数据科学案例实训实验报告01

《数据科学案例综合实训》实验指导

③执行

④查询表中数据以验证

(2)学会使用EXPLAIN命令分析查询（查询选修过所有课的学生，并展示其学号）的执行计

划，首先用两层not exists的方法实现，解释explain结果与查询的对应关系。

分析

●Nested Loop Anti Join ：嵌套循环反连接

多用于!= not in 等查询；如果找到满足条件（!= not in）的不返回，不满

足条件（!= not in）的返回。和join相反。

?Cost ：评估开始消耗。。评估总消耗

?Width ：评估查询节点的输出行的平均字节数。

Width=4 →要查询的sno是int类型，占4个字节

?Rows：第一行的第二个括号里的rows=0→最后的查询结果是0条

?Loops：循环次数

●Filter：过滤器，在这里相当于是查询的条件

●Seq Scan：全表扫描

Seq Scan on student→对student表进行全表扫描，从头扫尾扫描一遍表里面的数据，

因为我们此时没有索引，所以只能进行全表扫描

Seq Scan on course/sc →同上

●Materialize：缓存区，将条件加入内部节点，这样扫描只需要做一次。

（3）在student表的学号、sc表的学号、sc表的课程号和course表的课程号这四个列上

分别建单列的索引。

（4）结合EXPLAIN命令分析使用索引的查询和未使用索引查询的性能区别

分析：使用索引查询，使得执行时间变短，效率更高，性能更好。

（5）使用JDBC、存储过程或SQL语句集创建一个千万行级别的表，要求该表具有主码（主

码可为int类型），且包含字符串类型、时间类型的列，并在时间类型的列上建索引，

并基于主码的范围设置10个分区。

①创建表以及分区表

②获得随机的字符串的函数

使用该自定义方法：select random_string(8) into name;

③存储过程——插入一千万条数据。name是字符型，随机；date是timestamp型

④test表里的数据以及分区表的数据

（6）分析海量表上跨分区查询与不跨分区查询的性能差别

①先建立一个千万级别的不分区的表test2

②

分析：由实验结果可以看出，跨分区查询是在表test_100000~test_8000000这几个表

进行查询的，而不跨分区查询是整张表进行全局查找。因而分区所用时间短，性能比较好。当表比较多时，分区更为细致（比如说现在是每1百万划分一个表，若是我们没50万划分一个表，也会提高查询速度）

跨分区查询能更好的缩短时间，减少代价。

（7）分析海量表上，使用分区索引与使用全局索引的性能差别

①全局索引（global）

②分区索引（local）

A）创建分区索引

B）用select * from pg_indexes; 查看全部索引

分析

使用分区索引可以减少时间

五、思考与总结

一：关于存储过程中的循环的注意事项

①要使用:=

②多层循环要用不同的循环

③自动判断选了多少课，使所有学生都选一样多的课

④可以在student表添加一个序号，这样就可以从第一个学生的学号开始插入，而不是直

接指定学号

⑤进程出现死锁要杀进程

像这样，长时间没有反应，就是因为sc表此前执行了存储过程，但这个存储过程的逻辑是有问题的，导致数据库出现了死锁问题，因此要先查出该进程的pid，

六、教师评语

签名：

日期：成绩