CREATE TEMP TABLE em transação derruba desempenho em até 23 vezes, mostra benchmark
Um estudo da PostgresAI com o DBLab Forge mediu o custo de usar CREATE TEMP TABLE dentro de transações frequentes no Postgres e encontrou dois problemas distintos: inchaço no catálogo e disputa pela fila de invalidação compartilhada.

- Leitura
- 7 min
- Tabelas
- 2
- Fontes
- 1
Um estudo da PostgresAI com o DBLab Forge mediu o custo de usar CREATE TEMP TABLE dentro de transações frequentes no Postgres↳PostgreSQL11 conteúdosPostgreSQL via SSL com GolangData · abr 20195 itens legais sobre data types do PostgreSQLData · mar 20195 serviços gratuitos na cloud para bancos de dados PostgresData · fev 2025Ver tudo em Data → e encontrou dois problemas distintos: inchaço no catálogo e disputa pela fila de invalidação compartilhada.
Um estudo da PostgresAI com o DBLab Forge mediu o custo de usar CREATE TEMP TABLE dentro de transações frequentes no Postgres e encontrou dois problemas distintos: inchaço no catálogo e disputa pela fila de invalidação compartilhada.
O experimento por trás do número
O autor do estudo, da PostgresAI, decidiu medir algo que ele já desaconselhava havia anos por intuição: criar tabelas temporárias dentro do código mais executado de uma aplicação. Ele usou o DBLab Forge, ferramenta da própria PostgresAI para rodar experimentos sintéticos em escala real contra o Postgres, e comparou cinco formas de fazer o mesmo trabalho: inserir 100 linhas numa área de trabalho e lê-las de volta dentro da mesma transação.
O caso que motivou o teste é real. A equipe de Kirk Wolak migrou um sistema de busca de alto tráfego do Oracle para o Postgres e manteve, na consulta mais frequente do sistema, o padrão de criar uma tabela temporária por transação, hábito trazido da migração. Os dois discutiram os resultados no episódio 196 do podcast Postgres.FM.
Cinco jeitos de fazer o mesmo trabalho
Com 16 vCPUs, 32 clientes e nenhuma sessão ociosa, rodando contra o Postgres 18.6 (os números em 17.11 ficaram a até 4% de distância), o benchmark testou:
| Padrão | TPS | Mensagens de invalidação por transação |
|---|---|---|
| CTE, sem tabela nenhuma | 86.997 | 0 |
Tabela temporária única por sessão, ON COMMIT DELETE ROWS | 17.866 | 5 |
Tabela única por sessão, com TRUNCATE a cada transação | 4.405 | 14 |
CREATE TEMP TABLE ... ON COMMIT DROP a cada transação | 3.783 | 132 |
Tabela única por sessão, com DELETE a cada transação | 1.514 | 0 |
A distância entre os extremos é grande: a CTE roda quase 23 vezes mais rápido que a tabela temporária recriada a cada transação, ganho que passa de 2.200%. E essa diferença não vem de um único fator.
Onde o tempo realmente se perde
Em resumo: parte do custo é inerente a qualquer tabela temporária, mesmo mantida uma única vez por sessão; a outra parte vem especificamente de criar e apagar a tabela repetidas vezes.
A queda de 86.997 para 17.866 TPS, entre a CTE e a tabela mantida por sessão, não tem nada a ver com catálogo. Uma consulta com CTE é somente leitura: não recebe ID de transação, não grava WAL. Já a tabela temporária mantida pela sessão grava as 100 linhas em buffers locais e, a cada commit, trunca a tabela sob três locks ACCESS EXCLUSIVE. Com wal_level = replica (o padrão), esses locks vão para o WAL, a transação ganha um ID, grava um registro de commit e, com synchronous_commit = on, espera o flush do WAL.
A segunda queda, de 17.866 para 3.783 TPS, é o custo específico de criar e apagar a tabela em cada transação: linhas de catálogo e arquivos físicos.
O preço de cada CREATE e DROP
Uma tabela temporária de duas colunas, (id int, v text), insere 31 linhas de catálogo na criação e apaga as mesmas 31 no DROP (ou no ON COMMIT DROP). Isso cobre pg_class, pg_type, pg_attribute e pg_depend, e, como a coluna text pode não caber numa página, também uma tabela TOAST e seu índice. No disco, são três arquivos criados e removidos a cada transação: a tabela, a tabela TOAST e o índice da TOAST.
Essas exclusões de catálogo também custam para o autovacuum: com 128 clientes simultâneos, a tabela pg_attribute cresceu entre 737 e 839 MiB em cerca de 70 segundos, mesmo com autovacuum ativo. O espaço raramente volta ao sistema operacional, porque VACUUM só corta páginas vazias no fim do arquivo; apenas um VACUUM FULL devolve o espaço, bloqueando o catálogo enquanto roda.
Uma tabela temporária de vida longa, mantida pela sessão e só esvaziada com DELETE, tem outro problema: só a própria sessão pode rodar VACUUM nela, porque o autovacuum nunca toca em tabelas temporárias. Enquanto isso, ela também atrasa o freeze do banco até a sessão limpar a tabela, apagá-la ou se desconectar.
O gargalo que só aparece com muitas sessões
O autor do estudo esperava que o gargalo principal fosse outro: a fila de invalidação compartilhada, já que qualquer alteração de catálogo (e CREATE TEMP TABLE é DDL) manda mensagens para todas as sessões por essa fila. Sem sessões ociosas, essa hipótese não se confirmou: o padrão de tabela temporária parou de escalar entre 3.000 e 4.000 TPS, com esperas em LWLock:SInvalWrite abaixo de 1% das amostras ativas.
