All perguntas(dba)

Considere esta resposta no SO que tranquiliza o questionador sobre o <>operador que:

<>é ... o mesmo que !=.

Mas então um comentarista se intromete e diz:

É verdade que eles são, funcionalmente, os mesmos. No entanto, como o otimizador SQL os usa é muito diferente. =/!= são simplesmente avaliados como verdadeiro/falso, enquanto <> significa que o mecanismo precisa verificar se o valor é maior ou menor, o que significa mais sobrecarga de desempenho. Apenas algo a considerar ao escrever consultas que podem ser caras.

Estou confiante de que isso é falso, mas, para abordar os céticos em potencial, me pergunto se alguém pode fornecer uma fonte autorizada ou canônica para provar que esses operadores não são apenas funcionalmente iguais, mas idênticos em todos os aspectos.

Eu posso ver a corrente search_pathcom:

show search_path ;

E eu posso definir o search_pathpara a sessão atual com:

set search_path = "$user", public, postgis;

Além disso, posso definir permanentemente o search_pathpara um determinado banco de dados com:

alter database mydb set search_path = "$user", public, postgis ;

E posso definir permanentemente o search_pathpara uma determinada função (usuário) com:

alter role johnny set search_path = "$user", public, postgis ;

Mas eu gostaria de saber como determinar quais são as configurações do banco de dados e da funçãosearch_path (com relação a ) antes de alterá-las?

Usando PostgreSQL v9.1. Tenho as seguintes tabelas:

CREATE TABLE foo
(
    id BIGSERIAL     NOT NULL UNIQUE PRIMARY KEY,
    type VARCHAR(60) NOT NULL UNIQUE
);

CREATE TABLE bar
(
    id BIGSERIAL NOT NULL UNIQUE PRIMARY KEY,
    description VARCHAR(40) NOT NULL UNIQUE,
    foo_id BIGINT NOT NULL REFERENCES foo ON DELETE RESTRICT
);

Digamos que a primeira tabela fooseja preenchida assim:

INSERT INTO foo (type) VALUES
    ( 'red' ),
    ( 'green' ),
    ( 'blue' );

Existe alguma maneira de inserir linhas barfacilmente referenciando a footabela? Ou devo fazê-lo em duas etapas, primeiro procurando o footipo que desejo e inserindo uma nova linha em bar?

Aqui está um exemplo de pseudo-código mostrando o que eu esperava que pudesse ser feito:

INSERT INTO bar (description, foo_id) VALUES
    ( 'testing',     SELECT id from foo WHERE type='blue' ),
    ( 'another row', SELECT id from foo WHERE type='red'  );

Estamos procurando desenvolver uma ferramenta para capturar e analisar dados de fluxo de rede, dos quais coletamos uma quantidade enorme. A cada dia, capturamos cerca de 1,4 bilhão de registros de fluxo que ficariam assim no formato json:

{
   "tcp_flags": "0",
   "src_as": "54321",
   "nexthop": "1.2.3.4",
   "unix_secs": "1352234521",
   "src_mask": "23",
   "tos": "0",
   "prot": "6",
   "input": "105",
   "doctets": "186",
   "engine_type": "0",
   "exaddr": "2.3.4.5",
   "engine_id": "2",
   "srcaddr": "9.8.7.6",
   "dst_as": "12345",
   "unix_nsecs": "752265174",
   "sysuptime": "2943529544",
   "dst_mask": "24",
   "dstport": "80",
   "last": "2943523241",
   "srcport": "52672",
   "dpkts": "4",
   "output": "111",
   "dstaddr": "6.5.4.3",
   "first": "2943517993"
}

Gostaríamos de poder fazer pesquisas rápidas (menos de 10 segundos) no conjunto de dados, provavelmente em fatias estreitas de tempo (intervalos de 10 a 30 minutos). Também queremos indexar a maioria dos pontos de dados para que possamos fazer pesquisas em cada um deles rapidamente. Também gostaríamos de ter uma visão atualizada dos dados quando as pesquisas são executadas. Seria ótimo permanecer no mundo do código aberto, mas não nos opomos a buscar soluções proprietárias para este projeto.

