pgsql常用索引简写

news2024/11/17 4:51:46

文章来源：互联网博客文章，后续有时间再来细化整理。

在数据库查询中，合理的使用索引，可以极大提升数据库查询效率，充分利用系统资源。这个随着数据量的增加得到提升，越大越明显，也和业务线有关，越是读多写少的业务体现越明显。

索引优点：

唯一索引保证唯一性
加快数据的检索速度（单表查询、联合查询及分组排序等等）

索引缺点：

创建索引和维护索引要耗费时间（创建、更新、删除都需要维护）
索引需要占物理空间（物理空间包含内存和磁盘，这个看索引大小）

1 BTREE索引

CREATE INDEX默认使用BTREE索引，适合按照顺序存储的数据进行比较查询和范围查询。

查询优化器会优先考虑使用BTREE索引：

<，<=，=，>，>=
以及这些操作的组合，比如between and，也可以使用BTREE。
在索引列上的IS NULL 或者IS NOT NULL也可以使用BTREE。
BTREE索引也可以用于模糊查询，但是仅限字符串开头是常量的情况下，比如 name LIKE ‘Jason%’，或者name ~ ’^Jason’。但是name LIKE ‘%Jason’是不能用的。
Min/Max聚集操作也可使用BTREE索引。
其实在merge join以及order by中，可以通过使用BTREE索引的有序性来减少sort带来的代价

create index on t1(id);

2 Hash索引

Hash索引是通过比较hash值来查找定位，如果hash索引列的数据重复度比较高，容易产生严重的hash冲突，从而降低查询效率，因此这种情况下，不适合hash索引。

CREATE INDEX idx_name ON table_name USING HASH (column_name);

3 GiST索引

不是独立的索引类型，是一种架构或者索引模板，是一棵平衡二叉树。适用于多维数据类型和集合数据类型。

适合业务：

几何类型，支持位置搜索（包含、相交、在上下左右等），按距离排序。
范围类型，支持位置搜索（包含、相交、在左右等）。
IP类型，支持位置搜索（包含、相交、在左右等）。
空间类型（PostGIS），支持位置搜索（包含、相交、在上下左右等），按距离排序。
标量类型，支持按距离排序。

相比Btree缺点：

GiST跟Btree索引相比，索引创建耗时较长，占用空间也比较大。

相比Btree有点：

BTREE组合索引(a, b)，如果where条件中只有b，则无法使用索引。此时，GiST可以解决这种情况。

create index idx_t3_gist on t3 using gist(a,b);

条件分析：


root=# explain select * from t3 where b = '2022-11-18 17:50:29.245683';
                                  QUERY PLAN
-------------------------------------------------------------------------------
 Index Scan using idx_t3_gist on t3  (cost=0.28..8.30 rows=1 width=49)
   Index Cond: (b = '2022-11-18 17:50:29.245683'::timestamp without time zone)
(2 rows)

4 SP-GiST索引

和GiST类似，但是是一棵不平衡树，支持多维和海量数据，把空间分割成互不相交的部分。SP-GiST适用于空间可以递归分割成不相交区域的结构，包括四叉树、k-D树和基数树。

create index on sites using spgist(url);

5 GIN索引

gin是倒排索引(es中字段默认会创建一个倒排索引)，是一个存储对(key,list[])集合的索引结构,其中key是一个键值，而list[]是一组出现过key的位置。如(‘hello’,’14:2 23:4’)中，表示hello在14:2和23:4这两个位置出现过。

gin使用：

单值稀疏数据搜索
多列任意搜索，当用户的需求是按照任意列进行搜索时，gin支持多列展开单独建立索引域。从这边可以看出gin和btree都适用联合索引，两者的区分就是,看索引是否是任意的，如果第一个索引列是必有的可以选择btree，相反选择gin。

5.1 前后模糊索引- pg_trgm

对于前后都需要模糊的字段需要用到pg_trgm索引，需要注意的是，数据库的lc_type不能为‘C’，可以通过命令 \l+ database_name 来查看。需要提前创建扩展：

