旗下產(chǎn)業(yè): A產(chǎn)業(yè)/?A實(shí)習(xí)/?A計(jì)劃
全國統(tǒng)一咨詢熱線:010-5367 2995
首頁 > 熱門文章 > 大數(shù)據(jù)分析 > 大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理

時(shí)間:2020-09-25來源:m.5wd995.cn點(diǎn)擊量:作者:Sissi
時(shí)間:2020-09-25點(diǎn)擊量:作者:Sissi



  PostgreSQL內(nèi)部存儲原理是什么?在以前的文章中,我們已經(jīng)描述了Postgres數(shù)據(jù)庫以及使用Python與之交互的方式。這些帖子提供了基礎(chǔ)知識,但是如果您想在生產(chǎn)系統(tǒng)中使用數(shù)據(jù)庫,則必須知道如何使查詢更快,更高效。要了解效率在Postgres中意味著什么,重要的是要了解Postgres的工作原理。在大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理中,我們將重點(diǎn)介紹Postgres和關(guān)系數(shù)據(jù)庫的更高級概念。首先,我們將學(xué)習(xí)Postgres如何存儲自己的內(nèi)部數(shù)據(jù)以描述,調(diào)試和識別系統(tǒng)中的瓶頸。然后,我們將利用對Postgres內(nèi)部數(shù)據(jù)的了解,使用Python構(gòu)建我們自己的數(shù)據(jù)庫描述工具版本。像我們以前的文章一樣,我們將使用以下工具:
 

  1)Postgres的本地版本(v9.2或更高版本)

  2)Python 3

  3)Postgres的Python驅(qū)動(dòng)程序, psycopg2
 

  我們將使用的數(shù)據(jù)集來自美國住房和城市發(fā)展部(也稱為HUD)。我們已經(jīng)將文件打包到一個(gè)zip文件中,該文件包含CSV格式的數(shù)據(jù),還有一個(gè)Python 3腳本(load_hud_tables.py),它將CSV文件復(fù)制到本地運(yùn)行的Postgres中。如果您運(yùn)行的是沒有默認(rèn)連接的Postgres服務(wù)器,則需要更新腳本中的連接字符串。使用HUD的數(shù)據(jù)集,我們將使用每個(gè)Postgres引擎中的可用命令來處理真實(shí)數(shù)據(jù)示例。從空白開始,我們將研究表及其數(shù)據(jù)類型。然后,我們將使用內(nèi)部Postgres表探索HUD 表為我們提供有關(guān)數(shù)據(jù)庫內(nèi)容的詳細(xì)說明。首先,下載并解壓縮dq_postgres_internals.zip 文件。進(jìn)入dq_postgres_internals/目錄,在中更改連接參數(shù)load_hud_tables.py,然后運(yùn)行腳本。這會將CSV文件加載到您的本地Postgres實(shí)例中。將文件加載到Postgres服務(wù)器后,我們可以通過連接數(shù)據(jù)庫開始。如果本地Postgres實(shí)例與默認(rèn)實(shí)例不同,請更改連接值。在整個(gè)這篇文章中,以后對該對象的任何引用cur將是以下連接的游標(biāo):

 

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理
 

  調(diào)查表
 

  現(xiàn)在我們已經(jīng)建立了連接,是時(shí)候開始探索我們可以使用的表了。首先,我們將檢查Postgres內(nèi)部表,這些表向我們提供了有關(guān)數(shù)據(jù)庫的詳細(xì)信息。讓我們從描述這些內(nèi)部表開始。在每個(gè)Postgres引擎中,都有一組內(nèi)部表,Postgres使用這些內(nèi)部表來管理其整個(gè)結(jié)構(gòu)。這些表作為組information_schema和系統(tǒng)目錄位于Postgres文檔中。這些包含有關(guān)存儲在Postgres數(shù)據(jù)庫中的數(shù)據(jù),表名和類型的所有信息。例如,當(dāng)我們使用屬性時(shí),cur.description,它將從內(nèi)部表中提取信息以顯示給用戶。不幸的是,沒有數(shù)據(jù)集的詳細(xì)架構(gòu)。因此,我們需要為包含的內(nèi)容創(chuàng)建自己的詳細(xì)描述。讓我們使用中的內(nèi)部表information_schema來獲得有關(guān)數(shù)據(jù)庫中存儲哪些表的高級概述。內(nèi)部表稱為information_schema.tables,從文檔中我們可以看到有很多列可供選擇:

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理
 

  此時(shí),我們只關(guān)心數(shù)據(jù)庫中表的名稱。看一下上面的表描述,有一列table_name公開了此信息。讓我們查詢該列,看看我們正在處理什么。

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理
 

  使用模式
 

  當(dāng)您運(yùn)行前面的命令時(shí),您會注意到輸出中包含大量的表。這些表中的每個(gè)表都可以在postgres數(shù)據(jù)庫中找到。問題是:我們在結(jié)果中包括內(nèi)部表。在輸出中,您會注意到許多表都是以prefix開頭的pg_*。這些表中的每一個(gè)都是pg_catalog內(nèi)部表組的一部分。這些是我們前面介紹的系統(tǒng)目錄表。然后,您可能已經(jīng)猜到了,該information_schema名稱下還有一組其他表。但是,這些表很難找到,因?yàn)樗鼈儧]有明顯的前綴模式。我們?nèi)绾沃滥男┍硎莾?nèi)部的,哪些表是用戶創(chuàng)建的?我們需要描述模式解釋以上問題。在處理關(guān)系數(shù)據(jù)庫時(shí),模式一詞被概括為具有多種含義的術(shù)語。您可能聽說過架構(gòu)被用來描述表(它們的數(shù)據(jù)類型,名稱,列等)或架構(gòu)作為數(shù)據(jù)庫的藍(lán)圖。模式的含糊含義只會使我們感到困惑。但是,對于Postgres,術(shù)語“架構(gòu)”已保留用于特定目的。在Postgres中,模式用作表的命名空間,其獨(dú)特目的是將它們分成單個(gè)數(shù)據(jù)庫內(nèi)的隔離組或集合。

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理
 

  讓我們進(jìn)一步分解。Postgres使用數(shù)據(jù)庫的概念在Postgres服務(wù)器中分離用戶和數(shù)據(jù)。創(chuàng)建數(shù)據(jù)庫時(shí),您正在創(chuàng)建一個(gè)隔離的環(huán)境,用戶可以在其中查詢只能在該特定數(shù)據(jù)庫中找到的表。這是一個(gè)示例:假設(shè)國土安全部(DHS)和HUD共享相同的政府Postgres數(shù)據(jù)庫,但他們希望將其用戶和數(shù)據(jù)分開。然后,他們將使用數(shù)據(jù)庫通過每個(gè)代理商的單獨(dú)數(shù)據(jù)庫將他們的數(shù)據(jù)和用戶分開?,F(xiàn)在,當(dāng)用戶想要連接到他們的數(shù)據(jù)時(shí),他們需要指定將要連接到那里的數(shù)據(jù)庫,并且只有在那里,他們才能使用他們的表。但是,假設(shè)有些分析師想對公民數(shù)據(jù)(citizens表)和城市住房發(fā)展(developments表)進(jìn)行橫斷面分析。好吧,那么他們將想同時(shí)查詢dhs數(shù)據(jù)庫中的表和hud數(shù)據(jù)庫。但是,對于Postgres,這是不可能的。

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理
 

  如果我們想將表分成不同的組,但仍然允許跨表查詢怎么辦?這是架構(gòu)的完美用例。代替數(shù)據(jù)庫,對每個(gè)代理機(jī)構(gòu)使用不同的架構(gòu)將使用名稱空間分隔表,但仍允許分析人員查詢兩個(gè)表。

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理

 

  這就是Postgres劃分其內(nèi)部表(以及用戶創(chuàng)建的表!)的方式。創(chuàng)建數(shù)據(jù)庫時(shí),實(shí)例化了3種模式:(pg_catalog對于系統(tǒng)目錄表),information_schema(對于信息模式表)和public(對于用戶創(chuàng)建的表的默認(rèn)模式)。每次您CREATE TABLE在數(shù)據(jù)庫中發(fā)出命令時(shí),默認(rèn)情況下Postgres都會將該表分配給public模式?,F(xiàn)在,回到以前的問題,如何將用戶創(chuàng)建的表與內(nèi)部表分開?information_schema.tables再次查看各列?,F(xiàn)在,檢查是否存在可將用戶創(chuàng)建的表與內(nèi)部表分開的列。

