sql - 将表 PK 值拆分为大致相同大小的范围

Question

我在 Postgres 中有一个表，其中包含大约一百万行和一个整数主键。

我想把它的整个PK空间拆分成N个大小差不多相同的区间独立处理。我该如何最好地做到这一点？

我显然可以通过将所有 PK 值获取到客户端并记住每个第 N 个值来做到这一点。这会进行全面扫描并获取所有值，而我只需要不超过 N+1 个值。

我可以选择最小值和最大值并缩小范围，但如果 PK 分布不均匀，它可能会给我一些大小非常不同的范围。

稍后我想要基于索引的访问范围，因此任何基于模数的技巧都不适用。

是否有任何不错的基于 SQL 的解决方案不涉及将所有 key 提取到客户端？编写一个特定于 N 的查询，例如有 N 个子句，如果可以的话。

一个例子:

范围内的 ID，例如，从 1234 到 567890，N = 4。

我想得到 4 个数字，比如 127123、254789、379860，所以在 ID [1234、127123]、[127123、254789] 的每个范围内大约 125k 条记录], [254789, 379860], [379860, 567890].

更新:

我想出了这样的解决方案:

select 
     percentile_disc(0.25) within group (order by c.id) over() as pct_25
    ,percentile_disc(0.50) within group (order by c.id) over() as pct_50
    ,percentile_disc(0.75) within group (order by c.id) over() as pct_75
from customer c
limit 1
;

它在为我提供准确的范围边界方面做得不错，并且只运行了几秒钟，这对我来说很好。

令我困扰的是，我必须添加 limit 1 子句才能获得一行。没有它，我会收到相同的行，表中的每条记录一个。有没有更好的方法来获取一行百分位数？

Answer 1

我想您可以使用 row_number() 来达到这个目的。像这样:

select t.*,
       floor((seqnum * N) / cnt) as range
from (select t.*,
             row_number() over (order by pk) - 1 as seqnum,
             count(*) over () as cnt
      from t
     ) t;

这假设范围是指 pk 值的范围。您还可以将范围表达式移动到 where 子句以仅选择一个特定范围。