分享人：Digoal 阿里云资深数据库专家

正文：pg在高级SQL这块的一些的功能

一、基本功能

1）物化视图

首先讲物化视图的功能，普通视图是我们create一个view，后面是一堆的query，普通视图解决写的复杂的SQL，人为查询时会发现太长也记不住，可以创建一个视图，基于视图去做查询。通常视图会用在两类场景，一类是dba，为了简化日常的工作，把常用的SQL创建成视图，后面去查视图就好了。比如说Oracle数据库有很多内置视图，内置视图用来简化管理的人员操作。还有一个类场景是为了隐藏一些数据，比如一些应用、财务软件，公司的财务数据是比较敏感的，意味着一张每个字段的数据对所有人都是可见的，这时可以通过视图去做一些隐藏。比如创建一个视图，只有某一些人能查这些字段，另外一些人就查不了这些字段。

普通视图有一个比较大的问题，后面的query是查询的时候来做数据过滤，也就是说如果你的这个query涉及到一些运算的话。
举个例子，每个小时的做聚合，用一个普通视图，每次来查时后台都要做每个小时计算聚合，如果重复查同一个小时的数据，它就会重复的计算很多次，第一浪费资源，第二响应延迟会比较高，一个请求几十要几十秒才返回。可以增量的刷新物化视图，refresh materialized view，刷新时会重复计算后台的query，把结果算一遍后刷新到物化视图里，刷新后查到的结果就是刷新后的结果，这个就是物化视图，是pg的一个高级功能。

2）实时数据清洗、转换

第二个功能是实时的数据清洗，实时数据清洗通常出现在什么场景呢？物联网的场景，比如客户端上传包含经度和纬度的数据，考虑到通用性，就把精度和纬度分成两个字段，存numeric就存成了经度、纬度的number，在数据库里希望把它合并到geometry里去，我们可以通过实时清洗的方法，基于终端上报的数据，把它上传的数据转，终端往这张表写入，在nt表上建立一个规则，当这个数据写进来的时候，把它转换insert到另外一张表geometry，用ST_MakePoint函数，把两个numeric合并起来，合并起来之后就转geometry字段，写入到目标表。用户数据写进来后直接就清洗掉。

这是通过规则实现数据的实时清洗和转换。再举一个例子，客户端上传一个非结构化数据jsonb的格式， jsonb可以兼容更多的客户端，当服务端和客户端是解耦的情况下，在修改客户端时服务端不用修改去解耦。传承json对数据分析和查询来说比较痛苦，有一些必选字段c1，c2，c3，希望数据写进来时做一次转换，把里面的c1、c2、c3三个字段转换出来，基于原表建立一个规则，数据写进来的时候，我把这个jsonb里面的c1、c2、c3提取出来存到这个表里，原始的jsonb保留下来。比如do instead插入到目标表，目标表里可以加一个c4的字段，把字段的内容填充到c4的字段去，就有了c1c2c3的解析字段内容，ok，这也是数据的实施清洗和转换的例子。

3）数据采样

这是数据采样的功能。数据采样是说在生产库里有一些table，举个例子，我需要提取一些测试数据，提取一些采样的数据，这就会涉及到数据库数据采样的方法，在pg里也支持采样的语法，在表里指定table sample，采样查询这张表，数据库内置了两种采样方法：一个是基于行的采样方法，另一个是基于数据块的采样方法，如果指定采样1%的记录，这张表有1万条1%就是采100条。基于行的采样方法会扫描整张表，它会做一次全面扫描，随机拿到1%的记录。基于块级的随机采样方法，如果这张表有1000个数据块，采样1%就是十个数据块，这时只需采样十个数据块。

块级随机采样力度会更粗，一旦数据块被采样到，这数据块里面的所有的记录都会被拿走，所以采样的离散度没有基于行的离散度高。

数据采样除了用在提取测试数据，还会用在采样评估，比如我想知道这个表里面江西省或者浙江省的记录数有多少？有一种方法是估算法，使用会计采样，采样1/10的数据看浙江省有多少？比如1/10里面有100条是浙江省，采纳1/10也就是再乘十就等于这整个表里有的浙江省的数据，这就是估算方法。数据采样的应用场景还有生成统计信息等。

4）数据加密

数据加密的功能在核心业务场景中会用到，比如财务系统里的薪资就要存的成加密的，一旦数据库被侵入，员工的薪资信息可能就会泄露了，其它的核心的场景也都有类似的需求。我们可以选择好多种加密的手段，比如应用端加密，加解密都在应用端，数据库里存的都是加密后的，这种方法数据库本身的安全性就更高了，因为数据库被入侵后也拿不到原始数据，加解密都在应用端完成，而且是不可逆的加密。

5）字段加密

还有一种方法是在数据库端存进去的时候使用加密函数做转换，就是把铭文的值转换成加密的值，加密的动作也可以在数据库端完成。在数据客户端完成加密，pgcrypto插件可以来完成加密的动作，它支持对称加密、非对称加密，混淆加密等，根据不同的需求选择不同的加密函数，加密密钥可以用客户端保管，加密的时候上传sort加密密钥去做加密，解密时把它提取走去解密，提取到后端解密也是ok的。 

6）数据脱敏

数据脱敏跟加密有点类似，使用手段可能不太一样，比如存了一些手机号码、地址等，希望把一些内容替换掉，或者加一些随机的干扰内容进去，我们有类似的这种方法。

举个数据脱敏的例子，写进去的时候用replace的函数替换，把查出来的数据的加了星号的，就是看不到原始的数据，采样测试环境时，不希望看到原始数据，就把敏感信息给脱敏掉，也是一类需求，就是说取头取尾，中间用星号代替的方法，这种脱敏是不可逆的。

7）数据去重

pg支持窗口函数，通常去重用窗口函数。重复数据有很多种场景，比如多列重复、行重复、多列混合重复，多列混合重复的，比如ab两个字段， a

=1，b=2，那么一条是a=2，b=1，这种情况正常来说是不重复的，但有一些业务有去重的需求，a和b集合是重复的，就认为它是重复的。

针对这四类场景，这里都举了去重的例子，去重的SQL都已经写好了，第一种方法是聚合。用not in，比如把max id取出来，保留id的最大值，其它的都删掉。

另外一种是窗口查询，当我select table时，可以指定row_number，当row_number不等于1的时候，意味着c1字段有重复，id是什么无所谓， id落在low number不等于1的记录时说明重复了，我们要保留id最小的那个。

存储过程使用排序加游标的方法。select这张table，按c1跟id做排序，当我要保留的是id里面c1最大的，3就是当c1字段的内容出现翻转，它在临界点的时候，说明这条记录是要删掉的。

8）去重最常用SQL

去重最常用的SQL是low_number，如果c1字段有重复保留ts字段最大的，也是最近的时间戳最大的记录。

9）多字段范围检索加速

举个例子比如有一家企业的业务遍布在中国的很多城市，希望在北上广北上广建三个机房，希望广州用户走广州的线路去访问，当用户出差到北京了，他能就近访问北京的服务，这时候要用到智能解析的路由，当他的手机接入端根据接入端的ip地址的范围去判断，映射到北京地址段的话，就去访问北京。用户登录的时候要查询地址列表，开始的ip和结束的ip有一个范围，不同范围对应不同地区，我们查询where用户ip大于开始地址and用户ip小于结束地址。普通的dba的优化手段是创建一个联合索引，开始ip和结束ip的两个字段的联合索引，它能够命中开始字段，因为开始字段也是一个范围查询，所以过滤结束ip范围的时候，有大量的记录通过索引扫描出来是不要的，也就是索引没有帮你精准的过滤你要的记录，所以一个八核的服务器的话去处理这种请求， qps也只能达三千多。

这里应用了pg的range索引，在pg里有专门的范围类型，可以把数据存成范围类型、表达式索引两个字段，可以转换成范围类型再去建索引。

举个例子，这是ip地址，这个是table，把地址的数据导入到数据库里面，建立两个字段的联合索引， qps的达到三千多。用范围索引能够达到八万多，这就是典型的用range加空间索引解决多个字段范围检索的加速。如果你有三个字段的范围检索，就可以用cube 类型。

