如何采用按单独列排序的 DISTINCT ON 子查询并使其快速？

（又名 - 查询和数据与问题非常相似“选择按某列排序且在另一列上不同的行 https://stackoverflow.com/questions/9796078/selecting-rows-ordered-by-some-column-and-distinct-on-another“，我怎样才能让它运行得更快）。Postgres 11。

我有桌子prediction with (article_id, prediction_date, predicted_as, article_published_date)表示分类器对一组文章的输出。

新文章经常添加到单独的表中（由 FK 表示）article_id），并且当我们调整分类器时会添加新的预测。

样本数据：

| id      | article_id |  predicted_as | prediction_date | article_published_date
| 1009381 | 362718     |  negative     | 2018-07-27      | 2018-06-26
| 1009382 | 362718     |  positive     | 2018-08-12      | 2018-06-26
| 1009383 | 362719     |  positive     | 2018-08-13      | 2010-09-22
| 1009384 | 362719     |  positive     | 2018-09-28      | 2010-09-22
| 1009385 | 362719     |  negative     | 2018-10-01      | 2010-09-22

创建表脚本：

create table prediction
(
    id serial not null
        constraint prediction_pkey
            primary key,
    article_id integer not null
        constraint prediction_article_id_fkey
            references article,
    predicted_as classifiedas not null,
    prediction_date date not null,
    article_published_date date not null
);

create index prediction_article_id_prediction_date_idx
    on prediction (article_id asc, prediction_date desc);

我们经常想查看每篇文章的最新分类。为此，我们使用：

SELECT DISTINCT ON (article_id) article_id, id, article_published_date
FROM prediction
ORDER BY article_id, prediction_date desc

它返回类似：

| id     | article_id |  predicted_as | prediction_date | article_published_date
| 120950 | 1          | negative      | 2018-06-29      | 2018-03-25
| 120951 | 2          | negative      | 2018-06-29      | 2018-03-19

索引打开(article_id, prediciton_date desc)，这个查询运行得非常快（~15ms）。这是解释计划：

Unique  (cost=0.56..775374.53 rows=1058394 width=20)
  ->  Index Scan using prediction_article_id_prediction_date_id_idx on prediction  (cost=0.56..756071.98 rows=7721023 width=20)

到目前为止，一切都很好。

当我想按article_published_field 对此结果进行排序时，就会出现问题。例如：

explain (analyze, buffers)
select *
  from (
         select distinct on (article_id) article_id, id, article_published_date
         from prediction
         order by article_id, prediction_date desc
       ) most_recent_predictions
  order by article_published_date desc
  limit 3;

这可行，但查询需要大约 3-4 秒才能运行，因此直接用于响应 Web 请求太慢。

以下是解释计划：

Limit  (cost=558262.52..558262.53 rows=3 width=12) (actual time=4748.977..4748.979 rows=3 loops=1)
  Buffers: shared hit=7621849 read=9051
  ->  Sort  (cost=558262.52..560851.50 rows=1035593 width=12) (actual time=4748.975..4748.976 rows=3 loops=1)
        Sort Key: most_recent_predictions.article_published_date DESC
        Sort Method: top-N heapsort  Memory: 25kB
        Buffers: shared hit=7621849 read=9051
        ->  Subquery Scan on most_recent_predictions  (cost=0.43..544877.67 rows=1035593 width=12) (actual time=0.092..4508.464 rows=1670807 loops=1)
              Buffers: shared hit=7621849 read=9051
              ->  Result  (cost=0.43..534521.74 rows=1035593 width=16) (actual time=0.092..4312.916 rows=1670807 loops=1)
                    Buffers: shared hit=7621849 read=9051
                    ->  Unique  (cost=0.43..534521.74 rows=1035593 width=16) (actual time=0.090..4056.644 rows=1670807 loops=1)
                          Buffers: shared hit=7621849 read=9051
                          ->  Index Scan using prediction_article_id_prediction_date_idx on prediction  (cost=0.43..515295.09 rows=7690662 width=16) (actual time=0.089..3248.250 rows=7690662 loops=1)
                                Buffers: shared hit=7621849 read=9051
Planning Time: 0.130 ms
Execution Time: 4749.007 ms

有什么方法可以使这个查询运行得更快，或者我是否必须刷新物化视图或设置触发系统来快速获取这些数据？

以供参考：

• the prediction表有 770 万行
• 有 170 万个不同的article_id是在prediction table
• 有一个索引(article_id, prediciton_date desc)以及一对一article_published_date desc
• VACUUM ANALYSE已运行

我想知道你是否可以做到这一点：

select article_id, id, article_published_date
from prediction p
where p.prediction_date = (select max(p2.prediction_date)
                           from prediction p2
                           where p2.article_id = p.article_id
                          )
order by article_published_date desc;

然后使用这两个索引：

• (article_published_date desc, prediction_date, article_id, id)
• (article_id, prediction_date desc).