質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.13%

パーティショニングを使わずに親テーブルのSELECTを子テーブルに飛ばす。

解決済

回答 1

投稿

  • 評価
  • クリップ 1
  • VIEW 1,300

score 141

実行環境
PostgreSQL (version 9.5) 
RDKit database cartridge (version 2017.03.1)

RDKit database cartridgeはPostgreSQLで
化学構造情報を取り扱うmol型や化学構造情報特有の検索を行うためのcartridgeです。


目的
現在、化学構造をレコードを保存しているcompoundsテーブルに対して部分構造検索と呼ばれる検索を行うSQL文を作成しています。

compoundsテーブルは約1200万のレコードが含まれており計算コストが非常に高いです。

そこで、以前コチラの質問をした時に「パーティショニングをしてみては?」とアドバイスをいただきましたので、
パーティショニングを以下のように行ってみました。

%%sql
CREATE OR REPLACE FUNCTION compounds_insert_trigger()
RETURNS TRIGGER AS $$
BEGIN
    IF (NEW.mol @> 'C1CNC1') THEN
        INSERT INTO compounds_C1CNC1 VALUES (NEW.*);
    ELSIF (NEW.mol @> 'c2ncc1NCNc1n2') THEN
        INSERT INTO compounds_c2ncc1NCNc1n2 VALUES (NEW.*);
    ELSIF (NEW.mol @> 'C1CCC1') THEN
        INSERT INTO compounds_C1CCC1 VALUES (NEW.*);
    ELSIF (NEW.mol @> 'c2ccc1CCCCc1c2') THEN
        INSERT INTO compounds_c2ccc1CCCCc1c2 VALUES (NEW.*);
    ELSIF (NEW.mol @> 'c2ccc(c1ccccc1)cc2') THEN
        INSERT INTO compounds_c2ccc_c1ccccc1_cc2 VALUES (NEW.*);
    ELSIF (NEW.mol @> 'c2ccc1NCCc1c2') THEN
        INSERT INTO compounds_c2ccc1NCCc1c2 VALUES (NEW.*);
    ELSIF (NEW.mol @> 'c2ccc1ccccc1c2') THEN
        INSERT INTO compounds_c2ccc1ccccc1c2_ VALUES (NEW.*);
    ELSIF (NEW.mol @> 'c2ccc1ncccc1c2') THEN
        INSERT INTO compounds_c2ccc1ncccc1c2 VALUES (NEW.*);
    ELSIF (NEW.mol @> 'C1CCCC1') THEN
        INSERT INTO compounds_C1CCCC1 VALUES (NEW.*);
    ELSIF (NEW.mol @> 'C1CCCCC1') THEN
        INSERT INTO compounds_C1CCCCC1 VALUES (NEW.*);
    ELSIF (NEW.mol @> 'c1c[nH]cn1') THEN
        INSERT INTO compounds_c1c_nH_cn1 VALUES (NEW.*);
    ELSIF (NEW.mol @> 'c1ccccc1.c1ccccc1.c1ccccc1') THEN
        INSERT INTO compounds_c1ccccc1_c1ccccc1_c1ccccc1 VALUES (NEW.*);
    ELSIF (NEW.mol @> 'C1CCNC1') THEN
        INSERT INTO compounds_C1CCNC1 VALUES (NEW.*);
    ELSIF (NEW.mol @> 'c1ccncc1') THEN
        INSERT INTO compounds_c1ccncc1 VALUES (NEW.*);
    ELSIF (NEW.mol @> 'CCCCCC') THEN
        INSERT INTO compounds_CCCCCC VALUES (NEW.*);
    ELSIF (NEW.mol @> 'c1ccccc1.c1ccccc1') THEN
        INSERT INTO compounds_c1ccccc1_c1ccccc1 VALUES (NEW.*);
    ELSIF (NEW.mol @> 'c1ccccc1') THEN
        INSERT INTO compounds_c1ccccc1_ VALUES (NEW.*);
    ELSE
        INSERT INTO compounds_others VALUES (NEW.*);
    END IF;
    RETURN NULL;
END;
$$
LANGUAGE plpgsql;

CREATE TRIGGER insert_compounds_trigger
    BEFORE INSERT ON compounds
    FOR EACH ROW EXECUTE PROCEDURE compounds_insert_trigger();

しかし、EXPLAIN ANALYZEを調べてみたところ残念ながらCHECKの条件が簡単なものではないためconstraint_exclusionが働いていませんでした。
(@>はRDKit database cartridgeで拡張された機能である部分構造検索を行う部分です。右側に化学構造を含めます。)