A ideia é manter aproximadamente um mês de dados, o que seria ~43,2 bilhões de registros. Uma estimativa aproximada de que cada registro conteria cerca de 480 bytes de dados, equivaleria a ~18,7 terabytes de dados em um mês e talvez três vezes isso com índices. Eventualmente, gostaríamos de aumentar a capacidade desse sistema de armazenar trilhões de registros.

Nós avaliamos (basicamente) o couchbase, o cassandra e o mongodb como possíveis candidatos para este projeto, porém cada um propõe seus próprios desafios. Com o couchbase, a indexação é feita em intervalos e não durante a inserção dos dados, portanto as visualizações não estão atualizadas, os índices secundários do cassandra não são muito eficientes em retornar resultados, pois normalmente exigem a varredura de todo o cluster para obter resultados, e o mongodb parece promissor, mas parece ser muito mais difícil de dimensionar, pois é master/slave/sharded. Alguns outros candidatos que planejamos avaliar são elasticsearch, mysql (não tenho certeza se isso é aplicável) e alguns bancos de dados relacionais orientados a colunas. Qualquer sugestão ou experiência do mundo real seria apreciada.

Existe uma maneira de criar um índice no MySQL se ele não existir?

MySQL não suporta o formato óbvio:

CREATE INDEX IF NOT EXISTS index_name ON table(column)
ERROR 1064 (42000): You have an error in your SQL syntax;...

A versão do MySQL ( mysql -V) é 5.1.48, mas acho que o MySQL não tem essa CREATE INDEX IF NOT EXISTcapacidade em todas as suas versões.

Qual é a maneira correta de criar um índice somente se ele ainda não existir no MySQL?

Eu quero descartar todas as conexões (sessões) que estão abertas no momento para um banco de dados PostgreSQL específico, mas sem reiniciar o servidor ou desconectar conexões com outros bancos de dados.

Como eu posso fazer isso?

Eu tenho algumas perguntas sobre o trabalho de índices no PostgreSQL. Tenho uma Friendstabela com o seguinte índice:

   Friends ( user_id1 ,user_id2) 

user_id1e user_id2são chaves estrangeiras para a usertabela

1. Estes são equivalentes? Se não, então por quê?

   Index(user_id1,user_id2) and Index(user_id2,user_id1)
   

2. Se eu criar a chave primária (user_id1,user_id2), ela cria automaticamente índices para ela e

   Se os índices na primeira pergunta não forem equivalentes, qual índice é criado no comando de chave primária acima?

tenho uma tabela:

CREATE TABLE names (id serial, name varchar(20))

Eu quero o "último id inserido" dessa tabela, sem usar RETURNING idna inserção. Parece haver uma função CURRVAL(), mas não entendo como usá-la.

Eu tentei com:

SELECT CURRVAL() AS id FROM names_id_seq
SELECT CURRVAL('names_id_seq')
SELECT CURRVAL('names_id_seq'::regclass)

mas nenhum deles funciona. Como posso usar currval()para obter o último id inserido?

Quando tento descartar um banco de dados, recebo o erro "Não é possível descartar o banco de dados "dbname" porque está em uso no momento". No entanto, quando executo sp_who2, definitivamente não há sessões conectadas a esse banco de dados. Eu também configurei o banco de dados para single_user mode with rollback immediate.

Por que isso está acontecendo?

É verdade que os procedimentos armazenados impedem ataques de injeção SQL contra bancos de dados PostgreSQL? Pesquisei um pouco e descobri que SQL Server, Oracle e MySQL não são seguros contra injeção de SQL, mesmo que usemos apenas stored procedures. No entanto, esse problema não existe no PostgreSQL.

A implementação do procedimento armazenado no núcleo do PostgreSQL impede ataques de injeção de SQL ou é outra coisa? Ou o PostgreSQL também é suscetível à injeção de SQL, mesmo que usemos apenas procedimentos armazenados? Em caso afirmativo, mostre-me um exemplo (por exemplo, livro, site, papel, etc.).