postgresql - GROUP BY 在 Postgres 中的表现

Question

我有一个大表(超过 200 万条记录，其中包含大量列)。我打算为重复数据删除目的做一个 GROUP BY。我想知道以下两种策略中哪种策略效果更好？

1. GROUP BY 多列(col_a, col_b, col_c)
2. 添加一个新列 dedup_col，该列由使用 col_a、col_b、col_c 形成的规范化字符串组成，然后对 dedup_col 执行 GROUP BY。 dedup_col 将预先填充。

我知道我可以运行基准测试，但我希望在开始实现之前获得一些理论输入。

Answer 1

看在上帝的份上，请选择选项 1。不要求助于 #2，除非您对 #1 有严肃的性能选项，并且您已用尽所有其他选项(包括索引)来解决它。

选项 #2 是个糟糕的主意。实际上，您正在通过实现一个穷人版本的索引来重新发明轮子……很糟糕。

在您发现性能问题之前，永远不要为了性能而对数据进行非规范化(这就是您在选项 2 中所做的)。即使那样，您也可能不应该这样做。

仅供引用:如果您正确设置了索引，则 200 万条记录不是一个大数据库。