10）VPD(RLS)

我有一张表要做saas类的业务，一家erp的企业会向多个中小企业提供服务，每一个中小企业在数据库里都对应一份数据，中小企业登陆的时候不应该看到其它企业的数据，但是在应用里面用的是同一张表，就是不同企业的数据是存在同样的表里，这是一种设计方法。

如果要服务1000万家企业，就会有1000张表，如果大家不共用表，要去服务这1000万家企业要创就建1000×1000万张，就是100亿张表。

所以当a企业登录的时候，访问这张表时，不能访问到其他企业的更新数据、删除数据、插入数据，都不能影响其它企业的内容。a企业有对应的企业id，当你写入数据的时候，一定只会写入这个企业id的数据，这是在应用端做的控制，但是又不够严谨，一旦企业系统被攻击或者有一些漏洞，就会导致这个企业会影响其它企业。

我们在数据库里有一种安全控制方法叫行级安全，针对不同的user去控制在同一张表里查询、删除、插入更新的记录是哪一些，符合条件他才能去做。

就这里有三个角色r1、r2、r3，创建一个测试表，里面有三条记录，其中一个字段叫r，也就是用来标记这个角色的字段。比如说企业有id，我把这张表的权限赋予所有人都能做增删改查，接下来创建了一个叫with check的策略，就是他们check这个r等于current user， insert的时候要检查r字段的值是不是等于current user，current user就是登录数据库的用户，但是这个规则是disable的，这时去插入会发现当前角色r1、r2都能插进去，因为当前策略是disable，接着把策略enable，再来插入字段的value是r2的话就不让你插了，因为这里check必须要等于当前user才可以，必须要当前r的name的字段的value必须要等于current user，所以插r1，字段内容是r1等于刚当前登录的user name的就可以插入。

二、语法介绍

1）WITH ORDINALITY

在pg里函数是可以返回多条记录的，这一个函数返回记录唯一的number，如果想知道就在函数调用接口后面加一个WITH ORDINALITY，返回的value重新定义一下，比如它返回的是v，这个i就是number，比如这是第一条，这是第二条，这第三条，这是第四条。

比如一个table里面存了多个多值类型字段的话，我想知道这个多值类型字段的一一对应关系，我们就可以用ordinality去打印多直列的解析后的行号，去把它联合起来，这是一种方法比较笨的方法。实际上在数据库内部，已经自动做了内部对齐，将来如果要做特殊应用的时候就可以用这个方法，可以打印出来function的每一条记录的行号。

2）LATERAL

lateral语法是什么呢？literary语法就是在这个子查询里面去关联外面table，我们就可以用到lateral，把lateral放在子查询的前面，在子查询里就可以关联比子查询出现的更早的table或者子句，比如select * from foo逗号，（select * from bar where bar.id=foo.bar_id）如果不带lateral，是不能直接关联外面子句或者table的，这就是lateral的用法。

3）GROUPING SETS, CUBE and ROLLUP , grouping

如果想针对用户表的属性维度做多种透视，比如我想省份加行业的透视、行业加收入范围的透视、性别加什么的透视，因为group维度不一样，每一个group维度都得做一次query，都得做一次表的扫描。比如要查看100个维度，要扫描表100次，有了grouping sets、cube rollup语法之后，我们可以直接在一条SQL里面group by多个维度，好处是不需要扫描那么多次table，整体的性能会更高，整体的性能会更高，同时SQL会更简单，不用写那100条了，只需写一条搞定。

举个例子，比如select brand,size,sum(sales) from items_sold group by groupingsets (brand),(size)，在这条SQL里面group by了三次，一次是group by id，一次是group by size，还有一次是group，就是那个空，它的返回结果就是这个样。我们可以一次group by多个东西。

还有一种叫rollup，比如写了e1、e2、e3等，它是逐级收敛的，grouping sets，第一个是e1、e2、e3、e4、e5、e6等，第二个e1e2e3e4等，然后是e1，再加上总的，它是逐级收敛，它每一个都会group by到。

