Question

我正在测试PostgreSQL文本搜索功能，使用StackOverflow的9月数据转储作为样本数据。： - ）

使用LIKE谓词或POSIX正则表达式匹配搜索120万行的天真方法需要 90-105秒（在我的Macbook上）进行全表扫描搜索关键字。

SELECT * FROM Posts WHERE body LIKE '%postgresql%';
SELECT * FROM Posts WHERE body ~ 'postgresql';

未经编制索引的临时文字搜索查询大约需要 8分钟：

SELECT * FROM Posts WHERE to_tsvector(body) @@ to_tsquery('postgresql');

创建GIN索引需要 40分钟：

ALTER TABLE Posts ADD COLUMN PostText TSVECTOR;
UPDATE Posts SET PostText = to_tsvector(body);
CREATE INDEX PostText_GIN ON Posts USING GIN(PostText);

（我意识到我也可以通过将其定义为表达式索引来一步完成。）

之后，由GIN索引辅助的查询运行得更快 - 这需要 40毫秒：

SELECT * FROM Posts WHERE PostText @@ 'postgresql';

但是，当我创建GiST索引时，结果会有很大差异。创建索引需要不到 2分钟：

CREATE INDEX PostText_GIN ON Posts USING GIST(PostText);

之后，使用@@文本搜索运算符的查询需要 90-100秒。因此，GiST索引确实将未编制索引的TS查询从8分钟改进为1.5分钟。但与使用LIKE进行全表扫描相比，这没什么改进。它在Web编程环境中毫无用处。

我是否遗漏了使用GiST索引至关重要的内容？索引是否需要预先缓存在内存中？我正在使用MacPorts的普通PostgreSQL安装，没有调整。

使用GiST索引的推荐方法是什么？或者每个用PostgreSQL做TS的人都跳过GiST索引并只使用GIN索引吗？

PS：我确实知道像Sphinx Search和Lucene这样的替代品。我只是想了解PostgreSQL本身提供的功能。

Answer 1

试

CREATE INDEX PostText_GIST ON Posts USING GIST(PostText varchar_pattern_ops);

创建适合前缀查询的索引。请参阅Operator Classes and Operator Families上的PostgreSQL文档。 @@运算符仅对术语向量有意义;使用LIKE，GiST索引（使用varchar_pattern_ops）将获得出色的结果。

Answer 2

如果您感兴趣，文档可以很好地概述GiST和GIN索引之间的性能差异：GiST and GIN Index Types。

Answer 3

顺便说一下：如果你还没有得到满意的回答，你所做的部分

SELECT * FROM Posts WHERE PostText @@ 'postgresql';

应该是

SELECT * FROM Posts WHERE PostText @@ to_tsquery('postgresql');

为什么PostgreSQL Text-Search GiST索引比GIN索引慢得多？

3 个答案: