【巨杉数据库Sequoiadb】用pg对500W数据进行group by操作，耗时过长（50秒）

【用户咨询】 
用sequoiasql-postgresql创建一个关联表，存入500W数据。在创建索引的情况下，用pg进行简单的group by查询，平均耗时是50秒，是否可以进一步优化？ 
【问题描述】 
1.集群部署情况 
   三台主机对应一个分区组，每台主机均部署有coord、cata、data节点。 
2.表属性 
   一个500w数据的关联表b_qt_swdj和一个800w数据的pg原生表b_qt_swdj1，两个表结构相同，一共39个字段。 
3.sample和语句 
   对关联表执行查询： 
   ①SELECT sw_scjy_yb,count(se_scjy_yb) as count FROM b_qt_swdj group by sw_scjy_yb; 
   ②SELECT count(1) from b_qt_swdj; 
   对原生表执行查询： 
   ③SELECT sw_scjy_yb,count(se_scjy_yb) as count FROM b_qt_swdj1 group by sw_scjy_yb; 
   ④SELECT count(1) from b_qt_swdj1; 
    用db内置sql执行①，耗时57秒。执行②，耗时33秒。 
    用pg执行①，耗时50秒。执行②，耗时44秒。

用pg执行③，耗时8秒。执行④，耗时3秒。 
4.网络带宽 
    传输数据时约为46MB/S。 
5.有关截图 见附件《截图三》

【解决办法】 
SELECT sw_scjy_yb,count(se_scjy_yb) as count FROM b_qt_swdj1 group by sw_scjy_yb;在pg耗时和使用sdb内置sql耗时差不多，都是50S左右。跟pg关系不大。 
从pg的访问计划（见截图三）来看，绝大部分耗时也是在select上。 
建议一：应该考虑在sdb端对表做分区，提高数据抽取并发度去提高性能。 
建议二：对于大表的统计推荐使用SparkSQL作为sql引擎。 

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/69935160/viewspace-2653611/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/69935160/viewspace-2653611/