还有一种是cube，cube就是排列组合，有abc、ab、ac、bc等组合，还有一个总的没有group by，没有分组就整个打包到一起，这个就是cube。

它支持内部分组，比如带了括号的ab就是一个组，它不会再拆了，就是abcd、abc等，它把bc当成一个组来看待，如果你带了括号它会当成一个组来看待。

它排列组合的时候把ab、 cd当成一个组。

它也可以混合用，就是group by a逗号，每次都会带上a，cube是排列组合， bc或者ab，grouping sets也是同样的道理。

如果把所有的group bye都输出到一次结果的话，那这条记录属于哪一个group呢？是哪几个字段的group产生的呢？在这里就会有一个grouping的语法，放在select结果里面，group里面带上make model，是我们group by后面选择的字段，当group bye里面包含了指定的make model字段，比特位上面就会置为零，包含它就置为零，不包含就置。
make就是有，model就是没有的，你像这个，对吧？它是基于make来做，3代表11，11是两个都没有，零是代表两个都有。

通过grouping记录就知道是来自哪个分组？来自哪个分组的？所以grouping sizes适合多个字段的组合透视，可以在一个query里面完成大量的多个维度的运算，减少数据的扫描次数，提升查询的一个效率。

三、窗口

1）窗口和帧

窗口是我们要指定的一个window，指的是计算的数据区间。比如求一个sum字段的内容，然后over一个window，window里面在字段相同的所有记录，某一个字段相同的所有记录就叫一个窗口，有多少窗口取决于有多少唯一值，比如有十个唯一值，总共有1000万条记录。总共有十个唯一值就有十个窗口，每个窗口有多少条记录取决于value窗口有多少条记录。

举个例子，我们做一个滑窗的分析，在同一个窗口的不同的位置，有一个轨迹数据、经纬度的点、时间、每一笔订单的id对应一个轨迹、很多订单，订单里面每一个点相近的上报时间间隔是一样的。假如五秒钟上报一次，每一个点的最近30秒的平均速度或者平均移动的范围是什么样的，就用帧来算，做完时间排序后，每一条记录的前五条和后五条，加上自己的总共11条记录来做平均值，这个就叫帧。每一条记录帧的内容都是不一样的，因为它是移动的。

这个非常的重要，窗口和帧的概念理解后，在数据库里用SQL就可以解决很多业务问题。如果不理解这两个概念，把数据全部放到应用，在应用里写程序去算，效率就非常低。

2）窗口、帧查询

我想知道每一条记录附近十条，包括自己就11条记录的平均值，就是前面五条，后面五条，你这条记录的前面五条和后面五条算一个平均值。

我想知道每一天比前一天新增uv，还有最近七天的新增uv，我们用到了数据库的扩展包，今天的数据减去昨天的数据，就是新增的uv，最近七天新增的uv是拿前六条加当前的总共七条。这七条的window作为窗口，每一天的最近七天，比如今天是礼拜五，最近七天就是上个礼拜五到今天，它是滑动。通过窗口查询帧的范围限定，就能够来查滑动窗口，就可以支持滑动窗口。

3）找到数据关键点-高潮、尿点、低谷

还有一个窗口能查出数据的骤变。到底哪个时间点的数据是关键数据，一个曲线一直都是同一个斜率运行的话。下面这条线一直往一个方向走，发现这里好像没有关键点，因为运动速率、斜率是一样的。上面这条线就比较搞笑，他突然上去，然后比较平缓，轻微的抖动一下，然后又平缓又轻微抖动一下，它到一个点后急剧下降掉到谷底，然后在谷底点又上来了，又上的很高，这条线的关键点在哪呢？它的关键点就在斜率的骤变点，这些骤变点是它的关键点。

这条曲线也是一样，有小骤变点，下来又有骤变点，然后又跌下来了，然后又上来了。

分析下这张表里的骤变点，左边相邻的十个点的最小值，辐射半径值越大就可以找到更平滑变化的高潮和低谷，左边相邻的十个点的最大值找到的是下滑和低谷，高潮和低谷都是通过这个点来找的。那么右边相邻的最小值、最大值以及左边相邻的十个点的最小值最大值，左边相邻的十个点的最小值、最大值，左边相邻十个点的最小值，最小值包括当前点，辐射半径是两边全部，这里指的是左右相邻的20个点，20个点找到一个中间点。

全局最小值指的是窗口，上面指的between10 and current row 是当前行，这个是current row and 10 following，也就是前后各十个。基于差值，左边和右边出现的骤变，说明它可能是一个关键点。

我们就放了很多where条件。比如找的是越过低水位后的局部低谷的开始，然后是一个拐点，找到越过低水位后的局部低谷的结束，低谷结束了就开始上扬，这个query非常复杂非常长，我们可以慢慢去理解，这个过程比较长。

基于原始数据找到它的骤变点，通过上面的查询找到它的骤变点，就变成了上面这个图，发生剧烈变化的高低点都找出来了。

这张图生成了一堆数据，它也找出了骤变点，开始点、同一个斜率的结束点、斜率变化后到了下一个点，下一个点的转折点，这些转折点都会帮你打印出来。

通过query5产生了几千条记录后，我们就筛选出32条关键点，这是通过窗口、帧数据的变化和平均值的变化做比较，找到你要这个转折点。

比如这个，它左边距离相近的十个点都比它小，它右边可能大于等于它的，它是一个转折点，因为它左边只有比它小的点，右边可能是平的或者是小的，那它右边比它小，说明这是一个最高点，还要看平均值。这种抖动都是可以判断出来的。

四、cte，递归

1）应用场景

cte是一个标准的SQL语法，递归可以用在图式搜索，比如社交关系，里面你认识哪些人，或者你跟哪些人是好友。我们的业务系统推荐好友的时候，它可能会把你好友的好友推荐给你，扩大你的朋友圈，这是找你好友的好友的好友的逐级扩展，这是树状的或者是图谱的查询。比如说你的好友的好友的好友可能本身就是你的好友，它在你的网络图谱里面就是个环。

图式搜索除了递归搜索，还有一种是找两个点的最近距离。比如在数据库系统里，我跟成龙经过最短几跳就能探取到他，这也是一个图式搜索，就是图上两个点的最近距离，经过几个人就能够探取到它。

还有一类是索引的跳跃扫描，比如在数据库里面，有一个查询是select from table，然后where性别，年龄小于十，性别等于男，这时要创建什么索引能够最快速去响应这个请求呢？要创建一个联合索引，性别逗号年龄，但是再来一个请求，直接table where年龄小于十，不管男女，小于十岁的，这个时候索引它会很慢，他要把整张索引全扫一遍，因为没有把驱动力告诉它。在OPPO里可以使用跳跃扫描，在pg里面不支持跳跃扫描，就可以用递归查询来模拟。还有树状数据类型的处理，比如基于互联网的分销体系，比如你发展了你的下限，你的下线又可以发展他的下线等，在分佣金的时候，可能你能拿到你下限的下限，下限的下限等，他们产生的销售你都能拿到佣金。我们在统计结算的时候得去递归统计你下级你的下级的下级等，这时候也可以用递归查询完成。

这种业务模型，就是用了递归的业务形态，它的团队效率是非常高的，它可以时时去分配佣金，用递归可以去优化，比如SQL可以降低大量的扫描，类似于skip index的业务场景可以降低大量扫描。

2）递归查询

递归的SQL的写法，启动后第一条是非递归的，有一段output，然后是递归子句，递归子句可以读取output，递归子句大可以读取原始表，又产生了一堆输出，读output的输出又产生一堆输出，会产生临时的temp table,temp table有结果的话又会吐给output， output后发现有了，就会走去执行递归子句，执行这个递归子句同时去读取它，然后又产生了这个临时表，如果有临时表它又会继续，总之只要有结果就会继续递归下去，直到递归子句没有临时结果为止，递归就结束了。所以递归能用图式搜索，skin、index，树状数据处理等，它可以不停的迭代迭代，一直迭代到没有记录为止。