CREATE EXTENSION btree_gin;
CREATE EXTENSION pg_trgm

索引创建：

CREATE INDEX idx_vehiclestructured_plateno_like ON viid_vehicle.vehiclestructured USING GIN (plateno GIN_TRGM_OPS)

5.2 pg_trgm原理

pg_trgm使用时将字符串的前端添加2个空格，末端添加一个空格，之后每三个连续的字符串作为一个TOKEN进行拆分，对TOKEN建立GIN倒排索引。

查看字符串的原理：

SELECT SHOW_TRGM('viid');
结果：
              show_trgm         
-----------------------------
    {"  v"," vi","id ",iid,vii}

5.3 物理结构

逻辑结构

GIN索引在逻辑上可以看成一个relation，该relation有两种结构：

只索引基表的一列

key	value
Key1	Posting list( or posting tree)
Key2	Posting list( or posting tree)
…	…

索引基表的多列(复合、多列索引)

column_id	key	value
Column1 num	Key1	Posting list( or posting tree)
Column2 num	Key1	Posting list( or posting tree)
Column3 num	Key1	Posting list( or posting tree)
...	...	...

这种结构，对于基表中不同列的相同的key，在GIN索引中也会当作不同的key来处理。

GIN索引在物理存储上包含如下内容：

Entry：GIN索引中的一个元素，可以认为是一个词位，也可以理解为一个key
Entry tree：在Entry上构建的B树
posting list：一个Entry出现的物理位置(heap ctid, 堆表行号)的链表
posting tree：在一个Entry出现的物理位置链表(heap ctid, 堆表行号)上构建的B树，所以posting tree的KEY是ctid，而entry tree的KEY是被索引的列的值
pending list：索引元组的临时存储链表，用于fastupdate模式的插入操作
从上面可以看出GIN索引主要由Entry tree和posting tree（or posting list）组成，其中Entry tree是GIN索引的主结构树，posting tree是辅助树。

entry tree类似于b+tree，而posting tree则类似于b-tree（平衡树）。

另外，不管entry tree还是posting tree，它们都是按KEY有序组织的。

总结：组合索引是为每一个字段创建一个entry tree，当key对应的value数据较少则用链表形式，当达到一定数量则采用B树（平衡树）的模式，这个倒是像极了Java8 HashMap的内部数据部分结构

5.4 pg_trgm适用场景

有前缀的模糊查询，例如a%，至少需要提供1个字符。
有后缀的模糊查询，例如%ab，至少需要提供2个字符。
前后模糊查询，例如%abc%，至少需要提供3个字符。

5.5 查询流程

这个我没有找到相关博客文章的说明，但是根据上面对gin索引结构的说明，人工智能的回答可信度应该是有的。注意：下面是AI回答，作为思考考虑就行，下面介绍不保证正确。

6 brin

Brin索引是块级索引，它不是以行号为单位记录索引明细，而是记录每个数据块或者每段连续的数据块的统计信息。因此brin索引空间占用特别小，对数据写入、更新、删除的影响很小。

Brin索引适合时序数据(timestamp类型)，在时间或序列字段创建索引，进行等值、范围查询时效果好；

以及对存储空间比较严格的场景。

CREATE INDEX idx_vehiclestructured_plateno_like ON viid_vehicle.vehiclestructured USING BRIN(plateno);

Brin的优点

顺序扫描会很快，它是索引顺序扫描的一种改进，如果键值的顺序和存储中块的组织顺序相同，则针对大表的统计型SQL性能会大幅提升。
创建索引的速度非常快。
索引占用的空间很小。

Brin的缺点：

Brin在很大程度上依赖于数据相邻性（在磁盘上附近发现相似的数据）。如果我们的数据非常的混乱，则Brin索引查询重叠的条目可能性就非常高。一旦我们的Brin索引开始重叠，就将匹配更多的记录，并且导致需要从源表中读取多个块范围，以找到我们要查找的记录。

适合：

主要适用于类似时序数据之类的，有着天然的顺序，而且都是添加写的场景。比如有序时间这类的。