Question

我有一个表格，其中包含 bit（2000）类型的 vector 列。 db引擎如何处理此值的操作 AND 和 OR ？它是否只是分成32位块（或分别为64位），然后分别比较每个块，最后简单地将结果连接在一起？或者它只是作为两个字符串处理？

我的观点是预测，哪个用例会更快。我得到了一个键值数据（用户项）。

userID | itemID
U1     | I1
U1     | Ix
Un     | Ij

对于每个用户，我想计算n个最近邻居的列表（例如，使用jaccard index）。

select my_jaccard(select itemID from table where userID=U1,select itemID from table where userID=U2)

我的解决方案 - 我将输入数据解析为用户向量表，其中向量的类型为bit（2000），在表示特定项目的位置上有1。

userID | vector
U1     | 00.......01
U1     | 0..1.....00
Un     | 00..1..1..0

在这张桌子上我只是做

select vector1&vector2

关键在于每个用户对于所有项目最多只有10个记录，即向量最多有10个有效位。我认为，解析整个bitvector只是为了找到有效位需要更多的计算资源，而不是简单地将user1的10个值与user2的10个值相互比较。

使用长位向量是否更快，这些位向量的位数设置为1，或者更好地将原始值用作集合并将两个集合在一起？（一套最多10件）

我同时使用psql v8.2和v9.x

Answer 1

位类型的位操作在内部处理为呃位操作。以下是“和”代码的作用，例如：

p1 = VARBITS(arg1);
p2 = VARBITS(arg2);
r = VARBITS(result);
for (i = 0; i < VARBITBYTES(arg1); i++)
    *r++ = *p1++ & *p2++;

（所以它实际上是8位块。）

所以我觉得这应该很快。

Answer 2

源代码似乎逐字节进行比较。在the PostgreSQL source code中搜索“bit_and”和“bit_or”函数。（似乎没有一种自然的方式可以直接链接到函数。）

bit_and（）的摘录，varbit.c的第1205行到第1209行

p1 = VARBITS(arg1);
p2 = VARBITS(arg2);
r = VARBITS(result);
for (i = 0; i < VARBITBYTES(arg1); i++)
    *r++ = *p1++ & *p2++;