五、skip locked、advisory lock

1）消除锁等待，提高处理吞吐

skype lock是用来解决什么，比如说要去update一批记录，有些记录可能被别人锁住了，这个时候就会等，一旦出现等待你的并发处理能力就一定会下降，怎么来提高呢？大量的每一个人都在批量更新数据并且是并发的，我在更新的记录你也可能会取到，有一种方法是要去更新的这条记录，我拿不到锁的时候就跳过它，我就不锁它也不更新它把能够处理的处理掉，这时就可以用skype log的语法了。

我们来看一下这个语法，我要全表做更新，要并发的大家一起来更新，这是一种方法。另一种是你不做并发就一个人在更新，我更新了1万条记录，花了80秒。

还有另一种方法，我更新它的时候必须拿到lock，只有拿到锁我才会去更新它，或者直接用update把这个放到where条件里面也是ok的。

方法二是跳过，先select它，然后for update skip lock，这个锁我拿不到但别人在更新我就不更新了。比如我开100个并行花了四秒的时间，就把我们单个要花80秒才能更新的就给更新掉了，提升了20倍。并行的处理提高了处理吞吐能力，消除锁等待。

distinct语法应用比较窄，比如一个table里面在优势id上可能有重复的，有重复时就随机拿一条，这个用户今天写了十条记录进来，那个用户今天写了五条记录进来，那我只想返回两条记录，也就是每个用户我返回一条记录，那我们有几种写法呢？一种是用窗口函数，用row number做个排序，取一个row number等于1的，就能够达到这个效果。还有一种是随机的返回，十条里面任意一条都是可以要的，那就用on。C3这个字段是唯一的其它字段是随意，随便它怎么返回，都可以用select distinct on括号c3，后面是输出的结果字段的内容。ok，c3这里 0，1，2，3，4，5，6，7，8，9，10， c2是随机的。

六、秒杀

场景秒杀就是好多并发的数据库update的请求，比如说请求在同样一条记录上面，我们数据库的设计是行，某一个用户在更新这一行记录的时候，或者某一个会话、某一个事物在更新这条记录的时候，其它的会话在同一个时间是不能更新它的，同一条记录上面会有写冲突。秒杀就是某一个热门的商品，好多人同时来买，很多用户在同一个时间点买你的东西，出现好多个请求，同时在更新一条记录，就会出现锁等待，数据库里是串行的它的处理吞吐就会特别低。同一时刻1万个人在秒杀同一个商品，在数据库里面就会有1万个链接，链接一个接一个地更新，秒杀商品只有十个，前面十个人更新出完之后，后面9990个人一起释放，在这段时间之内占用了数据库大量的链接，而且是无用功，十个库存扣减完就不再扣减了，前面的等待都白白占用了数据库的资源。

要想解决这个问题，我们在pg里可以消除这种等待，有四种方法，今天讲两种：一种是advisory lock，一种是skype lock，四种方法都测了一下它的性能，暴力100个并发能处理两千多，两个并发能处理两万多，大量时间在等待，处理并发就低了。

第二个方案叫skip lock，它的吞吐达到五万多，更新时拿到锁就更新，没有拿到直接return返回，这个请求没有等待，处理吞吐能达到五万多。

使用advisory lock会加额外的附加条件，如果商品id是1，这里输的应该是括号id，用户来更新的id等于1的，处理吞吐能达到26万，使用pg advisory lock能够直接把锁消除掉，处理吞吐就高就不用等待。好多个商品在秒杀，一旦商品库存扣减完后，前端就直接回避请求了，所以不会出现大量在同一个商品上浪费大量无用功的问题。

七、批量SQL

批量SQL是在数据库里提高数据处理吞吐的问题，批量插入批、批量更新、批量删除、这都是批量的语法。insert 、copy， value 、update、delete都是支持批量的，如果要大量导入数据。