ただ、別のテーブルに保存されるところはうまくいっているので

親テーブルをSELECT * FROM mol @> foo した時にトリガで特定のテーブルだけ検索するようにすれば計算コストが小さくなるのではないかと考えました。

現在さらに調べてトリガはSELECTに使うことができないのでRULEを使えばよいのかな?というところまで進みましたが

ドキュメントには

現時点では、ON SELECTルールは、条件を持たないINSTEADルールでなければなりません。

と書いているのでRULEでも難しいのかなとなってしまい、ここでどうすればよいかわからなくなってしまいました。

どのようにすれば目標を達成できるかアドバイスを頂けたら助かります。
パーティショニングを使う使わないにもこだわりはありません。

ご指導ご鞭撻よろしくお願いします。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

+1

分割している内容を見ると、パーティション分割に適しているか疑問です。

要素を含むということで分割しているように見えますが、それだと同じ要素を含んでいるものがあると、複数のテーブルに存在することになるのではないでしょうか。
それだと、(どの程度かが重要ですが)トータルの件数は増加することになります。

またこの場合、最初にHITしたものだけ返却することになったりしないでしょうか
(同様なことについて経験は無いので推測にしか過ぎませんが)

現状Gist形式のインデックスとのことですが、別途Gin形式のインデックスが作成可能ならその方が高速なので、GIn形式で絞り込んでさらにGist形式で絞り込むという2段階方式もありかもしれません。
※mol型というのがどういう構造なのかまでは配慮していませんので、可能かどうかは分かりません。

因みに、@>はRDkitの拡張ではなくpostgresのテキスト検索演算子だと思われます。
なので、Gistインデックス作成時にmol型もtsquery型に変換しているのではないかと思われますが。

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2017/09/01 12:55

    ご解答ありがとうございます。

    わかりにくい説明ですいません。

    >要素を含むということで分割しているように見えますが、それだと同じ要素を含んでいるものがあると、複数のテーブルに存在することになるのではないでしょうか。
    >それだと、(どの程度かが重要ですが)トータルの件数は増加することになります。
    おっしゃるとおり化学構造中に特定の構造があるかで絞り込んでいます。
    ELSIFでつないでおりますので、
    上から順番に特定の構造を持つかで調べており
    いずれかの構造を持っていたらそのテーブルに登録する。
    としているので、トータルの件数は増加しておりません。

    >現状Gist形式のインデックスとのことですが、別途Gin形式のインデックスが作成可能ならその方が高速>なので、GIn形式で絞り込んでさらにGist形式で絞り込むという2段階方式もありかもしれません。
    >※mol型というのがどういう構造なのかまでは配慮していませんので、可能かどうかは分かりません。
    mol型がおそらくGist形式しか対応してないと思います。
    btree型で作ったことがありますが動いてなかったと思います。
    2段階方式は面白いアイディアだと思いますので、もう一度調べるなり作者に一度問い合わせてみます。
    ありがとうございました。

    >因みに、@>はRDkitの拡張ではなくpostgresのテキスト検索演算子だと思われます。
    >なので、Gistインデックス作成時にmol型もtsquery型に変換しているのではないかと思われますが。
    勉強不足ですいませんでした。
    @>はmol型に対しては部分構造検索演算子として働くとお伝えするべきでしたね。
    部分構造検索は単純なテキスト検索ではないのでtsquery型に変換している可能性は低いと思います。
    (簡単に説明しますと、特定の化学構造が別の化学構造の部分集合になっているかどうかを調べる検索です)

    改めまして、ありがとうございました。

    キャンセル

  • 2017/09/01 14:26 編集

    確かにelseifでしたね。
    では、A,B両方の要素を持つものをelseifで分割していき、Aの分割側に格納されたとすると、Bの要素で検索した場合、HITしないことにならないでしょうか。
    検索されたとしても、インデックスが使われるとは思われず、それだと目的から逸れてしまいますし。

    キャンセル

  • 2017/09/01 15:19

    >では、A,B両方の要素を持つものをelseifで分割していき、Aの分割側に格納されたとすると、Bの要素で検索した場合、HITしないことにならないでしょうか。

    確かにおっしゃるとおりその可能性はありますね。
    と、考えると別の条件で絞る必要がありますね。
    要素が重複している可能性があるものはCHECKに使えないですね。
    残念です。

    ご指摘、ありがとうございました!助かりました。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.13%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る