python - 多条件有效查询

Question

我有一个数据库

books          (primary key: bookID)
characterNames (foreign key: books.bookID) 
locations      (foreign key: books.bookID)

字符名称和位置的文本位置保存在相应的表中。
现在我想使用 psycopg2 编写一个 Python 脚本来查找给定字符名称和给定位置在书中的所有出现，两者都出现的地方。
目前，我执行 4 个查询:

SELECT bookID, position FROM characterNames WHERE name='XXX';
--> result is saved in list 'charnames'

SELECT DISTINCT bookID FROM characterNames WHERE name='XXX';
--> result is saved in list 'charnamesIDs'

SELECT bookID, position FROM locations WHERE locName='YYY';
--> result is saved in list 'locs'

SELECT bookID FROM locations WHERE locName='YYY';
--> result is saved in list 'locsIDs'

这两个查询都可以给我 bookIDs，其中只显示名称或位置。因此，我的目标是消除“charnames”的所有元素，其中 bookID 未出现在“locs”中，反之亦然。我的方法是:

for cnameTuple in charnames:  
~if cnameTuple[0] in locsIDs:  
~~continue  
~del(cname)

我为locs中的元组做了一个相应的循环。
不幸的是，这个算法需要很多时间。有没有办法更快地执行此任务？

Answer 1

如果使用 JOIN 查询，这可能会更快更简单。
像这样:

SELECT b.*, c.position, l.position
FROM   books b
JOIN   characternames c USING (bookid)
JOIN   locations l USING (bookid)
WHERE  c.name = 'XXX'
AND    l.locname = 'YYY';

• only retrieve the data you need from the database server 通常是个好主意而不是在您的应用程序中获取过多的数据和过滤。数据库引擎针对过滤和排序进行了优化。你很难在你的应用程序中匹配它。

• 请注意我是如何使用所有小写名称的。阅读 manual about identifiers .

• 关于SELECT statement, in particular about JOINs的手册.

---

评论后的更多信息

对于像 PostgreSQL 这样旨在处理 数百万 的 RDBMS，“数千本书”根本不是问题。大表性能的关键是适当的indexes .对于此处的查询，以下索引可能会有所帮助:

CREATE INDEX books_bookid_idx ON books(bookid); -- a primary key will do, too

CREATE INDEX cn_bookid_idx ON characternames (bookid);
CREATE INDEX cn_name_idx ON characternames (name);

CREATE INDEX locations_bookid_idx ON locations (bookid);
CREATE INDEX locations_locname_idx ON locations (locname);

Multicolumn indexes可能表现得更好。用 EXPLAIN ANALYZE 测试，它将向您显示使用了哪些索引以及查询的速度。创建索引非常快，使用它们进行试验也很容易。只是不要保留不需要的索引。它们也有维护成本。

---

优化查询

我 think 我现在明白了，你在找什么。应该优化此查询以获取每个 bookid 的位置或名称的所有位置，但仅限于名称 和 位置出现在同一本书中的位置，并且没有每本书的更多详细信息:

WITH b AS (
    SELECT bookid
    FROM   characternames
    WHERE  name = 'XXX'
    GROUP  BY 1
    INTERSECT
    SELECT bookid
    FROM   locations
    WHERE  l.locname = 'YYY'
    GROUP  BY 1
    )
SELECT bookid, position, 'char' AS what
FROM   b
JOIN   characternames USING (bookid)
WHERE  name = 'XXX'
UNION  ALL
SELECT bookid, position, 'loc' AS what
FROM   b
JOIN   locations USING (bookid)
WHERE  locname = 'YYY'
ORDER  BY bookid, position;

要点

• CTE (WITH query)确保基本查询只执行一次。
• INTERSECT仅选择具有位置和名称的 bookids。
• UNION ALL在最后的SELECT 中返回所有 找到的位置。如果您想修剪具有相同位置的重复项，请改用 UNION。
• 我按 bookid, position 排序 - 猜想这是需要的。
• 添加了一列 what 来标记位置的来源(位置或名称)。

---

进一步优化

如果搜索字词在每本书中出现多次，您可以通过为(bookid, term)创建具有不同条目的辅助表来大大加快搜索速度。在两列上创建一个多列主索引，并在 term 上创建一个附加索引。为位置创建一个这样的表，为名称创建另一个表。如果需要的话，让它们与触发器保持同步，但我认为书籍的内容变化不大。将简化和加速 CTE。

如果仍然不够快，请查看 Full Text Search .