Discussion :

[Ikit]

Bonjour,

Je me demande qu'est-ce qui serait le plus optimisé pour le cas suivant :

J'ai deux tables :
- Sample : qui contient en gros des individus
- Variant ; qui contient les caractéristiques de ces individus.

un Sample est lié à un très grand nombre de Variant diférents (disons 1 à 5 millions)
et chaque variant est commun à plusieurs sample.
Pour vous donner un ordre de grandeur, j'ai actuellement un jeu de test où j'ai
- 20 samples
- plus de 100 millions d'associations variant - samples
- mais en fait "à peine" 10 millions de variant différents

La question maintenant est de savoir comment faire la jointure entre ces deux données de façon à ce que ça soit le plus rapide ensuite quand on fait des requêtes du genre :
- donne moi tout les variants concernant tel sample;
- donne moi tout les variant commun à ces deux samples, mais pas à celui là;
- etc.

Je vois 3 possibilités :
- faire une table SampleVariant avec 2 champs : sample_id et variant_id.
- mettre un champs de type array(int) dans la table variant, qui contiendrait pour chaque variant la liste des samples qui le contienne
- mettre un champs de type array(bool) dans la table variant qui indiquerait pour chaque variant, grace au booléen à la position idx=sample_id du array, si le sample contient ou pas ce variant.


(Pour l'instant je n'ai eu le temps de tester que la première solution)
Quel est votre avis ? Postgre indique dans sa doc qu'on peut mettre des index sur les champs array, mais je me demande en quelle mesure c'est vraiment efficace et conseillé de le faire. Si à terme j'ai des milliers de sample, et des dizaines de millions de variants...

[al1_24]

Un SGBD est conçu pour manipuler des tables et des jointures. Cela il sait très bien le faire. Si tu lui demandes de faire des recherches et des calculs dans des tableaux, ce sera sans doute moins performant
A mon avis ta première solution est de loin la meilleure.