O cenário muda quando o banco tem muitas conexões ociosas, situação comum em aplicações sem pooler.
A fila de invalidação (sinval) é um anel único de 4096 posições em memória compartilhada, para toda a instância, não por banco. Cada mensagem tem 16 bytes e informa apenas que uma linha de catálogo com determinado hash mudou, ou que o descritor de uma relação mudou, sem carregar dado nenhum. Um CREATE TEMP TABLE seguido de DROP numa tabela de duas colunas gera 132 dessas mensagens: 71 na criação, 61 na queda.
Cada sessão mantém sua própria posição de leitura na fila e precisa ler toda mensagem, mesmo estando ociosa. Um slot só é liberado quando todas as sessões já o leram, então uma única sessão dormindo já segura a cauda da fila inteira. Quando uma sessão fica mais de 2048 mensagens atrás, metade do anel, quem escreve avisa a sessão mais atrasada para acordar e ler; se ainda assim ela não lê a tempo, suas mensagens não lidas são descartadas, e ela precisa reconstruir do zero todo o cache de catálogo, os descritores de tabela e os planos já compilados.
O experimento variou o número de sessões ociosas contra um alvo fixo de 500 TPS de DDL com tabela temporária:
| Sessões ociosas | TPS (alvo: 500) | LWLock:SInvalWrite no tempo ativo dos escritores | Resets completos de cache por segundo |
|---|---|---|---|
| 0 | 502 | 1,3% | 0,1 |
| 1.000 | 502 | 54% | 49 |
| 3.000 | 274 | 86% | 194 |
| 5.000 | 127 (249 numa segunda rodada) | 91% | 457 |
Com 5.000 sessões ociosas, o sistema entregou só uma fração do TPS alvo, e a maior parte do tempo dos backends que escreviam DDL foi gasta esperando o lock LWLock:SInvalWrite, não fazendo trabalho útil.
O próprio código-fonte do Postgres documenta essa decisão de design, no arquivo inval.c:
Atualmente, as mensagens de invalidação são enviadas sem considerar a possibilidade de que o objeto descrito pela tupla de catálogo seja um objeto local de sessão, como uma tabela temporária.
Comentário no arquivo inval.c, código-fonte do PostgreSQLCurrently, inval messages are sent without regard for the possibility that the object described by the catalog tuple might be a session-local object such as a temporary table.
O caso real por trás do benchmark
A equipe de Kirk Wolak rodava 10 milhões de consultas por dia nesse sistema de busca migrado do Oracle, cada uma criando duas tabelas temporárias e um índice. Mesmo na forma mínima, uma só coluna inteira por tabela, isso representa pelo menos 600 milhões de alterações de linhas de catálogo por dia apenas com essa consulta.
O time acabou abandonando as tabelas temporárias por outro motivo, além da performance: elas só existem na conexão primária. Quando o cliente pediu réplicas de leitura próximas aos usuários na Ásia, o padrão simplesmente parou de funcionar ali.
O que muda para quem escreve a query
Nenhuma das alternativas do benchmark exige reescrever a aplicação inteira. O ponto prático é localizar onde CREATE TEMP TABLE está no caminho quente, dentro de uma transação que roda centenas ou milhares de vezes por segundo, e trocá-lo por uma opção que não paga o custo de catálogo a cada chamada:
- Quando o resultado intermediário cabe numa única consulta, uma CTE (ou subquery) evita qualquer escrita no catálogo.
- Quando a lógica realmente precisa de um objeto reutilizável dentro da sessão, criar a tabela temporária uma vez por conexão, não por transação, e esvaziá-la com
TRUNCATEouON COMMIT DELETE ROWSevita oCREATE/DROPrepetido. - Quando o volume de conexões ociosas é alto, um pooler como PgBouncer reduz o número de sessões que a fila de invalidação precisa varrer, mesmo sem alterar o código da aplicação.
O autor do estudo recomenda acompanhar três sinais antes de escalar hardware: o evento de espera LWLock:SInvalWrite no histórico de sessões ativas, a proporção de conexões abertas contra max_connections, e a taxa de exclusões no catálogo.
Vale lembrar que o benchmark mediu o ganho de 23 vezes numa tabela de apenas duas colunas, sem índices adicionais, num teste isolado. O próprio estudo registra que cada coluna extra soma mais quatro mensagens de invalidação por transação, o que sugere, na leitura deste texto, que tabelas maiores, com mais colunas ou índices, como as do caso de Kirk Wolak, tendem a pagar um custo ainda maior por CREATE/DROP.
Fonte: Planet PostgreSQL
Highlights
- CTE roda 23 vezes mais rápido que CREATE TEMP TABLE ... ON COMMIT DROP a cada transação
- Uma tabela de duas colunas insere 31 linhas de catálogo na criação e deleta 31 no DROP
- Com 5 mil sessões ociosas, DDL com tabela temporária entregou apenas 127 TPS de um alvo de 500
- Alterações de catálogo geram mensagens na fila de invalidação compartilhada que todas as sessões devem ler
- Postgres 18.6 e 17.11 mostram custo similar; benchmark usou 16 vCPUs e 32 clientes
Este artigo foi escrito por Roberto Diniz, colunista de banco de dados. Conteúdo produzido por agente de IA da redação iMasters, sob revisão editorial humana. Saiba como produzimos no expediente.
Plano de execução barato no laptop pode ficar caro no seu maior tenant
Um estudo de caso com PostgreSQL mostra como o cache de prepared statements pode planejar a consulta do tenant gigante a partir do comportamento dos tenants pequenos, e o que fazer quando isso acontece.














