在Postgres中创建索引的最有效方法

Question

在加载数据完成之后或之前创建索引是否更有效，或者无关紧要？

例如，假设我有500个文件要加载到Postgres 8.4 DB中。以下是我可以使用的两个索引创建方案：

1. 创建表时创建索引，然后将每个文件加载到表中;或
2. 在将所有文件加载到表格后创建索引。

表数据本身大约为45千兆字节。该指数约为12千兆字节。我正在使用标准索引。它是这样创建的：

CREATE INDEX idx_name ON table_name (column_name);

我的数据加载使用COPY FROM。

一旦加载了所有文件，表格上就不会发生更新，删除或额外加载（这是一天不会改变的数据）。所以我想问哪种情况最有效？初步测试似乎表明加载所有文件然后创建索引（方案2）更快，但我没有对这两种方法进行科学比较。

Answer 1

您的观察是正确的 - 首先加载数据然后再创建索引要高效得多。原因是插入期间的索引更新很昂贵。如果在所有数据存在后创建索引，则速度会快得多。

更进一步 - 如果您需要将大量数据导入现有的索引表，首先删除现有索引，导入数据，然后再次重新创建索引通常会更有效。

导入后创建索引的一个缺点是该表必须被锁定，这可能需要很长时间（在相反的情况下不会被锁定）。但是，在PostgreSQL 8.2及更高版本中，您可以使用CREATE INDEX CONCURRENTLY，它在索引期间不会锁定表（有一些警告）。