
    )
  )
  LIMIT 100
)
-- находим крайний правый ключ C в том, что прочитали
, maxdt AS (
  SELECT
    max(dt)
  FROM
    pre
  WHERE
    dt > ((TABLE src) ->> 'dt')::date
)
(
  ( -- вычищаем "левые" записи по ключу C
    SELECT
      *
    FROM
      pre
    WHERE
      dt <> (TABLE maxdt)
    LIMIT 100
  )
  UNION ALL
  ( -- дочитываем "правые" записи по ключу C до 100 штук
    SELECT
      *
    FROM
      doc
    WHERE
      dt = (TABLE maxdt)
    ORDER BY
      dt DESC, id DESC
    LIMIT 100
  )
  LIMIT 100
)
ORDER BY
  dt, id DESC; -- накладываем целевую сортировку, поскольку записи по B у нас лежат не в том порядке

Посмотрим, что получилось в плане:

[посмотреть на explain.tensor.ru] ^[4]

• Итак, по первому ключу A = '2019-09-07' мы прочитали 3 записи.
• К ним дочитали еще 97 по B и C за счет точного попадания в Index Scan.
• Среди всех записей отфильтровали 18 по максимальному ключу C.
• Дочитали 23 записи (вместо 18 искомых из-за Bitmap Scan) по максимальному ключу.
• Все пересортировали и отсекли целевые 100 записей.
• … и на все это ушло меньше миллисекунды!

Метод, безусловно, не универсален и при индексах на большем количестве полей превратится во что-то совсем уж страшное, но если очень хочется дать пользователю «нестандартную» сортировку без «обрушения» базы в Seq Scan по большой таблице — можно осторожно пользоваться.

Автор: Боровиков Кирилл

Источник ^[5]