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理


  有一個(gè)名為的列table_schema將符合我們的要求。我們可以過濾此列以選擇所有公共表。這是我們編寫查詢的方法:

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理
 

  描述表格
 

  從輸出中,我們將只使用三個(gè)表。這些是:

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理
 

  使用表名,我們可以調(diào)用cur.description屬性以詳細(xì)查看每個(gè)表的列,類型和任何其他元信息。在此之前,我們了解到可以發(fā)出SELECT查詢,然后調(diào)用description屬性以獲取表信息。但是,如果我們想在for每個(gè)表的循環(huán)中執(zhí)行該操作怎么辦?希望您的第一個(gè)想法是不要使用.format()。在之前的文章中,我們已經(jīng)提到了圍繞字符串內(nèi)插的問題.format()。答案是使用方法或該方法中的第二個(gè)位置參數(shù)對字符串進(jìn)行Mogirfy處理。不幸的是,事情并不是那么容易。嘗試插入表名–使用mogrify()execute()mogirfy()–導(dǎo)致錯(cuò)誤,而不是列名,過濾鍵或分組鍵。這是此錯(cuò)誤的示例:
 

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理

  從代碼片段中,您可能已經(jīng)注意到,mogrify()在表名上使用會將該名稱"state_info"轉(zhuǎn)換為Postgres字符串。這對于列名或過濾器查詢是必需的,但對于表名則不是必需的。相反,您必須使用psycopg2.extensions名為AsIs的模塊中的類。

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理
 

  SELECT查詢中的表名不需要用字符串引起來。因此,AsIs將其保留為帶引號的有效SQL表示形式,而不是對其進(jìn)行轉(zhuǎn)換。使用AsIs,我們可以檢查每個(gè)表的描述,而不必寫下每個(gè)請求!

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理
 

  類型代碼映射
 

  在打印完每個(gè)描述之后,我們現(xiàn)在將詳細(xì)研究將要使用的表。這是homeless_by_coc描述的輸出的片段:

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理
 

  了解該description屬性后,您應(yīng)該對可用的元數(shù)據(jù)感到滿意。但是,我們再次面對整數(shù)type_code而不是人類可讀的類型。有太多的心理開銷記得什么時(shí)候人類可讀的類型,他們代表(即TEXT,INTEGER或BOOLEAN)。您可以使用psycopg2類型值來查找每一列的近似類型,但是我們可以做得比近似那些值更好。使用內(nèi)部表,我們可以準(zhǔn)確地映射HUD表中每一列的類型。我們將使用的內(nèi)部表來自系統(tǒng)目錄架構(gòu),pg_catalog并被正確命名pg_type。我們建議您檢查文檔中的表說明,因?yàn)楸竟?jié)中要添加的行太多。您可以在此處找到表格說明。在此表中,有很多已定義的列–您無需擔(dān)心許多列。但是,關(guān)于此表需要注意的一件事是它可用于從頭開始創(chuàng)建自己的Postgres類型。例如,使用此表,您可以創(chuàng)建一個(gè)HEX只能用于在列中存儲十六進(jìn)制字符的類型。讓我們循環(huán)遍歷返回的SELECT查詢,并將整數(shù)類型代碼映射到字符串。它看起來應(yīng)該類似于以下內(nèi)容:

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理
 

  使用字典理解,我們可以編寫以下內(nèi)容:

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理
大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理
 

  可讀的描述類型
 

  現(xiàn)在,我們將所有類型代碼映射到其類型名稱。使用type_mappings字典可以提供類型,而無需在文檔中查找它們。讓我們將所有這些放在一起并創(chuàng)建我們自己的表描述。我們想description從元組列表中將屬性重寫為易于閱讀的屬性。我們將把先前練習(xí)的輸出組裝到該字典中:

