我们正在尝试根据最近的地理距离将事件与线路进行匹配
--pseudo code
LATERAL JOIN (
SELECT line_id, geom
FROM lines
ORDER by distance(lines.geom, events.geom)
LIMIT 1) nearest_line
有时，值得注意的是，会出现平局。我们希望确保如果使用相同的数据集再次运行我们的 ETL 管道，返回的结果会相同。一个想法是将其包含line_id在 中ORDER BY，但这可能会使我们的匹配结果偏向更低的line_id。如果我们的 ETL 必须在相同的数据集上重新运行，有没有办法随机打破平局，从而产生相同的输出？
我正在考虑类似的方法，但要根据和 的random()组合来设置种子。像在 ID 上使用 这样的方法可以吗？event_idline_idmod()
我有一个传感器观测值表obs_ts timestamp, sensor_id text, sensor_val int，为了用数据填补空白，我们有按星期几和一天中的小时划分的模型：model_id int, hour_of_day int, model_val int。
为了填补缺失值，我们将通过交叉表连接这两个表，即：sensor_id text, day_of_week int, model_id int
如果我们的观察表很大，那么为加入isodow和建立索引的最佳方式是什么hour。索引时间戳是否也像索引函数一样EXTRACT(isodow FROM obs_ts)，或者我应该使这些函数索引明确，例如CREATE INDEX ON observations (EXTRACT isodow FROM obs_tx)。对于按小时加入，将 转换hour_of_day为 a会更好timerange吗？
我有一个分区表结构，如：
CREATE TABLE measurements (
sensor_id bigint,
tx timestamp,
measurement int
);
CREATE TABLE measurements_201201(
CHECK (tx >= '2012-01-01 00:00:00'::timestamp without time zone
AND tx < ('2012-01-01 00:00:00'::timestamp without time zone + '1 mon'::interval))
)INHERITS (measurements);
CREATE INDEX ON measurements_201201(sensor_id);
CREATE INDEX ON measurements_201201(tx);
CREATE INDEX ON measurements_201201(sensor_id, tx);
....
等等。每个表大约有 20M 行。
如果我在子句中查询传感器样本和时间戳样本WHERE，查询计划会显示选择的正确表和使用的索引，例如：
SELECT *
FROM measurements
INNER JOIN sensors TABLESAMPLE BERNOULLI (0.01) USING (sensor_id)
WHERE tx BETWEEN '2015-01-04 05:00' AND '2015-01-04 06:00'
OR tx BETWEEN '2015-02-04 05:00' AND '2015-02-04 06:00'
OR tx BETWEEN '2014-03-05 05:00' AND '2014-04-07 06:00' ;
但是，如果我使用 CTE，或者将时间戳值放入表中（未显示，即使在临时表上有索引）。
WITH sensor_sample AS(
SELECT sensor_id, start_ts, end_ts
FROM sensors TABLESAMPLE BERNOULLI (0.01)
CROSS JOIN (VALUES (TIMESTAMP '2015-01-04 05:00', TIMESTAMP '2015-01-04 06:00'),
(TIMESTAMP '2015-02-04 05:00', TIMESTAMP '2015-02-04 06:00'),
(TIMESTAMP '2014-03-05 05:00', '2014-04-07 06:00') ) tstamps(start_ts, end_ts)
)
类似下面的东西
SET constraint_exclusion = on;
SELECT * FROM measurements
INNER JOIN sensor_sample USING (sensor_id)
WHERE tx BETWEEN start_ts AND end_ts
对每个表执行索引扫描。这仍然相对较快，但是随着查询复杂性的增加，这可能会变成 seq 扫描，这对于从有限的分区表子集（50 个中的 4-5 个）中检索约 40K 行最终会非常慢。
我担心这样的事情是问题所在。
对于非平凡的表达式，您必须在查询中重复或多或少的逐字条件，以使 Postgres 查询规划器了解它可以依赖 CHECK 约束。即使看起来多余！
如何改进分区和查询结构以减少对所有数据运行 seq 扫描的可能性？
我收到了.dmp一个企业数据库的文件，但目前只能访问免费版本的 Oracle。我最终想将数据导入 PostgreSQL。但目前我想知道是否有办法在需要时以块的形式恢复最大的表（10.91G），所以我可以将其内容导出到 csvs 以导入 PostgreSQL。目前，如果我尝试有选择地恢复 10.91GB 表
impdp system/pw tables=TEST.BIG_TABLE directory=test_data dumpfile=test_data.dmp log=log.log;
我明白了
Connected to: Oracle Database 11g Express Edition Release 11.2.0.2.0 - 64bit Production
ORA-39002: invalid operation
ORA-31694: master table "SYSTEM"."SYS_IMPORT_TABLE_01" failed to load/unload
ORA-02354: error in exporting/importing data
ORA-39776: fatal Direct Path API error loading table "SYSTEM"."SYS_IMPORT_TABLE_
01"
ORA-12953: The request exceeds the maximum allowed database size of 11 GB
到目前为止，我能够创建的最大表空间是 of SIZE 10500M，命令：
CREATE TABLESPACE test DATAFILE 'test.dbf' SIZE 10600M ONLINE;产生错误ORA-12953: The request exceeds the maximum allowed database size of 11 GB
结果select tablespace_name, sum(bytes) from dba_data_files group by tablespace_name是：
tablespace | sum(bytes)/1000000
-----------+-------------------
SYSAUX | 692.06016
UNDOTBS1 | 398.45888
USERS | 104.8576
SYSTEM | 524.288
TEST | 11010.048
我正在考虑将当前的 PostgreSQL 数据仓库迁移到以 SSD 存储和 RAM 作为主要规模变量之一的云主机。我们目前处理的最庞大的数据将存在于每月分区表中。每个月大约有 70GB 的索引（40-ish w/o）。数据可能主要是定期批量加载，然后由 5 名研究人员组成的小团队访问。
我一直在尝试在此站点上搜索有关规范 RAM 的建议，而我发现的只是：
是否应该有足够的 RAM 至少将整个索引 (16GB) 加载到 RAM 中？我还需要提供其他详细信息吗？
我正在将大量大文件导入到多个表中，这些表要使用匿名 plpgsql 代码块中的循环进行分区$do$。
$do$
BEGIN
FOR yyyy in 2012..2016 THEN
EXECUTE $$COPY table$$||yyyy||$$ FROM 'E:\data\file$$||yyyy||$$.csv DELIMITER ',' CSV;$$;
END LOOP;
END;
$do$ LANGUAGE plpgsql
整个过程大约需要 15 个小时，我希望如果在某些时候出现导入错误，所有导入都不会回滚。
IIRCCOMMIT在存储函数中不起作用，因为整个函数被视为单个事务。
代码块被视为没有参数的函数体，返回 void。它被解析并执行一次。
我假设这意味着整个$do$事务是一个事务，因此块内的提交将不起作用。我对么？