PostgreSQL查询SQL语义分析（1）—解析查询对象addRangeTableEntry

本文主要介绍PG在执行查询时，对SQL的语义分析重写过程中的查询对象解析过程，处理的函数为addRangeTableEntry，分析查询对象信息。

本函数是解析查询 (包含增删改查 *** 作) 执行过程中涉及的查询对象 (表、视图、子查询等) 的信息。

每次调用只解析一个对象。

1、通过观察addRangeTableEntry的执行过程，了解SQL语义解析transformFromClause的处理过程。

2、表结构信是从缓存中结构读取，然后获取自己需要的信息。

3、语义分析后转换为relid（关联对象id），提升查询执行的处理效率。

Unix时间戳(Unix timestamp)，或称Unix时间(Unix time)、POSIX时间(POSIX time)，是一种时间表示方式，定义为从格林威治时间1970年01月01日00时00分00秒起至现在的总秒数。Unix时间戳不仅被使用在Unix系统、类Unix系统中，也在许多其他 *** 作系统中被广泛采用。

postgresql查询数据时，很多情况时间格式是时间戳样式的，可读性很差，需要转换成普通格式的，在查询时，转换方法如下：

select md5, to_char(to_timestamp(time),'yyyy-MM-dd HH24-MI-SS') as time from tablename;

PostgreSQL命令 EXPLAIN ANALYZE 是日常工作中了解和优化SQL查询过程所用到的最强大工具，后接如 SELECT ， UPDATE 或者 DELETE 等SQL语句，命令执行后并不返回数据，而是输出查询计划，详细说明规划器通过何种方式来执行给定的SQL语句。

下面是从 Postgres Using EXPLAIN 提取的查询：

它生成的查询计划：

Postgres构建了一个规划节点的树结构，以表示所采取的不同 *** 作，其中root根和每个 -> 指向其中一个 *** 作。在某些情况下， EXPLAIN ANALYZE 会提供除执行时间和行数之外的额外执行统计信息，例如上面例子中的 Sort 及 Hash 。除第一个没有 -> 的行之外的任何行都是诸如此类的信息，因此查询的结构是：

每个树分支代表子动作，从里到外以确定哪个是“第一个”发生（尽管同一级别的节点顺序可能不同）。

在 tenk_unique1 索引上执行的第一个 *** 作是 Bitmap Index Scan ：

这对应于SQL WHERE t1unique1 < 100 。Postgres查找与条件 unique1 < 100 匹配的行位置。此处不会返回行数据本身。成本估算 (cost=000504 rows=101 width=0) 意味着Postgres预期将“花费” 任意计算单位的 504 来找到这些行。000是此节点开始工作的成本（在这种情况下，即为查询的启动时间）。 rows 是此索引扫描将返回的预估行数， width 是这些返回行的预估大小（以字节为单位）（0是因为这里只关心位置，而不是行数据的内容）。

因为使用了 ANALYZE 选项运行 EXPLAIN ，所以查询被实际执行并捕获了计时信息。 (actual time=00490049 rows=100 loops=1) 表示索引扫描执行了1次（ loops 值），结果返回了100行，实际时间是0 如果节点执行了多次，实际时间是每次迭代的平均值，可以将该值乘以循环次数以获取实际时间。基于成本的最小/最大时间的概念，范围值也可能会有所不同。通过这些值，我们可以为该查询生成一个成本比率，每个成本单位为0049ms / 504单位≈001ms/单位。

索引扫描的结果将传递给 Bitmap Heap Scan *** 作。在此节点中，Postgres将获取别名为t1的tenk1表中行的位置，根据 unique1 < 100 条件筛选并获取行。

当乘以之前计算的001值时，我们可以得到成本预期的大概时间（22920 - 507）001≈224ms，同时每行实际时间为除以4后的结果：0526ms。这可能是因为成本估算是取的上限而不是取所有需读取的行，也或者因为Recheck条件总是生效。

和表顺序读取行（a Seq Scan ）相比， Bitmap Index Scan 和 Bitmap Heap Scan 关联 *** 作成本要昂贵得多，但是因为在这种情况下只需要访问相对较少的行，所以关联 *** 作最终会变得更快。通过在获取行之前将行按照物理顺序排序来进一步加速，这会将单独获取的成本降到最低。节点名称中的“Bitmap”完成了排序 *** 作。

表扫描的结果（tenk1表中满足 unique1 < 100 条件的那些行）将在读取时被插入到内存的哈希表中。正如我们从成本中看到的那样，这根本不需要时间。

哈希节点包括散列桶(hash buckets)和批次数(batches)相关的信息，以及内存使用峰值情况。如果批次> 1，则还会包括未显示的磁盘使用信息。内存占用在100行 244字节= 244 kB时是有意义的，它非常接近28kB，我们假定这是哈希键本身所占用的内存。

接下来，Postgres从别名为t2的tenk2表读取所有的10000行，并根据tenk1表行的Hash检查它们。散列连接意味着将一个表的行输入到内存中的散列（先前的 *** 作中已构建），之后扫描另一个表的行，并根据散列表探测其值以进行匹配。在第二行可以看到“匹配”的条件， Hash Cond: (t2unique2 = t1unique2) 。请注意，因为查询是从tenk1和tenk2中选择所有值，所以在散列连接期间每行的宽度加倍。

现在已经收集了满足条件的所有行，可以对结果集进行排序 Sort Key: t1fivethous 。

Sort节点包含排序算法 quicksort 相关的信息 ，排序是在内存中还是在磁盘上完成（这将极大地影响速度），以及排序所需的内存/磁盘空间量。

熟悉如何解读查询计划会非常有助于优化查询。例如，Seq Scan节点通常表示添加索引的必要性，读取速度可能要快得多。

翻译并编辑，原文出处： >

select from (select 除了时间所有字段写出来,to_date('COMMENTTIME','yyyy-mm-dd hh24:mi:ss') time from T_SCHOOL_RECORDCOMMENT where RECORDID = :p_cid) order by time desc;

这样试试，但是你的时间字段用该保存为date类型，这样好像很麻烦。。

以上就是关于PostgreSQL查询SQL语义分析（1）—解析查询对象addRangeTableEntry全部的内容，包括:PostgreSQL查询SQL语义分析（1）—解析查询对象addRangeTableEntry、postgresql 时间戳怎么存储、PostgreSQL学习系列—EXPLAIN ANALYZE查询计划解读等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！