八、数据分析

数据分析讲的是应用场景的用法和cte的语法，比如做间歇性分析，用了with的语句，每五分钟聚合一下，数据在源源不断的写进来，也在源源不断的消费，把数据库当成一个mq加计算两种功能的结合体。比如数据写进来后，用with的语法delete掉，然后return，这个语句基于子句做聚合，在数据库里面自动每隔一段时间去统计，生成的统计结果就是间歇性数据分析，用语法实现间歇性的数据分析，把数据库当成mq加计算能力的引擎。

九、流计算

pg里有pipelinedb的插件可以实现流计算，也可以把数据库当成流计算引擎使用，创建好流和流上面的计算视图，把数据往流里面去写就好。

十、线性回归

线性回归是做数据预测最常用的方法，在pg里支持线性回归的聚合函数，可以算斜率、算截距，算两者的相关性，通过这几个值做推导，自变量是第n周就是它的value，因变量是第n加一周，我们可以通过一组自变量的值预测因变量的值。比如要预测股票数据营收目标，有今年的营收目标、去年的营收的数据、每一周完成情况的比例，基于每周的完成情况预测下一周。比如十个礼拜的数据可生成九行数据，第一周的数据和第二周的数据是什么？第二周的数据和第三周的数据是什么？形成两个字段的九行记录，可以计算这两组数据的截距、斜率等，有了截距和斜率后，就可以去预测第n加x加1周的数据，也就是上一周的数据乘以斜率加截距。这样就能去预测下周的营收数据。

首先算出用来预测下一个目标阶段数据的这一组数据的斜率和截距，你只要知道这个就可以了，用这组数据最后一条记录的值去乘斜率加截距，就等于要预测的下一个值下一个阶段，这个数据就是预测数据。这是用pg内置的线性回归的数学的聚合函数做的，只有一个自变量一个因变量的两组数据，通过同样的方法可以做股票的预测、股价的预测等。

这里有预测第一天的未来一天，未来两天，未来三天，未来四天的值，用的是二元回归的预测方法。

十一、化学分析

化学分析的rdkit功能模块能存化学分子式，做相似分子的查询、相似度的计算等，在化学分析领域用的比较多，也是开源解决方案里重要的数据存储环节。数据库里已经实现分析函数、索引、分子式检索，比你在应用里实现简单的多。

十二、机器学习

在数据库里集成了一款叫madlib的机器学习模块，把机器学习功能模块转换成抽象的数据库。比如对一组数据做聚集分析找到聚集*点，比如要做多元线性回归，在madlib里支持多元回归。

十三、update|delete limit

在pg里如何实现update或者delete，比如where条件后要update或者delete的量特别大，垃圾在一个事物里面产生要等到事物结束才能回收，比如update直接干掉几千万条记录，只有在干掉后才能把垃圾回收掉，这时候就可以用update limit，比如说分批做1万条，也比一次性干几千万条好

这是语法和条件，我们一次要操作十条，那么就十然后delete from where id in，用这个行号查询，用下面这个语句把它删掉。

十四、prepare 动态sql in function

什么时候在存储过程里绑定变量动态呢？动态绑定要查的对象或者表名是不确定的，因为在函数里操作的。比如saas服务是每个企业在数据库里会对应自己的表，用后缀来表示它，一个企业分配一个企业id，表名是table下划线企业id，不同的企业id会对应不同的表，操作时会带上企业id，在数据库里用动态SQL带来的问题是每次执行时都要做SQL，做query，再去执行计划，意味着会经历两个比较漫长的比较耗费cpu的动作，一个叫SQL的语法，还有一个是执行计划，SQL越复杂生成执行计划的耗费代价会越高，耗费代价会越高。所以如果是一个高并发调用的话，动态查询和绑定变量的方式性能可能会差十倍，用动态SQL只能做5万的qps，用绑定变量，能做50万甚至上百万的qps。

我们在function里面能把动态转成绑定变量吗？把函数绑定变量也放到function里面，支持动态绑定。执行insert的时候，用取模的方式得到后缀名，再去cute，如果exception抛异常了，说明还没绑定，要先绑定再去cute它。使用动态的性能是52000，使用函数内部绑定是13.4万insert。