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理
 

  使用type_mappings和table_names將為我們提供所需結(jié)果的步驟是:


 

  1)table_names使用table變量 循環(huán)遍歷。

  2)獲取description給定的屬性table。

  3)table使用columns鍵 將的名稱映射到字典。

  4)columns通過遍歷description并映射適當(dāng)?shù)念愋?,從屏幕示例重新?chuàng)建列表。
 

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理
 

  行數(shù)
 

  事情開始融合在一起?,F(xiàn)在,為了完成我們的調(diào)查,我們想提供有關(guān)表中行的其他信息。讓我們用表中的行數(shù)提供描述。我們可以使用COUNT()聚合函數(shù)找到行數(shù)。這與SQLite的aggreggate函數(shù)以及其他SQL語法實(shí)現(xiàn)極為相似。如果您想了解有關(guān)Postgres聚合函數(shù)的更多信息,它們都在pg_catalog.pg_aggregate內(nèi)部表中定義。提醒一下,這是COUNT()在Postgres中使用該功能的方式:

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理
 

  我們希望描述表如下所示:

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理
 

  而不是遍歷table_names列表,我們將遍歷readable_description字典鍵:

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理
 

  樣本行
 

  最后,讓我們在readable_description字典中添加一些示例行。由于該homeless_by_coc表有很多行,因此我們應(yīng)該為每個(gè)查詢增加一個(gè)限制。即使您添加的限制比可用行高,查詢?nèi)詫?zhí)行。

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理
 

  我們將在檢索計(jì)數(shù)的同一循環(huán)中添加限制查詢。無需在鍵上重復(fù)兩次,我們可以在同一循環(huán)中執(zhí)行這兩個(gè)操作。但是,我們應(yīng)注意的呼叫順序cur.fetchall()。如果我們無法立即獲取查詢結(jié)果,則可以覆蓋查詢執(zhí)行。該cur.execute()命令不返回讀取結(jié)果,并且由用戶負(fù)責(zé)請求讀取結(jié)果。例如,下面的查詢只返回的結(jié)果LIMIT,而不是COUNT:

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理
 

  讓我們將這兩個(gè)查詢添加到單個(gè)代碼塊中:

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理
 

  綜上所述,我們現(xiàn)在有了一個(gè)通用腳本,該腳本將返回?cái)?shù)據(jù)庫中所有用戶創(chuàng)建的表的人類可讀字典。

大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理
 

  下一步
 

  在大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理中,我們從對數(shù)據(jù)庫及其表一無所知,到我們將要使用的表的可讀描述。首先,我們了解了Postgres的內(nèi)部表和模式背后的概念。然后,我們運(yùn)用我們的知識從頭開始構(gòu)建自己的描述詞典。這篇帖子改編自我們數(shù)據(jù)工程領(lǐng)域的一項(xiàng)任務(wù)。該任務(wù)是“ 優(yōu)化Postgres數(shù)據(jù)庫 ”課程的一部分,我們將擴(kuò)展對Postgres內(nèi)部表的了解,以優(yōu)化HUD表及其查詢。大數(shù)據(jù)分析培訓(xùn)課程PostgreSQL內(nèi)部存儲原理著重于解決在生產(chǎn)級數(shù)據(jù)分析系統(tǒng)中會遇到的實(shí)際場景。

 

預(yù)約申請免費(fèi)試聽課

填寫下面表單即可預(yù)約申請免費(fèi)試聽!怕錢不夠?可先就業(yè)掙錢后再付學(xué)費(fèi)! 怕學(xué)不會?助教全程陪讀,隨時(shí)解惑!擔(dān)心就業(yè)?一地學(xué)習(xí),可推薦就業(yè)!

?2007-2021/北京漫動(dòng)者教育科技有限公司版權(quán)所有
備案號:京ICP備12034770號

?2007-2022/ m.5wd995.cn 北京漫動(dòng)者數(shù)字科技有限公司 備案號: 京ICP備12034770號 監(jiān)督電話:010-53672995 郵箱:bjaaa@aaaedu.cc

京公網(wǎng)安備 11010802035704號

網(wǎng)站地圖